項(xiàng)目5 金融單變量分析

一袭艺、案例背景

日常監(jiān)控發(fā)現(xiàn)某消費(fèi)貸產(chǎn)品首逾率有逐漸升高趨勢弧哎,需要把首逾率降下來減少產(chǎn)品損失

分析目標(biāo)

  • 通過數(shù)據(jù)探查分析制定可以有效降低首逾率的策略

分析思路

  • 本案例關(guān)鍵在于盡可能多維度收集客戶申請(qǐng)條件,剖析逾期用戶申請(qǐng)貸款時(shí)的主要特征课兄,然后區(qū)分客戶質(zhì)量好壞挺勿,制定相應(yīng)風(fēng)控策略

導(dǎo)入數(shù)據(jù)饶米,得到56456行恒界,9個(gè)字段的用戶數(shù)據(jù)睦刃,涵蓋申請(qǐng)用戶的年齡、職業(yè)等各方面信息

1十酣、產(chǎn)品總體逾期情況

總體來看涩拙,產(chǎn)品逾期率超過30%,逾期情況不容樂觀

2、篩選有效變量

分析方法

單變量分析:目的在于篩選出好壞區(qū)分較好的變量以便制定策略耸采,在消金公司的日常工作中兴泥,會(huì)有專門負(fù)責(zé)爬取變量和計(jì)算加工變量數(shù)據(jù)的團(tuán)隊(duì),他們?cè)诓粩嗟娜カ@取加工很多可能對(duì)風(fēng)險(xiǎn)控制有幫助的數(shù)據(jù)提供給我們風(fēng)控團(tuán)隊(duì)虾宇,而我們風(fēng)控人員就需要從這成千上萬個(gè)變量中探查出能夠控制逾期風(fēng)險(xiǎn)但同時(shí)又不會(huì)誤拒很多好客戶的變量搓彻。

拿到數(shù)據(jù)的第一步就是針對(duì)每個(gè)變量單獨(dú)分析,查看其對(duì)逾期的影響嘱朽。其步驟如下:

  1. 變量進(jìn)行分組旭贬,劃分區(qū)間
  2. 統(tǒng)計(jì)各區(qū)間人數(shù)逾期人數(shù)
  3. 計(jì)算首逾率等指標(biāo)

2.1 征信查詢次數(shù)分組

2.2 信用評(píng)級(jí)分組

3、計(jì)算提升度

在進(jìn)行變量分析之后燥翅,這時(shí)我們就要從中篩選中較為有效的變量了骑篙,這里涉及到一個(gè)衡量變量是否有效的指標(biāo),提升度森书。

提升度:通俗的來說就是衡量拒絕最壞那一部分的客戶之后,對(duì)整體的風(fēng)險(xiǎn)控制的提升效果谎势。 提升度越高凛膏,說明該變量可以更有效的區(qū)分好壞客戶,能夠更少的誤拒好客戶脏榆。

計(jì)算公式:提升度=最壞分箱的首逾客戶占總首逾客戶的比例 /該分箱的區(qū)間客戶數(shù)占比

  • 例如:上表中征信總查詢次數(shù)的最壞分箱提升度就是(1923/17365)/(3213/56456)=11%/5.69%=1.93 提升度這個(gè)指標(biāo)一般來說都是用來一批變量分析里做相對(duì)比較猖毫,很多時(shí)候都是在有限的變量里盡可能選提升度更高的變量來做策略。

如下须喂,通過對(duì)所有變量的提升度進(jìn)行倒序排列吁断,發(fā)現(xiàn)個(gè)人征信總查詢次數(shù)和客戶信用評(píng)級(jí)的提升度最高趁蕊,達(dá)到1.93和1.71。

通過計(jì)算得到仔役,征信查詢次數(shù)和征信評(píng)級(jí)的提升度分別為1.94和1.71掷伙,前者對(duì)于降低首逾率更為有效

4、制定策略:

通過上一步的單變量分析又兵,我們篩出了’征信查詢次數(shù)’任柜、‘信用評(píng)級(jí)’這兩個(gè)提升度最高的變量。現(xiàn)在我們看一下如果將這兩個(gè)變量的最壞分箱的客戶都拒絕之后沛厨,對(duì)整體逾期的影響宙地。 這個(gè)影響就是指假設(shè)我們將‘征信總查詢次數(shù)>=21的3213位客戶全部拒絕’之后,剩下的客戶逾期率相比拒絕之前的逾期率降幅是多少逆皮。

將首逾率最大的區(qū)間拒絕掉之后宅粥,征信查詢次數(shù)和征信評(píng)級(jí)的首逾率分別可降低1.75%,3.66%电谣。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末秽梅,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子辰企,更是在濱河造成了極大的恐慌风纠,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,639評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件牢贸,死亡現(xiàn)場離奇詭異竹观,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)潜索,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,277評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門臭增,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人竹习,你說我怎么就攤上這事誊抛。” “怎么了整陌?”我有些...
    開封第一講書人閱讀 157,221評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵拗窃,是天一觀的道長。 經(jīng)常有香客問我泌辫,道長随夸,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,474評(píng)論 1 283
  • 正文 為了忘掉前任震放,我火速辦了婚禮宾毒,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘殿遂。我一直安慰自己诈铛,他們只是感情好乙各,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,570評(píng)論 6 386
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著幢竹,像睡著了一般耳峦。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上妨退,一...
    開封第一講書人閱讀 49,816評(píng)論 1 290
  • 那天妇萄,我揣著相機(jī)與錄音,去河邊找鬼咬荷。 笑死冠句,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的幸乒。 我是一名探鬼主播懦底,決...
    沈念sama閱讀 38,957評(píng)論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢(mèng)啊……” “哼罕扎!你這毒婦竟也來了聚唐?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,718評(píng)論 0 266
  • 序言:老撾萬榮一對(duì)情侶失蹤腔召,失蹤者是張志新(化名)和其女友劉穎杆查,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體臀蛛,經(jīng)...
    沈念sama閱讀 44,176評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡亲桦,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,511評(píng)論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了浊仆。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片客峭。...
    茶點(diǎn)故事閱讀 38,646評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖抡柿,靈堂內(nèi)的尸體忽然破棺而出舔琅,到底是詐尸還是另有隱情,我是刑警寧澤洲劣,帶...
    沈念sama閱讀 34,322評(píng)論 4 330
  • 正文 年R本政府宣布备蚓,位于F島的核電站,受9級(jí)特大地震影響囱稽,放射性物質(zhì)發(fā)生泄漏星著。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,934評(píng)論 3 313
  • 文/蒙蒙 一粗悯、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧同欠,春花似錦样傍、人聲如沸横缔。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,755評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽茎刚。三九已至,卻和暖如春撤逢,著一層夾襖步出監(jiān)牢的瞬間膛锭,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,987評(píng)論 1 266
  • 我被黑心中介騙來泰國打工蚊荣, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留初狰,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 46,358評(píng)論 2 360
  • 正文 我出身青樓互例,卻偏偏與公主長得像奢入,于是被迫代替她去往敵國和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子媳叨,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,514評(píng)論 2 348