金融-零售貸款業(yè)務(wù)客戶群體特征分析-基于T銀行客戶樣本

PAGEPAGE24PAGEPAGE1零售貸款業(yè)務(wù)客戶群體特征分析——基于T銀行客戶樣本摘要當(dāng)前我國(guó)第三方支付平臺(tái)、P2P、互聯(lián)網(wǎng)理財(cái)?shù)裙救缬旰蟠汗S冒出，國(guó)內(nèi)各家銀行特別是商業(yè)銀行均面臨存貸款客戶流失的問題。根據(jù)互聯(lián)網(wǎng)金融之后，F(xiàn)intech的崛起，這次金融科技元素的突起，給金融業(yè)帶來巨大震蕩的情況。在這樣一個(gè)現(xiàn)實(shí)背景下，本文從零售貸款客戶細(xì)分的視角來探討零售貸款業(yè)務(wù)的創(chuàng)新，得出零售貸款客戶的三維度特征與貸款業(yè)務(wù)之間的關(guān)系，這對(duì)于深入理解客戶貸款行為和貸款風(fēng)險(xiǎn)及其市場(chǎng)需求，對(duì)銀行服務(wù)和選擇市場(chǎng)客戶具有重要的實(shí)踐指導(dǎo)價(jià)值。本文運(yùn)用描述性分析、Pearson相關(guān)性分析、聚類分析等多種統(tǒng)計(jì)分析方法，圍繞主題內(nèi)容，通過T銀行零售貸款客戶進(jìn)行原始數(shù)據(jù)的收集整理，選取借款人的年齡、性別、學(xué)歷、婚姻、收入、資產(chǎn)狀況、貸款金額、利率、還款情況、逾期率等10個(gè)背景特征，提出相關(guān)假設(shè)，并對(duì)模型進(jìn)行構(gòu)建。最后，本文通過理論探討和實(shí)證分析，得到了以下結(jié)論：資產(chǎn)和婚姻之間負(fù)相關(guān)關(guān)系，且較顯著；還款是否正常與年齡負(fù)相關(guān)關(guān)系；還款是否正常與逾期次數(shù)負(fù)相關(guān)關(guān)系；還款是否正常與學(xué)歷之間正相關(guān)關(guān)系，且較顯著；逾期次數(shù)與年齡正相關(guān)關(guān)系，但不特別顯著；逾期次數(shù)與學(xué)歷負(fù)相關(guān)關(guān)系，且較顯著。本文從零售貸款客戶細(xì)分的視角來研究零售貸款的客戶特征與風(fēng)險(xiǎn)評(píng)價(jià)，為T銀行零售貸款業(yè)務(wù)進(jìn)行客戶群體的分析和準(zhǔn)確評(píng)價(jià)，并按照風(fēng)險(xiǎn)等級(jí)的大小了解客戶的基本屬性，進(jìn)行相應(yīng)的客戶關(guān)系管理，嘗試為銀行零售貸款業(yè)務(wù)客戶群體特征提供科學(xué)的依據(jù)和正確的方向。提供現(xiàn)實(shí)的參考與指導(dǎo)意義，有一定的啟示意義。關(guān)鍵詞：商業(yè)銀行，客戶細(xì)分，客群特征，聚類分析

目錄零售貸款業(yè)務(wù)客戶群體特征分析——基于T銀行客戶樣本 1摘要 1第一章緒論 3第二章研究設(shè)計(jì) 4第一節(jié)研究假設(shè) 4一、借款人自然特征對(duì)貸款業(yè)務(wù)的影響 4二、借款人的經(jīng)濟(jì)特征對(duì)貸款業(yè)務(wù)的影響 5三、借款人的貸款特征對(duì)貸款業(yè)務(wù)的影響 6第二節(jié)研究方法 6一、變量選取 6二、模型構(gòu)建 9第三章實(shí)證研究與分析 14第一節(jié)數(shù)據(jù)來源與處理 14一、數(shù)據(jù)來源 14二、數(shù)據(jù)處理 15第二節(jié)描述性分析 16第三節(jié)相關(guān)性分析 19第四節(jié)配對(duì)樣本分析 21第四章結(jié)論與建議 22第一節(jié)研究結(jié)論 23第二節(jié)研究建議 25一、基于客戶細(xì)分的營(yíng)銷策略 25二、基于客戶細(xì)分的具體業(yè)務(wù)創(chuàng)新 27參考文獻(xiàn) 28第一章緒論現(xiàn)階段，隨著中國(guó)經(jīng)濟(jì)發(fā)展速度趨于緩慢，所面臨的風(fēng)險(xiǎn)問題也隨之加大。早期所積累的一些金融資金由于通貨膨脹問題也受到了一定的限制，銀行業(yè)也開始發(fā)生了翻天覆地的變化，突出表現(xiàn)在盈利水平低下、資金緊張等方面的問題，自身的經(jīng)營(yíng)發(fā)展模式也面臨著一系列的阻礙。自從2013年以來，隨著互聯(lián)網(wǎng)技術(shù)水平的提升，一些新型支付手段的衍生給傳統(tǒng)的銀行發(fā)展帶來了一系列的挑戰(zhàn)。首先，商業(yè)銀行零售貸款業(yè)務(wù)面臨著嚴(yán)重的客戶資源流失。其次，客戶有更多選擇平臺(tái)的能力，尤其是一批長(zhǎng)尾客戶，在新的三方金融平臺(tái)中找到了適合自己的產(chǎn)品，且銀行的產(chǎn)品已經(jīng)不再是很多年輕客戶的首選。最后，除了來自互聯(lián)網(wǎng)的挑戰(zhàn)外，另一大挑戰(zhàn)是來自大數(shù)據(jù)。傳統(tǒng)的銀行業(yè)通過各種技術(shù)手段已采集和儲(chǔ)存了大量的客戶信息，如何從這些已有的大量信息中找出有價(jià)值的信息，從而為銀行的金融產(chǎn)品設(shè)計(jì)，實(shí)現(xiàn)小微貸款精準(zhǔn)營(yíng)銷，風(fēng)險(xiǎn)管控等方面提供強(qiáng)有力地支持呢？這就預(yù)示著商業(yè)銀行需要順應(yīng)當(dāng)前的經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)變發(fā)展方式的趨勢(shì)，積極推進(jìn)經(jīng)營(yíng)戰(zhàn)略轉(zhuǎn)型，從而適應(yīng)新的市場(chǎng)經(jīng)濟(jì)規(guī)律。從普惠金融的層面出發(fā)，分析自身產(chǎn)品優(yōu)劣勢(shì)，以及貸款客群的特征，通過對(duì)客群的細(xì)分，并進(jìn)行聚類分析，根據(jù)分析出的特定屬性挖掘適合新產(chǎn)品的客戶群體。第二章研究設(shè)計(jì)第一節(jié)研究假設(shè)本文的主要目的是研究客戶特征對(duì)零售貸款業(yè)務(wù)的影響，通過研究分析兩者的相關(guān)性，進(jìn)而對(duì)T銀行的風(fēng)險(xiǎn)管理提出建議。因此，根據(jù)文獻(xiàn)研究的結(jié)果，將零售貸款信用風(fēng)險(xiǎn)考慮的影響因素劃分為三個(gè)維度——反映貸款人自然特征的維度（包括年齡、性別、婚姻狀況、教育水平、是否有子女、供養(yǎng)人數(shù)、從業(yè)時(shí)間）和經(jīng)濟(jì)特征的維度（包括薪水、月其他收入、住房類型、房產(chǎn)情況、房產(chǎn)數(shù)量、車產(chǎn)情況、信用卡額度）以及信貸客戶的貸款特征（貸款數(shù)額、還款期限、保障方式，逾期次數(shù)）。本文從中抽取10個(gè)T銀行最為關(guān)注的維度進(jìn)行相關(guān)性分析，通過查看各個(gè)特征之間是否存在相關(guān)性，且是否為信用風(fēng)險(xiǎn)的主要影響因素，并對(duì)各影響因素進(jìn)行聚類分析，預(yù)測(cè)客戶是否會(huì)出現(xiàn)逾期行為，嘗試為T銀行信用風(fēng)險(xiǎn)控制提供科學(xué)的依據(jù)和正確的方向。T銀行在實(shí)際操作中對(duì)于借款人的審核數(shù)據(jù)包括但不限于如下特征：年齡、性別、學(xué)歷、婚姻、收入、資產(chǎn)狀況、申請(qǐng)金額、對(duì)應(yīng)貸款品種利率、征信還款情況、借款用途、貸款期限、每月應(yīng)還金額等多個(gè)指標(biāo)，另還需通過全國(guó)法院被執(zhí)行人網(wǎng)及側(cè)面查詢客戶單位真實(shí)性等。本章將通過三個(gè)方面來研究探討借款人的各類特征對(duì)零售貸款業(yè)務(wù)的關(guān)系：一是借款人年齡、性別、學(xué)歷、婚姻等個(gè)人自然特征，這幾個(gè)指標(biāo)目前普遍被用在進(jìn)入銀行門檻的各類貸款需求者的相關(guān)條件。二是借款人個(gè)人收入、資產(chǎn)狀況的經(jīng)濟(jì)特征，這兩個(gè)指標(biāo)用于分析借款人的個(gè)人還款能力及第二還款來源。三是借款人貸款金額、利率、還款情況、逾期率這四個(gè)指標(biāo)，其中貸款金額及相應(yīng)的利率對(duì)于不同的貸款客戶是否影響貸款的業(yè)務(wù)發(fā)展，提高銀行的收益對(duì)于零售貸款業(yè)務(wù)是否有影響。一、借款人自然特征對(duì)貸款業(yè)務(wù)的影響借款人的自然特征包括：年齡、性別、學(xué)歷、婚姻等，作為借款人的一個(gè)重要的人口背景特征，是影響銀行借款申請(qǐng)的一個(gè)門檻。從年齡來講，如果借款人年齡不符合要求，系統(tǒng)將無法提交，是非常硬性的申請(qǐng)前提。因?yàn)榻杩钊四挲g上的不同，所以每一位借款人自身的還款能力、工資水平、信用等級(jí)等方面的內(nèi)容都會(huì)存在區(qū)別，所以也會(huì)表現(xiàn)在工作之中出現(xiàn)各種各樣的問題。因?yàn)橐话憬?jīng)驗(yàn)來說到了中年以后家庭經(jīng)濟(jì)更加穩(wěn)定，應(yīng)該更具備還款能力，當(dāng)然，每家銀行的客戶群體不同，得到的數(shù)據(jù)結(jié)果也有可能是相反的。性別來講，總體來說女性的逾期率普遍低于男性。即女性的按期還款可能性要高于男性的按期還款率。對(duì)于女性而言，她們的心理狀況和相關(guān)生活習(xí)性使得她們更傾向于在有一定資金的時(shí)候及早還清貸款，這樣一方面可以提升自己的信用等級(jí)，另一方面也可以在后期購(gòu)置其他的金融服務(wù)。所以女性的信用風(fēng)險(xiǎn)較低。但是這種性別信用差異是否顯著還需要進(jìn)一步驗(yàn)證。教育水平來講，本文借款人教育水平劃分為了本科及以上、?？?、高中及以下等三種借款人。根據(jù)傳統(tǒng)觀念，受教育水平越高，其違約成本越高，故信用記錄越好。后續(xù)我們將通過數(shù)據(jù)進(jìn)一步驗(yàn)資。婚姻狀況來講，本文將所有已婚客戶歸一類，未婚包括喪偶?xì)w同一類，離異單獨(dú)歸一類，之所以將喪偶?xì)w到未婚中，是由于喪偶非主動(dòng)行為，故不應(yīng)該歸到離異中去。且喪偶借款人在少數(shù)，對(duì)總體影響較小。另一般銀行將已婚人士設(shè)置為較穩(wěn)定還款客戶，但通過數(shù)據(jù)分析，可看出，許多已婚人士依然逾期率較高，而單身客戶由于還未成家甚至能獲得父母更多的經(jīng)濟(jì)支持并且努力償還我行貸款，故這點(diǎn)也將在本文中進(jìn)行驗(yàn)證。由此假設(shè)：H1：借款人年齡與貸款業(yè)務(wù)呈正相關(guān)關(guān)系H2：借款人性別男性與貸款業(yè)務(wù)呈負(fù)相關(guān)關(guān)系、女性與貸款業(yè)務(wù)呈正相關(guān)關(guān)系H3：借款人學(xué)歷與貸款業(yè)務(wù)呈正相關(guān)關(guān)系H4：借款人婚姻與貸款業(yè)務(wù)呈正相關(guān)關(guān)系二、借款人的經(jīng)濟(jì)特征對(duì)貸款業(yè)務(wù)的影響借款人的經(jīng)濟(jì)特征包括個(gè)人月收入、資產(chǎn)狀況。其中個(gè)人月收入指標(biāo)只要符合本次貸款月還款額2倍以上即可，且能申請(qǐng)到T銀行貸款的客戶均已經(jīng)滿足，本文希望通過分析得出，是否收入越高的借款人其信用記錄保持越好。另一經(jīng)濟(jì)特征指標(biāo)，資產(chǎn)狀況可以提升零售小額貸款客戶的系統(tǒng)評(píng)級(jí)，如果評(píng)級(jí)過低將影響貸款金額，故客戶有資產(chǎn)的情況下，均可以提升相應(yīng)的系統(tǒng)評(píng)分。且有資產(chǎn)對(duì)于客戶來講，雖然資產(chǎn)未抵押，但是卻增加客戶的違約成本，故本文希望通過分析，看這個(gè)傳統(tǒng)銀行最在乎的資產(chǎn)對(duì)于貸款實(shí)際風(fēng)險(xiǎn)有無直接的相關(guān)性。由此假設(shè)：H5：借款人收入與貸款業(yè)務(wù)呈正相關(guān)關(guān)系H6：借款人資產(chǎn)狀況與貸款業(yè)務(wù)呈正相關(guān)關(guān)系三、借款人的貸款特征對(duì)貸款業(yè)務(wù)的影響借款人的貸款特征包括貸款金額、利率、還款情況、逾期率這四個(gè)指標(biāo)。其中，貸款金額的多寡及對(duì)貸款利率的敏感性可以反映借款人的貸款需求的迫切與否，貸款需求大，不代表客戶就有相應(yīng)的還款意愿；當(dāng)然，貸款需求小，也不代表該客戶就順利還款。愿意接受相對(duì)較高利率的客戶不一定就有還款風(fēng)險(xiǎn)，另一方面，貸款利率較低的客戶其也有逾期的可能性。故本文通過樣本分析，希望能得到借款人貸款金額及利率對(duì)零售貸款有著什么樣的影響。由此假設(shè)：H7：借款人貸款金額與貸款業(yè)務(wù)呈正相關(guān)關(guān)系H8：借款人貸款利率與貸款業(yè)務(wù)呈負(fù)相關(guān)關(guān)系H9：借款人還款情況與貸款業(yè)務(wù)呈正相關(guān)關(guān)系H10：借款人逾期次數(shù)與貸款業(yè)務(wù)呈負(fù)相關(guān)關(guān)系研究方法根據(jù)本文的前期假設(shè)，現(xiàn)需要對(duì)T銀行客戶數(shù)據(jù)進(jìn)行整理與相關(guān)數(shù)據(jù)處理，并選取對(duì)本案影響較大的變量，進(jìn)行相關(guān)模型構(gòu)建。一、變量選?。ㄒ唬┳兞窟x取的原則變量的選取做到了以下幾個(gè)原則：1、變量選取要有一定的目的性研究。結(jié)合T銀行信貸客戶信用風(fēng)險(xiǎn)的相關(guān)影響要素來看，為了對(duì)于可能存在的相關(guān)信用風(fēng)險(xiǎn)及時(shí)進(jìn)行規(guī)避，對(duì)于相關(guān)變量的選擇就必須以某一特定的目的為核心，對(duì)于變量和目的之間的關(guān)系進(jìn)行科學(xué)化的把握，這樣最后所得到的結(jié)果才是合理的。2、變量選取要理論聯(lián)系實(shí)際，變量的選取要采用科學(xué)的方法又要符合實(shí)際情況，做到理論聯(lián)系實(shí)際。3、變量選取要注意整體性和系統(tǒng)性，T銀行貸款客戶信用風(fēng)險(xiǎn)的影響因素的研究是一項(xiàng)系統(tǒng)的工程，為了比較全面的反映T銀行貸款客戶信用風(fēng)險(xiǎn)的整體情況，變量選取時(shí)T銀行相關(guān)業(yè)務(wù)的指標(biāo)也要考慮在內(nèi)。系統(tǒng)內(nèi)，在保證變量合理完整的基礎(chǔ)上要盡量做到簡(jiǎn)潔。4、變量的選取要注意可行性和可操作性原則，整個(gè)變量選取要以真實(shí)數(shù)據(jù)為基礎(chǔ)，選取過程做到標(biāo)準(zhǔn)化、正規(guī)化，以期在后續(xù)推廣運(yùn)用。5、選取的變量能夠量化，能夠可測(cè)量性。量化風(fēng)險(xiǎn)才能為零售貸款客戶的信用風(fēng)險(xiǎn)控制提供參考依據(jù)，只有變量可以被測(cè)量時(shí)，零售小額貸款客戶信用影響因素的研究才具有實(shí)際操作的意義。（二）變量的分類各國(guó)衡量客戶的信用風(fēng)險(xiǎn)普遍以客戶出現(xiàn)逾期行為或者違約行為為標(biāo)準(zhǔn)；朱欣樂指出，信用風(fēng)險(xiǎn)又叫違約風(fēng)險(xiǎn)，是指“交易對(duì)手沒有按照預(yù)先的約定，履行契約中的義務(wù)而導(dǎo)致經(jīng)濟(jì)損失的風(fēng)險(xiǎn)，也就是受信人未能按時(shí)履行還本付息的責(zé)任而導(dǎo)致授信人的實(shí)際收益與預(yù)期收益產(chǎn)生偏離的可能性，金融行業(yè)最主要的風(fēng)險(xiǎn)是交易對(duì)手違反約定的風(fēng)險(xiǎn)”。根據(jù)實(shí)際的可操作性，本文將各指標(biāo)屬性分為以下三個(gè)維度：第一，借款人基本情況，表明借款人的基本屬性，反應(yīng)借款人在社會(huì)生活中的特征。第二，借款人的經(jīng)濟(jì)特征，表明借款人的收入是否穩(wěn)定，將會(huì)對(duì)還款連續(xù)性有影響；借款人是否有資產(chǎn)，關(guān)系到客戶違約成本。第三，客戶的貸款特征，貸款的金額、利率、還款情況、逾期次數(shù)等情況，會(huì)影響到借款人的還款能力。借款人的正常還款次數(shù)越多，說明其本人還款意愿越強(qiáng)，貸款穩(wěn)定性也會(huì)越高。二、模型構(gòu)建（一）客戶細(xì)分的概念客戶細(xì)分是CRM理論的一個(gè)關(guān)鍵分支，對(duì)于企業(yè)實(shí)現(xiàn)盈利和客戶滿意的雙贏局面具有重要意義。首先在市場(chǎng)競(jìng)爭(zhēng)日趨激烈的今天，產(chǎn)品和服務(wù)同質(zhì)化的現(xiàn)象十分普遍，企業(yè)間的價(jià)格戰(zhàn)越演越烈，導(dǎo)致客戶忠誠(chéng)度大大降低；其次企業(yè)資源有限，把有限的資源無策略地盲目投入到市場(chǎng)中，造成高投入低回報(bào)的局面?？蛻艏?xì)分的原則包括：1、明確細(xì)分目的如果說企業(yè)想要摸清市場(chǎng)結(jié)構(gòu)，尤其是客戶的分布情況，那么應(yīng)該采用基于人口統(tǒng)計(jì)的細(xì)分方法；如果說企業(yè)想要了解客戶的購(gòu)買行為偏好以提高銷量，那么應(yīng)該采用基于客戶行為特征的細(xì)分方法。因此，在進(jìn)行客戶細(xì)分之前應(yīng)該了解企業(yè)的需求，明確細(xì)分的目的。2、細(xì)分指標(biāo)的有效性用于進(jìn)行客戶細(xì)分的指標(biāo)體系可能非常龐大且復(fù)雜，因此在進(jìn)行客戶細(xì)分時(shí)，應(yīng)該選擇哪些具體指標(biāo)就顯得尤為重要，細(xì)分指標(biāo)要有一定的代表性和有效性才能對(duì)生產(chǎn)銷售起積極作用。3、細(xì)分結(jié)果的可識(shí)別性假如在進(jìn)行客戶細(xì)分之后的群體的特征并不是非常明顯，那么企業(yè)就無法針對(duì)這一人群制定特定的營(yíng)銷方針，這樣的細(xì)分是沒有任何價(jià)值的。因此能夠有效的識(shí)別細(xì)分后的客戶群體也是十分必要的。4、細(xì)分群體的市場(chǎng)容量合理性企業(yè)的生產(chǎn)、服務(wù)以及客戶關(guān)系的維護(hù)都需要投入大量的人力、物力、財(cái)力，如果某個(gè)細(xì)分后的客戶群體的市場(chǎng)容量很低，其運(yùn)營(yíng)成本遠(yuǎn)大于利潤(rùn)回報(bào)，以至于客戶價(jià)值達(dá)不到預(yù)期，這就失去了客戶細(xì)分的意義。因此，要保證客戶細(xì)分群體擁有合理的市場(chǎng)容量。（二）客戶細(xì)分的模型客戶細(xì)分的有效性決定了企業(yè)實(shí)施客戶關(guān)系管理的效果，而客戶細(xì)分是否有效取決于采用何種方法進(jìn)行客戶細(xì)分?；仡櫼酝鶎W(xué)者對(duì)客戶細(xì)分方法的研究，可以發(fā)現(xiàn)客戶細(xì)分的方法主要有兩大類：一是根據(jù)客戶的自然屬性進(jìn)行客戶細(xì)分，二是根據(jù)客戶的行為屬性進(jìn)行客戶細(xì)分。相比于傳統(tǒng)的RFM模型，聚類分析具有以下優(yōu)點(diǎn)：第一，更全面的、更深層次的洞察客戶。利用聚類算法進(jìn)行客戶細(xì)分時(shí)，往往選擇多個(gè)指標(biāo)變量，綜合考慮客戶的多個(gè)消費(fèi)習(xí)慣特征，而不僅僅是考慮某幾個(gè)指標(biāo)的影響，這樣就能對(duì)客戶有更全面的認(rèn)識(shí)，得到的細(xì)分結(jié)果也更客觀、更有說服力。第二，細(xì)分結(jié)果更具價(jià)值性。由于聚類算法是基于客戶多個(gè)指標(biāo)變量進(jìn)行的分析，我們可以很容易的得到每個(gè)客戶細(xì)分群體的人員名單，并且解讀不同群體的行為特征，從而可以制定更有針對(duì)性的營(yíng)銷策略。此外，我們還可以根據(jù)企業(yè)的具體需求對(duì)客戶進(jìn)行二次甚至多次細(xì)分。第三，便于實(shí)行動(dòng)態(tài)話跟蹤，經(jīng)濟(jì)市場(chǎng)瞬息萬變，對(duì)于客戶的實(shí)時(shí)動(dòng)態(tài)的把控則更加重要?；诰垲惙治龅目蛻艏?xì)分可以隨時(shí)進(jìn)行，以應(yīng)對(duì)市場(chǎng)的變化，隨時(shí)做出調(diào)整。（三）聚類分析的相關(guān)研究系統(tǒng)聚類算法分析又稱集群分析算法，是一種重要的客戶細(xì)分方法，其基本思路是利用一個(gè)獨(dú)立變量的矩陣，把性質(zhì)相近的個(gè)體歸為一類，性質(zhì)差異較大的個(gè)體歸于不同的類，最終達(dá)到類內(nèi)個(gè)體具有較高的同質(zhì)性，類間個(gè)體具有較高的異質(zhì)性。該方法是對(duì)給定的數(shù)據(jù)進(jìn)行層次的分解。有兩種類型：一種是凝聚的方法，其思想是一開始將每個(gè)對(duì)象作為單獨(dú)的一組，然后根據(jù)同類相近，異類相異的原則，合并對(duì)象，直到所有的組合并成一個(gè)或達(dá)到一個(gè)終止條件為止。另一種是分裂的方法，其思想是一開始將所有的對(duì)象置于一類，在迭代的每一步中，一個(gè)類不斷地分為更小的類，直到每個(gè)對(duì)象在單獨(dú)的一個(gè)類中或達(dá)到一個(gè)終止條件。系統(tǒng)聚類的特點(diǎn)是，類的個(gè)數(shù)不需事先定好，但是運(yùn)算量大，適用于處理小樣本數(shù)據(jù)。并且其一旦一個(gè)步驟完成，就不能被撤銷或修正。作為統(tǒng)計(jì)學(xué)科一個(gè)重要分支，聚類分析應(yīng)用涉及面較廣，迄今為止已被國(guó)內(nèi)外眾多學(xué)者研究許多年，目前很多系統(tǒng)或者統(tǒng)計(jì)分析軟件包如SPSS、SAS等都已包含了基于K-means、K-mednids（K為中心點(diǎn)）的聚類分析工具。基于其他方法的一些聚類工具也逐步被研發(fā)出來并投入使用。聚類分析涉及行業(yè)范圍廣，國(guó)外專家或科研機(jī)構(gòu)對(duì)聚類算法的研究也比較全面，總體來說，較早的聚類分析的方法有以下幾類：（1）層次法，如CURE、ROCK、BIRCH、CHAMELEON等。（2）劃分法，如K-means算法、CLARA、PAM、CLARANS等。（3）基于模型的方法，如COBWEB等。（4）基于密度的方法，如OPTICS、DBSCAN、DENCLUE等。（5）基于網(wǎng)格的方法，如WaveCluster、STING等。k-means作為解決聚類問題的一種經(jīng)典算法，它的主要優(yōu)點(diǎn)是算法理論與實(shí)現(xiàn)都很簡(jiǎn)潔、快速。在對(duì)象相對(duì)密集的情況下能取得不錯(cuò)的聚類效果。并且對(duì)處理大的數(shù)據(jù)集，該算法是相對(duì)可伸縮的和高效率的。K-means法采用一種啟發(fā)式的迭代過程，進(jìn)行重新劃分?jǐn)?shù)據(jù)對(duì)象和重新更新簇中心。設(shè)有m維數(shù)據(jù)集為X，將其聚類分為k個(gè)簇w1、w2、…、wk它們的聚類中心分別為c1、c2、…ck。且簇wi中的數(shù)據(jù)點(diǎn)個(gè)數(shù)記為i，數(shù)據(jù)集X中的對(duì)象個(gè)數(shù)記為n。其中（3-1）其算法的基本思路是：假設(shè)一個(gè)具有N個(gè)元素對(duì)象的集合以及所要生成的簇的數(shù)量值k，第一輪中隨機(jī)選取k個(gè)樣本元素當(dāng)作初始聚類中心，并算出其他樣本元素距離這k個(gè)聚類中心點(diǎn)的長(zhǎng)度，依據(jù)距離的遠(yuǎn)近，分別劃分為k個(gè)簇，在接下來的每一輪中，不斷進(jìn)行以上步驟的迭代運(yùn)算，即將此次獲得的元素對(duì)象的平均值當(dāng)作下一輪進(jìn)行聚類的中心點(diǎn)，直到滿足迭代過程中聚類中心點(diǎn)不再改變的條件，則代表聚類成功。K-means聚類算法的基本流程如下：（1）給定聚類數(shù)目k和初始聚類中心已知一個(gè)數(shù)據(jù)集N，包含n個(gè)數(shù)據(jù)對(duì)象，從中任意選取或指定k個(gè)數(shù)據(jù)點(diǎn)作為初始聚類中心Zj（I），j=1，2，…，k。（2）由距離最近原則確定聚類結(jié)果依次計(jì)算每個(gè)數(shù)據(jù)點(diǎn)到這k個(gè)聚類中心的距離D（xi,Zj(I）），i=1，2，…，n;j=1，2，…，k并基于距離的長(zhǎng)短，重新分配各個(gè)簇的對(duì)象。若滿足（3-2）則把與聚類中心最短距離的數(shù)據(jù)點(diǎn)歸納進(jìn)相應(yīng)的簇中。（3）k個(gè)聚類中心的重新確定重新計(jì)算每個(gè)聚類的均值并確定新的聚類中心點(diǎn)，為進(jìn)一步迭代做準(zhǔn)備。計(jì)算誤差平方和準(zhǔn)則函數(shù)J。（3-3）（4）聚類終止條件的判斷如果（3-4）則算法結(jié)束，否則I=I+1，計(jì)算k個(gè)新的聚類中心，（3-5）返回第二步。（5）輸出k個(gè)聚類集合K-means聚類算法的基本流程圖及其過程示例圖，見圖3-1所示。圖3-1K-means聚類算法的基本流程圖數(shù)據(jù)集數(shù)據(jù)集隨機(jī)選擇K個(gè)聚類中心隨機(jī)選擇K個(gè)聚類中心重新計(jì)算聚類中心K-means算法重新計(jì)算聚類中心K-means算法準(zhǔn)則函數(shù)是否收斂準(zhǔn)則函數(shù)是否收斂NY結(jié)束評(píng)價(jià)聚類結(jié)果結(jié)束評(píng)價(jià)聚類結(jié)果相關(guān)性分析皮爾遜相關(guān)是英國(guó)統(tǒng)計(jì)學(xué)家皮爾遜于20世紀(jì)提出的一種計(jì)算直線相關(guān)的方法。由于研究對(duì)象不同，相關(guān)系數(shù)有多種定義方式，本文主要采取皮爾遜相關(guān)。一般用字母r表示，用公式表示如下：（3-6）其中Cov（X,Y）為X與Y的協(xié)方差，Var[X]為X的方差，Var[Y]為Y的方差。r描述的是兩個(gè)變量間線性相關(guān)強(qiáng)弱的程度。r的取值在-1與+1之間，若r>0，表明兩個(gè)變量是正相關(guān)，即一個(gè)變量的值越大，另一個(gè)變量的值也會(huì)越大；若r<0，表明兩個(gè)變量是負(fù)相關(guān)，即一個(gè)變量的值越大另一個(gè)變量的值反而會(huì)越小。r的絕對(duì)值越大表明相關(guān)性越強(qiáng)，要注意的是這里并不存在因果關(guān)系。若r=0，表明兩個(gè)變量間不是線性相關(guān)，但有可能是其他方式的相關(guān)（比如曲線方式）。（五）配對(duì)樣本分析配對(duì)樣本分析包括對(duì)樣本的t檢驗(yàn)與卡方檢驗(yàn)。樣本t檢驗(yàn)可分為單總體檢驗(yàn)和雙總體檢驗(yàn)，以及配對(duì)樣本檢驗(yàn)雙總體t檢驗(yàn)是檢驗(yàn)兩個(gè)樣本平均數(shù)與其各自所代表的總體的差異是否顯著。雙總體t檢驗(yàn)又分為兩種情況，一是獨(dú)立樣本t檢驗(yàn)（各實(shí)驗(yàn)處理組之間毫無相關(guān)存在，即為獨(dú)立樣本），該檢驗(yàn)用于檢驗(yàn)兩組非相關(guān)樣本被試所獲得的數(shù)據(jù)的差異性；一是配對(duì)樣本t檢驗(yàn)，用于檢驗(yàn)匹配而成的兩組被試獲得的數(shù)據(jù)或同組被試在不同條件下所獲得的數(shù)據(jù)的差異性，這兩種情況組成的樣本即為相關(guān)樣本。皮爾森卡方檢驗(yàn)（英語：Pearson'schi-squaredtest）是最有名卡方檢驗(yàn)之一?！捌柹ǚ綑z驗(yàn)”最早由卡爾·皮爾森在1900年發(fā)表，用于類別變數(shù)的檢驗(yàn)?？茖W(xué)文獻(xiàn)中，當(dāng)提及卡方檢驗(yàn)而沒有特別指明類型時(shí)，通常即指皮爾森卡方檢驗(yàn)。第三章實(shí)證研究與分析為保證模型的合理性，在利用原始樣本數(shù)據(jù)估計(jì)出研究模型后，在實(shí)證研究部分主要利用數(shù)理統(tǒng)計(jì)中的描述性分析與相關(guān)性分析，對(duì)估計(jì)結(jié)果的可靠性進(jìn)行檢驗(yàn)。第一節(jié)數(shù)據(jù)來源與處理一、數(shù)據(jù)來源本文將在前一章文獻(xiàn)綜述和理論的基礎(chǔ)上，結(jié)合本研究的需要，獲取的研究數(shù)據(jù)均來源于T銀行。數(shù)據(jù)的范圍包括了分行各類貸款品種的客群，也包含了較大規(guī)模的個(gè)體工商戶及上班族中融資需求旺盛的個(gè)人群體。由于本文希望能夠得出普遍使用的T銀行信用風(fēng)險(xiǎn)評(píng)估結(jié)論，所以，通過對(duì)這種全范圍的貸款品種進(jìn)行更全面的研究，也避免了信貸客體特征的局限性。本文選取T銀行2016年1月到2018年1月之間運(yùn)營(yíng)的部分?jǐn)?shù)據(jù)，每一筆零售貸款都是由主辦客戶經(jīng)理、協(xié)辦客戶經(jīng)理以及分行審批人員多重把關(guān)放出的，經(jīng)歷了貸款的進(jìn)件申請(qǐng)到復(fù)核審批的標(biāo)準(zhǔn)化操作流程，這也就保證了樣本的各項(xiàng)數(shù)據(jù)的各項(xiàng)指標(biāo)變量的客觀性和準(zhǔn)確性。具體來說，對(duì)于單個(gè)數(shù)據(jù)的觀測(cè)值的觀測(cè)區(qū)間是以從貸款審批時(shí)開始，到最終貸款合同終結(jié)為一個(gè)完整的時(shí)間區(qū)間，若貸款合同的預(yù)計(jì)的終結(jié)時(shí)間是在2018年1月30日之后，那么該樣本就不包含在所研究的樣本之中。二、數(shù)據(jù)處理（一）數(shù)據(jù)清理確定了數(shù)據(jù)選取的時(shí)間區(qū)間之后，則需要對(duì)整合的數(shù)據(jù)進(jìn)行清理。從確定的數(shù)據(jù)區(qū)間之中，剔除數(shù)據(jù)缺失的樣本后，從中隨機(jī)抽取499筆的小微零售貸款客戶樣本進(jìn)行深入研究。這些樣本包含了沒有發(fā)生過逾期（包括成功還清和提前還清）和發(fā)生了逾期（包括計(jì)提壞賬）的所有客戶。這499組客戶樣本數(shù)據(jù)（119個(gè)樣本逾期，380個(gè)樣本沒有逾期）中，每組都包括10種貸款客戶的信息，可以分為三個(gè)維度：個(gè)人自然特征信息、經(jīng)濟(jì)特征信息和貸款信息。另對(duì)照樣本是在同一個(gè)貸款時(shí)間區(qū)間選擇了1000個(gè)普通貸款客戶進(jìn)行配對(duì)分析。（二）數(shù)據(jù)錄入所有這些被隨機(jī)選取的樣本，通過匯總整理，都需要手工通過客戶號(hào)進(jìn)入個(gè)貸系統(tǒng)，進(jìn)行三個(gè)維度的詳細(xì)查詢，客戶經(jīng)理手工進(jìn)行編制EXCEL表格并錄入指標(biāo)信息，并最終形成可以用數(shù)字或簡(jiǎn)單符號(hào)標(biāo)記的形式，為接下來的實(shí)證分析做基礎(chǔ)準(zhǔn)備?，F(xiàn)將研究組的零售小額貸款客戶，須同時(shí)具備的條件羅列如下，見表4-1所示：表4-1零售小額貸款進(jìn)件要求表申請(qǐng)年齡21——59周歲且具有完全民事行為能力的自然人借款金額1萬（含）——30萬（含）借款利率最低基準(zhǔn)上浮40%（含）以上擔(dān)保方式購(gòu)買“平安財(cái)險(xiǎn)”、“陽光保險(xiǎn)”“人保財(cái)險(xiǎn)”個(gè)人貸款保證保險(xiǎn)，貸款金額不超過保險(xiǎn)公司的保障金額。還款方式僅允許按月“等額還本付息”征信情況征信如發(fā)生近2年內(nèi)有連續(xù)逾期90天以上不良記錄，或累計(jì)逾期記錄超過6次不予申請(qǐng)；信用卡有惡意〔信用卡賬戶為非正常狀態(tài)，且欠款金額在3000元人民幣以上（含）〕透支的也不予處理。逾期后處理保險(xiǎn)公司將在6各月內(nèi)償還T銀行逾期本息金額。另本文研究的小額貸款客戶擔(dān)保方式是信用＋保單擔(dān)保，T行貸后管理崗每日查看貸款相關(guān)報(bào)表，對(duì)于逾期未超過60日的客戶，客戶經(jīng)理進(jìn)行催收；對(duì)于逾期達(dá)60日以上貸款提醒經(jīng)辦行客戶經(jīng)理準(zhǔn)備索賠申請(qǐng)。保險(xiǎn)公司在受理后，將在6個(gè)月內(nèi)償還T銀行逾期本息金額。（三）數(shù)據(jù)預(yù)處理由于指標(biāo)中既有性別、學(xué)歷、婚姻情況、還款情況等定性指標(biāo)，又有年齡、薪資、貸款金額、利率、逾期次數(shù)等定量指標(biāo)，所以應(yīng)對(duì)指標(biāo)進(jìn)行預(yù)處理。為了方便后續(xù)的操作，本文將定性指標(biāo)按程度的不同轉(zhuǎn)變?yōu)橛行蝽憫?yīng)的變量，見表4-2所示。表4-2借款人指標(biāo)預(yù)處理指標(biāo)序號(hào)指標(biāo)原始屬性值1性別男1；女22年齡實(shí)際值3婚姻狀況已婚1；未婚2；離異34教育水平高中及以下1；?？?；本科及以上35收入（月）實(shí)際值6資產(chǎn)狀況有1；無07借款金額實(shí)際值8借款利率默認(rèn)為年利率9還款情況正常還款1；逾期未還010逾期次數(shù)實(shí)際值第二節(jié)描述性分析所謂的描述性統(tǒng)計(jì)分析，指運(yùn)用數(shù)學(xué)語言表達(dá)一組樣本的特征，如總數(shù)、均值、標(biāo)準(zhǔn)差等數(shù)據(jù)情況。本章以小額貸款客戶為實(shí)驗(yàn)組，運(yùn)用spss軟件進(jìn)行了描述性統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果見表4-3所示。表4-3實(shí)驗(yàn)組樣本的變量描述性統(tǒng)計(jì)變量樣本數(shù)最小值最大值均值標(biāo)準(zhǔn)差月收入4993031.2482508.030524.68934433.2557高中1大學(xué)2本科以上3499131.33.499還款正常1不正常049901.76.430逾期次數(shù)4990202.413.539金額元4991200030000056434.8724520.569利率4996.656.656.6500.00000性別男1女2499121.25.436資產(chǎn)有房1無房049901.47.504結(jié)婚1未婚2離異3499131.33.604年齡499225840.698.245有效的N499根據(jù)導(dǎo)入的小額貸款客戶全樣本的變量描述性統(tǒng)計(jì)，歸納出以下幾個(gè)特點(diǎn)：從逾期次數(shù)來看，最大為20，最小為0，說明逾期次數(shù)差異大，均值2.41同時(shí)表明這批小額信貸客戶的征信意識(shí)整體較不理想，還款意愿較正?？蛻舻?。從還款是否正常來看，平均值為0.76，說明還款大部分還算正常。從學(xué)歷來看，學(xué)歷平均值為1.33，其中高中學(xué)歷占67.9%，說明這批借款人受教育水平普遍較低。從性別來看，最終放款的客戶中有75.4%是男性，24.5%是女性，通過查詢?cè)揟銀行數(shù)據(jù)庫(kù)的申貸記錄發(fā)現(xiàn)：女性的申貸記錄比男性的少，融資需求比相對(duì)較低。從年齡來看，最大的貸款者為57歲，最小的23歲，平均年齡是40.6歲，樣本數(shù)據(jù)主要集中在31歲到49歲之間，這說明貸款的人主要處于中年階段，這也符合我們常規(guī)的判斷，中年人相對(duì)于事業(yè)處于上升階段，對(duì)資金的需求相對(duì)更高。從婚姻狀況來看，80.9%的貸款客戶己婚或離異，這很大程度上是與平均年齡相關(guān)的。通常借款人的年齡都在35歲左右，這個(gè)年齡狀態(tài)下的人家庭狀態(tài)已經(jīng)成熟，所以，大部分借款人婚姻狀態(tài)是已婚或者離異。從樣本數(shù)據(jù)中看出46.4%的客戶是有房產(chǎn)的（包括集體性質(zhì)房產(chǎn)與商品房），且大部分有房貸記錄，說明貸款客戶的整體經(jīng)濟(jì)水平不高，且從貸款情況可以認(rèn)為，這些客戶的貸款信用水平也相對(duì)較低，這也符合我們的分析，來到T銀行申請(qǐng)小額貸款的客戶群通常都是其他金融機(jī)構(gòu)拒審的，信用質(zhì)量相對(duì)較差的一批客群。從貸款利率及還款方式得出，客戶的還款方式為按月等額還本付息，利率6.65%，普遍高于T銀行其他貸款利率，這也符合T銀行的盈利特征，T銀行的主要盈利收入就是貸款客戶繳納的利息，而其他優(yōu)質(zhì)客戶信貸利率較低，無法與之對(duì)比，其其他信貸產(chǎn)品沒有保額擔(dān)保說法，即會(huì)大大增加T銀行的業(yè)務(wù)風(fēng)險(xiǎn)，從T銀行角度，更愿意發(fā)放較高利息貸款給小額貸款客戶。在這499份貸款數(shù)據(jù)中，貸款金額的最大值是300000元，貸款額的最小值是12000元，對(duì)原始數(shù)據(jù)進(jìn)行描述中可以看出整體貸款客戶的信用額度的平均值為5.6萬元，說明T銀行的貸款額度都集中在10萬元以下。而嚴(yán)重逾期客戶的平均信用額度為5.14萬元，由此可以推測(cè)，信用額度低的客戶，發(fā)生逾期行為的概率更高。另用spss軟件對(duì)實(shí)驗(yàn)組客戶進(jìn)行10個(gè)變量的頻率統(tǒng)計(jì)分析，后得出的樣本基本特征，結(jié)果見表4-4所示。表4-4統(tǒng)計(jì)變量頻率統(tǒng)計(jì)表性別男37274.5女12725.5合計(jì)499100.0年齡21-30歲5410.830-40歲19839.740-50歲1753550歲以上7214.5合計(jì)499100.0婚姻結(jié)婚37074.2未婚9418.8離異合計(jì)354997.0100.0學(xué)歷高中34068.1大學(xué)15330.7本科以上合計(jì)64991.2100.0收入1萬以下11222.41-5萬31563.25萬以上合計(jì)7249914.4100.0資產(chǎn)有23353.5無26646.5合計(jì)499100.0貸款金額1-10萬22054410-20萬26853.720-30萬合計(jì)114992.3100.0還款情況正常38076.2不正常11923.8合計(jì)499100.0逾期次數(shù)1-3次36172.44-10次11523.010次以上合計(jì)234994.6100.0從統(tǒng)計(jì)分析結(jié)果來看，受訪者中男性略多于女性；年齡分布主要集中在30-40歲之間的青壯年；文化程度以高中為主；從還款是否正常來看，平均值為0.76，說明大部分還款還算正常。此表可與表4-3相互參考，其數(shù)據(jù)更加直觀。第三節(jié)相關(guān)性分析根據(jù)研究整理，本研究各變量的Pearson相關(guān)系數(shù)，見表4-5所示。表4-5pearson相關(guān)性分析檢驗(yàn)月收入性別資產(chǎn)婚姻年齡學(xué)歷還款是否正常逾期次數(shù)金額元月收入1性別0.011資產(chǎn)0.058-0.0231婚姻-0.040.05-.142**1年齡0.083-0.047.188**0.0381學(xué)歷0.0010.0670.041-0.024-.365**1還款是否正常-0.0070.0430.04-0.004-.091*.260**1逾期次數(shù)0.0690.0070.0220.017.133**-.217**-.681**1金額元.092*0.025.124**-0.081.093*0.075.111*-0.0711注：*在0.05水平（雙側(cè)）上顯著相關(guān)。**在.01水平（雙側(cè)）上顯著相關(guān)。從表4-5pearson相關(guān)性分析檢驗(yàn)來看：其中兩個(gè)變量：資產(chǎn)和婚姻之間負(fù)相關(guān)關(guān)系，且較顯著，通過所有數(shù)據(jù)可以看出，無房的借款人有占66%的客戶是已婚人士。說明無房的客戶群中，以已婚人士占多數(shù)。表4-5顯示了還款是否正常與年齡在5%水平上負(fù)相關(guān)，與逾期次數(shù)在1%水平上負(fù)相關(guān)，與學(xué)歷在1%水平上正相關(guān)。從表中可以看出，借款人的還款是否正常與年齡和逾期次數(shù)成負(fù)相關(guān)，與學(xué)歷成正相關(guān)，其中與年齡在5%水平上顯著負(fù)相關(guān)，說明借款人年齡越大，其還款正常率難以保證，這與我們傳統(tǒng)意義上認(rèn)為借款人年齡越大，收入越穩(wěn)定，還款情況越正常有著比較大的出入；還款是否正常與逾期次數(shù)在1%水平上顯著負(fù)相關(guān)，這與本產(chǎn)品的特征有很大關(guān)系，由于小額貸款客戶情況均資質(zhì)一般，很多客戶對(duì)信用記錄較不敏感，在不斷催收下才能繳納按揭款。而真正有逾期可能性的客戶屬于還3期就直接進(jìn)行斷繳，因此存在逾期次數(shù)與還款成顯著相關(guān)的現(xiàn)象；還款是否正常與學(xué)歷在1%水平上正相關(guān)，而且特別顯著，這個(gè)與我們剛開始的設(shè)想是一致的。借款人的平均教育程度越高，還款也越正常，與本文假設(shè)一致。（3）逾期次數(shù)與借款人的年齡、學(xué)歷變量之間相關(guān)關(guān)系中，逾期次數(shù)與年齡在1%水平上正相關(guān)，但是不特別顯著。與學(xué)歷在1%水平上負(fù)相關(guān)，且較顯著。說明借款人年齡較越大，對(duì)征信的重視程度沒有年輕人高，而年輕人有自己的將來要籌謀，故對(duì)征信較看重，能做到盡早還款。這與上段分析結(jié)果相符。同樣，逾期次數(shù)與學(xué)歷存在較明顯的負(fù)相關(guān)，也與上段落分析結(jié)果相符。證明學(xué)歷越高的借款人對(duì)征信越重視，越不會(huì)讓自己的信用記錄存在污點(diǎn)，也同樣說明學(xué)歷高的借款人工作收入穩(wěn)定，風(fēng)險(xiǎn)系數(shù)較小。對(duì)上述變量之間的關(guān)系，本文在下節(jié)回歸分析中進(jìn)行更詳細(xì)的檢驗(yàn)說明。第四節(jié)配對(duì)樣本分析在分析配對(duì)樣本時(shí)，本文運(yùn)用總體t檢驗(yàn)法，該法主要檢驗(yàn)兩個(gè)樣本平均數(shù)與其各自所代表的總體的差異是否顯著，以及卡方檢驗(yàn)法，用來檢驗(yàn)本文兩個(gè)變量之間是否存在關(guān)系，或者說是否獨(dú)立，其零假設(shè)為兩個(gè)變量之間沒有關(guān)系。在實(shí)際工作中，經(jīng)常用交叉表來分析比例是否相等。我們對(duì)499戶研究組及1000戶普通客戶組進(jìn)行樣本的配對(duì)分析：對(duì)月收入、逾期次數(shù)、年齡、利率、金額進(jìn)行樣本T檢驗(yàn)對(duì)學(xué)歷、還款是否正常、性別、資產(chǎn)有無、婚姻進(jìn)行卡方檢驗(yàn)根據(jù)研究整理，T檢驗(yàn)統(tǒng)計(jì)結(jié)果，見表4-6所示。表4-6T檢驗(yàn)統(tǒng)計(jì)結(jié)果項(xiàng)目組別N均值標(biāo)準(zhǔn)差tSig雙側(cè)）月收入實(shí)驗(yàn)組49930524.68934433.2557-3.8810對(duì)照組99940321.94763198.4189逾期次數(shù)實(shí)驗(yàn)組4992.413.5398.8510對(duì)照組10000.842.567年齡實(shí)驗(yàn)組49940.698.245-0.5680.57對(duì)照組99940.959.167金額元實(shí)驗(yàn)組4995643.8724520.569-26.6570對(duì)照組10001386119.91577022.495利率實(shí)驗(yàn)組4996.65024.1760對(duì)照組10005.74321.18616從表4-6的多樣本T檢驗(yàn)統(tǒng)計(jì)結(jié)果來看：除年齡以外，月收入，逾期次數(shù)，金額元以及利率的顯著性水平P<0.05。因此認(rèn)為研究客戶與普通客戶間這些變量差異顯著，而年齡無顯著差異。其中通過均值可以看出普通客戶的月收入比小額客戶月收入高出1萬每月。由研究客戶的平均逾期次數(shù)為2.41，普通客戶僅為0.84次，相較于研究組客戶，其對(duì)個(gè)人還款較重視，且反應(yīng)其還款意愿較強(qiáng)。由貸款金額看出，小額客戶貸款日均較低，僅為56434.87元，而普通客戶由于很多為房屋抵押類消費(fèi)貸、經(jīng)營(yíng)貸、以及個(gè)人公積金貸等產(chǎn)品，筆均為1386119.9元，說明客戶資信較好，故審批額度較高。根據(jù)研究整理，卡方檢驗(yàn)統(tǒng)計(jì)結(jié)果，見表4-7所示。表4-7卡方檢驗(yàn)統(tǒng)計(jì)結(jié)果項(xiàng)目分組對(duì)照組實(shí)驗(yàn)組卡方值漸進(jìn)Sig（雙側(cè)）性別7.4330.006男6773721049女323127450資產(chǎn)651.0310無房0266266有房10002321232婚姻2.7650.598結(jié)婚7373691106未婚19794291離異65351000學(xué)歷79.6520高中446339785大學(xué)501153654本科以上53659還款是否正常188.2820不正常21119140正常9793791358抵押1信用2保證31499.0000抵押8930893信用1070107保證0499499從表4-7的多樣本卡方檢驗(yàn)統(tǒng)計(jì)結(jié)果來看：除婚姻以外，性別，資產(chǎn)，學(xué)歷，還款正常，抵押等的卡方檢驗(yàn)的顯著水平P<0.05，因此研究客戶與普通客戶間差異顯著，而婚姻差異不顯著。由男女性別可以看出，實(shí)驗(yàn)組的男性與女性比為2.9：1，而普通組客戶的男性與女性比為2：1，說明實(shí)驗(yàn)組中男性比女性更易接受較高利率的貸款產(chǎn)品。由學(xué)歷可以看出，實(shí)驗(yàn)組的高中學(xué)歷與大學(xué)及以上學(xué)歷比為2.1：1，而普通組的高中學(xué)歷與大學(xué)及以上學(xué)歷比為1：1.24，對(duì)比可以看出，實(shí)驗(yàn)組的客戶中，大部分為低學(xué)歷人群，而普通組的客戶學(xué)歷明顯高于實(shí)驗(yàn)組，說明借款人教育程度較好。而另一處明顯特征是無論普通組的貸款品種為抵押還是信用，借款人均有房產(chǎn)；而研究組中無房占比接近總體一半以上。第四章結(jié)論與建議實(shí)證結(jié)果表明：本文的10個(gè)假設(shè)，有3個(gè)得到支持，2個(gè)與假設(shè)矛盾，2個(gè)從數(shù)據(jù)上看，沒通過檢驗(yàn)，所以無法證明，實(shí)驗(yàn)結(jié)果見表5-1表5-1實(shí)證檢驗(yàn)結(jié)果假設(shè)檢驗(yàn)結(jié)果H1：借款人年齡與貸款業(yè)務(wù)呈正相關(guān)關(guān)系不顯著H2：借款人性別男性與貸款業(yè)務(wù)呈負(fù)相關(guān)關(guān)系、女性與貸款業(yè)務(wù)呈正相關(guān)關(guān)系支持H3：借款人學(xué)歷與貸款業(yè)務(wù)呈正相關(guān)關(guān)系支持H4：借款人婚姻與貸款業(yè)務(wù)呈正相關(guān)關(guān)系不支持H5：借款人收入與貸款業(yè)務(wù)呈正相關(guān)關(guān)系不顯著H6：借款人資產(chǎn)狀況與貸款業(yè)務(wù)呈正相關(guān)關(guān)系支持H7：借款人貸款金額與貸款業(yè)務(wù)呈正相關(guān)關(guān)系支持H8：借款人貸款利率與貸款業(yè)務(wù)呈負(fù)相關(guān)關(guān)系不支持H9：借款人還款情況與貸款業(yè)務(wù)呈正相關(guān)關(guān)系支持H10：借款人逾期次數(shù)與貸款業(yè)務(wù)呈負(fù)相關(guān)關(guān)系支持第一節(jié)研究結(jié)論本人通過統(tǒng)計(jì)分析，雖然從模型效果和對(duì)小額貸款客戶的預(yù)測(cè)效果可以看出，模型能夠很好的判別出信用水平高的貸款客戶和信用水平底的貸款客戶，但是由于貸款客戶所填寫的大部分信息的真實(shí)性無從考證，且存在申貸時(shí)客戶信息真實(shí)存在，但放款后，其資產(chǎn)已經(jīng)轉(zhuǎn)手的情況普遍有發(fā)生。另由于本次分析數(shù)據(jù)的樣本較小，模型本身存在一定的誤差性，所以所有的細(xì)分結(jié)果及聚類分析模型都不能取代T銀行的信用審核和風(fēng)險(xiǎn)控制人員在貸款決策中的作用。根據(jù)T銀行申請(qǐng)貸款的客戶進(jìn)件信息，從客戶的自然特征、經(jīng)濟(jì)特征、貸款特征三個(gè)維度選取指標(biāo)共15個(gè)，但是最終取得分析的只有10個(gè)指標(biāo)。性別（gender）、年齡（age）、婚姻狀況（marriage）、教育水平（education）、收入范圍（月（Income_Range_Monthly）、資產(chǎn)（Homeowner）、借款金額（Total_Amount）、借款利率（LendingRate）、還款情況（Repayment）、逾期次數(shù)（Number_Arrears），其他指標(biāo)都被篩選出去，但是這并不代表其他指標(biāo)對(duì)客戶的信用風(fēng)險(xiǎn)沒有影響。由于T銀行的小額貸款客戶質(zhì)量整體較低，高信用質(zhì)量的客戶已經(jīng)被大型的金融機(jī)構(gòu)壟斷，或選擇了T行其他利息較低的貸款品種。從原始數(shù)據(jù)中可以看到，來自T銀行的小額貸款客戶教育水平普遍都在高中學(xué)歷，教育水平低的客戶相對(duì)來說工資水平、固定資產(chǎn)、信用卡額度等指標(biāo)就會(huì)相對(duì)較低，同時(shí)，貸款客戶信息填寫的真實(shí)性也無從驗(yàn)證，比如房產(chǎn)、車產(chǎn)、存款、收入證明是否真實(shí)都無從考證。這些都會(huì)導(dǎo)致研究中所使用的樣本數(shù)據(jù)比較片面，指標(biāo)范圍不夠全面，因此很多指標(biāo)無法考察其真實(shí)性。從模型結(jié)果中看出，在499份研究樣本中，從預(yù)測(cè)結(jié)果可以認(rèn)為模型有較好的分類能力，可以用來對(duì)新貸款客戶的識(shí)別和分類，這樣更有利于T銀行的信用經(jīng)理及審核人員發(fā)現(xiàn)潛在不良信用客戶，降低T銀行的風(fēng)險(xiǎn)損失。但是文章雖然是以T銀行的客戶信用風(fēng)險(xiǎn)為研究視角展開的，但是，由于獲取數(shù)據(jù)的局限性，模型采用的數(shù)據(jù)只是T銀行的數(shù)據(jù)，由于受到零售貸款的經(jīng)營(yíng)范圍和區(qū)域經(jīng)濟(jì)發(fā)展水平的限制，模型數(shù)據(jù)并不能代表全國(guó)T銀行客戶的特征。所以，要想進(jìn)行更加全面的研究，應(yīng)該從全國(guó)范圍的T銀行獲得小額貸款客戶數(shù)據(jù)，以區(qū)域差異等因素作為變量，獲得更加全面、普適的研究結(jié)果得。第二節(jié)研究建議一、基于客戶細(xì)分的營(yíng)銷策略從理論分析角度，我們認(rèn)為T銀行貸款客戶的個(gè)人特征、經(jīng)濟(jì)特征以及貸款特征等因素與貸款客戶的還款行為和信用風(fēng)險(xiǎn)存在著一定的相關(guān)關(guān)系。通過對(duì)T銀行貸款客戶數(shù)據(jù)進(jìn)行分析研究發(fā)現(xiàn)，良好的信用評(píng)估模型能夠有效的幫助銀行風(fēng)險(xiǎn)控制人員識(shí)別潛在信用不良客戶，降低貸款客戶的逾期風(fēng)險(xiǎn)，保障銀行的經(jīng)濟(jì)利益。并根據(jù)研究結(jié)論針對(duì)當(dāng)前T銀行的客戶細(xì)分情況提出以下四點(diǎn)營(yíng)銷建議：（1）建立詳細(xì)的客戶信息檔案，不同客戶適用不同的營(yíng)銷建議建立大量真實(shí)、有效的數(shù)據(jù)做基礎(chǔ)，目的是從大量的貸款客戶數(shù)據(jù)中汲取關(guān)鍵信息，并對(duì)客戶的還款行為進(jìn)行預(yù)測(cè)和分類，而客戶數(shù)據(jù)的獲取方法主要是通過客戶提供的資料和個(gè)人信息，從客戶的基本信息中會(huì)反映出客戶的自然特征、經(jīng)濟(jì)特征等多方面的信息，客戶信息越詳細(xì)就越有利于銀行了解客戶的還款能力和違約可能性，也可以以客戶的信息維度設(shè)計(jì)更科學(xué)、準(zhǔn)確的客戶信用評(píng)估模型。有效利用客戶提供的信息，對(duì)客戶的資金收入和現(xiàn)金流進(jìn)行備案，為我們分析客戶的償還能力和負(fù)債情況分析提供數(shù)據(jù)支持。（2）建立健全的征信系統(tǒng)數(shù)據(jù)庫(kù)，將營(yíng)銷范圍擴(kuò)大一個(gè)全面、豐富的征信系統(tǒng)數(shù)據(jù)庫(kù)可以作為客戶信用識(shí)別的有力依據(jù)，很多客戶會(huì)重復(fù)的發(fā)生貸款行為，如果擁有健全的征信系統(tǒng)數(shù)據(jù)庫(kù)更有利于準(zhǔn)確識(shí)別欺詐客戶和擁有不良信用記錄的客戶。當(dāng)前很多銀行還僅僅依靠經(jīng)辦客戶經(jīng)理及風(fēng)控人員的個(gè)人經(jīng)驗(yàn)對(duì)貸款單子進(jìn)行審核、審批，這不僅浪費(fèi)大量的時(shí)間和精力，同時(shí)也會(huì)由于風(fēng)控人員的主管偏差造成業(yè)務(wù)風(fēng)險(xiǎn)。如果能夠?qū)︺y行個(gè)貸系統(tǒng)建立完善征信半自動(dòng)系統(tǒng)，客戶記錄在案的征信及客戶的動(dòng)態(tài)信息能進(jìn)行及時(shí)更新，這樣有兩個(gè)益處：1、對(duì)于續(xù)貸客戶，系統(tǒng)根據(jù)以往客戶存款、還款記錄，征信及其他個(gè)人最新信息，直接審核初始額度，這樣不僅會(huì)提高放貸速度，也會(huì)為銀行節(jié)省很過人力成本和經(jīng)營(yíng)成本，更重要的是還會(huì)降低貸款客戶逾期風(fēng)險(xiǎn)。2、通過內(nèi)部統(tǒng)一的個(gè)貸系統(tǒng)相關(guān)數(shù)據(jù)，使得貸款客戶的征信等數(shù)據(jù)信息共享，對(duì)于符合小額貸款條件的普通客戶直接系統(tǒng)