五行为评分模型的开发与应用.ppt

行为评分模型的开发与应用 根据信用卡账户历史上所表现出来的各种行为特征来预测该账户未来的信贷表现。 数据源主要包括以下数据元素： 24-36个月中每个月的信贷余额； 24-36个月中每个月的最低应付款额 24-36个月中每个月的付款额； 24-36个月中每个月的退款额； 24-36个月中每个月的购物消费额； 24-36个月中每个月的现金提取额； 24-36个月中每个月的逾期拖欠周期； 开户时间； 信用额度； 账户地位。 一、行为风险评分模型 一、行为风险评分模型 表现期 表现期不宜太长(如18个月或24个月)的原因是为了能够有更好的预测效果。 观察期 一、行为风险评分模型 排除 依观察日的信息来排除 已经严重拖欠、呆账、破产的账户(无须预测)； 开户时间少于6个月的账户(没有观察到足够的行为信息)； 最近连续6个月以上没有活动的账户(没有足够的预测信息)； 已经关闭的账户； 账户持有人已故的账户； 特殊情况的账户(如账户巳被冻结、某些VIP账户)； 依表现日的信息来排除 处于欺诈、争议状态或账户持有人已故的账户。 一、行为风险评分模型 表现变量定义 在表现期末为呆账、破产、3期以上拖欠的账户为“坏”； 在表现期末无施欠或仅为1期拖欠的账户为“好”； 在表现期末为2期拖欠的账户为“不确定”。 预测变量提炼 基本方法有5种： 严重性； 近期性； 频率性； 货币价值性； 组合性。 一、行为风险评分模型 模型分组 一、行为风险评分模型 行为风险评分模型的结果是把信用卡账户按照未来的坏账风险程度进行区别、排队，并且估计其未来发生严重拖欠的概率。 表现期 一般为12个月 观察期 一般为12个月 表现变量定义 未来一年的净收益＝利息收入-资金成本+刷卡回佣+各项收费-运营成本 预测变量提炼 对模型预测力贡献最大的变量组合往往是信用卡使用率和循环信贷倾向方面的变量。 三、行为流失倾向评分模型 数据来源是银行内部信用卡的行为信息。 数据划分成表现期和观察期，表现期一般为6-12个月，而观察期一般为12个月。 预测的目标是信用卡客户流失的概率。 思考题 什么是行为风险评分模型？该模型由哪些部分组成？其预测变量的提炼方法有哪几种？ 什么是行为收益评分模型？该模型是如何应用的？可以提炼出哪几种预测变量？ 比较行为风险评分模型、行为收益评分模型和行为流失倾向评分模型的异同？ 本章重点 * * 行为风险评分模型的数据时间段划分 基于严重性的预测变量 过去12个月未发生任何拖欠的账户群，“坏”的比例小于0.5%，随着过去拖欠行为的严重化，其“坏”的比例也迅速提高。 基于近期性的预测变量 拖欠行为发生的历史越近，风险越大。 基于频率性的预测变量 拖欠发生的越频繁，风险越大。 一般来说，未清偿贷款余额越高，信用卡用户的债务负担越重，风险越大。 基于货币价值性的预测变量 组合性考虑的是各种不同性质的行为所占的比例。由于不同性质的行为风险特征不同，其比例的高低往往揭示了风险的大小，如图，没有现金提取行为的账户群风险最低，现金提取额所占比例越高，风险越大。 基于组合性的预测变量 行为风险评分模型的预测结果 二、行为收益评分模型 行为收益评分模型的数据时间段划分 二、行为收益评分模型 行为收益评分模型预测变量一 随着信用额度使用率的增加，年收益也不断增加 行为收益评分模型预测变量二 随着循环信贷活动的增加，年收益也不断增加 行为收益评分模型预测结果 该行为收益评分有效的区别了高收益和低收益的信用卡账户，最高收益的20%-30%的客户带来了绝大部分的收益。 行为流失倾向评分模型预测变量 过去6个月中连续地降低贷款余额的月份数，数目越高，未来流失概率越大。