2017.09.08,推出的第五代信用模型。
数据:10年的LendingClub数据
它比单独计算借款人的FICO得分更具有预测性,并且比第四代模型更能区分借款人还款的可能性,准确率高出24%。
该模型可以为那些在传统贷款项目中错误地将风险归为过高但实际上是良好借款人的人提供便利,也可以筛选出看似安全但我们认为存在风险的借款人。
新模型优点
- 新模型使用了更多借款人的数据
- 新的属性的应用:
- 新模型没有使用aggregates,而是使用非常细粒度的信用数据视图来区分单个借款人的行为。例如,借款人每张信用卡的信用卡余额与总信用卡余额之比
- 新模型关注的是借款人长期的信用行为,而不是短期信用行为
- 新模型使用机器学习技术去从巨大数据量中分析每个借贷人的这么多数据点。
可能会导致实际结果与预测结果有较大差异的因素
- 失业率上升
- 信贷消费行为的变化
- 政治经济因素
- ……
因此不可过度依赖预测模型。