【专栏】10分钟揭秘被神化的个人征信报告的建模
融慧FinTell · 零壹财经 2019-06-05 16:31:24 阅读：15906
一、第一阶段
当金融机构向人行征信报告平台提交查询申请，得到了某个人的征信报告，然后进行肉眼审查，来判断是否应该通过这个人的贷款申请或信用卡申请。
该阶段也称为原始人时期。
二、第二阶段
金融机构查询了某个人的征信报告，将报告自动输入进自身系统，然后通过从征信报告中萃取出来的、事先制定好的策略和规则，电脑自动判断是否应该通过这个人的贷款申请或信用卡申请。这是原始到现代的过渡期，即智人时期。
三、第三阶段
在这个阶段，可以利用个人征信报告“数字解读”这个功能来做风控，它是利用了跨行跨业务样本开发的通用评分，这也决定了它并不完全适用于各家金融机构的自身业务特点。直接利用这个通用评分作为风险判断的时期，小编称之为现代时期。
四、第四阶段
这个阶段就比较高级了，金融机构将人行征信报告平台返回的报告输入进自身系统，系统将报文解析后，自动算出这个人的风险评分，然后电脑判断这个分数是否达到了审批的“及格线”，即阈值。
这个专有风险评分是在征信报告报文解析的基础上，经过特征工程加工和变量衍生后，训练模型，然后调整模型到风险区分度最高、可解释性最强、最稳定的状态，带有金融机构自身客群特点的评分。
小编将这个阶段，在老板看不清小字的情况下，偷偷称之为阿丽塔时期。（小百科：阿丽塔，一个来自未来的机械女孩，来自詹姆斯卡梅隆的最新电影《阿丽塔：战斗天使》）
若将征信信息应用于审批策略，报告里的每一项都需要提炼，电脑每“看完”一个报告需要设定很多策略；模型是将征信报告凝炼精华后，总结为一个分数。两种应用方式对比如下：
图1 个人征信报告应用场景对比
征信报告模型评分大有用处，让征信报告的应用不再局限于授信环节，报告“化身”为分数后，还可用于信贷风控的各个环节。小编经过经验沉淀，分析总结出两大类、九小类衍生变量，应用场景可以有贷前模型和策略、初始额度授予和贷中额度管理、客户价值分层以及贷后管理，如下图：
图2 个人征信报告衍生变量及其应用场景
但是另一方面，能直接从征信报告里挖掘的信息非常有限，因此衍生变量萃取是需要凝聚智慧与经验的过程。
下面这部分就要说如何做出“凝聚智慧与经验”的征信报告变量和模型了。
小编认为，征信信息变量绝不能机械式地生成，更加重要的是，如何持续产出创新性的衍生变量思路，让模型分数更加稳定耐用。
作为一家专业的金融科技服务商，通过处理和应用人行征信数据，可帮助机构判断贷款申请客户风险程度，并针对性地提供“秘籍”，也就是如何利用原始信息生产出有用的变量。
第一招：借力打力
征信信息对于金融机构的好处之一，就是能看到申请人在其他家的借贷历史，那么如何借助这样的历史，把坏人拒之门外呢？
融慧秘籍“借力打力”的含义是，通过模拟申请人在其他金融机构的申请通过率，推算这个申请人的信用风险，节省了自己测试这个人的力气。
小编教你如何模拟这个公式的分子和分母。（敲黑板）
解：
已知1：提交第一次信用卡或贷款的申请的那一刻起，你就拥有了征信报告，也就是说征信报告会包括每个人几乎所有的征信历史。
已知2：征信报告中，有一类信息是信用卡申请查询或贷款申请查询次数，顾名思义，就是其他金融机构查询这个人征信信息的次数。而且重要的是，还要设置时间条件在这个变量上，比如一个月内或者半年内。
（这里要特别注意的是，“查询次数”虽然不代表“申请次数”，但为模拟“申请通过率”，借助“查询次数”来接近“申请次数”这个概念。）
已知3：同理，借力打力，用“贷记卡账户数”、“贷款笔数”等各类账户之和，来近似申请“通过次数”。同样地，设置时间条件比如一个月内或者半年内。
那么，衍生这个变量的大致思路如下
第二招：八面玲珑
不是所有带有逾期历史的人都是坏人，忘记还款后，立即补还的情况还是存在的。为了避免以偏概全，这些被“误杀”的好人，应该被捞回。那么这些如何从征信报告中识别出来？
举个例子，如下图所示，某个人征信报告，其中包括了2015年09月-2017年08月的还款记录。“*”表示本月没有还款历史，“N”表示还款正常，“1”表示逾期1～30天。可以看到这个人在两年内，状态正常——逾期——状态正常的次数有3次，且都是30天内逾期，可以初步判断这个人属于“有价值的好人”，也可称之为“灰客户”。
图4 征信报告的贷记卡信息节选
这个例子告诉大家如何避免对所有逾期客户一概而论，而是对客户价值进行细分，各方面都照顾到，因此这招叫做“八面玲珑”。
这里只是举出了人行征信报告一代的例子，而在人行征信报告二代中，还款记录延长到了5年，而且增加了逾期金额等信息。通过分析客户在过去5年内的逾期行为记录，将不同逾期表现的客户进行细分，并加工为变量的难度将会提高。
小编这里秘籍还有很多，成果也有一些。
我们和一些金融机构的合作，完成了人行征信报告的衍生变量加工和建模项目，并最终交付了可喜的成果，具体流程如下：
1.创造模型中的X：利用上述“秘籍”们，团队帮助客户基于征信报告加工出来1万多个变量。
2.定义模型中的Y：同时，充分了解机构客户的业务类型、产品、客群特点、客户逾期表现及滚动率，定义出模型好坏标签。（若机构已有基于征信报告的策略，建议用已被征信策略筛选过的样本。）
3.开始建模：用Y标签进行建模，因为征信信息与信贷业务强相关，逻辑性较强，一般用逻辑回归方法（LR）进行征信模型建模。
4.模型验证：模型搭建完毕，下面就是检验变量区分度、可解释性和稳定性的时刻了。
1)区分度验证：
我们把模型分数按从大到小排序，然后，温柔又快速地，把他们平均切分为20组，再把逾期信息和分数一一对应好，就可以看到每组分数抓到的坏人和好人个数占比，这里有个指标可以描述模型抓住坏人的准确程度——KS。同类的区分度指标还有AUC、Gini等。
对多家金融机构进行专有征信评分建模，成功的模型效果可参考下图：当机构拒绝25%的申请人的情况下，捕获其中51%的坏人。
图5 征信报告专有模型效果案例
金融机构需要在申请通过率和业务收益之间做一个平衡，来测算最适合自身业务要求的坏人捕获率及申请通过率。
2)检验变量可解释性：如下是征信报告中的“（二）逾期及违约信息概要”和“（三）授信及负债信息概要”。
可以看出，例子中的这个人曾有逾期1个月，金额1619元的历史，还有两笔将近71万元的贷款未结清，而其他家总共授予约62万元的额度，已用额度约22万元等诸多信贷类信息，反映出了这个人负债在身，有轻微逾期历史的特点。此类信息为判断客户的信用风险和还款能力帮了大忙，因此基于征信报告做出来的模型，可解释性相比其他数据来说是相对较强的。
图6 征信报告的逾期及违约信息概要案例
3)稳定性验证：
小编认为，建模时并不追求算法的“高大上”与技术的“酷炫”，关键在于针对不同的数据源和不同的金融风控应用，能够把不同的算法和技术应用得恰到好处，避免过度拟合。一味迷信技术是行不通的，实验室中的好模型，实践中的差模型，我们见得太多了。
因此，在建造模型的过程中，不仅追求对数据的极致化挖掘，而且要将模型搭建得非常稳健，确保模型上线后具有足够的风险区分度和时效性。（建模是个技术活，更是个艺术活和良心活。)
经过了检查PSI（最常见的模型稳定度评估指标），或者在跨样本及跨时间窗口验证集上检查模型Gini和KS等步骤后，如果得到了一个表现稳定的模型，那么专有征信评分建模就基本可以完成了。
相关文章
用户评论
所有评论
他的文章 ( 9 )
资讯排行
- 48h
- 7天
专题推荐
more
第四届中国零售金融发展峰会(共15篇)
《陆家嘴》交流会第6期(共14篇)
2022第一届中国数字科技投融资峰会(共43篇)
2019年数字信用与风控年会(共15篇)
-
首页
-
评论
-
回顶部
游客
自律公约