用户违约概率预测

目前国内大多数银行信用卡部门采取人工审批作业形式,效率低而又面临很大的欺诈风险,无法进行风险分级管理,影响风险控制的能力及灵活度,难以在风险与市场之间寻求合适的平衡点。

目前国内大多数银行信用卡部门采取人工审批作业形式,效率低而又面临很大的违约风险,无法进行风险分级管理,影响风险控制的能力及灵活度,难以在风险与市场之间寻求合适的平衡点。

本方案使用分布式人工智能平台Maxim AI建立信用卡评分模型,运用先进的数据挖掘技术和统计分析方法,对目标客户的基本申请信息,信用历史记录等特征进行系统的分析,以发掘符合自身市场目标的客户和预测其未来的信用表现。信用评分不仅能够帮助银行划分借款户的信用等级,而且能够直接预测借款户的违约概率。

Maxim AI平台集成了多种机器学习算法,包括广义线性模型,分布式随机森林,梯度提升模型,朴素贝叶斯,K-means,主成分分析,深度学习等。

客户在使用过程中可以先将数据放入不同的算法模型中训练,选出最优的模型。

在此模型上调节参数,在覆盖银行全量在线交易数据情况下,Maxim AI 平台大大的提高了原违约模型的风险预测能力。只要输入用户相关信息,在几秒中内自动评估新客户的信用风险程度,给出推荐意见。