信貸風控模型開發----模型簡介
第一章
風控模型簡介
本系列文章為筆者對信貸風控領域建模的一些學習研究心得彙總,以及一些程式碼示例,儘量會將信貸風控領域的一些基本概念闡述明白。
1.1 為什麼要建模
金融的所有業務,幾乎都是和風險打交道,而貸款機構將錢帶給你,肯定希望你是一個守信用的好人。所以,大家在申請個人信用卡或者是小額貸款的時候,都需要填寫一些個人資訊,例如年齡、工作、收入、學歷等,銀行和貸款機構將會對這些資訊進行稽核,然後決定放不放款。
但是如果僅僅是小額,如1萬以下,那麼一個一個稽核肯定成本是直線上升的,所以就需要有一套自動化的決策工具來決定哪些人是好人,哪些人是壞人,那麼信用評分卡模型就派上用場了。
1.2 什麼是信用評分
信用評分就是衡量你的信用程度的量化指標,這樣聽起來是不是很拗口?說簡單點,就是一個分數,由你填寫的個人資訊以及一些第三方資料計算得來的,例如支付寶的芝麻信用、騰訊的騰訊信用、美國的FICO評分等。這些評分就可以決定你的信用等級,從而讓貸款機構決定放不放款。
1.3 常用的模型
業界常說的有A卡、B卡、C卡,A卡就是申請評分卡。在你申請的時候就會站出來,決定放不放款,B卡,也就是貸中行為評分卡,監控你的信用狀況,決定給不給你提額度,或者中不中斷你的貸款,C卡就是貸後評分卡,一般有三種:賬齡遷移模型、還款率模型和失聯預警模型。
賬齡遷移:就是預測你的逾期狀況會不會從M1遷移到M2(關於m1,m2定義檢視文末解釋)
失聯預警模型:對於銀行和貸款公司來講,有時不怕你不還錢,如果逾期了還能對你進行罰息等方式再賺一筆,更怕的反而客戶失聯,徹底消失,所以就需要建立失聯預警,看一看你未來有沒有可能失聯。
還款率模型:注意這個模型不是為了預測你還不還錢,而是預測未來經過催收動作後,還款的概率。畢竟貸後催收,是需要人力、物力成本的,如果一個人簡單催一催,例如發個簡訊,打個電話就還了,何必動用戴金鍊子的老鐵們上門,出於平衡成本的需要,制定不同的催收套路,這個模型就可以起作用了。
1.4 概念解析:M0,M1,M2的定義
這三個不是簡簡單單的月份的概念,具體定義如下:
- M0:最後還款日的第二天到下一個賬單日
- M1:M0時段的延續,即在未還款的第二個賬單日到第二次賬單的最後還款日之間
- M2:M1的延續,即在未還款的第三個賬單日到第三次賬單的最後還款日之間
所謂賬單日,就是銀行會對你的當期應還款形成賬單並通知你,賬單形成日即為賬單日。,同時,銀行不會要求你馬上就還款,而是會給你一個緩衝期,通常是20天(具體根據各銀行制定標準),該期限截止日即為還款到期日。這20天之內全額還款或是選擇信用卡最低還款額方式還款,可以享受免息待遇,但如果逾期,就會計息了。
這些概念看起來是不是很難懂,這樣,我舉個例子你就明白了,就拿我的招行信用卡來說的吧。還款日是每個月4號,帳單日是每個月16號。
假如我在1月16號前消費了500塊,那麼一月帳單日,也就是1月16日賬單金額就是500,還款到期日就是2月4號。緩衝期就是1月16日–2月4日,一共19天,如果在這期間我還清了賬單,就不會有利息。
所謂的M0就是2月5號到下個月賬單日—-3月16日期間我不還清賬單,也就是產生了M0逾期。
假如我繼續不還,也就是3月16號我還拖著,直接延伸到M1,那麼M1就是3月16日到4月4日。
如果到了M1依然不還錢,第三個賬單日就是4月16號,M2就是4月16日到5月4日。
下一章預告
- 闡述評分卡模型開發流程
- 如何定義你的壞樣本
參考文獻
[1]http://blog.csdn.net/Mr_tyting/article/details/75097681#t19
[2]信用風險評分卡研究:馬姆杜.拉法特
相關文章
- 信貸風控全流程-反欺詐
- 天池金融風控-貸款違約挑戰賽 Task5 模型融合模型
- 資料探勘實踐(金融風控):金融風控之貸款違約預測挑戰賽(上篇)[xgboots/lightgbm/Catboost等模型]--模型融合:stacking、blendingboot模型
- 資料競賽入門-金融風控(貸款違約預測)五、模型融合模型
- 零基礎入門金融風控之貸款違約預測—模型融合模型
- 8 語言模型簡介模型
- 網際網路金融風控模型大全模型
- Java記憶體模型簡介Java記憶體模型
- Java記憶體模型 - 簡介Java記憶體模型
- ASP.NET MVC – 模型簡介ASP.NETMVC模型
- 盒子模型Box Model簡介模型
- 應用模型開發指南上新介紹模型
- 網路 IO 模型簡單介紹模型
- 這場評分卡模型直播解答了我對於信貸風險的大部分疑問模型
- Apache Kafka資料模型概念簡介 - BaeldungApacheKafka模型
- 廣告流量反作弊風控中的模型應用模型
- 借貸寶智慧風控協助警方,高效打擊套路貸
- 敏捷開發--Scrum開發模型敏捷Scrum模型
- 騰訊安全釋出信貸風控成果:已助力銀行放款超千億
- LDA主題模型簡介及Python實現LDA模型Python
- 深度學習 CNN 和 RNN 等模型簡介深度學習CNNRNN模型
- Nelsen-Siegel—Svensson擴充套件模型簡介套件模型
- 簡單的介紹 Eloquent 模型生命週期模型
- AI大模型的潛在風險,如何做好管控?AI大模型
- 談談信貸的風險標籤
- 一季度信貸不良率上升 金融風控策略升級迫在眉睫
- 產業安全專家談丨中小銀行如何發展信貸業務的同時做好風控?產業
- EAV(實體-屬性-值)模型簡單介紹模型
- 常見物聯網模型優缺點簡介模型
- 如何透過Graph+AI的方法打造高精度風控模型AI模型
- 瀑布模型和敏捷開發模型敏捷
- 監控大模型訓練大模型
- 大規模 Transformer 模型 8 位元矩陣乘簡介ORM模型矩陣
- Netty權威指南:Linux網路 I/O 模型簡介NettyLinux模型
- 資料倉儲 - 星座模型、星型模型和雪花模型的介紹模型
- 8.3 BERT模型介紹模型
- Defi開發簡介
- 敏捷開發簡介敏捷