银行信贷资格审核机制的机器化学习模型设计*

唐春兰

(内江师范学院，四川内江 641112)

0 引言

从银行改革信贷制度开始，在信贷业务中建立“一级审批”机制。若想实现推行贷款全审批制度，就要实现审贷分离[1]。但是市场发展很快，在竞争日趋激烈的商业银行中，信贷业务发展迅速[2]。在我国现行商业银行信贷审批制度的实际运行过程中，逐渐暴露出其弊端。在以往研究中，主要是在经济新常态背景下，估算银行企业贷款风险影响因素，建立直接风险评估与预警模型。尽管该方法可以更精确地评估信贷风险，但它的缺点是需要大量可靠历史统计数据作为基础[3]。在面对新的授信申请人时，由于客户信用历史数据缺乏，所以使用上述审核机制决策科学化程度大大降低。在新客户缺乏信用历史数据情况下，选择优质客户，降低不良贷款率，合理配置资金资源成为银行信用评级机制的一种机械化学习模式设计。在长期运营过程中，传统商业银行积累了大量的用户资源和用户信息。这一资源和信息有效利用，对商业银行产品开发将有很大帮助。但目前商业银行在分析和处理客户信息以及利用大数据技术方面存在着一定技术障碍。鉴于此，提出了银行信贷资格审核机制的机器化学习模型设计。

1 机器化学习模型构建

1.1 客户信息处理

采用机器学习方法时，首先要确定样本空间，定义边界条件，以保证科学研究水平的科学与有效。在机器学习中，这些条件可用于确保数据完整性。高效分析窗口是收集待分析数据时间窗口，其选取标准为连续一个时间段历史数据[5]。……