91精品人妻互换日韩精品久久影视|又粗又大的网站激情文学制服91|亚州A∨无码片中文字慕鲁丝片区|jizz中国无码91麻豆精品福利|午夜成人AA婷婷五月天精品|素人AV在线国产高清不卡片|尤物精品视频影院91日韩|亚洲精品18国产精品闷骚

論文摘要：信貸結(jié)構(gòu)的內(nèi)容比較廣泛，本文從房地產(chǎn)貸款出發(fā)，分析房地產(chǎn)貸款的風(fēng)險(xiǎn)，并利用SPSS統(tǒng)計(jì)軟件的決策樹(shù)方法，對(duì)中國(guó)工商銀行陜西省分行的房貸客戶進(jìn)行分類，以此來(lái)討論銀行信貸結(jié)構(gòu)的調(diào)整，為銀行更好實(shí)施客戶關(guān)系管理服務(wù)，為其更科學(xué)地分配信貸資金提供依據(jù)！
論文關(guān)鍵詞：銀行信貸,風(fēng)險(xiǎn),客戶關(guān)系管理,決策樹(shù)
　　一、引言
　　銀行信貸是銀行將自己籌集的資金暫時(shí)借給企事業(yè)單位使用，在約定時(shí)間內(nèi)收回并收取一定利息的經(jīng)濟(jì)活動(dòng)。就某一行業(yè)的銀行信貸管理（如房貸）來(lái)說(shuō)，既包括對(duì)單一客戶的管理，也包括對(duì)不同風(fēng)險(xiǎn)，不同期限信貸產(chǎn)品的管理。
　　從宏觀來(lái)說(shuō):房地產(chǎn)業(yè)是我國(guó)國(guó)民經(jīng)濟(jì)的重要支柱產(chǎn)業(yè)之一，中國(guó)房地產(chǎn)市場(chǎng)發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)的重要作用是不容忽視的。2003年我國(guó)GDP增長(zhǎng)率為9.3%，房地產(chǎn)開(kāi)發(fā)投資的貢獻(xiàn)率達(dá)到了4.0%；房地產(chǎn)業(yè)又是資金密集型產(chǎn)業(yè)，與金融體系關(guān)系密切。
　　就微觀而言：住房問(wèn)題關(guān)系著每個(gè)消費(fèi)者的日常生活，隨著人們生活水平的提高，人們對(duì)住房的要求越來(lái)越高。中國(guó)每年新生人口要超過(guò)1000萬(wàn)，每年由農(nóng)村進(jìn)入城市需要解決住房的進(jìn)城人員達(dá)到1800萬(wàn)，還有2100萬(wàn)流動(dòng)農(nóng)民工，也需要居住條件。因此，消費(fèi)者對(duì)住房貸款的需求越來(lái)越大，快速發(fā)展的房地產(chǎn)貸款大大擴(kuò)展了銀行的規(guī)模，越來(lái)越多的貸款需要銀行提高審查和管理的水平，也需要銀行對(duì)客戶采取科學(xué)的管理方法，控制好風(fēng)險(xiǎn)！
　　二、房貸風(fēng)險(xiǎn)
　　目前大量的住房需求對(duì)銀行的貸款需求越來(lái)越大，加上之前一直快速上漲的房?jī)r(jià)，銀行需要對(duì)每套住房發(fā)放的貸款也越來(lái)越多，兩方面導(dǎo)致的大量需求已經(jīng)使房貸成為銀行擴(kuò)大其規(guī)模的重要途徑。而過(guò)高的房?jī)r(jià)使房地產(chǎn)市場(chǎng)的一些潛在風(fēng)險(xiǎn)隱藏了起來(lái)，一些銀行盲目地?cái)U(kuò)大貸款規(guī)模，忽視了潛存的風(fēng)險(xiǎn)。然而，一旦房?jī)r(jià)下跌，這些潛在的風(fēng)險(xiǎn)就會(huì)暴露出來(lái)，大量的消費(fèi)者將還不起貸款，引起房地產(chǎn)貸款大量的違約，給銀行資產(chǎn)的安全運(yùn)行帶來(lái)威脅。目前還在蔓延的金融危機(jī)最初亦是由美國(guó)房地產(chǎn)業(yè)的次級(jí)貸款引起的，這些已經(jīng)給中國(guó)的住房貸款敲響了警鐘，也給我國(guó)銀行的房貸風(fēng)險(xiǎn)管理提出了更大的挑戰(zhàn)，從而使得銀行更加重視客戶管理的重要性！
　　三、客戶關(guān)系管理（CRM）
　　客戶關(guān)系管理（CustomerRelationshipManagement，簡(jiǎn)稱CRM）是指通過(guò)培養(yǎng)企業(yè)的最終客戶、分銷商和合作伙伴對(duì)本企業(yè)及其產(chǎn)品更積極的偏愛(ài)或偏好，留住他們并以此提升企業(yè)業(yè)績(jī)的一種營(yíng)銷策略。
　　CRM管理的作用主要有：
　　1、客戶管理統(tǒng)一化
　　用一個(gè)統(tǒng)一的系統(tǒng)對(duì)企業(yè)的客戶進(jìn)行識(shí)別和管理，有助于企業(yè)各部門之間建立一個(gè)統(tǒng)一的客戶評(píng)定標(biāo)準(zhǔn)，使得對(duì)客戶的評(píng)價(jià)更準(zhǔn)確、客觀。
　　2、識(shí)別企業(yè)的客戶
　　對(duì)任何企業(yè)而言，都可以將客戶按照價(jià)值劃分為“鉛質(zhì)客戶”“鐵質(zhì)客戶”“黃金客戶”“白金客戶”四種。其中“鉛質(zhì)客戶”對(duì)企業(yè)沒(méi)有任何價(jià)值，屬于企業(yè)應(yīng)拋棄的對(duì)象；“鐵質(zhì)客戶”具有潛在的價(jià)值，屬于企業(yè)應(yīng)該發(fā)展的對(duì)象；“黃金客戶”和“白金客戶”是企業(yè)最有價(jià)值的客戶，他們的數(shù)量占總客戶群的20%，而實(shí)現(xiàn)的利潤(rùn)往往占總利潤(rùn)的80%以上。識(shí)別出這20%的客戶將對(duì)銀行盈利產(chǎn)生事半功倍的效果。
　　3、提高客戶的滿意度
　　企業(yè)能夠通過(guò)各種銷售活動(dòng)，服務(wù)活動(dòng)進(jìn)行跟蹤，通過(guò)決策支持系統(tǒng)對(duì)客戶的需求動(dòng)向和潛在需求進(jìn)行發(fā)掘，進(jìn)而向客戶提供定制化的產(chǎn)品和服務(wù)。使客戶的讓渡價(jià)值最大化，從而最大限度地提供客戶滿意度。
　　4、實(shí)現(xiàn)企業(yè)目標(biāo)
　　企業(yè)通過(guò)客戶關(guān)系管理，一方面可以降低自身的運(yùn)作成本，提高運(yùn)作效率；另一方面可以給予客戶更多的價(jià)值，提高客戶的滿意度，維持老客戶，并且在發(fā)展新客戶的過(guò)程中充分發(fā)揮老客戶的口碑作用，使企業(yè)的客戶群體日益擴(kuò)大，從而降低營(yíng)銷成本，最終實(shí)現(xiàn)利潤(rùn)最大化。
　　四、中國(guó)工商銀行陜西省分行房貸數(shù)據(jù)分類分析
　　本文以中國(guó)工商銀行的房貸客戶為例，利用SPSS統(tǒng)計(jì)軟件的決策樹(shù)方法進(jìn)行客戶分類，并根據(jù)決策樹(shù)分類的結(jié)果，為銀行針對(duì)不同的客戶特點(diǎn)進(jìn)行風(fēng)險(xiǎn)管理采用不同的營(yíng)銷策略，進(jìn)而優(yōu)化銀行的信貸結(jié)構(gòu)提供依據(jù)。
　　決策樹(shù)，又稱判定樹(shù)，是一種類似于二叉樹(shù)或多叉樹(shù)的樹(shù)結(jié)構(gòu)。樹(shù)中的每個(gè)非葉子節(jié)點(diǎn)(包括根節(jié)點(diǎn))對(duì)應(yīng)于訓(xùn)練樣本集中一個(gè)非類別屬性的測(cè)試，非葉子節(jié)點(diǎn)的每一個(gè)分枝對(duì)應(yīng)屬性的一個(gè)測(cè)試結(jié)果，每個(gè)葉子節(jié)點(diǎn)則代表一個(gè)類或類分布。從根節(jié)點(diǎn)到葉子節(jié)點(diǎn)的一條路徑形成一條分類規(guī)則。
　　決策樹(shù)的構(gòu)建是一種自上而下，分而治之的歸納過(guò)程，本質(zhì)是貪心算法。從根節(jié)點(diǎn)開(kāi)始，對(duì)每個(gè)非葉子節(jié)點(diǎn)，找出其對(duì)應(yīng)樣本集中的一個(gè)屬性對(duì)樣本集進(jìn)行測(cè)試，根據(jù)不同的測(cè)試結(jié)果將訓(xùn)練樣本集劃分成若干個(gè)子樣本集，每個(gè)子樣本集構(gòu)成一個(gè)新的子節(jié)點(diǎn)，對(duì)新子節(jié)點(diǎn)再重復(fù)上述劃分過(guò)程，這樣不斷循環(huán)，直至達(dá)到特定的終止條件。
　　決策樹(shù)分類算法實(shí)現(xiàn)簡(jiǎn)單，層次結(jié)構(gòu)清晰，能夠產(chǎn)生易于理解和分析的規(guī)則，因此被廣泛地應(yīng)用到醫(yī)療診斷、評(píng)估貸款申請(qǐng)的信用風(fēng)險(xiǎn)等領(lǐng)域。決策樹(shù)的算法有多種，這里僅介紹本文用到的兩種算法——CART算法和CHAID算法。
　�。�1）CART算法
　　CART算法(classificationandRegressionTrees，分類回歸樹(shù))是LeoBreiman,JeromeFriedman等專家提出的一種數(shù)據(jù)勘測(cè)和預(yù)測(cè)算法。CART樹(shù)是一種二叉樹(shù)，它采用一種二分遞歸分割的技術(shù)將當(dāng)前樣本集分割成為兩個(gè)子樣本集，使得生成的決策樹(shù)的每個(gè)非葉子節(jié)點(diǎn)都有兩個(gè)分支。
　�。�2）CHAID算法
　　CHAID算法即檢驗(yàn)法自動(dòng)交互檢測(cè)(Chi-squareAutomaticInteractionDetector，卡方自動(dòng)交互檢測(cè))。CHAID也用于生成決策樹(shù)，但是它不使用信息增益或者Gini來(lái)度量最佳分裂，它采用列聯(lián)表中使用的檢驗(yàn)法來(lái)決定哪個(gè)類別預(yù)測(cè)屬性與預(yù)測(cè)值能最大程度地獨(dú)立。因?yàn)镃HAID是依靠列聯(lián)表對(duì)每個(gè)預(yù)測(cè)屬性的重要性進(jìn)行測(cè)試，所以所有的預(yù)測(cè)屬性都必須是類別形式，或通過(guò)重新分級(jí)強(qiáng)制轉(zhuǎn)化成類別形式。
　　決策樹(shù)是一個(gè)類似于流程圖的樹(shù)結(jié)構(gòu)，其中每個(gè)內(nèi)部節(jié)點(diǎn)表示一個(gè)屬性上的測(cè)試，每一個(gè)分支代表一個(gè)測(cè)試輸出，而每個(gè)葉節(jié)點(diǎn)代表類或類的分布。樹(shù)的最頂層節(jié)點(diǎn)是根結(jié)點(diǎn)。利用決策樹(shù)對(duì)客戶進(jìn)行分類，分析客戶的綜合印象，本文從以下幾步進(jìn)行細(xì)分：
　　1、確定決策樹(shù)的主屬性；
　　2、對(duì)數(shù)據(jù)進(jìn)行預(yù)分類，選出對(duì)綜合印象有關(guān)、有價(jià)值的數(shù)據(jù)，減少無(wú)用數(shù)據(jù)的影響，并避免建立的決策樹(shù)過(guò)于冗余，影響結(jié)果；
　　3、分析各屬性與綜合印象的關(guān)系，去除無(wú)關(guān)屬性；
　　4、利用有用屬性建立決策樹(shù)；
　　我們的數(shù)據(jù)總共有35782例，剔除無(wú)效數(shù)據(jù)，得到有效數(shù)據(jù)共有34624例。首先用各屬性分別做分類分析，從每一單項(xiàng)屬性的結(jié)果看該屬性對(duì)客戶的綜合評(píng)價(jià)是否有影響，最后去除無(wú)關(guān)屬性，再對(duì)那些有影響的屬性做一個(gè)總的分類，綜合考慮客戶評(píng)價(jià)，得出對(duì)最終結(jié)果影響最重要的屬性和其他屬性等。各單項(xiàng)屬性分別為：出生日期（代表年齡）、個(gè)人年收入、受教育程度、還款方式、擔(dān)保方式（篇幅所限，未將所有的單項(xiàng)屬性分類結(jié)果列出來(lái)）。具體分析結(jié)果見(jiàn)下面圖1：
　　

圖1 年齡決策樹(shù)

　　根據(jù)出生日期對(duì)其分類，即是依年齡來(lái)評(píng)價(jià)客戶的綜合印象，從上面的分類決策樹(shù)可以看出，出生日期越早，即年齡越大的客戶的綜合印象中良好的越少。這是由于：
　　1、年齡越大的客戶，其積累的積蓄越多，若購(gòu)房，則一般不需要從銀行取得貸款，這導(dǎo)致年齡大的貸款客戶的基數(shù)比較少，需要貸款的一般都是收入不是很理想的那些客戶，從而良好率較低；
　　2、年齡越大的客戶，其住房問(wèn)題可能早以解決，暫時(shí)不需要再次購(gòu)房。而對(duì)于年輕人來(lái)說(shuō)，剛開(kāi)始工作，沒(méi)有什么積蓄，卻急需要解決住房問(wèn)題以建立新的家庭，因此，產(chǎn)生了大量的住房貸款需求，而這些客戶的職業(yè)一般有較大的發(fā)展?jié)摿�，可能良好率較高。這也解釋了為什么年齡在30歲左右的客戶占了數(shù)據(jù)的絕大多數(shù)。但是，這些客戶一般剛處于事業(yè)的起步階段，其職業(yè)發(fā)展只是潛在的，帶有很大的不確定性，這種不確定性會(huì)導(dǎo)致較高的還款違約率，這就需要銀行在發(fā)放貸款時(shí)，充分利用各種信息，結(jié)合數(shù)據(jù)挖掘技術(shù)，發(fā)現(xiàn)潛在的優(yōu)質(zhì)客戶和風(fēng)險(xiǎn)客戶，及時(shí)采取措施提高客戶整體的綜合素質(zhì)。
　　
　　由于個(gè)人年收入的數(shù)據(jù)跨度很大，我們選用CHAID分類和CART分類對(duì)比來(lái)看。選用CART方法進(jìn)行分類，上圖SPSS做出的CART決策樹(shù)先將年收入以26898為界限，劃分為兩個(gè)分支，在收入大于此界限時(shí)，又以36767為界劃分為兩個(gè)分支。整體看來(lái)，收入越高，綜合評(píng)價(jià)越好，這符合我們一般的認(rèn)識(shí)。
　　圖3用CHAID分類的結(jié)果將個(gè)人年收入分成了多個(gè)檔次，結(jié)果很明顯，隨著年收入的增多，綜合評(píng)價(jià)為良好的比例越高。個(gè)人年收入是貸款能否正常歸還的一項(xiàng)很重要的要素，銀行在審查客戶的這些信息時(shí)，一定要保證所得的信息及時(shí)準(zhǔn)確，避免一些假收入、假證明所致的不良貸款。這些不需要專門的技術(shù)，只要銀行嚴(yán)格執(zhí)行審查程序，細(xì)心認(rèn)真，由此導(dǎo)致的風(fēng)險(xiǎn)便可以降低。
　　

圖4教育程度決策樹(shù)

　　從此分類看出，教育程度為大學(xué)本科及高中/中專/技校占了所有貸款客戶的92.9%，而這些大量的客戶的綜合評(píng)價(jià)卻是所有中最低的，低于總體的綜合評(píng)價(jià)。其他的以受教育程度分類的客戶中，碩士研究生中評(píng)價(jià)為良好的比例最高，為75%,其次為大專/電大/博士及以上，再次為普及教育及以下。系統(tǒng)會(huì)自動(dòng)將大學(xué)本科和高中/中專/技校歸到一類，將大學(xué)�？�/電大和博士及以上歸為一類是因?yàn)樗麄儍深惖牧己寐氏嘟�，直覺(jué)不良和一般的比例也相差不大，這從我們下面的交叉分布表可以看出。從這種分析結(jié)果可以看到，教育程度越高，客戶的綜合評(píng)價(jià)不一定最好，究竟是什么原因?qū)е逻@種結(jié)果，有待探討。
　　表1綜合印象、受教育程度交叉分布表
　　
　　
　　從還款方式的分類看出，等額還款方式占了所有還款方式的非常大的一部分，為95%，而在三種還款方式中，等本還款客戶的綜合印象是最好的，其綜合評(píng)價(jià)為良好的占了11.2%，遠(yuǎn)高于整體客戶的綜合評(píng)價(jià)——4.7%的良好率，利隨本清的客戶綜合評(píng)價(jià)最差，綜合評(píng)價(jià)為良好的僅占了1.1%�？梢�(jiàn)，還款方式對(duì)客戶的還款意愿是有一定的影響的，原因是利率不同，還款年限不同時(shí)，還款方式對(duì)客戶的還款壓力是不一樣的，銀行應(yīng)在客戶滿意的情況下，盡量讓客戶選擇出現(xiàn)違約情況較少、對(duì)銀行來(lái)說(shuō)風(fēng)險(xiǎn)較小的還款方式。
　　對(duì)于還款方式的選擇，有些客戶并不了解哪種更適合自己，這時(shí)，銀行應(yīng)根據(jù)客戶的具體情況，選擇適合客戶實(shí)際情況，對(duì)客戶最有利的方式，提高客戶的滿意度，同時(shí)降低銀行的貸款違約率。
　　

圖6 擔(dān)保方式?jīng)Q策樹(shù)

　　以擔(dān)保方式分類，我們的擔(dān)保方式分為四種，分別為：保證，抵押，抵押︱保證，以及質(zhì)押。數(shù)據(jù)分析的結(jié)果，抵押︱保證的客戶有最好的綜合評(píng)價(jià)，其中印象為良好的占到39.7%，遠(yuǎn)高于整體的良好率4.7%，可見(jiàn)，同時(shí)有兩種擔(dān)保方式可以大大降低客戶的還款違約率，促使客戶盡早及時(shí)歸還貸款，提高客戶的整體信用評(píng)價(jià)�？墒�，我們的數(shù)據(jù)中，以這種方式還款的客戶僅為3714人，占總數(shù)10.7%的比例，而絕大多數(shù)的客戶僅有抵押一種擔(dān)保方式，這提示我們，銀行要改善客戶的整體還款情況，可以盡量在征得客戶同意的情況下，在其提供抵押后，提供一個(gè)擔(dān)保人，客戶正常還款的話，擔(dān)保人并不需要承擔(dān)還款責(zé)任，卻能對(duì)客戶及時(shí)還款起到一定的激勵(lì)作用。
　　最后，對(duì)數(shù)據(jù)進(jìn)行綜合分類，用多項(xiàng)屬性進(jìn)行決策樹(shù)的建立（見(jiàn)附件中的圖7）。我們選取性別、個(gè)人年收入、出生日期、受教育程度、職業(yè)類型、貸款期限、擔(dān)保方式、還款方式、違約月數(shù)、累計(jì)逾期期數(shù)等作為分類變量，但結(jié)果中并沒(méi)有性別和還款方式作為分類屬性的分支，說(shuō)明這兩個(gè)變量對(duì)客戶綜合印象評(píng)價(jià)的結(jié)果影響很小，可以將這些變量剔除，不予作為分類屬性參與決策樹(shù)的建立。
　　根據(jù)綜合分類的結(jié)果，第一支分枝是按照受教育程度分類的，說(shuō)明在我們的樣本數(shù)據(jù)中，受教育程度是最重要的對(duì)客戶進(jìn)行分類的依據(jù)，CART分類將教育程度分成了兩類。第二支分枝，兩類教育程度則是按照不同的分類標(biāo)準(zhǔn)分類的，左邊的一枝是按照累計(jì)逾期期數(shù)分成了大于0和小于0兩枝，右邊的一枝則是按照個(gè)人年收入以36780為界分成了兩枝。接下來(lái)的第三支分枝和第四支分枝按照其他的屬性分別進(jìn)行了分類，結(jié)果如圖所示，整棵樹(shù)共有五層，由于前面單項(xiàng)屬性分析的結(jié)果有些沒(méi)有給出很好的解釋，因此，最后的綜合結(jié)果得出的結(jié)論也不能解釋所有，這是本文的不足之處，需要進(jìn)一步的研究。
　　總的來(lái)說(shuō)，受教育程度和個(gè)人年收入這兩個(gè)屬性在客戶分類中有很重要的作用，銀行在進(jìn)行客戶分類的時(shí)候一定要重點(diǎn)考慮這兩類因素的區(qū)分，再結(jié)合其他的因素進(jìn)行進(jìn)一步的客戶細(xì)分，實(shí)現(xiàn)銀行客戶關(guān)系管理的需要！
　　五、總結(jié)
　　本文從銀行房地產(chǎn)貸款風(fēng)險(xiǎn)管理和客戶管理入手，運(yùn)用SPSS統(tǒng)計(jì)軟件的決策樹(shù)分析方法對(duì)中國(guó)工商銀行房貸客戶的資料信息進(jìn)行分類分析，指出銀行信貸結(jié)構(gòu)調(diào)整的必要性，為銀行信貸結(jié)構(gòu)優(yōu)化提供科學(xué)依據(jù)！
　　銀行在發(fā)放信貸時(shí)，決不能將雞蛋放在一個(gè)籃子里，盲目地去追求一些看似高收益的業(yè)務(wù)，一定要注意分析不同客戶以及不同期限、種類信貸產(chǎn)品的風(fēng)險(xiǎn)特點(diǎn)，將風(fēng)險(xiǎn)分散開(kāi)來(lái)，實(shí)現(xiàn)銀行資產(chǎn)流動(dòng)性、安全性和收益性的有機(jī)結(jié)合，達(dá)到信貸結(jié)構(gòu)優(yōu)化的目的，保證銀行體系健康穩(wěn)定的發(fā)展！
　　參考文獻(xiàn)：