百融大数据查询

百融大数据评分模型

申请评分模型是在反欺诈模型分析的基础上，结合人行征信数据、稳定性评估及多维数据，以输出评分的形式对申请用户的信用风险进行定量判断的模型。

根据客户的业务特征以及百融在同业的实践经验，本项目将主要采用广义线性模型框架下的逻辑回归模型来实现。逻辑回归模型具有稳定性高、解释性强、部署简易的优点，使得其广泛的应用于风险评估、市场营销等诸多领域。

评分将基于科学且严密的建模流程，同时建模过程中将充分吸收百融积累的专家经验与行业经验，形成最终的最适用于客户的定制化评分。

百融信用评分将分为建议通过、人工审核、建议拒绝三种应用策略，百融将与客户的业务人员、风控人员充分沟通，根据客户的风险管理策略，结合模型评分具体的样本表现，共同制定具体的模型评分的应用策略。

基础授信额度模型是申请者申请通过之后，帮助银行制定申请者的信用额度的模型。基础额度模型基于客户的风险等级，结合支付消费数据、商品消费数据稳定性评估等得到对收入的预测，最后进行额度、利率、期限的确定。模型输出结果为银行实际给予申请者的信用额度金额，产品利率与期限。基础额度模型需要与银行审批人员、风险人员，结合风险管理、产品竞争力、产品收益性这三个方面来制定额度模型及应用策略。

贷中行为评分模型是信贷管理中最常用的预测模型之一。行为风险评分模型是指在对申请用户放款后，利用账户的历史数据和行为特征来预测该账户未来一定时期内发生逾期的风险概率的模型。

用户申请后的行为信息较为丰富，结合其各种欠款、还款信息，从而开发出具备强大预测力的行为评分模型，为管理决策提供了数量化的、科学的依据。根据行为风险评分，对用户可以进行更精细化的分层管理，对风险低账户可以提高信用额度等，对风险高客户可以加大催收力度等。