金融信贷风控评分卡模型

评分卡模型概念

评分模型是根据借款人的历史数据，选取不同维度的数据类型，通过计算而得出的对借款人信用情况打分的模型。不同等级的信用分数代表了借款人信用情况的好坏，以此来分析借款人按时还款的可能性。

评分卡模型分类

A卡（Application Scorecard）：也叫申请评分卡，用于评估申请人在贷款申请阶段的信用风险。主要依据申请人提供的个人信息（如财务状况、信用记录、工作情况等）以及外部信用评分（如征信报告分数）来评估该申请人还款的概率和可信度。

B卡（Behavior Scorecard）：也叫行为评分卡，用于管理已发放贷款的客户的信用状况，即对贷款发放后，客户的还款行为、账户表现进行评估。通过分析客户的还款记录、余额变化、额度使用等信息评分。

C卡（Collection Scorecard）：也叫催收评分卡，主要用于贷后管理，对逾期还款的客户进行风险分级，以优化催收策略。评分的高低将帮助银行或金融机构判断哪些客户更可能偿还债务，进而决定应对逾期债务的方式和强度。

这三种评分卡模型在信贷生命周期中相互衔接，通过不同阶段的风险评估支持金融机构最大程度地识别、管理和控制信贷风险。

评分卡开发流程

1. 在建立申请信用评分卡,首先要明确以下几点：适用范围 、特殊进件处理、信息缺失、 评分截点、拒绝推断、例外推翻、授信额度、效果监控和策略调整。

2. 建模需求：为金额10000元以下,借款时间3~9个月的借款场景设计一款风险
   定价模型,预测用户的借贷违约风险,帮助贷款机构进行风险决策、减少损失。

3. 特殊进件排除（强规则）：

   • 欺诈账户(非信用风险范畴)
   • 政策拒绝账户(不使用申请评分模型管理)
   • 重复或未完成申请(无最终决策)
   • 商务卡账户(不属于零售风险范畴)
   • 员工卡账户(特殊类别人群,不使用评分卡管理)
   • 学生卡账户(特殊类别人群,不使用评分卡管理)
   • 年龄小于18岁或大于65岁(政策上非准入人群)
   • 特殊产品(不使用申请评分模型管理)
   • 特殊渠道申请(不使用申请评分模型管理)
   • 仅附属卡申请(不使用申请评分模型管理

4. 确定观察期和表现期
   观察期指的是变量计算的时期,一般观察期设定在6~24个月
   表现期指的是预测的时间长度,若预测客户未来12个月内出现违维约的几率,则表现期为12个月
   

5. 数据源准备
   运营商数据：抓取的运营商通话详单、注册时间、缴费信息、流量使用信息、短信信息等。
   设备数据：通过手机SDK获取的设备及通讯相关信息,包括设备信息、通讯录、通话记录、短信、APP信息等。
   短信数据：第三方短信供应商积累的用户数据。
   第三方支付数据：第三方支付供应商积累的用户支付数据。
   个人征信：人行征信数据,包括信用卡、住房贷款、逾期的贷款笔数等部分特征。
   个人基本信息：通过身份证获取的性别、年龄、籍贯地等。

6. 特征计算

评分模型的处理结果

分数大于特定某一分值：可以认为这类的借款人信用情况很好（逾期的概率非常低），进件不需要经过信审人员审批，直接通过；通常这一分值经过计算后会设置的很高，能达到这一份值的借款人占比很小。 分数在某个区间时：在这一区间的进件，都需要经过信审人员审批。 分数小于某一特定分值：可以认为这类的借款人信用情况很差（逾期概率非常高），进件不需要经过信审人员审批，直接拒绝。