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:

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:

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:

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:

根据以上表格数据,计算各因子的总权重,如下图:

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:

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

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:

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

基于层次分析法(AHP)的信贷案例详解相关推荐

  1. ahp层次分析法_基于层次分析法(AHP)的店铺选址应用研究

    导读 在连锁行业,店铺选址是其中很重要的一个方面.影响店铺选址的指标(因素)很多,决策中经常需要对店铺影响各指标进行量化分析.本文应用层级分析法(AHP),对影响店铺选址的指标(因素)权重进行量化分析 ...

  2. 基于层次分析法与熵权法的主客观组合赋权模型(原创:小青龙)

    基于层次分析法与熵权法的主客观组合赋权模型 组合赋权大家可以尝试进行改变,一个主观一个客观.(原创:小青龙) 简介 ​ 权重是用来衡量总体中各单位标志值在总体中作用大小的数值, 用来描述单因子在因子集 ...

  3. 熵权法EW与层次分析法AHP之数学原理及实例

    1.概述 对于多指标或多目标决策问题,由于涉及到多个指标或属性,在对实测数据进行评价时,需要确定这些指标之间的相互权重,各指标权重的客观性与合理性也会大大影响到最终的评价结果.目前对于指标权重确定的方 ...

  4. R语言应用实战-基于R语言的综合评价(层次分析法AHP为例)

    一.综合评价的基本概念 对一个事物的评价往往会涉及多个因素或者多个指标,评价是在多个因素相互作用下的一个综合判断.多指标综合评价方法具有以下的特点:包含若干个指标,分别说明被评价对象的不同方面,评价方 ...

  5. MATLAB实现层次分析法AHP及案例分析

    层次分析法(Analytic Hierarchy Process, AHP) 1 模型背景 美国运筹学家匹兹堡大学教授Saaty在20世纪70年代初提出的一种层次权重决策分析方法. 层次分析法(Ana ...

  6. 2010年高教社杯全国大学生数学建模竞赛题目B题解析及层次分析法AHP在其中的应用

    2010年高教社杯全国大学生数学建模竞赛题目 B题 2010年上海世博会影响力的定量评估 2010年上海世博会是首次在中国举办的世界博览会.从1851年伦敦的"万国工业博览会"开始 ...

  7. 【数学建模】层次分析法AHP(评价与决策)

    文章目录 一.算法介绍 二.适用问题 三.算法总结 1. 步骤 2. 如何构建层次结构模型 3. 如何构建成对比较矩阵 4. 如何进行一致性检验 四.应用场景举例(旅游问题) 1. 建模 2. 构造成 ...

  8. 层次分析法AHP - 代码注释多 - ( 数据建模 Python代码)

    实际生活中,往往有一些很复杂的系统,我们没办法直观草率的确定权重,比如甲.乙.丙三人竞选总统,严谨的说,需要从三人的社交能力.管理能力.经济能力等方面来考虑,在每个方面,三位候选人的得分也不同,那么到 ...

  9. MATLAB数学建模必备算法--层次分析法AHP

    其主要用于解决评价类问题(例如:选择哪种方案最好.哪位运动员或者员工表现的更优秀) 一个很典型的层次分析法案例: 确定评价目标: 高考完后小明想要去旅游,有三个目的地供他选择: 苏杭 北戴河 桂林 确 ...

  10. 基于层次分析法的轴间预瞄和轴距预瞄俯仰半车LQR控制仿真分析(重型汽车)

    目录 前言 1. 半车悬架模型 2. LQR最优控制原理简述 3. 基于LQR的半车悬架轴间预瞄和轴距预瞄仿真分析 3.1仿真模型 3.2仿真结果 4.总结 前言 上篇文章简谈了轴距预瞄和轴间预瞄的原 ...

最新文章

  1. 远程桌面与本地桌面实现文件传输
  2. shell__常用命令__awk
  3. 【格局视野】三色需求与工作层次
  4. You can't specify target table 'TS_AUTH_ADMIN' for update in FROM clause记录
  5. Linux内存管理(最透彻的一篇)
  6. error: 'vector' does not name a type
  7. EMS设置发送连接器和接收连接器邮件大小
  8. 代码走查与代码审查区别
  9. 基于Docker和kkFileView实现office在线预览
  10. 怎么在我们的App中集成条码扫描功能?
  11. 摄影_光圈、快门、曝光度(ISO)
  12. Java异常抛出及自定义异常
  13. 上万元游戏拼多多7块搞定 PICO防不住
  14. 【机器学习】李宏毅 - 02 回归
  15. Python pydub 截取音频
  16. 秒懂设计模式之责任链模式(Chain Of Responsibility Pattern)
  17. Matlab实现匿名函数计算
  18. 猜数字小游戏(网页版)
  19. 借鉴一些关于js框架的东西
  20. 一入爬虫深似海,从此“节操”是路人!熬夜总结的python爬虫资料

热门文章

  1. 计算机应用基础都学什么,计算机应用基础学习计划
  2. 滴滴的2019:巨亏和裁员之后,群狼将至
  3. Lucene学习总结之一:全文检索的基本原理
  4. 转:量化投资新手指南-初识量化交易
  5. python解一元一次方程标准形式_一元一次方程的标准形式的概念以及解法
  6. Could not load codec 'Lucene54'. Did you forget to add lucene-backward-codecs.jar?
  7. Python基础 4 字符串的变形 判断
  8. Progressive Layered Extraction (PLE)
  9. 手机wap浏览器的设计
  10. yandex.com搜索等级、限制设置