從事銀行信貸金融科技服務七年多的時間,對於信貸業務的貸前、貸中、貸後流程中涉及到的模型簡單分享下:
貸前環節:
針對新增客戶:
客戶篩選策略模型
反欺詐模型
針對存量客戶:
高價值客戶挖掘模型
共用的模型還包括:
智能推薦模型
違約概率模型
打分卡模型
貸中環節:
預授信模型
授信評分模型
貸後環節:
行業風險模型:對於行業屬性較強的在貸前和貸中環節同樣需要
貸後預警模型:會包含違約概率模型
以上模型,目前的實現方式基本包括以下幾類:
(1)結合數據(內外部)進行單一或交叉評判,並賦予好、壞、或評分(累加)
(2)構建指標規則庫(規則引擎),並對規則結果進行是否或層次判斷,賦予分值和權重,得出權重得分及等級評級
(3)通過機器學習的方式,不斷輸入樣本數據,進行監督或無監督循環優化,即通過數理統計的方式得出最優算法模型,進行相應計算或評價
(4)專家經驗+數理模型,實踐經驗與智能技術的結合,達到仿生學的程度,更加有效和精準
(5)在(4)的基礎上催生更加高效的模型,自動運轉,智惠評判
目前行業發展來看,主要集中在(1)—(3)的階段,未來則需要更多的資深業務專家、技術專家進行緊密協作或跨界創新,而初階的技術研發實現,則會不斷下沉、外包,或者自動實現(固定的標準組件等)。
以上僅爲個人淺見,歡迎大家批評指正。