五行為評分模型的開發(fā)與應(yīng)用.ppt

1,行為評分模型的開發(fā)與應(yīng)用,根據(jù)信用卡賬戶歷史上所表現(xiàn)出來的各種行為特征來預(yù)測該賬戶未來的信貸表現(xiàn)。 數(shù)據(jù)源主要包括以下數(shù)據(jù)元素： 24-36個(gè)月中每個(gè)月的信貸余額； 24-36個(gè)月中每個(gè)月的最低應(yīng)付款額 24-36個(gè)月中每個(gè)月的付款額； 24-36個(gè)月中每個(gè)月的退款額； 24-36個(gè)月中每個(gè)月的購物消費(fèi)額； 24-36個(gè)月中每個(gè)月的現(xiàn)金提取額； 24-36個(gè)月中每個(gè)月的逾期拖欠周期； 開戶時(shí)間； 信用額度； 賬戶地位。,2,一、行為風(fēng)險(xiǎn)評分模型,行為風(fēng)險(xiǎn)評分模型的數(shù)據(jù)時(shí)間段劃分,3,一、行為風(fēng)險(xiǎn)評分模型,表現(xiàn)期 表現(xiàn)期不宜太長(如18個(gè)月或24個(gè)月)的原因是為了能夠有更好的預(yù)測效果。 觀察期,4,一、行為風(fēng)險(xiǎn)評分模型,排除 依觀察日的信息來排除 已經(jīng)嚴(yán)重拖欠、呆賬、破產(chǎn)的賬戶(無須預(yù)測)； 開戶時(shí)間少于6個(gè)月的賬戶(沒有觀察到足夠的行為信息)； 最近連續(xù)6個(gè)月以上沒有活動的賬戶(沒有足夠的預(yù)測信息)； 已經(jīng)關(guān)閉的賬戶； 賬戶持有人已故的賬戶； 特殊情況的賬戶(如賬戶巳被凍結(jié)、某些VIP賬戶)； 依表現(xiàn)日的信息來排除 處于欺詐、爭議狀態(tài)或賬戶持有人已故的賬戶。,5,一、行為風(fēng)險(xiǎn)評分模型,表現(xiàn)變量定義 在表現(xiàn)期末為呆賬、破產(chǎn)、3期以上拖欠的賬戶為“壞”； 在表現(xiàn)期末無施欠或僅為1期拖欠的賬戶為“好”； 在表現(xiàn)期末為2期拖欠的賬戶為“不確定”。 預(yù)測變量提煉 基本方法有5種： 嚴(yán)重性； 近期性； 頻率性； 貨幣價(jià)值性； 組合性。,6,基于嚴(yán)重性的預(yù)測變量,過去12個(gè)月未發(fā)生任何拖欠的賬戶群，“壞”的比例小于0.5%，隨著過去拖欠行為的嚴(yán)重化，其“壞”的比例也迅速提高。,7,基于近期性的預(yù)測變量,拖欠行為發(fā)生的歷史越近，風(fēng)險(xiǎn)越大。,8,基于頻率性的預(yù)測變量,拖欠發(fā)生的越頻繁，風(fēng)險(xiǎn)越大。,9,一般來說，未清償貸款余額越高，信用卡用戶的債務(wù)負(fù)擔(dān)越重，風(fēng)險(xiǎn)越大。,基于貨幣價(jià)值性的預(yù)測變量,10,組合性考慮的是各種不同性質(zhì)的行為所占的比例。由于不同性質(zhì)的行為風(fēng)險(xiǎn)特征不同，其比例的高低往往揭示了風(fēng)險(xiǎn)的大小，如圖，沒有現(xiàn)金提取行為的賬戶群風(fēng)險(xiǎn)最低，現(xiàn)金提取額所占比例越高，風(fēng)險(xiǎn)越大。,基于組合性的預(yù)測變量,11,一、行為風(fēng)險(xiǎn)評分模型,模型分組,12,一、行為風(fēng)險(xiǎn)評分模型,行為風(fēng)險(xiǎn)評分模型的結(jié)果是把信用卡賬戶按照未來的壞賬風(fēng)險(xiǎn)程度進(jìn)行區(qū)別、排隊(duì)，并且估計(jì)其未來發(fā)生嚴(yán)重拖欠的概率。,13,行為風(fēng)險(xiǎn)評分模型的預(yù)測結(jié)果,14,二、行為收益評分模型,行為收益評分模型的數(shù)據(jù)時(shí)間段劃分,15,表現(xiàn)期 一般為12個(gè)月 觀察期 一般為12個(gè)月 表現(xiàn)變量定義 未來一年的凈收益利息收入-資金成本+刷卡回傭+各項(xiàng)收費(fèi)-運(yùn)營成本 預(yù)測變量提煉 對模型預(yù)測力貢獻(xiàn)最大的變量組合往往是信用卡使用率和循環(huán)信貸傾向方面的變量。,二、行為收益評分模型,16,行為收益評分模型預(yù)測變量一,隨著信用額度使用率的增加，年收益也不斷增加,17,行為收益評分模型預(yù)測變量二,隨著循環(huán)信貸活動的增加，年收益也不斷增加,18,行為收益評分模型預(yù)測結(jié)果,該行為收益評分有效的區(qū)別了高收益和低收益的信用卡賬戶，最高收益的20%-30%的客戶帶來了絕大部分的收益。,19,三、行為流失傾向評分模型,數(shù)據(jù)來源是銀行內(nèi)部信用卡的行為信息。 數(shù)據(jù)劃分成表現(xiàn)期和觀察期，表現(xiàn)期一般為6-12個(gè)月，而觀察期一般為12個(gè)月。 預(yù)測的目標(biāo)是信用卡客戶流失的概率。,20,行為流失傾向評分模型預(yù)測變量,過去6個(gè)月中連續(xù)地降低貸款余額的月份數(shù)，數(shù)目越高，未來流失概率越大。,21,思考題,什么是行為風(fēng)險(xiǎn)評分模型？該模型由哪些部分組成？其預(yù)測變量的提煉方法有哪幾種？