模型介绍
信用卡贷款是指银行根据信用卡持卡人的资信状况,比如收入,消费负债比,信用卡额度等建立的贷款风险准入模型和评分授信模型两部分。持卡人可收到相应额度的现金贷款,还款方式一般为分期偿还。从贷款的生命周期来看属于贷中模型,而数据是持本行信用卡的申请人平时的持卡消费负债比及收入等日常行为相关数据,维度比较丰富。该业务的特点是该银行发行信用卡且申请人持有本行信用卡,所以在信用卡申请时对客户一般已经进行过欺诈模型的过滤,所以模型重点是科学计算授信额度,丰富的行为数据维度恰恰是取得良好效果的基础。
模型所需数据:
客户基本信息:年龄,学历,收入,手机号,工龄,行内贷款,房贷,车贷情况等
客户信用卡使用相关信息:信用卡记录时间,信用卡最大额度,信用卡额度使用率等
客户征信信息:如人行的征信记录,呆帐笔数,违约记录等
外部数据信息:第三方的信用评分,多平台申请贷款次数等
模型通过某农村商业银行数百种特征维度和规则,过滤掉高风险客户,对符合资质的客户信用进行信誉评分,评分越高客户信誉度越好,可贷款额度就越大。
对于上述多样化的数据维度若无法悉数获取,也可以通过决策引擎适当删除规则,以降低对数据源的要求。通过决策引擎的规则版本功能,未来接入更多数据源时可以一键恢复原有规则,增强风控能力。对于授信评分模型,随着数据的不断丰富,规则的不断优化,维护成本大大提高,此时决策引擎的图形化操作,将业务从代码中分离,以及规则配置的版本管理可以大大提高模型上线效率,降低人力成本。