Εφαρμογές ταξινόμησης σε τραπεζικά δεδομένα

Abstract

Η πρόσφατη οικονομική κρίση αναδεικνύει για άλλη μια φορά τον σημαντικό ρόλο της παρακολούθησης του ρίσκου, που έχει αναλάβει ένας τραπεζικός οργανισμός στο δανειακό του χαρτοφυλάκιο. Σημαντικό εργαλείο γι’ αυτό αποτελεί ένα μοντέλο ικανό να εντοπίσει έγκαιρα πελάτες των οποίων τα δάνεια θα καταστούν μη-εξυπηρετούμενα στο άμεσο μέλλον. Στόχος είναι να περιγράψει την διαδικασία κατασκευής ενός τέτοιου μοντέλου για την Καταναλωτική Πίστη, μέσω της εφαρμογής της σε δεδομένα μιας από τις μεγαλύτερες τράπεζες της Ελλάδας. Αναλυτικότερα, κατασκευάστηκε ένα στατιστικό μοντέλο ταξινόμησης το οποίο μπορεί να προβλέψει, για ένα πελάτη που σήμερα οφείλει μια δόση σε ένα καταναλωτικό του δάνειο, αν στο τέλος του επόμενου εξαμήνου κάποιο δάνειο του πελάτη θα έχει χαρακτηριστεί ως μη-εξυπηρετούμενο (δηλαδή βρίσκεται σε καθυστέρηση μεγαλύτερη των 90 ημερών) ή όχι. Για το σκοπό αυτό εφαρμόστηκε η μέθοδο της Λογιστικής Παλινδρόμησης (Logistic Regression) στα δεδομένα, τα οποία είχαν προηγουμένως επεξεργαστεί ώστε να μειωθεί η διάσταση του χώρου των μεταβλητών. Συγκεκριμένα, για τον περιορισμό των κατηγορικών μεταβλητών καταφεύγει στην Ανάλυση Συστάδων Δύο Βημάτων (Two-Step Cluster Analysis), ενώ για την μείωση των συνεχών στην Ανάλυση Παραγόντων (Factor Analysis). Επίσης χρησιμοποιήθηκε η Ανάλυση Συστάδων Δύο Βημάτων για να σκιαγραφηθεί το προφίλ των πελατών.