120 likes | 211 Vues
Konzisztens jövőképek levezetésének módszertani lehetőségei a bankszektorban, avagy lakossági termékvásárlási modellek és viselkedési hitelpontozó kártyák fejlesztése makrogazdasági peremfeltételekkel. Szűcs Imre - Dr. Pitlik László (OTKA T049013).
E N D
Konzisztens jövőképek levezetésének módszertani lehetőségei a bankszektorban,avagy lakossági termékvásárlási modellek és viselkedési hitelpontozó kártyák fejlesztése makrogazdasági peremfeltételekkel Szűcs Imre - Dr. Pitlik László (OTKA T049013)
Lakossági bankok kihívásai modellezési szempontból • Éles verseny • Költség(új ügyfél) >> Költség(meglévő ügyfél megtartása) • Keresztértékesítés • Lemorzsolódás előrejelzése • Ügyfélérték • Basel II + Score Card • Credit Score card • PD • LGD • EAD • Versenytársak!
Adatbányászati módszerek • Felügyelt tanulás • Logisztikus regresszió • Döntési fák • Mesterséges neurális hálózatok • SVM • Score Card Solution (SAS Institute) • Felügyelet nélküli tanulás • Klaszterezés - profilozás
Makrogazdasági változás • Ügyfél szemével nézve (Szubjektív mérőszámok) • Lakossági fogyasztói bizalmi index (GKI) • Marketingtevékenység hatása • Hitelfelvételi eljárások egyszerűsödése • Életviteli költségek • Objektív mutatók • Reáljövedelem • Rendelkezésre álló jövedelem
Inkonzisztencia Makrogazdasági változókból levezetett jövőkép és a belső adatbányászati modellek alapján előre vetített jövőkép egymásnak ellentmond. • Modellezésnél figyelembe kell venni • a makrogazdaság állapotát leíró változókat • a háztartások által tapasztalt, szubjektív makrogazdasági környezetet
Anyag • Fogyasztói bizalmi index • Lakossági hitelállomány • Reáljövedelem • Hipotetikus banki reklámtevékenység • Hipotetikus hitelfelvételi eljárás bonyolultsága • Termékaffinitási modell • Lakossági hitelpontozó kártya (score card)
A fogyasztói bizalmi index és a lakossági hitelállomány alakulása 1996. január és 2007. márciusa között. Forrás: GKI Forrás: MNB
Módszer – termékaffinitás modell mesterséges neurális hálózattal • Multilayer Perceptron • Aktivációs függvény: tangens hiperbolikus • Kombinációs függvény: lineáris • Rejtett rétegek száma: 3 • Leállítási kritérium: „early stopping” • Tanulási/validációs/tesztelési minta megoszlása: 40% / 30% / 30% (véletlenszerűen) • Visszamérés: • ASE (Average Squared Error) • Kolmogorov-Smirnov statisztika • ROC (Receiver Operating Characteristic) • Szoftver • SAS Base 9.1.3 • SAS STAT • SAS Enterprise Miner 5.2
Eredmények ROC a vízszintes tengelye(False Rate): a tévesen „rossz” ügyfélnek sorolt ügyfelek aránya az összes „rossz” ügyfélhez viszonyítva, adott becsült valószínűség mellett. Függőleges (Hit Rate) tengelye: a helyesen „rossz” ügyfélnek sorolt ügyfelek aránya az összes „rossz” ügyfél számához viszonyítva, adott becsült valószínűség mellett. Neural – Modell_1 Neural2 – Modell_2 Készült: SAS Enterprise Miner 5.2
Konklúzió • szubjektív jellegű adatok használata javítja a modellek előrejelző képességét • Fogyasztói bizalmi index • marketingtevékenység ügyfelekre gyakorolt hatásának • Konzisztens előrejelzés • Továbblépés • Hitelpontozó kártya • Objektív és szubjektív makrogazdasági adatok által keltett „csapdahelyzetek” feltárása
Köszönöm a figyelmet! Szűcs Imre SZIEGSZDI / MKB Bank Tel.: 36-70-311-9770 e-mail: icsusz@gmail.com