笔者邀请您,先思考:
1 为什么要进行信用评分?
2 信用评分卡有哪些类型,分别有什么作用?
信用评分:端到端的开发过程,是一个系列性文档,作者详细地介绍信用评分的why-what-how等问题。
合理的“现在购买,稍后付款”是许多金融和零售公司为了增加客户群而向其客户提供的诱人服务。 但是,双方在进行信贷决策时需要了解风险。 贷款人和客户都很重要,即客户能够履行信贷义务,并在贷款期限结束时偿还购买欠款。 贷款人需要能够评估每个客户的违约风险,从而贷款人可以决定向谁提供服务。
技术进步使得金融贷款人可以通过使用各种有关客户的数据来降低贷款风险。使用统计和机器学习技术,分析可用数据,并将其归结为一个单一的值,这个值被称为代表贷款风险的信用评分。这个值可以帮助指导决策过程。信用评分越高,贷款人对客户信用的信心就越强。信用评分是人工智能的一种形式,基于预测模型,评估客户信用责任违约的可能性,成为违约或破产。预测模型通过利用顾客的历史数据和同行组数据以及其他数据来“预测”客户未来已定义行为的可能性。
信用评分的最大好处是能够以快速高效的方式帮助做出决策,如接受或拒绝客户或增加或减少贷款额度,利率或期限。由此产生的决策速度和准确性使得信用评级成为银行,电信,保险和零售等行业风险管理的基石。
可以在整个客户旅程中使用信用评分,跨客户和组织之间关系的整个客户体验。 虽然主要为信用风险部门开发,但营销部门也可以从营销活动中的信用评分技术中受益(图1)。
图1.整个客户之旅的信用评分
如图1所示,在客户旅程的不同阶段使用不同的信用评分:
多年来,实施信用评分的一些不同的建模技术已经发展。它们从参数或非参数,统计或机器学习到有监督或无监督算法。最近的技术包括使用数百或数千种不同模型的高度复杂的方法,各种验证框架和具有多种学习算法的集成技术以获得更好的准确性。
尽管多样化,但还是有一种突出的建模技术 - 信用评分卡模型。通常称为标准评分卡,它基于逻辑回归作为基础模型。与其他建模技术相比,这种方法可以剔除很多盒子,使其成为从业者中最受欢迎的方法,并被近90%的评分卡开发人员使用。评分卡模型易于构建,理解和实施,并且执行起来很快。作为一种统计/机器学习混合模型,其预测准确度与其他更复杂的技术相当,其分数可直接用作概率估计,从而为基于风险的定价提供直接输入。这对符合巴塞尔协议II监管框架的贷款机构至关重要。评分卡非常直观且易于解释和证明,它在监管机构中被授权为一些国家的独家信用风险建模技术。
评分卡模型结果由通常以表格形式显示的一组属性(客户特征)组成(图2)。在属性内,加权点(正面或负面)被分配给每个属性的范围值,这些点的总和等于最终的信用评分。
图2.标准评分卡格式
作者: Natasha Mashanovich, Senior Data Scientist at World Programming, UK 原文链接: https://www.worldprogramming.com/blog/credit_scoring_development_pt1
版权声明:作者保留权利,严禁修改,转载请注明原文链接。