未見程序，數據查找要有出處，公式編輯器中國大學生信用卡風險管理模型摘要本文從銀行的角度來研究分析大學生信用卡可能存在的風險，并針對大學生信用卡風險建立模型，提出應對策略。通過分析大學生的收入來源、消費結構、對信用卡的了解程度、辦卡意愿、信用卡擁有數量、使用頻率、月均信用卡消費金額等各類信息，我們了解到現在越來越多的大學生辦理了信用卡且個人擁有卡的數量也越來越多。但大多數大學生辦卡只是圖其新鮮和有贈品，對于信用卡、借記卡、循環利息等基本知識明顯匱乏，更重要的是對于信用責任的認知相對來說是低水平的。而且目前大學生日常消費資金主要還是由父母提供，其他類似于獎學金與兼職的收入是微乎其微的，完全自食其力的大學生還是相當有限的，因此大學生在使用信用卡產生透支額度的時候就或多或少會存在無力償付的隱患。而現今的銀行個人信用體系并不完整，致使某些大學生拖逃欠款有機可乘。如此一來銀行對于大學生信用卡這項業務就產生了一定程度的風險。針對于上述信用風險，我們對調查數據進行分析，對大學生信用卡透支額度設定一基準為RMB425。再利用AHP-BP神經網絡模型對信用卡申辦人進行信用等級評估，最后設定預測值處于0.8 以上的，說明申請者信用差，風險比率高；預測值處于0.4 0.8，則說明信用一般；預測值處于0.4 以下，是屬于信用高的。之后將其結果作為解釋變量之一，再加上其余的特征變量，最后建立一個Logistic模型。在SPSS軟件中求得在大學生信用卡中對風險有較大影響的因素為大學生信用卡擁有數量以及學生的學歷。因此建議銀行在為大學生辦理信用卡的時候要了解其學歷以及已擁有卡的數量等必要信息。申請者信用差的，即對透支消費的無力按時或不愿意償還本息而導致將來形成壞賬的風險比率高，這時銀行就可以拒絕申請，或者是在透支基準額度（RMB425）的標準下再進一步降低其信用卡的可透支最大額度；信用一般的銀行可以考慮授予普通的信用卡，同時結合申請人的學歷與已有卡數量進行一定的控制；信用高的銀行可以授予申請者信用額度大大高于基準額度（RMB425）的信用卡，還可以結合其學歷與已有卡數量的相關因素，考慮適當增加一些個人的金融服務，盡量留住這些高信用的客戶。從而得到降低信用卡的信用風險的有效措施。關鍵字：大學生 信用卡風險 透支額度 AHP-BP神經網絡 Logistic模型1、問題重述信用卡作為新興的支付工具和信用手段，以其支付結算、消費信貸和使用方便等特點，廣受消費者歡迎。伴隨著2006年12月11日中國金融市場的全面開放，國內商業銀行加大了發行信用卡的力度，大學校園是眾多銀行搶占的重要信用卡市場之一。但是，從第一張大學生信用卡發行開始，大學生信用卡的違規現象就日趨嚴重，信用卡風險發生的頻率也越來越高。因此，對大學生信用卡風險進行控制管理是十分必要的。找到有效規避大學生信用卡風險的方法不僅能給銀行自身帶來巨大收益，也能讓大學生建立合理的理財計劃，正確對待信用問題，最終實現雙贏，共同發展。請對大學生進行信用卡使用現狀調查，分析大學生的收入來源、消費結構以及價值觀念等特點，并利用各類數據分析大學生信用卡可能存在的風險。從銀行角度建立大學生信用卡風險模型，如何更有效的規避大學生信用卡風險。2、問題分析2.1標題補充首先我們對銀行信用卡業務有一定的了解，我們查閱的相關資料了解到以下內容成本收益理論指出, 生產者為了實現利潤最大化, 要充分考慮成本與收益之間的關系。當收益大于成本時, 意味著盈利; 當收益小于成本時, 出現虧損。企業在生產經營中的目標為獲取盡可能多的利潤, 達到了利潤的最大化。信用卡的大規模發行和使用需要不菲的前期投入: 配套設施, 系統建立,產品開發, 人力資源投入等。目前, 大學生信用卡正處在產品的推廣期, 銀行成本支出較高。除了建立信用卡運行系統外, 在宣傳上銀行就耗費不少。一些銀行長期在校內設點宣傳, 工作人員工資支出、場地費用、贈送禮品等形成很大的費用。此外, 信用卡的征信系統是各銀行自己建立, 花費成本相當高。在利潤方面, 短期內大學生信用卡難有利潤貢獻。根據銀行制定的萬分之五/ 日的最低貸款利息計算, 銀行每發一張大學生信用卡能夠獲取高18.25%的年利率,按理來說信用卡賺取的利潤可觀。然而,現實并非如此, 目前國內發卡銀行的透支利息收入微乎其微, 收入來源主要依靠年費和手續費。雖然銀行看中大學生超前消費觀念, 但對于沒有穩定收入來源的大學生來說, 在進行貸款消費之前必定會再三考慮, 在透支后也會盡力選擇在免息期內還款。這樣, 銀行在短期內很難享受到信用卡的收益。從信息不對稱理論分析, 由于社會分工的發展、專業化程度的提高和人員流動, 意味著市場信息非對稱加劇。該理論分析了信息在交易雙方的不對稱分布對于市場交易行為和市場運行效率產生的重要影響。信用卡貸款是一種典型的無擔保的循環信用貸款, 發卡銀行與持卡人之間存在著信息不對稱。銀行在授予持卡人信用額度時, 無法得知持卡人真實的信譽狀況, 只能根據與借款人的交流、調查、評估等方式來決定, 借款人真實的情況必須花費很高的調查成本。此外, 銀行在授予持卡人信用額度后, 無法掌握持卡人的真實資信情況。有些持卡人在透支后可能會因為經濟狀況、品德問題等欠款, 一旦畢業離開學校, 銀行難以跟蹤欠款人的信息, 有可能導致還款意愿下降?？梢? 銀行與大學生之間信息不對稱問題給信用卡業務帶來了一定的潛在風險。對于一般信用卡, 銀行可以通過調查申請人的職位、收入、財產、社會地位等來評定其大致的經濟狀況和信譽狀況。由于大學生沒有穩定的經濟來源和自身情況的不確定性, 在消費時容易產生短期行為和沖動消費。加上目前各銀行追逐辦卡數量而忽視對申請人資信狀況的審核, 使得銀行無法準確掌握大學生的真實信譽狀況和還款能力。因此,大學生信用卡具有更大的潛在風險。以A 銀行2005 年發行大學生信用卡為例數據呢, 建立損益模型, 對盈利結構進行分析。截至2007 年第一季度, 該行大學生信用卡發行規模約25 萬張, 活動戶約為6.5 萬張,使用率26%, 循環信貸規模為9000 萬元。以上損益列出了各項收支情況, 依據這些數據可以分析出當前大學生信用卡經營中的一些顯著特性和問題。( 一) 大學生信用卡總體盈利水平不高目前直接經濟效益較低, 注意論文結構收入小于支出, 處在虧損階段。造成這種局面的原因可歸結為以下方面: 一是大學生信用卡尚未達到規模經濟效應。從調查結果看, 由于使用頻率底和消費金額不足, 分攤在每張信用卡上的單位經營成本高而單位收益低, 造成利潤為負。二是目前大學生信用卡處在推廣階段, 各銀行普遍采取設點方式銷售, 銀行人員工資福利、營銷費用、行政辦公費用等項目支出過高。三是目前大學生信用卡“進出頻繁” 影響銀行的利潤空間。調查顯示, 目前只有26% 左右是“活”卡, 使銀行浪費了大量的推廣、制作和賬戶管理費用。( 二) 收入來源單一, 結構不合理。主要體現在: 一是業務收入主要依靠利差收入、年費、消費回扣, 業務收入對于利率政策、消費收單手續費分成比例的依賴性較強, 贏利的主動性弱。二是循環信貸規模低, 利息收入小。收入各項占循環信貸余額的比例較高, 說明銀行沒有利息收益。目前循環信用利息收入只有700萬元, 占總收入不到20% , 而國外成熟信用卡業務的收益主要源于循環信用利息,占總收入70% - 80% 。三是年費是重要收入項目, 這與國外年費收入基本為零的現狀形成鮮明對比。( 三) 總體運營成本過高, 資本資源效率不高。盡管信用卡業務作為一項勞動密集型金融零售業務對人力費用有一定的支出要求,但人工費、辦公費占到總支出的一半以上,遠高于國外銀行在該項目的支出。一方面說明大學生信用卡規模不經濟, 運營成本較高, 另一方面, 反映國內銀行成本控制比較粗放, 沒有有效利用資源。因此, 還有很大的潛力可挖, 若能有效控制成本, 則能夠提高整體利潤率。( 四) 小結大學生信用卡處在萌芽期, 對于盈利模式、經營管理手段處在模糊階段, 造成使用狀況不理想。業務整體收入水平不高, 處在虧損狀態, 在收入結構中, 循環信貸產生的收入較低, 年費收入占相當大比重。在成本控制方面, 銀行仍有機會可尋。2.2標題本題是一個開放性問題，首先我們要文章有一個明確的理解。本文題目中的 關鍵詞為“大學生”、“銀行”、“信用卡風險”。我們的目標是大學生，考慮的角度是從銀行出發，即要考慮的風險是銀行在給大學生辦理信用卡之后自身會出現的風險。而該風險我們確定為大學生透支還款能力。2.3 標題利用所有資源，盡可能的去尋找自己所需要的各類信息，得出初步結果。 1）確定幾項與大學生信用卡使用情況有關的調查內容，收集相關數據，并對數據進行一定的篩選。 2）對于所得到的數據我們進行簡單的數據處理，對銀行信用卡可能存在的風險進行分析。2.4 針對風險分析，要對信用卡風險進行管理，我們首先就是要建立一個大學生信用卡風險評估模型，從而來尋求降低信用卡的信用風險的有效管理措施。1）我們選取信用評估中的一個重點“大學生信用度”來進行衡量。而大學生信用卡風險評估是一個較為復雜的過程，涉及各方面的因素，而且各影響因素與衡量結果之間并不完全是線性關系。因此單單使用傳統的BP神經網絡模型是不準確的，于是使用一個新的優化模型AHP-BP神經網絡模型，來對信用度等級進行分類。2）對于如此多的因素，我們并不清楚對于信用卡風險來說哪些因素的影響比重較大。因此要對因素進行分析，使用Logistic模型來分析其因素的重要性。2.5 從上述模型得出對銀行信用卡風險的建議。3、模型假設1）信用卡中的透支額完全由學生自身償還，排除出現大額度透支時家長替其償 還之類的情況。2）數據調查于北京，由北京高校學生使用信用卡現象大致代表全國大學生用卡 現象。3）銀行信用卡風險其實來自于雙方面，一方面是損失最少另一方面是獲利最多。因為模型與知識水平的有限，對于風險我們只考慮損失最少這一方面，對于是否獲利最大我們不做考慮。4）大學生信用卡使用情況在一定時間內保持穩定不變，且不受例如金融危機之類的外界因素的影響。4、變量說明及名詞解釋4.1符號說明：個人信用等級；就是上層某元素而言與兩元素的相對重要性標度自然情況指標家庭狀況指標消費方向指標與銀行關系指標年齡性別學習情況健康狀況文化程度戶口有無兼職月生活費住宅性質所在家庭凈資產日常飲食支出學習支出 娛樂支出家庭月收入存款狀況父母是否是銀行職員對信用卡業務了解狀況一致性指標平均隨機一致性指標一致性比例各隱含層閾值初值權值輸入層閾值初值為第i 種申請方式下的信用風險度=( B 為銀行提供信用消費的總額)為第i 種申請方式下信用消費額形成呆賬的數額4.2名詞解釋：信用卡：有透支額度的銀行卡。大學生信用卡風險：透支消費的無力按時償還或不愿意償還本息而導致將來形成壞賬的風險。大學生月自我調配的費用：大學生每月除去日常生活的必須支出之外，所剩下來的費用，可以供自己自由支配。信用卡基準透支額度：其值設定與大學生月自我調配的費用類似等同。5、模型建立與求解5.1 先對所收集的數據進行簡單的分析。（數據表格見附錄） 1）大學生的主要經濟來源結構（如下圖所示）從上圖看出，目前大多數大學生的主要經濟仍然來源于父母，這類大學生的人數占到被調查者總數的76.19%。而靠獎學金和打工獲取經濟來源的學生數量之和只占到被調查者總數的14%。左右。根據數據可得，目前大學生消費資金主要還是由父母提供，因而而完全自食其力的大學生還是相當有限的。2）大學生的消費結構的主要特點（如下圖所示） 從上圖來看，目前大學生的主要消費支出仍然是用于傳統的日常飲食，其支出占總量的50%。排在第二位的是買書等學習用途支出，占總量的19%。聚會、購買數碼產品和購買服裝等時尚支出所占比重并不是太大，但也占到了總量的31%。因此，我們可以認為除了日常必須的消費之外剩下的35%為大學生的自己可支配額度。3）大學生月消費水平（如下圖所示）從上圖看出大學生的月消費水平從200元到1500元以上都有涉及，不過以500-1000元檔為最多為70.84%。按照中值計算方法得出月平均消費水平在850元左右。4）大學生擁有信用卡的數量狀況（如下圖所示）從上圖看出大學生擁有信用卡數量以1-3張為多，百分比高達97%。因此說明大學生持卡量是相當高的。5）大學生信用卡擁有時間分析（如下圖所示）按照中值的計算方法，可得平均擁有信用卡時間為6.4個月。從上表所示的情況來看,只有31.15%的學生辦理信用卡的時間超過了一年，68.85%的學生辦理信用卡時間并未超過一年，計算得出的平均擁有信用卡時間也僅為6.4個月。6）大學生信用卡使用頻率分析（如下圖所示）按照中值的計算方法，設平均使用信用卡頻率為x3，計算可得：x3=2.9次/月從目前調查狀況來看，22.95%的學生自從辦理了信用卡后還沒怎么使用過。49.18%的學生平均每月使用信用卡的頻率是13次，而每月使用信用卡頻率在三次以上的人數占總體比重偏小。7）信用卡了解程度分析（如下圖所示）對不同了解程度給予01之間數值的賦值：了 解 程 度 賦 值 范 圍 中 值 人 數 很 不 了 解 0-0.25 0.125 9 不 太 了 解 0.25-0.5 0.375 69 比 較 了 解 0.5-0.75 0.625 33 非 常 了 解 0.75-1.0 0.875 4 從總體而言，辦理信用卡大學生對信用卡的功能并不了解?？偨Y：對于上述的數據分析我們得出大學生辦理了信用卡且個人擁有卡的數量也越來越多，但大多數大學生辦卡只是圖其新鮮和有贈品，對于信用卡、借記卡、循環利息等基本知識明顯匱乏，更重要的是對于信用責任的認知相對來說是低水平的。而且目前大學生日常消費資金主要還是由父母提供，其他類似于獎學金與兼職的收入是微乎其微的，完全自食其力的大學生還是相當有限的，因此大學生在使用信用卡產生透支額度的時候就或多或少會存在無力償付的隱患。5.2 建立信用卡基準透支額度根據調查數據分析得大學生平均月生活費為850元，而其中50.2%用于傳統的日常飲食是生活的必須支出。于是剩下的49.8%的生活費用屬于學生自我調配的費用。以此我們定義：信用卡透支基準額度=月平均生活費*49.8%425元5.3 利用層次分析法計算信用卡申請指標的權重5.3.1 建立評估指標體系個人信用等級評估指標設立的目的可以簡述為銀行通過評估申請人的品德、能力以及還款意愿等對其還款可能性進行預測。我們選擇4大類17個指標來評價個人信用等級（如下圖）個人信用等級自然情況指標家庭狀況指標消費方向指標銀行關系指標年齡有無兼職戶口文化程度健康狀況學習情況性別家庭月收入住宅性質家中凈資產日常飲食支出學習支出娛樂支出月生活費存款狀況父母是否銀行職員信用卡了解狀況5.3.2 計算評估指標體系各因素的權重根據影響個人信用等級的主要因素建立系統的遞階層次結構以后，需要運用層次分析法確定各評估指標的權重。1) 構建判斷矩陣。符號輸入不規范建立層次分析模型之后，就可以以上一層次某因素為準，該因素對下一層次諸因素有支配關系，兩兩比較下一層諸因素對它的相對重要性，并賦予一定分值，一般采用1 9 標度法。矩陣形式如下：式中， 就是上層某元素而言與兩元素的相對重要性標度。2) 判斷矩陣的一致性檢驗。由于判斷矩陣是主觀認為賦予的，故需要進行一致性檢驗，即評估矩陣的可靠性。對判斷矩陣的一致性檢驗的方法為：先計算一致性指標，當，為完全一致；值越大，判斷矩陣的完全一致性越差；再查找相應的平均隨機一致性指標，值見下表。階數1234567890.000.000.580.901.121.241.321.411.45的值可以通過下列方法獲?。河秒S機方法構造500個樣本矩陣，隨機地從1 9 及其倒數中抽取數字構造正負反矩陣，求得最大特征根的平均值 ，并定義計算一致性比例，當時，認為判斷矩陣的一致性時可以接受的，否則應對判斷矩陣做適當修正。5.3.3 計算層次單排序及總排序。計算出某層次因素相對于上一層次中某一因素的相對重要性，這種排序計算稱為單排序。具體地說，層次單排序是指根據判斷計算對于上一層某元素而言本層次與之有聯系的元素重要性次序的權值。依次沿遞階層次結構由上而下逐層計算，即可計算出最低層因素相對于最高層( 總目標) 的相對重要性或相對優劣的排序值，即層次總排序。本文運用matlab（程序呢）可以得出個層次的綜合判斷矩陣的權重值W以及一致性檢驗情況(如下圖所示)。層次權值（W）一致性檢驗結果詳細項目最終權值目標層個人信用情況AB1（0.0837）B2（0.1385）B3（0.5450）B4（0.2328）=4.051R=0.017/0.89=0.0190.1準則層自然狀況B1（0.087）詳細項目C1（0.946）C2（0.0549）C3（0.1646）C4（0.1646）C5（0.3718）C6（0.0549）C7（0.0946）=7.073R=0.0123/1.36=0.0090.1C1（0.0008）C2（0.0005）C3（0.0143）C4（0.0143）C5（0.0377）C6（0.0005）C7（0.0008）準則層家庭狀況B2（0.1385）詳細項目C8（0.6370）C9（0.1047）C10（0.2583）=3.038R=0.01925/0.52=0.0370.1C8（0.1122）C9（0.0145）C10（0.0356）準則層職業狀況B3（0.5450）詳細項目C11（0.2854）C12（0.0725）C13（0.1697）C14（0.4723）=4.051R=0.017/0.89=0.0190.1C11（0.1555）C12（0.0395）C13（0.0925）C14（0.2574）準則層銀行關系B4（0.2328）詳細項目C15（0.6000）C16（0.2000）C17（0.2000）=3.000R=0/0.52=00.1C15（0.1397）C16（0.0745）C17（0.0745）自然情況指標；家庭狀況指標；消費方向指標；與銀行關系指標；年齡；性別；學習情況；健康狀況；文化程度；戶口；有無兼職；月生活費；住宅性質；所在家庭凈資產；日常飲食支出；學習支出；娛樂支出；家庭月收入；存款狀況；父母是否是銀行職員；保險狀況5.4 AHP-BP 神經網絡模型的建立5.4.1 模型輸入點的選擇。由于各判斷矩陣的RC 值均小于0.1，可以認為它們均有滿意的一致性。商業銀行信用風險評估對影響因素較為敏感，權值累計貢獻率95% 的指標保留，即當措施層指標權值0.05 時，將該指標刪除，從而得到簡化后的風險指標體系，并以其作為AHP-BP 神經網絡模型的輸入值。信用卡風險衡量的指標通常包括持卡人信用消費違約與否、違約概率和惡意欺詐等多種形式。然而，傳統的信用卡風險衡量標準在不同程度上表現為對個人信用類別的劃分，而不是對信用風險的評估，或者評估結果取值不連續、存在波動性；而信用卡風險度是指在特定的信用消費方式下，持卡人由于各種原因，不愿意或無力償還透支的款額本息而使透支的款額將來形成呆賬的可能性。其具體表現為：Ki 為第i 種申請方式下的信用風險度，Ki=Di/B；D i 為第i 種申請方式下信用消費額形成呆賬的數額；B 為銀行提供信用消費的總額。信用風險度不僅體現了風險的不確定性，強調了信用風險的相對性，而且可以較為準確地反映信用消費金額的損失程度，更好地體現出信用卡風險本質內涵，并且取值在0，1 間連續，是較為理想的信用風險衡量指標。5.4.2 相關參數的確定。文中用于信用卡風險評估的神經網絡模型基于SPDS算法的三層B P 神經網絡模型，輸入層含有11個輸入向量，輸出層含有1個輸出向量。網絡隱含層節點數根據經驗確定，一般可考慮的經驗法則有：一是隱含層節點數不能是個層中節點數最少的，也不是最多的；二是較好的隱含層的節點數介于輸入節點和輸出節點數之和的50% 70% 之間；三是隱含層節點數的理論上限由其訓練樣本數據所限定。所以隱含層的節點數為6 個較符合實際情況，適用雙曲正切S i g m o i d 激勵函數。網絡各學習參數設定如下：最大循環次數為800；目標誤差為0.00001；初始值為0.0001，各隱含層及輸入層的閾值初值定為X 0= -1，W 0=0。5.4.3 模型的訓練與檢驗。樣本數和判別分析一樣，訓練樣本和檢驗樣本從總體中不重復隨機抽樣，各占總體樣本的2/3 和1/3。本文結合實際情況運用模擬數據的15 個項目的相關數據作為訓練樣本和檢測樣本，其中10 個作為訓練樣本，5 個作為檢測樣本。使用M A T L A B6.5 軟件編程（未見程序），計算出訓練階段樣本預測結果與實際結果(見下表)，以及檢驗階段樣本預測結果與實際結果( 見下表)樣本序列實際值預測值10.52110.530420.85430.832930.32230.341540.56550.546750.74560.7312訓練階段樣本預測結果和實際結果樣本序列號實際值預測值樣本序號實際值預測值10.66240.663861.00240.995120.52370.523170.72300.725630.59920.601280.83560.821040.42260.432190.18490.191050.81250.8186100.60150.5983檢驗階段樣本預測結果和實際結果最后得出結論為：我們設預測值處于0.8 以上的，說明申請者信用差，風險比率高；預測值處于0.4 0.8，則說明信用一般；預測值處于0.4 以下，是屬于信用高的。5.5 信用卡風險相關因素的分析。利用上面對信用度的評定，我們將其結果作為解釋變量之一，再加上其余的特征變量，最后建立一個Logistic模型。我們選取的20個人的信息輸入如下表：IlevelincomeC-numberF-moneymtimeY127001180802410001430121319502300131417001130151525001120120638501260121721300365024183900132090949002360121101800226080112850231071121105024001111346001120120143950226016115270011308116410001260111171700218012018495023601301939001390812037501210120level：分為4個等級，即專科、本三、本二、本一分別用4、3、2、1來代表。Y：1表示好，0表示壞。我們選取SPSS菜單中的Analyze=Regression=Binary Logistic. 計算機自動得到以下結果：Case Processing SummaryUnweighted CasesNPercentSelected CasesIncluded in Analysis20100.0Missing Cases0.0Total20100.0Unselected Cases0.0Total20100.0上表為記錄處理情況匯總，即有多少例記錄被納入了下面的分析，可見此處因不存在缺失值，20條記錄均納入了分析。 Dependent Variable EncodingOriginal ValueInternal Value0011上表為應變量分類情況列表Classification TableObservedPredictedYPercentage Correct01Step 0Y008.01012100.0Overall Percentage60.0上表為分類預測表，可見總預測準確率為60.0%，這是不納入任何解釋變量時的預測準確率，相當于比較基線。Variables in the EquationBS.E.WalddfSig.Exp(B)Step 0Constant.405.456.7891.3741.500上表為Block 0時的變量系數，可見常數的系數值為1.500.Variables not in the EquationScoredfSig.Step 0VariablesLEVEL.00011.000INCOME5.7591.016CNUMBER.5951.440FMONEY3.2381.072MTIME.9891.320Overall Statistics7.5935.180上表為在Block 0處尚未納入分析方程的侯選變量，所作的檢驗表示如果分別將他們納入方程，則方程的改變是否會有顯著意義（根據所用統計量的不同，可能是擬合優度，Deviance值等）。Omnibus Tests of Model CoefficientsChi-squaredfSig.Step 1Step9.7985.081Block9.7985.081Model9.7985.081上表為全局檢驗，對每一步都作了Step、Block和Model的檢驗。Model SummaryStep-2 Log likelihoodCox & Snell R SquareNagelkerke R Square117.122.387.524 此處為模型概況匯總。Classification TablePredictedYPercentage CorrectObserved01Step 1Y06275.013975.0Overall Percentage75.0準確率達到75%。 Variables in the EquationBS.E.WalddfSig.Exp(B)Step 1LEVEL-.645.818.6231.430.525INCOME.023.0171.9621.1611.024CNUMBER-1.2611.403.8071.369.283FMONEY-.012.020.3691.544.988MTIME.048.267.0321.8581.049Constant-12.8728.4522.3191.128.000a Variable(s) entered on step 1: LEVEL, INCOME, CNUMBER, FMONEY, MTIME.由表格中的“B”列可以看出“CNUMBER”、“LEVEL” 、“MTIME” 對信用度的影響是前三位的。5.6 對銀行信用卡風險的建議有了評估體系后，銀行可以根據信用卡申請者或者信用卡授卡對象的實際情況進行比較科學的評估，對他們的基本情況歸一化后，通過本文所構造的神經網絡模型得到實際的輸出結果，銀行可以對申請者的信用進行分級。這樣就可以對不同的信用等級授予不同的信用消費金額，比如預測值處于0.8 以上的，說明申請者由于各種原因，申請者對透支消費的無力按時或不愿意償還本息而導致將來形成壞賬的風險比率高，這時銀行就可以拒絕申請；預測值處于0.4 0.8，則說明信用一般，銀行可以考慮授予普通的信用卡；預測值處于0.4 以下，是屬于信用高的，這時銀行可以授予信用額度高的信用卡，還可以考慮適當增加一些個人的金融服務，盡量留住這些高信用的客戶。對于不同的預測值，銀行就可以針對不同信用的申請者發放不同的卡種，有效地降低了由于申請者信用的不良導致信用卡的消費形成呆賬的風險。同時銀行在為大學生辦理信用卡的時候要了解其學歷以及已擁有卡的數量等必要信息。申請者信用差的，銀行可以在透支基準額度（RMB425）的標準下再進一步降低其信用卡的可透支最大額度；信用一般的銀行可以考慮授予普通的信用卡，同時結合申請人的學歷與已有卡數量進行一定的控制；信用高的銀行可以授予申請者信用額度大大高于基準額度（RMB425）的信用卡。對于透支額度的調整我們可以根據之前所算的基準額度作為標準線。同時將信用度分為0-1一共5個檔次，數字越小信用度越高。每升高一個檔次，透支額度就升高一定量（如下圖）信用額度0-0.20.2-0.40.4-0.60.6-0.80.8-1.0透支額度425.00825.001225.001625.002025.00另外發卡行個體理性的結果是都采用寬松的申請條件。雖然從整體上看大學生群體的素質較高，在一定程度上減輕了大學生信用卡業務的風險，但信用卡業務本質上是無抵押擔保的高風險銀行業務。目前在校大學生只要填一張申請表，提供其身份證和學生證復印件即可申請辦理大學生信用卡。這種申卡方式在一定程度上簡化了信用卡的審批手續，提高了銀行的工作效率，但大學生畢竟仍屬于沒有固定收入來源的群體，隨著就業壓力的增大，許多大學生面臨著畢業找不到工作的危機。因此發卡行應理性看待大學生群體，提高對大學生信用卡市場風險的認識。從而得到降低信用卡的信用風險的有效措施。對銀行信息的管理我們也有所建議，希望銀行不要一味的提高大學生信用卡辦理的數量而忽視的申請人的信息和辦卡步驟。現在有些銀行在辦理校園信用卡的時候往往只需要申請人填寫一份簡單的表格，有些甚至只要寫個名字與身份證號碼就能辦理了，對所寫的信息也不進行核對。等日后賬戶出現問題，銀行都無法聯系到申請人。所以希望銀行在信息了解已經確認方面要多加重視。6、模型檢驗根據現實我們了解到，隨著社會的發展現在越來越多的大學生開始辦理信用卡，且數量是越來越多，而銀行給予的透支額度也越來越高。學生在刷卡消費時透支現象越來越多，而且透支的額度也越來越高。到最后就出現辦理多張信用卡，“拆東墻補西墻”來還清欠款，越來越多的學生加入“卡奴”一族。同時銀行因持卡人透支消費的無力按