基于AdaBoost-隨機森林算法的農(nóng)戶信貸風(fēng)險評估研究

鄭印 殷瑩瑩 王鵬 劉金嬋 梁斌

摘要：精準扶貧是打贏脫貧攻堅戰(zhàn)的重要手段，而金融扶貧在精準扶貧工作中舉足輕重。目前，農(nóng)村信貸風(fēng)險管理問題頻繁出現(xiàn)，嚴重影響金融機構(gòu)在農(nóng)村開展信貸業(yè)務(wù);規(guī)范農(nóng)村信貸體系，降低風(fēng)險，迫在眉睫。本文以“農(nóng)戶信貸風(fēng)險評估”為主題，收集農(nóng)戶信貸數(shù)據(jù)，多維度構(gòu)建信貸風(fēng)險評估體系，運用AdaBoost-隨機森林方法對農(nóng)戶小額信貸風(fēng)險進行評估。根據(jù)模型結(jié)果，構(gòu)建農(nóng)村信貸風(fēng)險管理體系，在降低信貸風(fēng)險的同時最大限度致力于金融扶貧工作。

關(guān)鍵詞：農(nóng)戶信貸風(fēng)險;AdaBoost;隨機森林

二十一世紀以來，“三農(nóng)”問題一直對國家農(nóng)村經(jīng)濟發(fā)展和金融穩(wěn)定有著很大的影響，要想發(fā)展農(nóng)村經(jīng)濟，必不可少的一步就是加大對農(nóng)村金融的投入，基于此農(nóng)戶小額信貸開始在我國農(nóng)村普遍實行開來。金融政策不斷加大對農(nóng)戶的服務(wù)力度，力求建立完整、完善的信貸風(fēng)險評估機制對有貸款需求的農(nóng)戶進行放貸并定制合適的貸款額度、利率和期限。但在當前的農(nóng)村金融環(huán)境下，農(nóng)戶對于信貸的風(fēng)險少有認知，農(nóng)村金融機構(gòu)對于風(fēng)險的控制能力也有待加強，所以如何規(guī)范信貸風(fēng)險問題，提高信貸管理水平，就成為當前影響著農(nóng)村經(jīng)濟發(fā)展的重要因素。Congjun Rao（2020）以 Pterosaur Loan平臺中的信貸數(shù)據(jù)集作實驗樣本，建立了兩階段融合成本敏感隨機林（SCSRF）模型來評估借款人的信用風(fēng)險。從隨機森林出發(fā)，據(jù)數(shù)據(jù)類別的實際分布構(gòu)造代價關(guān)系，在代價函數(shù)中使用熵權(quán)方法引入加權(quán)馬氏距離，對代價敏感的決策樹基分類器采用加權(quán)投票。通過網(wǎng)格搜索對SCSRF模型的參數(shù)進行了優(yōu)化。顧洲一（2020）以國內(nèi) Y 銀行的相關(guān)信貸數(shù)據(jù)作為樣本，應(yīng)用XGBoost 模型建立客戶申請評分模型，并運用該模型對新客戶的違約概率進行預(yù)測，研究發(fā)現(xiàn)模型在訓(xùn)練集和測試集上得分最高 （得分即模型預(yù)測為壞客戶的概率）的5%的客戶可以分別覆蓋 78.7%和 55.6%的壞客戶。本文將從農(nóng)戶小額信貸領(lǐng)域檢驗 AdaBoost-隨機森林算法的優(yōu)異性，并與其他方法做出實證對比。

1.數(shù)據(jù)來源及基本理論

1.1數(shù)據(jù)來源

為獲取與農(nóng)戶信貸相關(guān)數(shù)據(jù)指標，本文采取實地調(diào)研與問卷相結(jié)合的形式從A省B區(qū)取得123家有信貸評級的農(nóng)戶信息，以及A省C區(qū)302家無信貸評級的農(nóng)戶信息。

1.2基本理論

為了更好的了解與預(yù)測農(nóng)戶信貸風(fēng)險水平，本文根據(jù)收集的農(nóng)戶信貸數(shù)據(jù)，多維度構(gòu)建信貸風(fēng)險評估體系，運用AdaBoost-隨機森林方法對農(nóng)戶小額信貸風(fēng)險進行評估，下面對隨機森林（random forest）算法工作原理與AdaBoost如何優(yōu)化隨機森林算法進行解釋說明。

（1）隨機森林算法的基本原理

隨機森林算法是一種對樣本進行訓(xùn)練和預(yù)測的分類模型，其本質(zhì)是一種裝袋集成算法。裝袋集成算法是對決策樹（基評估器）的預(yù)測結(jié)果進行平均或用多數(shù)表決原則來決定隨機森林（集成評估器）的結(jié)果。

決策樹的結(jié)構(gòu)類似與一棵樹，它將每種可能發(fā)生的情況及對應(yīng)概率清晰的表示在一個流程圖中，是一種非常直觀的圖解法。決策樹是一種預(yù)測模型，其每個決策分支對應(yīng)不同的情況不同的概率，通過計算分析得到不同的結(jié)果，常用于估計項目的風(fēng)險，判斷項目的可行性。

為使隨機森林中每棵分類樹互不相同，一種簡單的方法是采用不同的訓(xùn)練集建立決策樹，再將多棵決策樹合并在一起組成隨機森林。

隨機森林算法的基本步驟：

1）原始訓(xùn)練集中包含n個樣本，從中有放回的抽取n次形成一個含有n個樣本的自助集

2）從自助集的所有屬性中選取a個屬性，根據(jù)這些屬性建立一棵決策樹

3）重復(fù)以上步驟m次，可以得到m棵不同決策樹，隨機森林由這m棵決策樹組成

4）m棵決策樹分別對樣本進行預(yù)測，得到m個分類結(jié)果

5）對產(chǎn)生的m個分類結(jié)果進行投票，得票最多的結(jié)果是最終的結(jié)果

（2）AdaBoost-隨機森林算法的基本原理

AdaBoost算法是一種迭代算法。AdaBoost算法的工作原理，初始樣本中每個樣本所占權(quán)重相同，用弱分類器訓(xùn)練樣本，將各個學(xué)習(xí)誤差率聯(lián)系在一起，不斷調(diào)整誤差率高的訓(xùn)練樣本點的權(quán)重值，誤差率低的弱分類器在最終分類器中占的比例較大，以得到一個強分類器。

本文將隨機森林作為弱分類器，用AdaBoost算法進行迭代構(gòu)建AdaBoost-隨機森林模型，基本步驟如下：

1）給每個初始樣本賦權(quán)重得到權(quán)值分布D1，保證每個樣本初始權(quán)重相同w1i=1/N，同時建立好隨機森林。

2）對樣本數(shù)據(jù)進行多次迭代，得到樣本數(shù)據(jù)新的權(quán)值分布Dm，再對權(quán)值分布為Dm的樣本進行訓(xùn)練得到弱分類器。

em為評估誤差和，ym（xn）為評估的結(jié)果，tn為期望的結(jié)果

3）計算隨機森林（弱分類器）在最終分類器中的權(quán)重，得各隨機森林的權(quán)重為。

4）更新樣本中每個樣本的權(quán)重，進行新一輪的迭代

Dm+1是新一輪迭代的樣本權(quán)值分布，wm-1，i是第i個樣本的權(quán)重，Zm是歸一化因子

5）迭代完成后，將若干個弱分類器（隨機森林）按其權(quán)重組合起來

2.AdaBoost-隨機森林模型

2.1研究思路

通過對調(diào)研得到的數(shù)據(jù)進行分析并選取指標，將其按層次結(jié)構(gòu)劃分為一級二級指標。一級指標有農(nóng)戶基本情況、農(nóng)戶信貸情況、農(nóng)戶家庭收入情況三個。其中農(nóng)戶基本情況共分為戶口、年齡、婚姻狀況、家庭關(guān)系、文化程度、健康狀況和家庭成員品行等七個二級指標;農(nóng)戶信貸情況共分為是否違約、貸款金額、信譽評價等三個二級指標;農(nóng)戶家庭收入情況共分為家庭人均年凈收入、家庭年凈收入等兩個二級指標。通過對指標進行量化，最后構(gòu)建Adaboost-隨機森林模型對農(nóng)戶信貸風(fēng)險進行研究。

2.2研究過程

通過對A省B區(qū)123個已知信譽評級的農(nóng)戶信貸數(shù)據(jù)進行分析，通過構(gòu)建Adaboost-隨機森林模型，把是否違約映射為0，1兩個值，其中沒有違約映射為0，違約映射為1。以是否違約為目標，用綜合指標進行邏輯回歸，劃分訓(xùn)練集和測試集，擬合出邏輯回歸函數(shù)，得出一個0-1區(qū)間的連續(xù)值，模型擬合準確度為84%，混淆矩陣得出的ACC準確率為80%。

2.3結(jié)果分析

結(jié)果顯示，A省C區(qū)的302個農(nóng)戶有35個農(nóng)戶獲得A等級信譽評級，137個農(nóng)戶獲得B等級信譽評級，123個農(nóng)戶獲得C等級信譽評級，7個農(nóng)戶獲得D等級信譽評級。同時結(jié)果顯示，在302個農(nóng)戶中，有69個農(nóng)戶可能會出現(xiàn)違約情況。

3.結(jié)語

本文通過A 省B 地區(qū)調(diào)研得到的123個農(nóng)戶的信貸數(shù)據(jù)對C區(qū)的302個農(nóng)戶進行了信譽評級和是否違約的預(yù)測，構(gòu)建了AdaBoost-隨機森林模型，使用 ROC 曲線的值對 A 省 C 地區(qū)的調(diào)研數(shù)據(jù)進行了預(yù)測。

參考文獻：

[1]Rao，CJ;Liu，M;Goh，M;Wen，JH.2-stage modified random forest model for credit risk assessment of P2P network lending to Three Rurals borrowers [J].Applied Soft Computing Journal，2020，95.

[2]顧洲一.基于XGBoost模型的銀行信貸高風(fēng)險客戶識別研究——以我國Y銀行為例[J].上海立信會計金融學(xué)院學(xué)報，2020（01）：17-28.

[3]宋鑫.隨機森林優(yōu)化算法在農(nóng)戶信用風(fēng)險評估中的應(yīng)用[D].云南師范大學(xué)，2018.

[4]許劍，張洪偉.Adaboost算法分類器設(shè)計及其應(yīng)用[J].四川理工學(xué)院學(xué)報（自然科學(xué)版），2014，27（01）：28-31.

[5]田瑩瑩，馬一寧，韓景旺.“鄉(xiāng)村振興”戰(zhàn)略下農(nóng)戶信用評價體系構(gòu)建研究[J].現(xiàn)代商貿(mào)工業(yè)，2019，40（15）：106-107.

[6]李佳容.隨機森林在甘肅省農(nóng)村貧困戶識別中的應(yīng)用[J].農(nóng)村經(jīng)濟與科技，2018，29（04）：188+190.

本文系 安徽財經(jīng)大學(xué)大學(xué)生科研創(chuàng)新基金項目研究成果，項目編號：XSKY2198。

作者簡介：

鄭印（2001—）男，漢族，安徽六安人，安徽財經(jīng)大學(xué)管理科學(xué)與工程學(xué)院，2018級本科生，信息管理與信息系統(tǒng)專業(yè)。

殷瑩瑩（2000—）女，漢族，安徽六安人，安徽財經(jīng)大學(xué)金融學(xué)院，2018級本科生，金融學(xué)專業(yè)。

王鵬（2001—）男，漢族，安徽六安人，安徽財經(jīng)大學(xué)管理科學(xué)與工程學(xué)院，2018級本科生，計算機科學(xué)與技術(shù)專業(yè)。

劉金嬋（2000—）女，漢族，安徽安慶人，安徽財經(jīng)大學(xué)統(tǒng)計與應(yīng)用數(shù)學(xué)學(xué)院，2018級本科生，數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)專業(yè)。

梁斌（2000—）男，漢族，安徽六安人，安徽財經(jīng)大學(xué)管理科學(xué)與工程學(xué)院，2018級本科生，計算機科學(xué)與技術(shù)專業(yè)。