本文发表在 rolia.net 枫下论坛信贷模型就是用来预测老赖的。数学公式为 Y=f(X1, X2, X3...... Xn) , Y is a binary target variable, 只有 Yes / No 两个值,定义每个顾客是否老赖。X 是自变量,来自于历史数据。 预测模型可以通过 logistic regression, decision tree , neural network, deep learning 等方法来建立。最常用的是回归模型, 因为其线性,可解释性和稳定性所以应用最多。这些太专业,我们就略过了
所以,信用分实际上是一个人是否会拖欠赖账的概率,通常介于 0-1 之间,是一个小数,不便使用。我们经常通过线性转化,把它转化为 一个 1-1000 的数值,方便使用,这就是信用分。这个过程叫做 scaling.
简而言之,信用分就是一定时间内所预测的老赖概率。分数越低,老赖概率越大,越危险⚠️,信用越差。 分数越高,则老赖概率越低,信用越好,人品可靠。 拿FICO score 为例, 假设 500 分对应一个概率 p= 83.6%, 800 分对应 p= 7.2%. 你今天的信用分是800, 就是说,从今天开始的未来一年内,你可能拖欠贷款的概率是7.2%。而500分的人,概率就要大10 倍多。
前面说过, 因为每个人的脸上没有刺着金字,银行不知道谁是好人谁是老赖。但是通过这样的预测模型,就可以预测和区分,把人分成三六九等,然后分别看人下菜。好人的贷款条件更宽松优惠,利率低;而老赖则相反,甚至拒绝贷款。这就是风险管理。
信用分的范围通常是300—900。 加拿大所有顾客的平均信用分, 中位数大概在 730 左右。FICO, Beacon , Credit Vision ,不同公司的信用分略有差别,但是中位数都在 730—740 之间。
对照这个平均水平,你可以去衡量一下自己的信用分,是不是出众。
因此,信用分是预测顾客能否按时履行借贷责任,所以是信用也就是人品。 我刚开始那段戏说里面提到,有人品就是有信用,还真的可以拿来使使。 信用模型是信贷行业的核心技术,是最重要的商业基础。其余的信贷审批,信贷管理等等但是以此为根据展开。
(待续)更多精彩文章及讨论,请光临枫下论坛 rolia.net