基于层次分析法(AHP)的信贷案例详解

在与客户交流沟通信贷系统时,客户总会发出来自灵魂深处的拷问:我们要的不仅仅是一个信贷流程,你们的风控策略怎么做的?你们的风控模型准吗?

更多量化风险管理干货,关注:@金科应用研院,回复“CSDN”,还有风控学习资料领取哦!

其实,我们面对的很多客户是没有相关信贷数据经验积累的,如果照搬其他机构的策略或模型,反而适得其反,应对这种风控初期冷启动情况,可采用层次分析法(AHP)。

1、问题情景描述

某行开发一款针对工薪族的信贷产品,现需设计风控准入策略及模型,预测用户的借贷违约风险,但在业务初期没有表现数据,决定用AHP来确定客户的风险情况,以区分好客户和坏客户。

2、层次结构建立

建立风控策略及模型的目标是筛选出好客户进件放款。为达到这一目标,从客户的还款能力和还款意愿两个方面来考虑。还款能力主要看客户的基本信息、工作信息以及行内信息;还款意愿主要看客户的信用信息和三方信息。由此画出好客户筛选的层次结构图:

图片

3、两两比较矩阵构造

为了比较下层对上层的相对重要性,构造两两比较矩阵。通常会邀请10-20个经验专家对同一层次内两两因素的相对重要性进行打分。

根据准则层B各因素相对重要性对其进行打分,确定准则层B各因素对目标层A的相对重要性的权重(采用1-9标度法),如下表:

在这里插入图片描述

注:对角线数据为1(与自身对比);标绿单元格代表,与B1相比,B2与其同等重要。

对称的标黄单元格,直接取倒数即可。

图片同理,根据领域层C各因素相对重要性对其进行打分,确定领域层C各因素对准则层B的相对重要性的权重,如下表:

在这里插入图片描述

同理,根据因子层D各因素相对重要性对其进行打分,确定因子层D各因素对领域层C的相对重要性的权重,如下表:

在这里插入图片描述

根据以上表格数据,计算各因子的总权重,如下图:

在这里插入图片描述

注:总权重是每层因子比重的乘积,如:学历的总权重3.2%=0.50.110.59。

整理成表格形式如下:

在这里插入图片描述

注:以上数据为虚构数据。通过表格可看出,在选取的评价一个客户的12个因素中,逾期次数最为重要,其次是月收入。

4、一致性检验

两两比较矩阵的元素是通过两个因素比较得到的,而在很多这样的比较中,往往可能得到一些不一致性的结论。

例如,当因素A、B、C的重要性很接近的时候,在两两比较时,可能得出A比B重要,B比C重要,而C又比A重要等矛盾的结论,这在因素的数目多的时候更容易发生。

以信用信息下层的三个因素(征信查询次数、本息逾期次数、信用卡使用情况)为例:

Step1:由被检验的两两比较矩阵乘以其特征向量,所得的向量称之为赋权和向量

图片

Step2:每个赋权和向量的分量分别除以对应的特征向量的分量

1.81/0.59=3.05

0.76/0.25=3.05

0.48/0.16=3.05

Step3:计算出Step2结果中的平均值,记为λavg

λavg = (3.05+3.05+3.05)/3=3.05

Step4:计算一致性指标CI

CI = (λavg– n ) / (n - 1)

CI = (3.05 – 3 ) / (3 – 1 ) = 0.03

Step5:计算一致性率CR

CR = CI / RI=0.03/0.58=0.05<0.1,

即通过一致性检验。

注:RI的取值如下表:

图片

5、特别说明

当然,层次分析法是一种带有模拟人脑决策方式的方法,因此不可避免会带有很多定性色彩。随着机构业务规模的扩大,以及数据可信度的提高,会逐步采用比较“高深”的数学模型方法。

感谢R枫娜作者的分享。如果你喜欢、想要看更多的干货类型的文章,可以把公众号设为星标🌟,并且转发分享。

FAL长期对外征稿,邀请各大风控人士加入我们,在风控圈分享你的经验与知识👉征稿,快到碗里来,有稿费那种!

在这里插入图片描述

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值