二信用局评分模型的开发与应用.pptVIP

信用局评分模型的开发与应用 利用信用局收集的消费者信用记录为数据来源发展的、预测消费者未来信用表现的评分模型。 一、信用局简介 二、信用局风险评分模型 它通过从消费者信用历史记录中提炼出来的各种变量，运用先进的统计技术，来预测消费者未来信贷违约的风险概率。 表现变量定义 “坏”的定义一般包括表现期内任何信贷关系出现以下情况之一： 个人破产 呆账 贷款违约 抵押品拘押 严重逾期拖欠等 “好”的定义一般包括： 表现期内未出现违约和拖欠行为 或有期的30天以下的轻度拖欠行为 二、信用局风险评分模型 模型分组 二、信用局风险评分模型 把评分卡上每个变量的分数加起来，便得到了总的评分。评分的高低显示了风险的大小，每一个分数与一定的“坏”的概率相对应。 三、信用局破产评分模型 预测的结果是个人破产的概率，而不包括其他的坏账要素。 破产评分只适用于有个人破产法律的内家，如美国。 四、信用局收益评分模型 信用局收益评分模型的表现变量是信用卡账户开户后第一年的净收益。 净收益＝利息收益+刷卡回佣收益-资金成本 思考题 什么是信用局风险评分模型？它的预测功能如何？ 什么是信用局破产评分模型？与信用局风险评分模型的区别是什么？ 什么是信用收益评分模型？表现变量是如何计算的？它的预测能力如何？ 本章重点 * * 信用局数据中提炼出来的预测变量类型 FICO信用局风险评分模型预测里的来源 历史负面记录的预测变量：严重性 历史负面记录越严重，风险越高。 历史负面记录的预测变量：近期性 历史负面记录离现在越近，风险越高。 历史负面记录的预测变量：频率性 历史负面记录越频繁，风险越高。 现期负债水平的预测变量 现期负债水平越高，风险越高。 信用历史长短的预测变量 信用历史越短，风险越高。 对新信用的追求的预测变量 对新信用的追求越强烈，风险越高。 信用种类的预测变量 现有信用卡数目与“坏”的比例之间的关系呈U型。 信用局风险评分模型 信用局风险评分模型 本评分卡数据纯属虚拟，旨在让读者了解信用局评分模型，不能直接作为管理之用。 信用局风险评分分布表 循环信用额度的总体使用率越高，未来一年的收益潜力越大。 信用局收益评分模型预测变量 信用局收益评分模型预测的结果 风险评分与收益评分的卡均收益值矩阵(单位：美元) 随着风险评分增高(风险度降低)，收益也降低；随着收益评分增高，收益也增高；说明在排除风险因素后，收益评分依然有强大的预测能力。 收益评分和产品的卡均收益值矩阵(单位：美元) 说明收益评分模型的预测力不仅仅来源于产品类别，该收益评分模型适用于不同的信用卡产品。 收益评分和信用额度的卡均收益值矩阵(单位：美元)收益 在排除银行决策因素以后，收益评分依然能有效地区别消费者自身的收益潜力，说明该收益评分模型适用于各种银行信用额度策略。 风险与收益对称的数据库营销策略矩阵 表中阴影部分显示了风险与收益之间阶梯式的交换关系：风险越高，要求目标客户的收益潜力也越高，因为较高的收益才能弥补更高的风险。