一招拙、業(yè)務(wù)學(xué)習(xí)
1 信用體系：
- 金融市場風(fēng)險(xiǎn)包括：市場風(fēng)險(xiǎn)燎孟，信用風(fēng)險(xiǎn)，流動(dòng)性風(fēng)險(xiǎn)酗钞，操作風(fēng)險(xiǎn)
- 信用風(fēng)險(xiǎn)：交易對(duì)手未能履行約定契約中的義務(wù)而造成經(jīng)濟(jì)損失的風(fēng)險(xiǎn)，即收信人不能履行還本付息的責(zé)任而是受信任的逾期收益與實(shí)際收益發(fā)生偏離的可能性，是金融風(fēng)險(xiǎn)的主要類型算吩。
- 貸款產(chǎn)品的兩種基本類型：
- 信用類貸款產(chǎn)品：無標(biāo)的物作為貸款抵押留凭，放款和還款依據(jù)均為個(gè)人信用
- 抵押類貸款產(chǎn)品：有標(biāo)的物作為貸款抵押，貸款逾期時(shí)借貸方有權(quán)處置抵押物
- 刻畫信用風(fēng)險(xiǎn)有關(guān)指標(biāo)：
- PD：probility of default偎巢，違約概率
- 評(píng)分卡模型主要用于衡量該指標(biāo)的大小
- LGD：loss given default,違約損失率
- 違約所造成的損失數(shù)額蔼夜，即損失的嚴(yán)重程度，與特定交易相關(guān)聯(lián)（無抵押與有抵押的違約損失率不一樣）
- LGD = 1 - 回收率
- EAD： 違約風(fēng)險(xiǎn)敞口（頭寸）
- 違約行為導(dǎo)致的可能承受風(fēng)險(xiǎn)的信貸余額
- RWA：風(fēng)險(xiǎn)加權(quán)資產(chǎn)
- 以風(fēng)險(xiǎn)系數(shù)為權(quán)重加權(quán)求得的資產(chǎn)
- EL：期望損失
- LGP*PD
2 信用評(píng)分策略
- Score +Policy Rules +Terms of Business(運(yùn)營條款） = Strategy
3 信用評(píng)分卡介紹
- 以分?jǐn)?shù)的形式來衡量風(fēng)險(xiǎn)幾率的一種手段
- 是對(duì)未來一段內(nèi)違約/逾期/失聯(lián)概率的預(yù)測
- 有一個(gè)明確的正區(qū)間
- 通常分?jǐn)?shù)越高越安全
- 數(shù)據(jù)驅(qū)動(dòng)
- 非信貸場景中的評(píng)分卡（用的比較少）
- 推薦評(píng)分卡
- 流失評(píng)分卡
- 評(píng)分卡的優(yōu)勢(shì)
- 便于理解和使用
- 易于被各層次的業(yè)務(wù)人員所理解
- 內(nèi)部很容易實(shí)施和監(jiān)控
- 很容易作為業(yè)務(wù)規(guī)則部署在業(yè)務(wù)系統(tǒng)中
- 當(dāng)四場環(huán)境發(fā)生變化時(shí)压昼，也很容易了解各個(gè)構(gòu)成要素對(duì)信用品評(píng)分的可能影響的大小和方向
- 便于理解和使用
4 A求冷、B、C評(píng)分卡
A卡
- 申請(qǐng)?jiān)u分卡窍霞，Application score card
- 應(yīng)用于信貸領(lǐng)域的申請(qǐng)環(huán)節(jié)匠题，對(duì)申請(qǐng)人的信用資質(zhì)進(jìn)行評(píng)估，決定是否批準(zhǔn)貸款申請(qǐng)
- 銀行但金、消費(fèi)金融公司韭山、消費(fèi)分期平臺(tái)、網(wǎng)貸平臺(tái)
- 輸出：是否同意個(gè)人的貸款/信用卡申請(qǐng)及發(fā)放級(jí)別
B卡 Behavior score card
- 貸后監(jiān)控冷溃，起到預(yù)警作用
- 在對(duì)申請(qǐng)者放款后钱磅，由放款機(jī)構(gòu)定期監(jiān)控貸款者在貸款周期結(jié)束之前的風(fēng)險(xiǎn)誓酒，評(píng)估未來一段時(shí)間的違約概率
- 可使用客群信息势木，賬戶信息，消費(fèi)行為狡相，還款寬行為等維度進(jìn)行建模
C卡：催收評(píng)分卡
- 對(duì)于存在違約風(fēng)險(xiǎn)的客戶實(shí)現(xiàn)差異化催收凿歼，減少褪迟，降低損失
- 回款預(yù)測模型：預(yù)測逾期后未來還款數(shù)量，確定催收策略（如果未來都不還了答憔，就馬上催收）
- 響應(yīng)率模型： 預(yù)測客戶在不同手段下的還款響應(yīng)率味赃，確定催收手段
- 失聯(lián)率模型： 預(yù)測客戶最終失聯(lián)的概率，為催收策略的重要風(fēng)險(xiǎn)因子
5 FICO信用評(píng)分考慮的五方面因素及權(quán)重
- 償還歷史：35%虐拓，有沒有曾經(jīng)這個(gè)行為
- 信用賬戶數(shù)：30% 其他的銀行的賬戶數(shù)洁桌，有幾個(gè)比較好的賬戶是可以加分的，但是太多有問題（可以拆分）
- 使用信用的年限：15% 侯嘀，使用的越久越好，習(xí)慣成自然
- 新開信用賬戶：10%
- 信用類型：10%
6 信息來源
- 信用卡申請(qǐng)表
- 其他來源
- 行為評(píng)分
- 賬戶存在累計(jì)時(shí)間
- 過去12個(gè)月最嚴(yán)重拖欠行為（無拖欠谱轨、1月拖欠）
- 過去12個(gè)月的平均貸款余額
- 過去6個(gè)月現(xiàn)金提取額占交易額比例
- 過去6個(gè)月平均消費(fèi)額戒幔、消費(fèi)刷卡類型
- 其他信息
- 個(gè)人網(wǎng)絡(luò)知名度
- 法院訴訟信息
- 工商企業(yè)相關(guān)信息
7 如何定義壞樣本
- 觀察點(diǎn)：提交表格的這個(gè)時(shí)候
- 觀察期：提供評(píng)分計(jì)算中所需信息的時(shí)間窗口（所需的變量時(shí)期）
- 用于搜集相關(guān)變量和特征的，通常在3年內(nèi)
- 可包括帶時(shí)間切片的變量
- 表現(xiàn)期：確認(rèn)是否出現(xiàn)違約行為（即壞樣本）的時(shí)間窗口
-
通常是6個(gè)月-1年土童，不然成本過高诗茎。結(jié)果之后的數(shù)據(jù)是不用的，這樣判斷是否是號(hào)樣本或者壞樣本。
image.png
-
- M0：最后繳款日的第二天到下一個(gè)賬單日（賬單日：賬單日是指發(fā)卡銀行每月會(huì)定期對(duì)你的信用卡賬戶當(dāng)期發(fā)生的各項(xiàng)交易敢订，費(fèi)用等進(jìn)行匯總結(jié)算王污，并結(jié)計(jì)利息，計(jì)算你當(dāng)期總欠款金額和最小還款額楚午，并為你發(fā)送對(duì)賬單昭齐。）
- M1：M0時(shí)段的延續(xù)，即在未還款的第二個(gè)賬單日到第二次賬單日的最后繳款日之間
- M2: M1的延續(xù)矾柜，即在未還款的第三個(gè)賬單日阱驾。。一直類推
7.1 商業(yè)理解：如何定義違約（壞樣本）
- M3 & M3+ 逾期
- 低于M3的行為可以考慮作為影響因素納入模型
- 債務(wù)重組
- 個(gè)人破產(chǎn)
- 銀行主動(dòng)關(guān)戶或注銷
- 其他違法行為
- 小于預(yù)期實(shí)現(xiàn)的該如何考慮怪蔑？
- 可以考慮這一部分?jǐn)?shù)據(jù)的比例大小里覆，較少時(shí)可以直接刪除
- 銀行的目的是什么？
- 擴(kuò)大市場占有率缆瓣，這個(gè)時(shí)候往往對(duì)壞賬率有較強(qiáng)的容忍度
- 意圖是擴(kuò)大利潤喧枷，就可以把壞定義為拖欠其短一些
- 本項(xiàng)目的最終策略
- 表現(xiàn)其未拖欠為好
- 3個(gè)月及以上為壞樣本
- 1-2個(gè)月拖欠數(shù)據(jù)刪除不用（因?yàn)楸壤容^低，進(jìn)不了模型）
7 建立評(píng)分卡
- 理想情況下弓坞，充足的樣本來那個(gè)隧甚，應(yīng)當(dāng)盡量建立不同的多個(gè)模型
- 各種各樣的貸款產(chǎn)品
- 房貸、車貸昼丑、小額消費(fèi)貸款
- 申請(qǐng)人的不同潛在業(yè)務(wù)價(jià)值
- 學(xué)生呻逆、高端客戶、低端客戶
- 白金卡菩帝、金卡咖城、普通
- 除了基于業(yè)務(wù)理解分類外，也可以從數(shù)據(jù)分析（聚類）的結(jié)果進(jìn)行歸類
常用模型：
- logistic回歸
- 優(yōu)點(diǎn)：簡單呼奢、穩(wěn)定宜雀、可解釋，技術(shù)成熟握础，易于檢測和部署
- 缺點(diǎn)：準(zhǔn)確度不高
- 決策樹
- 優(yōu)點(diǎn)：對(duì)數(shù)據(jù)質(zhì)量要求低辐董，結(jié)果易解釋
- 缺點(diǎn)：準(zhǔn)確度不高
- 其他模型
4.組合模型（互聯(lián)網(wǎng)金融做的多）
- 優(yōu)點(diǎn)：準(zhǔn)確度高，不易過擬合
- 缺點(diǎn)：不易解釋禀综，部署困難简烘，計(jì)算量大
流程：
- 探索性數(shù)據(jù)分析：對(duì)自變量與因變量的取值與分布進(jìn)行探索性數(shù)據(jù)分析
- 單變量分析：深入分析每個(gè)自編拉你個(gè)與因變量之間的關(guān)系，確定關(guān)鍵性預(yù)測變量定枷，對(duì)變量取值進(jìn)行分組
- 建立步驟評(píng)分卡：使用Logisitic回歸方法建立自變量與因變量的預(yù)測模型孤澎，并將模型結(jié)果轉(zhuǎn)化為評(píng)分卡形式。分箱->建模->評(píng)分卡
- 拒絕推斷：考慮那些被拒絕貸款的客戶對(duì)模型結(jié)果的影響進(jìn)行拒絕推斷欠窒？覆旭？
- 單變量分析：在考慮拒絕貸款可的情況下深入分析每個(gè)自變量與因變量之間的關(guān)系（來看是否是穩(wěn)定的）
- 最終的評(píng)分卡
7.模型驗(yàn)證
補(bǔ)充資料：woe、iv
