摘 要

本文关注商业银行个人信贷欺诈指标体系的现状与问题，运用PCA主成分分析方法建立模型，构建商业银行识别个人信贷欺诈指标体系，利用k-means聚类法细分客户，针对细分后的客户规划合理的管理方案。

论文主要研究了中国商业银行识别个人信贷欺诈的现状，发掘了了中国个人信贷欺诈评价指标不合理和筛选个人信贷欺诈指标方法不合理的问题。从现实意义来讲，本文的研究有利于落实监管规定、保护银行资产。从理论价值来讲，有利于构建识别信贷欺诈的风险指标体系，使用主成分、k聚类法使得研究更为简便精确。

研究结果表明：通过扩大指标体系覆盖人数、完善识别指标种类、构建个人信贷反欺诈指标体系、利用主成分分析法、k聚类法等方法，商业银行可以适当地解决识别个人信贷欺诈的问题、制定个贷客户反欺诈的具体管理对策。

本文的特色：本文构建商业银行识别个人信贷欺诈风险的指标体系；选用主成分分析法筛选指标体系，降低了指标种类繁多、指标之间存在相关性等问题带来的误差；选用k-means算法，改善了数据量大、读入数据顺序不同、数据球型凸型分布等原因带来的误差问题。

关键词：主成分分析法,k均值聚类算法,个人信贷欺诈

Abstract

This paper focuses on the current situation and problems of the index system of individual credit fraud in commercial banks, uses PCA to establish the model, constructs the index system of identifying individual credit fraud in commercial banks, and uses k-means clustering to segment customers, plan a reasonable management plan for the customers after segmentation. This paper mainly studies the current situation of the identification of personal credit fraud in Chinese commercial banks, and finds out the problems of the irrationality of the evaluation index of personal credit fraud and the irrationality of the method of screening the index of personal credit fraud. From a practical point of view, the study of this paper is conducive to the implementation of regulatory provisions, the Protection of bank assets. In terms of theoretical value, it is helpful to build a risk index system to identify credit fraud. The principal component analysis and k-clustering method are used to make the study more simple and accurate. The results show that: by expanding the number of people covered by the index system, improving the types of identification indicators, constructing the index system of individual credit anti-fraud, using the principal component analysis, k clustering and other methods, commercial banks can properly solve the problem of identifying individual credit fraud and formulate specific management countermeasures against fraud for individual credit customers. The main features of this paper are as follows: This paper constructs an index system for commercial banks to identify the risk of credit fraud, and uses principal component analysis to select the index system to reduce the errors caused by the large number of indicators and the correlation between the indicators k-means algorithm is used to reduce the errors caused by large data volume, different order of read-in data and spherical convex distribution of data.

Keywords：PCA,k-means clustering algorithm,Personal credit fraud

目 录

第一章 绪论 1

1.1选题背景 1

1.1.1研究背景 1

1.1.2研究意义 2

1.2研究思路与方法 3

1.2.1研究思路 3

1.2.2研究方法 3

1.3国内外研究动态 3

1.3.1个人信贷欺诈风险的定义 3

1.3.2中国商业银行个人信贷欺诈的现状及存在的问题 4

1.3.3商业银行识别个人信贷欺诈的指标和研究方法的研究 4

1.3.4商业银行筛选个人信贷欺诈指标体系的研究 5

1.3.5商业银行细分个人信贷欺诈客户群的研究 6

1.4本章小结 6

第二章 相关理论与算法 7

2.1个人信贷欺诈 7

2.1.1商业银行外部欺诈 7

2.1.2商业银行内部欺诈 7

2.2个人信贷欺诈风险和表现形式 7

2.2.1个人信贷欺诈风险 7

2.2.2个人信贷欺诈的表现形式 8

2.3商业银行识别个人信贷欺诈指标体系 8

2.3.1还贷意愿 8

2.3.2欺诈行为 9

2.4商业银行识别个人信贷欺诈方法 9

2.4.1商业银行识别个人信贷欺诈筛选指标的方法：PCA主成分法 9

2.4.2商业银行细分个人信贷欺诈客户群的方法：k-means聚类法 9

2.5本章小结 10

第三章 商业银行个人信贷欺诈指标体系的现状与问题 11

3.1商业银行个人信贷欺诈研究现状 11

3.1.1商业银行个人信贷欺诈指标体系现状 11

3.1.2商业银行个人信贷欺诈指标体系研究方法现状 11

3.2商业银行个人信贷欺诈指标体系存在问题 12

3.2.1商业银行个人信贷欺诈指标体系不合理 12

3.2.2商业银行个人信贷欺诈指标体系研究方法不合理 13

3.3本章小结 13

第四章 基于PCA方法筛选商业银行识别个人信贷欺诈的指标 14

4.1获取和加工信贷欺诈相关数据 14

4.1.1获取数据 14

4.1.2加工数据 17

4.2基于PCA主成分分析构建商业银行识别个人信贷欺诈指标体系 18

4.2.1标准化处理信贷欺诈相关数据 18

4.2.2计算欺诈指标的原始矩阵的特征矩阵D 19

4.2.3计算欺诈指标的特征向量P和特征根 20

4.2.4计算欺诈指标单个主成分的贡献率和总贡献率 21

4.2.5选择能够代替原始样本欺诈数据的主成分作为新的欺诈指标 22

4.2.6确定新欺诈指标的主成分荷载分布和主成分因子表达式 22

4.2.7新欺诈指标主成分因子的重新命名和解释 23

4.3本章小结 24

第五章 识别商业银行个人信贷欺诈客户 25

5.1基于k聚类法细分个人信贷欺诈客户群 25

5.1.1选取个人信贷客户聚类中心 25

5.1.2计算个人信贷客户样本到聚类中心的距离并归类 25

5.1.3重新计算个人信贷客户聚类中心直至其不发生变化 25

5.1.4输出个人信贷客户分群结果 25

5.2按欺诈可能性高低分类个人信贷客户 27

5.3本章小结 28

第六章 对策与建议 29

6.1拓宽渠道以扩大个人信贷欺诈指标体系覆盖人数 29

6.2思考并完善个人信贷欺诈识别指标的种类 29

6.3构建并维护针对个人信贷反欺诈的指标体系 29

6.4使用PCA方法科学解释选择与剔除个人信贷欺诈指标的原因 29

6.5使用k-means聚类细分信贷客户群并设定个人信贷反欺诈管理方案 30

6.5.1高欺诈风险信贷客户 30

6.5.2中欺诈风险信贷客户 30

6.5.3低欺诈风险信贷客户 31

6.6本章小结 31

参考文献 32

致谢 34

第一章 绪论

1.1选题背景

1.1.1研究背景

①中国的经济水平缓步持续上升、普惠降准将导致个人信贷市场规模不断扩大

近年来，中国的经济水平呈现出缓步持续上升的态势。国家统计局数据显示，2018年，人均国内生产总值已经达到66006元，居民人均可支配收入达28228.05元，居民消费水平达25378元^[1]，较往年有了较大提升。

这也意味着中国个人信贷市场规模的不断扩大。中国2019年全年人民币贷款增加16.81万亿元，住户部门贷款增加7.43万亿元，其中，短期贷款增加1.98万亿元，中长期贷款增加5.45万亿元^[2]。

从近期的宏观经济环境来看，2020年3月16日，央行实施普惠金融定向降准的政策。央行对达到考核标准的银行定向降准0.5至1个百分点，对符合条件的股份制商业银行再额外定向降准1个百分点，整体投入的长期资金将达到5500亿元。这将鼓励实体经济发展，削减社会融资实际成本。^[3中国信贷市场有望更加广阔和活跃。