1703654709
1703654710
1703654711
1703654713
二、初始额度模型
1703654714
1703654715
对于通过利率定价类的贷款，金融机构在制定授信策略时主要是控制风险，防止出现过度授信，客户授信策略主要依赖于申请模型和客户收入负债的分析。对于信用卡产品而言，由于是循环授信产品，金融机构资源会向收益高的客户进行倾斜。因此信用卡的初始额度授信在考虑最接近客户需求和还款能力的同时，还会考虑客户的收益情况，额度资源向收益高的客户倾斜，从而提高金融机构的收益水平。故初始额度模型也可以认为是申请收益模型，反映客户的收益情况。
1703654716
1703654717
初始额度模型主要衡量客户的收益情况，由于信用卡的收益主要源于客户的循环利息、逾期利息、分期手续费，以下行为和特征可在一定程度上反映客户的收益。
1703654718
1703654719
•客户属性；
1703654720
1703654721
1703654722
1703654723
•逾期行为；
1703654724
1703654725
1703654726
1703654727
•还款行为；
1703654728
1703654729
1703654730
1703654731
•透支情况；
1703654732
1703654733
1703654734
1703654735
•额度占用情况。
1703654736
1703654737
1703654738
1703654739
此外电商中的购买行为、分期行为，客户在互联网上的浏览行为、点击行为对于客户价值的判断也非常有帮助，习惯分期或是循环的客户一般收益率比较高。
1703654740
1703654741
初始额度模型主要用于解决客户的授信问题，通常和申请模型一起使用，它们分别反映了客户风险和收益，通过风险和收益的二维矩阵确定客户的授信。风险低、收益高的客户额度授信高，风险高、收益低的客户额度授信低，从而使金融机构的资源得到合理配置，提高金融机构的收益率。另外，额度授信策略还需要考虑另一个问题，即过度授信问题，初始额度在考虑风险和收益的同时，需结合客户的收入、负债情况，防止出现客户过度授信。
1703654742
1703654743
大数据对额度策略的影响
1703654744
1703654745
大数据同样对初始授信模型及策略产生了重大影响。这源于大数据为金融机构在申请审批阶段就带来了更多的客户行为数据，使得金融机构能够更为全面、客观地评价客户的授信额度需求，从而优化现有初始额度策略。
1703654746
1703654747
1703654748
1703654749
通常授信策略会同时考量客户的风险和收益情况，从而确定其授信额度，但同样关键的客户需求因素，由于较难收集到相应的数据，并没有体现在授信额度策略中。在申请审批阶段，金融机构还未与客户建立直接业务关系，因此难以明确获知客户的日常支出水平，因此授信策略考虑的是客户的收入、负债、收益率等要素。但大数据为金融机构评估客户的授信需求提供了解决方案。金融机构可以在初始授信阶段就引入外部数据，如银联卡交易流水、互联网线上支付数据等，从中获取到客户的消费支出数据，进而较为准确地评估出客户的授信额度需求。虽然这些数据在很大程度上还是没有全面反映出客户的需求，但是通过引入部分大数据，仍然可以在授信策略中增补客户需求这一维度，优化初始额度策略。
1703654750
1703654751
1703654752
1703654754
三、申请欺诈模型
1703654755
1703654756
在申请阶段金融机构除关注信用风险外，对欺诈风险也非常重视。虽然欺诈客户的比例较小，但如果发生损失很难追回，对金融机构会造成很大损失。申请欺诈模型即通过客户填写的申请信息来判断客户欺诈的可能性。
1703654757
1703654758
在申请阶段金融机构能够获取的信息主要是申请信息和央行征信信息，预测变量主要通过以下几方面来反映。
[
上一页 ]
[ :1.703654709e+09 ]
[
下一页 ]