本站小編為你精心準(zhǔn)備了淺析初創(chuàng)期信貸產(chǎn)品申請評分建模方法參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

當(dāng)前，我國經(jīng)濟(jì)發(fā)展進(jìn)入了新時代，金融信貸產(chǎn)品不斷創(chuàng)新，尤其是在金融科技發(fā)展的帶動下，各種信貸新渠道和新產(chǎn)品層出不窮，新產(chǎn)品和新渠道投產(chǎn)初期統(tǒng)稱為“初創(chuàng)期信貸產(chǎn)品”。根據(jù)《巴塞爾協(xié)議Ⅲ》，建立評分模型需要大量的歷史數(shù)據(jù)。一般來說，樣本容量越大，壞客戶比重越大，所建立模型的精度或預(yù)測能力就越高，模型也越穩(wěn)健。初創(chuàng)期信貸產(chǎn)品沒有數(shù)據(jù)積累或者僅有少量數(shù)據(jù)，無法給新用戶建立量化監(jiān)督模型，這是信貸產(chǎn)品初創(chuàng)期風(fēng)險控制的一大難題。許多金融工作者認(rèn)為，信貸產(chǎn)品的經(jīng)營是風(fēng)險經(jīng)營，在產(chǎn)品創(chuàng)立初期如何控制風(fēng)險是亟待解決的重點(diǎn)問題，對于各銀行尤其是農(nóng)商行、城商行以及互聯(lián)網(wǎng)公司、小額貸款公司等新興助貸公司而言，大數(shù)據(jù)風(fēng)控能力已經(jīng)成為其開展信貸業(yè)務(wù)的核心競爭力。

一、研究背景

不同金融機(jī)構(gòu)都有各自的風(fēng)險容忍度指標(biāo)，由于地域、客戶、政策、產(chǎn)品特性等差異影響，新產(chǎn)品不可能照搬套用其他機(jī)構(gòu)或本機(jī)構(gòu)其他產(chǎn)品的模型，因此難以建立統(tǒng)一標(biāo)準(zhǔn)的貸前申請評分模型。隨著金融體系不斷完善，征信體系建設(shè)也越來越迫切，包括人民銀行征信中心在內(nèi)的各大征信機(jī)構(gòu)都在積極探索社會征信體系建設(shè)，這些信用評分在市場上受到金融機(jī)構(gòu)的青睞，有些機(jī)構(gòu)直接使用征信評分作為準(zhǔn)入授信的依據(jù)。當(dāng)然，這些評分在數(shù)據(jù)、模型以及場景上都有其局限性，因此，各大機(jī)構(gòu)仍然積極建設(shè)專屬量化評分模型。對于信貸產(chǎn)品投產(chǎn)初期申請評分建模的學(xué)術(shù)研究較少，國內(nèi)外金融機(jī)構(gòu)也在積極探索尋找解決這一問題的新途徑，很多金融企業(yè)已經(jīng)運(yùn)用統(tǒng)計方法或者其他策略來控制風(fēng)險，但是并沒有公布使用效果和具體操作流程。本文歸納出初創(chuàng)期信貸產(chǎn)品申請信用評分建模的幾種方案，討論其適用場景及優(yōu)缺點(diǎn)，拋磚引玉，為信貸部門新產(chǎn)品信用風(fēng)險控制提供解決思路。

二、建模方法介紹

來自多家銀行的數(shù)據(jù)表明，信貸產(chǎn)品上線早期不采取量化模型方法，而僅僅依托經(jīng)辦人員和系統(tǒng)規(guī)則很難綜合評估客戶的信用風(fēng)險以識別出高風(fēng)險客戶，因此，隨著時間窗口的擴(kuò)大，較早以前準(zhǔn)入的客群不良率普遍較高。針對產(chǎn)品初創(chuàng)期基本無數(shù)據(jù)積累的特點(diǎn)，可以考慮以下幾種建模方案。1.類產(chǎn)品模型在一個新的信用產(chǎn)品推廣初期，可以找到與之相類似的產(chǎn)品，用類似產(chǎn)品的樣本建模是一個不錯的選擇，當(dāng)然，這需要金融機(jī)構(gòu)有類似的產(chǎn)品和相應(yīng)數(shù)據(jù)積累。這種方法的優(yōu)點(diǎn)是只需要按照原有思路調(diào)整建模，缺點(diǎn)是難以保證相同產(chǎn)品客戶結(jié)構(gòu)的一致性，畢竟相同產(chǎn)品、相同渠道產(chǎn)品的幾率較低，企業(yè)不會重復(fù)開發(fā)同類產(chǎn)品，當(dāng)客群結(jié)構(gòu)不一致時，模型會失真，因此，這種方法應(yīng)慎用。少數(shù)銀行使用這種方法作為參考，但是并不作為主模型決策使用。2.偽風(fēng)險模型開放準(zhǔn)入條件，允許一部分客戶進(jìn)來，客戶數(shù)量要達(dá)到建立分類模型需要的最低樣本量，但是壞樣本還沒有那么多，這時候可以考慮人工標(biāo)注好壞樣本，選擇一些有豐富經(jīng)驗的信審人員挑選出壞客戶，利用標(biāo)記樣本建立臨時的監(jiān)督模型。這種方法建立的模型準(zhǔn)確率會存在偏向性，只可以作為初期模型，后期需要繼續(xù)完善。這種模型的缺點(diǎn)是代價較高，要求金融機(jī)構(gòu)能承擔(dān)一定的風(fēng)險，而且需要人工標(biāo)記樣本，存在一定的操作風(fēng)險，因此，很少有金融機(jī)構(gòu)采用此方法建模。3.綜合評價法綜合評價法是將多個指標(biāo)通過數(shù)學(xué)變換轉(zhuǎn)化成一個綜合指標(biāo)，重點(diǎn)在于評估指標(biāo)體系設(shè)計和權(quán)重的確定，綜合評價法有因子分析、灰色綜合評價、TOPSIS評價、DEA、模糊數(shù)學(xué)等方法。金融機(jī)構(gòu)可以組織專家，也可以借鑒評分卡相關(guān)變量確定信用風(fēng)險綜合評價指標(biāo)體系，然后選擇綜合評價方法確定各指標(biāo)的權(quán)重，加權(quán)計算出每個申請人的風(fēng)險評分。這種方法的優(yōu)點(diǎn)是操作簡單，權(quán)重確定主要從數(shù)據(jù)角度出發(fā)，而非主觀確定，缺點(diǎn)是指標(biāo)體系建設(shè)需要專家級的信審人員，而現(xiàn)實中往往缺乏足夠的專家級人員。4.相似度模型相似度模型主要采用聚類算法，根據(jù)不同特征，將好壞客戶分成不同的群體，當(dāng)然我們要基于一定假設(shè)，即選擇的模型能區(qū)分好壞客戶。這種方法比較粗糙，直接將壞客戶作為異常樣本識別出來。聚類分析按照業(yè)務(wù)規(guī)則進(jìn)行判別，擬合正常行為的分布，尋找離正常數(shù)據(jù)分布較遠(yuǎn)的異常值數(shù)據(jù)。通過聚類分析可以幫助我們分析用戶的特點(diǎn)，查找各群體內(nèi)的異常用戶。聚類分析的基本思想是根據(jù)樣本的多個屬性指標(biāo)，尋找一個統(tǒng)計量來度量樣品之間的相似程度，以該統(tǒng)計量為分群的標(biāo)準(zhǔn)，將相似程度較大的樣品聚為一類。關(guān)系密切的聚合到一個小的分類單位，關(guān)系疏遠(yuǎn)的聚合到一個大的分類單位，直到劃分為合理的群體為止。具體步驟是將樣品分類，然后在每個聚類中尋找在某種意義上與該聚類中的大多數(shù)樣品不同的樣品。首先，通過快速聚類將樣品進(jìn)行初步歸類，選擇規(guī)模較大、群體相似度較高的群對應(yīng)的種子（也就是選擇聚類種子時剔出異常點(diǎn)）；然后，以這些種子作為初始化的聚類種子對樣品再次進(jìn)行聚類，這樣就將距離較遠(yuǎn)的群體或個體聚到每個大類下，再選出離質(zhì)心距離較遠(yuǎn)的個體作為離群點(diǎn)。這一步往往只能依靠研究人員的經(jīng)驗和關(guān)鍵指標(biāo)在不同類別上的顯著性檢驗來確定。5.第三方通用評分當(dāng)前，中國信貸市場高速發(fā)展，信用服務(wù)市場向好，市場化信用服務(wù)機(jī)構(gòu)正通過各種方式解決問題，政府及各行業(yè)數(shù)據(jù)共享進(jìn)程不斷加快。從行業(yè)上看，第三方評分主要有以下幾種：一是政府權(quán)威機(jī)構(gòu)的數(shù)據(jù)，主要是人民銀行征信報告和征信1000分，基本融合國內(nèi)所有銀行的信貸數(shù)據(jù)及政府?dāng)?shù)據(jù)，如公積金、水電煤燃等信息；二是互聯(lián)網(wǎng)金融公司的數(shù)據(jù)和評分，如首批獲得個人征信牌照的八家征信金融機(jī)構(gòu)等的數(shù)據(jù)和評分；三是具有運(yùn)營商背景的如電信旗下的甜橙金融開發(fā)的甜橙分以及中國聯(lián)通的沃信用分；四是市場上數(shù)據(jù)服務(wù)公司的評分，如同盾科技信用分、百融金服信用分等融合多數(shù)據(jù)源形成的評分。從目前使用覆蓋率來看，人行征信分和芝麻信用分覆蓋人群多，覆蓋面廣，是最受金融機(jī)構(gòu)歡迎的第三方信用產(chǎn)品。直接用“通用化評分”對客戶進(jìn)行信用評級操作簡單，但是需要一定的成本，由于數(shù)據(jù)孤島的存在，不同評分都依托特定場景，行業(yè)或場景針對性強(qiáng)。

三、評分模型的迭代更新

就中國目前的情況而言，征信體系不夠發(fā)達(dá)，消費(fèi)信用產(chǎn)品還比較單一，有關(guān)消費(fèi)信用分析的專家還不多，這些問題都會影響以上方案的有效性。因此，金融機(jī)構(gòu)可以根據(jù)具體情況選擇使用多種方法綜合控制信用風(fēng)險，例如，可以運(yùn)用第三方評分和專家評分等構(gòu)建決策矩陣模型，通過相似度模型識別出異常客戶。此外，要基于跨行業(yè)聯(lián)防聯(lián)控理念，以客戶提供信息為基礎(chǔ)，利用海量數(shù)據(jù)和職能模型的關(guān)聯(lián)分析，對申請人的風(fēng)險傾向作出更多的信息評估，運(yùn)用于授信和客戶定價，為銀行提供更精準(zhǔn)的信貸決策方案。模型迭代更新伴隨著產(chǎn)品的生命周期而進(jìn)行，產(chǎn)品初創(chuàng)期使用的模型隨著產(chǎn)品的成長成熟需要不斷迭代。隨著好壞客戶樣本的不斷累積，模型不斷積累經(jīng)驗，形成自學(xué)習(xí)、自適應(yīng)學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和對抗學(xué)習(xí)，生成對抗神經(jīng)網(wǎng)絡(luò)的方法，利用判別模型和生成模型之間形成對抗學(xué)習(xí)，實現(xiàn)兩個神經(jīng)網(wǎng)絡(luò)模型的交互信息均衡，可部分解決建模樣本不完備和不均衡的問題，提高對申請模型的識別能力。

作者：王方春 宋潔 單位：徽商銀行信用卡中心