关于信贷业务中常用的模型说明

作者分享了七年多银行信贷金融科技服务经验,介绍了信贷业务贷前、贷中、贷后流程涉及的模型,如贷前的客户筛选、反欺诈模型等。还阐述了模型的实现方式,包括数据评判、规则引擎、机器学习等,指出当前行业多处于前三种方式阶段。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

从事银行信贷金融科技服务七年多的时间,对于信贷业务的贷前、贷中、贷后流程中涉及到的模型简单分享下:

贷前环节:

针对新增客户:

客户筛选策略模型
反欺诈模型

针对存量客户:

高价值客户挖掘模型

共用的模型还包括:

智能推荐模型
违约概率模型
打分卡模型

贷中环节:

预授信模型
授信评分模型

贷后环节:

行业风险模型:对于行业属性较强的在贷前和贷中环节同样需要
贷后预警模型:会包含违约概率模型

以上模型,目前的实现方式基本包括以下几类:

(1)结合数据(内外部)进行单一或交叉评判,并赋予好、坏、或评分(累加)
(2)构建指标规则库(规则引擎),并对规则结果进行是否或层次判断,赋予分值和权重,得出权重得分及等级评级
(3)通过机器学习的方式,不断输入样本数据,进行监督或无监督循环优化,即通过数理统计的方式得出最优算法模型,进行相应计算或评价
(4)专家经验+数理模型,实践经验与智能技术的结合,达到仿生学的程度,更加有效和精准
(5)在(4)的基础上催生更加高效的模型,自动运转,智惠评判

目前行业发展来看,主要集中在(1)—(3)的阶段,未来则需要更多的资深业务专家、技术专家进行紧密协作或跨界创新,而初阶的技术研发实现,则会不断下沉、外包,或者自动实现(固定的标准组件等)。

以上仅为个人浅见,欢迎大家批评指正。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

道简(Linus)

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值