模型介绍
农村商业银行一般是在农村信用社原有的基础上成立的,由于历史原因和条件的限制,农商行的承贷主体及贷款对象,大多是层次低、底子薄、抵抗风险能力弱的农村中小企业和个体农户,其风险极易被转嫁为农商行的贷款风险。因此,加快构建农商行个人信贷风险管理机制,提高农商行防范个人信贷风险的能力已是当务之急。
在个人信贷业务占商业银行贷款的比重升高的趋势下,通过大数据技术及人工智能方法对农商行个人贷款进行贷前申请风险评分,有助于银行量化客户风险,有效掌握个人信贷风险,减少农商行不良资产的比例,改善农商行的盈利能力。
个人贷款申请评分模型基于天云在某农村商业银行的实施结果,模型可量化评估个贷申请者的风险,此风险评分可作为信贷审批的主要依据。
模型所需数据:
客户基本信息:如年龄、学历、社会评价。
家庭资产信息:如家庭经济来源、家庭净资产。
工作情况:如从业年限。
个人征信记录:如人行最大贷款金额、人行信用卡最大逾期数。
保险情况:如新型农合保险。
存贷款情况:如银行存款、本行贷款等。
模型使用某农村商业银行几万条历史个人贷款数据,原始数据经过一系列数据清洗、WOE编码等特征工程处理,以逻辑回归算法建立评分卡模型,输出该客户风险评分,评分越高客户风险越低。
根据模型中变量重要度,业务人员可据此参考评估影响客户风险的相关因素,改进风控相关规则模型。
模型在该农商行上线,和风险筛选规则模型一起用于个人贷款贷前风控环节,帮助银行将风险敞口控制在合理范围内,经验证模型取得了较好效果,且根据后续行方数据对模型进行了更新升级以适应外部变化。