说说一个信用卡爱好者对各家银行的印象

说说一个信用卡爱好者对各家银行的印象（共2篇）

篇1：说说一个信用卡爱好者对各家银行的印象

说说一个信用卡爱好者对各家银行的印象

我以各家银行12年的资产实力排名来叙述吧

第一名中国工商银行 15.5万亿！各种世界第一多的数不完让我又爱又恨的银行 我个人人生的第一个银行账户就是在工行开的（网点太多 不比网吧少 我家门口就有 实在太方便）大家看过一部电影叫《大而不倒》讲的是08年的金融危机。喜欢玩金融的 推荐大家看看 所以 钱放在工行我最放心了我的计划是把工行作为我的终生金融银行的 主要资产全部走工行的账户工行信用卡的门槛很高 作为一个农民工 不可能有工资卡什么的没工作的我 即使存了几百砖在工行 也多次遭到工行拒绝我申请办理他家的信用卡半年多来 被拒了七八次。。一段悲催的经历 往事不堪回事 不谈了不过最终还是攻破了 这比考研还开心 终于对工行的性格（政策）有所了解工行喜欢老实人 工作稳定 不到处乱跑的（流动人口）没钱没关系 只要是好工作 工资卡办工行的 一般都能下卡 我这种工作 工行是视为无业人员对待的而且工行的提额也方便 开卡就能提 工行不喜欢分期 不喜欢提现 不喜欢刷爆 工行喜欢房子 越多越好如果你是国企或者政府和党的工作人员那下卡很快捷方便的工行的额度最不走寻常路的当初为了占领市场 工行就乱发卡1000以下额度零额度 负额度 一般都是工行的卡50万额度 100万额度 一般也很多是出自工行的卡 工行喜欢实在人 他不爱积分 你也别想着问他要积分 优惠活动什么的 但是工行的卡是国标信用卡 这个懂吗？一旦讲到中国的信用卡技术规范等 首先就是讲工行的牡丹信用卡而且工行是最听央行（他亲爹）和银监会的话了无论中央有什么政策指示 第一批试点的都是工行的卡 所以工行的卡最先进但工行的服务却不行 店大欺客 很好的概括了它的服务个性

建行 12.3万亿！我国的支柱产业是什么？建行能不排第二嘛 这叫名至实归我也是从事他主打的行业的 我们公司是他家的荣誉优质客户我们老板常说：无抵押无息贷款找建行！房贷车贷肯定找建行！然后就哈哈哈 五大行除了建行之外都是前朝收编重组的 建行是本朝自建的 建行的洋文名字 是把CHINA放在开头的 是为了让洋人觉得本朝最重视的是建行 目的无非是了吸洋金工行的信用卡叫牡丹卡 建行的信用卡叫龙卡 但是建行居然也学工行 一直拒绝我办卡 最后还是春秋好 可以在飞机上直接申请办建行联名龙卡虽然给的额度太低了些不过至少给我这种五无人员进入建行打开一个缺口而且提额在五大行里不算难的建行的服务just so so 和工行比稍稍好一点 只要投诉了就会给力本来想一卡走天下的但是从事这个行业 不办张建行的卡 好多事不方便看来建行的卡我是逃不掉了

中行12万亿！是中国的第一家银行！在前两个朝代里它一直是中国的中央银行！中行的强项是境外和外汇 境外网点最多 当初在国外留学的时候找一家中国的银行 只能找到一家银行 那就是中国银行！所以长期驻外的 经常做飞机要往返国内外的 办中行的信用卡是最佳选择 没有之一 在国外，只认BANK OF CHINA 我以前留学的时候办过一张工行的国际借记卡 汇率方面可能有优势吧一般美金 我都存中行 感觉利息高中行是本朝中国大陆信用卡的鼻祖是他带头引进了信用卡这个概念 发行了第一张大陆的信用卡 中行的服务 怎么说呢 没什么特别的印象 但是设在外滩的上海分行总部所在地--中行大厦的大厅很气派 我一进门就被震撼了一下 tnd谁设计的？！感觉能在那里工作绝对是一种荣誉啊 推荐大家去参观参观 比隔壁的荷兰银行气派多了不过你去荷兰银行办业务 一进门就是

微笑 圆桌 沙发 咖啡。。那种隔着防弹玻璃像坐牢探监似的柜台式服务是看不到的 最后一句话 强烈要求中行总部迁回魔都外滩 金融机构全部迁到在北京干吗？

农行 11.7万亿！身为失去了土地的农民的儿子 自然对农行最有感觉 农行的特点 三农业务绝对垄断 国家要求它垄断！一半网点在乡村 几十年后 哥金盆洗手 归隐山林 肯定办张农行的信用卡问题是以前从来没和农行有过业务往来 实在对农行了解不多 感觉以前农行没什么名气 貌似最近几年又火气来了四大行里最不了解的就是农行了 对他家的信用卡 感觉就是卡面设计不够好看 不过也不至于像工行那么难看 工行卡面设计最大的失败 就是把牡丹画成了白菜！

交行 4.6万亿！我以前脑海里认为的四大行是工建中交 后来才知道交行被农行挤下了再一看资产实力 差距太大了。其实交行的历史是仅次于中行的 是早期的中国四大银行之

一，交行的信用卡 有兴趣 至少也是国有银行之一（貌似中国的银行都是国有的 除了民生 就是股份制什么的区别罢了）我以前差点做了交行魔都卡部的的业务员交行的特点不用我多说了吧？交行是五大行里最终是信用卡业务的 交行的信用卡叫太平洋卡 信用卡业务方面 和招行是对欢喜冤家 好比一个肯德基 一个麦当劳五大行中办卡门槛最低的银行 积分很爽 最有名的沃尔玛卡 大家都懂的提额也不满 但是风控稍严（大家都这么说）

招行 2.8万亿！他是五大国行之外的领头羊！喜欢玩信用卡的 我推荐招行 好多人都发帖问人生必办的三个银行的卡 我不喜欢这种思维模式 必字用的很不爽 非要这样让我推荐 我就推荐 工中招！招行的信用卡积分多 活动多 折扣多 优惠多 可玩性最大 玩卡一族都喜欢招行的卡招行也是非常重视它的信用卡业务 当招牌业务来对待的发卡量排名第三 仅次于工建 秒了好几个大行我们部门除了我没办招行的 他们人生首卡基本都是招行的 虽然额度不高 才五六千的 QQ联名卡 有车的才给2万5 不过招行几个月就能提额 也算可以了 而且 多次荣获全国人民最喜欢的信用卡发卡行头衔 无论哪个组织举办的评比最喜欢的信用卡这项 招行总是排第一 和后几名的差距很大前年是工行排第二 建行排第三 去年还没出结果 所以卡界里 招行永远是大家的开心果

中信 2.77万亿！中信的老板 他们家族的家族史 推荐大家都去看看 很精彩的 前朝一段时期 中国人一半穿他们家的一半吃他们家的 当时绝对富可敌国！要说本朝没有真正的贵族 我不能完全认同 他们家绝对是本朝贵族 太祖也很喜欢他们家 他们家子孙都很厉害家教好 家族背景绝对深厚 六大行除外就是他中信称霸了 他们家可不单单是干银行的中信集团可是很牛的 什么都干 产业很全面的 但是他家的信用卡我却不怎么了解 真的不了解 貌似对他家信用卡大赞特赞的网友也不多

浦发 2.7万亿！好牛的地方开头的银行筹建浦发银行的大股东都是上海的企业 我算他地方银行不算勉强吧？身在魔都 哪里都能见到他 是魔都改革开放后金融业的缩影和精华 不过我对地方银行一向没什么兴趣 不是地方银行不好 地方银行的好处也很多的 特别是手续费上 能免都尽量免了 借记卡的优势比较多 只是我虚荣心太强了 不重视地方银行 这点以后要改改了 浦发的信用卡我也不了解 希望卡友们补充一下 总之卡面设计很不错 很时尚 比较好看 江南的朋友特别是宅在魔都的在乎卡面外观设计朋友可以考虑一下

兴业 2.4万亿！号称赤道行？？什么意思啊？求教大家了 兴业应该是福建省的银行 在我眼里是地方行 不过确实是我第一张申请信用卡的银行 确实首批申请里最晚给我下卡的银

行 9月申请 第二年一月中旬才给我下卡 期间网络查询状态 一直是无 审核也是无征信 除了工行 建行兴业给我下卡一直没征信过兴业的白金卡不错 积分换里程最爽了 最高6:1不过实打实的不轻易给免年费的服务怎么说 业务员的服务很不爽我想办其它的卡 他死活只推荐我办厦航卡 估计只有厦航的卡他才能多拿回扣和提成民生 2.2万亿！身为百姓的我自然对民生有好感 小时候最喜欢了 那时很崇拜能打破垄断的民生银行 股票都想买民生的民生是真正民营银行 听说现在也有很多国有资本注入了。。民生的卡 怎么说呢 有几张我还是有兴趣考虑的光大 1.7万亿！光大名字听着就很爽啊听说光大的借记卡很给力 什么费都没很想办一张 如果能办 也会考虑他家的信用卡 资本实力小了点 但怎么说也是国有银行

平安 1.26万亿！去年也来公司拉过业务 领导拉来的 我没办 领导看出我看不上平安（好像是家保险公司开的）就给我又叫了一家兴业的 再不办 领导估计要生气了 只好办一张了平安去年吞并了深发（我国银行界的大事记了）一跃超过好多银行平安现在好下卡 全国到处摆摊拉客 是人都好下卡 额度不清楚大家抓住机会吧今年估计还会有很多资本实力不强的小银行被大银行吞并掉 所以我不选地方银行啊 没安全感

华夏 1.24万亿！华夏的卡很漂亮的哦钛金卡什么的 曲线美 不过华夏内部管理有点乱 丑闻太多 不谈了 华夏的借记卡也是众多卡友谈论的焦点不过对这家银行真的了解不多

北京 0.96万亿！北方的银行 北方的地方银行不了解 只对北方的沙尘暴了解很多 这就是我当年学校分派工作 宁可不去青岛的三星公司的缘故

污染太严重了 南方够严重了 没想到北方更严重。。好像偏题了实在了解不多 也没什么兴趣 不谈它了

广发 0.92万亿！广发的信用卡一直在圈内可圈可点 喜欢的人不少 可惜魔都没怎么见过广发的网点 一个江南的人去办粤地的银行总觉得有点不伦不类 我没有任何歧视 外星人我都不歧视 都是我天朝的子民一视同仁 只是我是唯美主义的哪里人办哪里的银行 感觉这样以后能省不少麻烦 万一那天政策变了 办了广发的卡 被盗刷了 要亲自去广州投诉 这种情况那岂不累死我了。。

上海 0.66万亿！从中行分出了好多外汇都存到上海去了感觉上海利息比中行更高。。地方银行给的实惠多 不过是存在我妈的名下 有几年了 当初去存 上海银行立马送了一张七八万额度的信用卡给我妈所以大家说砖是有用的 我不反对了 但是我自己去工行办卡 为什么大妈从来不问我有没有砖呢？ 我说了我有 她们也拒绝我办卡--果然ICBC的做派啊我要是不在全国到处跑的话 上海银行也会考虑一下的

篇2：一个新的银行信用风险评估方法

关键词：粗糙集,决策树法,银行信用风险

1 引言

近来, 由美国引发的信贷危机表明, 世界银行业对信用风险管理环节还缺乏较为有效的测量和评估手段面对海量银行客户数据, 如何从中发现有价值的信息或知识, 成为一项重要的任务。数据挖掘作为一种潜在的、功能强大的新技术, 能够帮助银行在大量的、隐含的、事先未知的数据中找到重要的和有价值的信息, 使银行信贷活动具有前瞻性, 有助于银行做出基于客户信息的决策。

被广泛应用于信用风险研究的模型主要有数值统计模型和人工智能模型两类[1] 。传统的统计模型有多元判别分析、logistic回归分析等。20世纪80年代以来, 人工智能得到了大力的发展, 专家系统、神经网络、SVM等人工智能技术被引入信用风险评估中, 克服了统计方法对假设要求严格的缺点。但是这些新方法又各有不足, 神经网络法的网络结构难以确定, 训练时容易陷入局部极值, 训练效率不高;SVM要求在机器学习过程中正反两类样本数据的数量尽量接近, 这和信用风险的实际情况不相符, 会有一定的主观性和局限性。针对这些缺点, 本文提出使用数据挖掘中最为成熟并被广泛使用的决策树理论算法建立模型, 使用粗糙集对数据进行预处理, 经过实证分析, 取得了较好的效果。

2 粗糙集计算方法和决策树方法概述

2.1 粗糙集计算方法

对于信息系统S={U, A=C∪D, V, f}, 其中, U为有限对象集合, 即论域;C为条件属性集合, D为决策属性集合, 且满足C∩D=ϕ, 则称S为决策系统;V为C和D的值域;函数f (x, q) ∈Vq, ∀q∈A, x∈U。这样U中的每一个对象x都可以用一个基于属性值A的矢量表示, 而属性值A表明对象x可以获得的知识信息。在一个决策系统中, 各个条件属性之间往往存在着某种程度上的依赖和分类, 约简可理解为在不丢失信息的前提下, 以最简单地表示决策系统的决策属性对条件属性集合的依赖和分类[2]。

设P和Q为U中的等价关系 (IND (P) ) , Q的P正域记为POSp (Q) , 即POSp (Q) =UPX, x∈U/Q, Q的正域是U中所有根据分类U/P的信息, 可以准确地划分到关系Q的等价类中去的对象的集合。C1称为C相对于决策属性集D的约简, 即C的D约简, 如果满足:

则 C的所有D约简的集合记为REDD (C) , C的所有D约简的交集称为核, 即CORED (C) =∩REDD (C) , 可以利用C相对于D的任一约简来代替C, 而不会对决策有任何影响, 这就是粗糙集属性约简的原理。

2.2 决策树方法

作为数据挖掘中核心算法之一, 决策树算法通常被用于从海量数据中挖掘出有效的、正确的且可理解的信息。决策树的优点是不受原始数据的约束, 可以是数值型的和非数值型的数据, 因为有用户界面, 所以操作直观, 容易理解。构建决策树的基础算法为贪婪演算法, 即在判断属性节点时, 总是选取信息增益最高的属性作为下一个节点并创建分支, 由此得到的决策树规模最小、外观友好, 适于规则的归纳掌握。

国际上最有影响和最早的决策树方法是J . R. Quinlan 提出的ID3 方法, 它计算信息增益的方式以熵值为基础, 设属性A 具ν个不同值{a1, a2, …, aj, …, aν}, 可以用属性A将S划分为ν个子集{s1, s2, …, sj, …, sν}, 其中Sj包括S中这样一些样本, 它们在A上具有值aj, 如果A选作测试属性, 则这些子集对应于包括集合S的节点长出来的分枝。设si, j是子集Sj中类Ci的样本数, 由A划分成子集的熵为:

undefined。

其中, undefined为第j子集的权重。

E (A) 值越小, 子集纯度越高。undefined, 其中, Pi, j=S1, j/|Sj|是Sj中的样本属于类Ci的概率, 在A上分枝获得的信息增益是:G (A) =I (s1, s2, …, sm) -E (A) 。

由ID3算法可以知道, 在决策树构建过程中, G (A) 是由于属性A的值导致的信息增益的期望压缩。利用算法计算每个属性的信息增益, 具有最高信息增益的属性选作给定集合S的测试属性, 创建一个节点, 并以该属性标记, 对属性的每个值创建分枝, 并据此划分样本算法使用同样的过程, 递归形成每个划分上的样本判定树, 一旦一个属性出现在一个节点上, 就不必再考虑该属性出现在此节点的任何后代上[3]。

3 基于粗糙集和决策树的数据挖掘新方法

从以上分析中可以看出, 粗糙集理论在处理大数据量, 消除冗余信息等方面具有一定的优势, 因此广泛应用于数据挖掘的数据预处理、属性约简等方面。但是, 由于粗糙集理论的分类通常是确定的, 且缺乏交互验证功能, 所以其结果往往不稳定, 精度不高。决策树是一种类似于流程图的树状结构, 这种方法具有速度快, 易于转换成简单、便于理解的分类规则, 易于转换成数据库查询语言等优点。然而, 当数据集中的属性过多时, 用决策树分类易出现结构性差, 难以发现一些本来可以找到的、有用的规则信息等情况[4,5]。由于粗糙集和决策树具有很强的优势互补性, 因此, 如果将两种方法有机结合, 即采用粗糙集进行数据约简, 去除冗余属性, 然后利用决策树方法来产生分类规则, 则有可能形成新的有效分类方法。具体构造方法如下:

设决策表由决策属性Q 和条件属性C⊂R, 在进行条件属性集的选择时, 首先要进行数据预处理, 删除带噪声的数据, 对缺省值进行补齐, 并将数据值离散化。

(1) 进行属性约简, 即删除冗余属性。

(2) 计算各条件属性的等价划分类, R′={a1, a2, …, an}为新的条件属性集。

(3) 求核属性, 计算POSIND (R′) (|IND (Q) |) , 求出不可分辨关系。

(4) 选择属性作为决策树的节点, 从核属性集合中取属性A, 计算POSIND (A) (IND (Q) ) 。

(5) 取undefined为一预先给定的值, 是启发式条件。选择满足启发式条件的条件属性A1∩A2∩…∩An作为决策树的根节点或子节点。

(6) 建立节点R′的后继节点。

(7) 对所有后继节点, 若为叶节点, 停止扩展此节点;否则递归执行 (1) ～ (6) 。

4 基于粗糙集和决策树的数据挖掘方法在银行信用风险评估中的应用

目前我国银行信贷风险问题主要有:①不良贷款持续新增, 比率居高不下;②社会信用环境亟待改善;③贷款违约率高, 违约回收率低, 信用损失大等。这些风险的存在将导致我国银行信贷业务处于恶性循环的状态之中, 因此采用良好的客户信誉管理手段, 寻求一种较优的银行信用管理方法是降低银行和客户损失的一种保障。下面将以某银行个人贷款客户信用评估数据库为例, 运用基于粗糙集和决策树的数据挖掘方法对其进行风险评估分析。

4.1 数据转换和预处理

以银行个人住房贷款为例, 银行个人住房贷款客户信用评估指标体系分为若干项, 经研究身份证号X1 , 年龄X2, 学历X3 , 还贷收入比X4 , 单位效益情况X5, 房贷收入比X6, 保险情况X7, 赡养情况X8共8个项目作为主要评价依据 (见表1) 。现随机抽取20 名客户的信息进行训练以生成决策树。经过数据转换和预处理, 得到贷款客户信用评估知识信息系统 (见表2) 。

4.2 属性约简

计算:

IND (U/d) ={{1, 2, 3, 5, 7, 9, 11, 12, 13, 14, 15, 16, 17, 18, 20}, {4, 6}, {8, 10, 19}}。

计算IND (U/C) , 检查所有条件属性, 找出核属性。

经计算, 有:

POSC-{X2} (IND (U/d) ) =POSC (IND (U/d) ) , 故X2是冗余属性, 同理可得X7, X8也是冗余属性。

经计算得到:

POSC-{X4} (IND (U/d) ) ≠POSC (IND (U/d) ) , 故X4为核属性。

4.3 计算不可分辨关系

计算IND (U/X6) 、POSX6 (d) :

同理计算POSX3 (d) 、POSX4 (d) 、POSX5 (d) 。

4.4 选择决策树的根节点和子节点

计算undefined。根据熵值选取启发因子α, 挑选满足undefined的属性, 作为信息增益最大的属性节点。故选作X4和X6的合取作根节点, 所得信息增益值最大, 得到多属性决策树, 如图1所示。

4.5 规则知识描述

当X4∧X6=11时, 评估等级一定为高;当X4∧X6=33时评估等级为差; X4∧X6=22或23时评估等级为中。该决策树完全概括了客户的信用等级的20个记录。规则知识描述如下:凡是还贷收入比和房价收入比低的客户, 其综合信用评估等级高。

5 结束语

决策树是常用的分类和预测工具, 但在应用中存在着属性的描述语言不当、噪声数据的存在以及在构建的决策树中存在着结构完全相同的重复子树等问题, 这将会导致决策树过大, 使用户难以理解。采用粗糙集理论的启发式算法, 可以对决策树进行优化, 有效地降低了算法的复杂度, 降低了树的高度, 提高了搜索的效率。通过在银行信用风险分析中应用不难发现, 将粗糙集和决策树结合应用, 在客户信用评价中具有一定的优势。

参考文献

[1]赵静娴, 杜子平.基于神经网络和决策树相结合的信用风险评估模型研究[J].北京理工大学学报, 2009, 11 (1) :76-79.

[2]温坤礼.粗糙集入门与应用[M].台北:五南图书出版公司, 2008.

[3]曾宪雄.资料探勘[M].台北:旗标出版股份有限公司, 2005.

[4]Yi Jiang, Xiyue Zhou, Defu Zhang.A New Approach Based on a Rough Set and a Decision Tree to Bank Customer Credit Evaluation[C].Proceedings of2008IEEE International Symposium on IT in Medicine and Education, 2008:61-65.