1703655198
1703655199
1703655200
1703655201
例如，对小微商户的存量风险管理过程中，金融机构可以从数据合作方获取商户交易流水信息，对其交易流水设置监测预警规则，对于突然出现的资金异常流入、流出，不符合经营规律的交易流水下滑情况，正常营业时间之外的大额交易等，均可以触发预警，金融机构可视预警的严重程度，采取相应的管理措施，及时排查异常情况。
1703655202
1703655203
1703655204
1703655205
另外，大数据更新频率快的特点，使其在风险预警方面的应用前景尤为突出。例如，金融机构对授信客户的风险情况的了解如果通过大数据做到实时监测，一旦在外部数据监测过程中发现严重负面信息，就可以即时触发预警，立刻采取止损措施。例如，对于一个有多家机构共同贷款的授信客户，通过大数据监测该企业工厂开工情况、物流情况等，同时和同类企业进行交叉匹对，即可快速判断该企业是否正常经营，即使客户在本机构的贷款仍然在正常还款，也需要立即启动提前催收动作。如客户偿付能力不足，迟早会出现全面逾期的情况，一般而言，最先启动催收的金融机构更有可能追回欠款。
1703655206
1703655207
1703655208
1703655209
1703655210
1703655211
1703655213
互联网信贷风险与大数据：如何开始互联网金融实践 第五节 存量管理计量模型体系
1703655214
1703655215
存量客户管理主要包含交易欺诈管理、再贷客户营销管理、授信额度管理、流失客户管理等业务，以上业务开展目的在于巩固客户忠诚度，提升客户价值，从而优化资产结构、提高资本收益率。要达到这个目的，金融机构需要识别客户的风险、收益、流失倾向、营销响应概率，在此基础上，金融机构设计客户差异化的管理策略，在实现资源有效配置的同时可以降低管理成本，提升客户满意度。存量客户管理模型体系主要有行为风险模型、交易欺诈模型、行为收益模型、行为流失模型和市场响应模型等。
1703655216
1703655218
一、行为风险模型
1703655219
1703655220
行为风险模型是存量客户管理中最常用也是最重要的模型之一。行为风险模型是金融机构控制风险的利器，在进行再贷客户营销、市场活动、额度管理等活动中均起到重要作用。行为风险模型通过客户历史行为预测客户未来出现坏账的可能性，是对客户风险全面、准确的评价，目前业内用来开发行为风险模型的方法通常是利用Logistic回归模型。
1703655221
1703655222
另外，行为风险模型是申请风险模型很好的补充。在申请端可以获取的数据较少，而当客户成为金融机构的存量客户，可以观测到客户更多的行为，利用行为风险模型可以对客户的风险情况进一步评估，对客户的风险把握得更准确。同时，随着外部环境的变化，客户的资质也会发生改变，对客户的风险评价也需要动态调整。
1703655223
1703655224
行为风险模型是预测客户风险的模型，其目标变量和客户逾期的严重性相关，客户逾期多少天被认为是坏客户呢？这个由多方面因素决定：一方面，可通过数据分析，分析逾期天数和客户未来变成损失的相关性，作为坏客户的判断标准。另一方面，可结合历史数据长度判断，如果金融机构积累得数据时间长度较短，那么选为坏客户判断标准的逾期天数较短，如果数据积累的足够充分，坏客户的判断标准更依赖于数据分析的结果。此外，如果金融机构的风险容忍度低，坏客户的判断标准就会更加严格。常见的坏客户判断标准通常有逾期30天、60天、90天以上的客户。
1703655225
1703655226
行为变量的预测变量主要由客户的交易行为组合而成，行为风险模型预测变量可以基于以下几方面进行考虑。
1703655227
1703655228
•还款行为；
1703655229
1703655230
1703655231
1703655232
•消费行为；
1703655233
1703655234
1703655235
1703655236
•信用卡取现行为；
1703655237
1703655238
1703655239
1703655240
•欠款情况；
1703655241
1703655242
1703655243
1703655244
•资金的使用情况。
1703655245
1703655246
1703655247
[
上一页 ]
[ :1.703655198e+09 ]
[
下一页 ]