向 晖,杨胜刚

(湖南大学金融与统计学院,湖南长沙 410079)＊

美国次贷危机的教训让国内外商业银行对个人信贷业务的拓展尤为审慎。为了在控制风险与追求利润之间找到平衡,建立有效的个人信用评分(credit scoring)体系是其中关键。早期的个人信用评分研究多局限于模型的设计,而近期学者们则将个人信用评分视为一个集数据预处理、指标体系筛选、模型设计为一体的系统评估方法。一些具有金融学理论基础的统计学和计算机学者们将统计学、数据挖掘以及机器学习等领域的最新成果应用于个人信用评分研究的各个环节,使信用评分研究取得了快速而全面的发展。

一、信用评分中的数据预处理

数据缺失、数据不平衡以及拒绝偏差是个人信用数据中普遍存在的三类样本问题,对它们的预处理在很大程度上影响着信用评分模型的有效性。

(一)数据缺失(missing data)

数据缺失是一种在调查研究中普遍存在的现象。对数据缺失最简单的处理方法就是删除(deletion),当缺失数据较少时,删除法是简单有效的。而当缺失数据较多时,删除法会造成资源的浪费和分析结果的偏倚。更为合理的数据缺失处理方法是填补(Imputation)。为每个缺失值构造一个替代值的方法被称为单一填补(Simple imputation),常见的单一填补法包括均值填补、回归填补、冷台(Cold deck)和热台(Hot deck)填补等。为每个缺失值构造多个替代值的方法被称为多重填补(Multiple imputation)。目前个人信用评分领域缺乏对数据缺失问题的深入研究,绝大多数文献忽略了信用样本集中的数据缺失问题或仅采用删除法来处理缺失数据。……