3句话总结信贷风控的特征

信贷风控是数据挖掘算法最成功的业务场景，简单来说就是判断一个人的还款能力及还款意愿，并以此为信任依据提高金融业务效率。

业界通常的做法是基于挖掘多维度的特征建立一套规则及风控模型，一个好的特征，对于模型和规则都是至关重要的，验证中经常可以发现，如果踢掉某类特征模型也就废了。本文就梳理总结下信贷风控常用的特征，可以总结到以下3句话：

1、信贷历史类： 信贷交易次数及额度、查询征信次数、信贷历史长度、新开信贷账户数、额度使用率、逾期次数及额度、信贷产品类型、被追偿信息。

（信贷交易类的特征重要程度往往是最高的，少了这部分历史还款能力及意愿的信息，风控模型通常直接就废了。）

2、基本资料与交易记录类：年龄、婚姻状况、学历、工作类型及经验、工资收入、存款AUM、公积金及缴税、非信贷交易流水等记录

（基本资料主要是从还款能力上面考量，需要注意的是，还需要多方核验资料的真伪以鉴别欺诈风险。另外的，像性别、肤色、地域、种族、宗教信仰等类型特征使用要谨慎，可能模型会有效果，但也会导致算法歧视问题。）

3、公共负面记录类： 如破产负债、民事判决、行政处罚、法院强制执行、涉赌涉诈黑名单等

（这类特征通常缺失度比较高，对模型贡献一般，更多的是从还款意愿、欺诈维度的考虑）