人行征信报告（上）——一代征信报告的变量梳理

在之前文章中，我们提到一份完整的征信报告包括的内容，具体报告内容如下：

 

 

细细梳理，任何关于一份征信的内容，主要包括的内容如下：

 

 

以上三个模板的字段信息，我们进一步梳理成一下具体的变量细则，对应输出的变量的名称与变量的逻辑如下：

 

贷款方面

 

贷款方面的数据，根据征信的情况，可以按照逾期的状态跟逾期的天数交叉结合成不同时间切片的数据，具体我们可以衍生出以下的变量的逻辑，即为多长时间内，还款记录中逾期状态的出现某状态的次数，以下我们举例说明：

 

1.贷款最近3个还款期出现M1(逾期1-30天)或以上的记录次数：

ap_pbc_loanlist(row)贷款明细中，每笔贷款做以下条件判断，返回满足条件的次数（每笔求和）；

条件为：最近三个月还款记录是否出现>=1

 

2.贷款最近3个还款期出现M2(逾期31-60天)或以上的记录次数：

ap_pbc_loanlist(row)贷款明细中，每笔贷款做以下条件判断，返回满足条件的次数（每笔求和）；

条件为：最近三个月还款记录是否出现>=2

....

3.贷款最近6个还款期出现M1(逾期1-30天)或以上的记录次数：

ap_pbc_loanlist(row)贷款明细中，每笔贷款做以下条件判断，返回满足条件的次数（每笔求和）；

条件为：最近六个月还款记录是否出现>=1

….

 

贷记卡方面

 

类比贷款的内容，将贷记卡的信息，也按照时间跟逾期的状态衍生出以下方面的内容：

 

1.贷记卡最近3个还款期出现M1(逾期1-30天)或以上的记录笔数:

ap_pbc_creditlist（row）信用卡明细中，每张贷记卡做以下条件判断，返回满足条件的次数（每笔求和）；

条件为：最近三个月还款记录是否出现>=1

……

 

2.贷记卡最近3个还款期出现M3(逾期61-90天)或以上的记录次数

ap_pbc_creditlist（row）信用卡明细中，每张贷记卡做以下条件判断，返回满足条件的次数（每笔求和）；

条件为：最近三个月还款记录是否出现>=2

……

 

其他方面

 

征信数据中，其他方面的数据有一部分是包括在贷款跟贷记卡的信息里面，但因为这些变量在做规则和模型中，信息熵大，所以单独拎出来做成某些规则：

 

1.是否有未结清汽车贷款且最近3个月有过逾期:

ap_pbc_loanlist(row)贷款明细中account_state_name账户状态<>结清+loan_type_name贷款类型=个人汽车贷款+近三个月逾期（逻辑为非N,*)

 

2.未结清贷款笔数:

取ap_pbc_shareanddebtsum(row)中，share_name=未结清贷款时，account_count的值

 

3.当前是否有未结清助学贷款:

ap_pbc_loanlist(row)贷款明细中 account_state_name账户状态<>结清+loan_type_name贷款类型=个人助学贷款

 

最后本篇文章所提及的征信报告以及对于的征信的数据变量字段，我们都梳理成具体的字段都统一上传到知识星球上，大家可以上去查阅，谢谢。

 

 

关于风控知识，如果有兴趣学习的同学，也可以加一下官方客服官微了解下。

报名星球请添加小番微信，备注下行业+风控从业模块，谢谢您！

番茄学院管理员：小番
备注请填写行业岗位，谢谢啦！

更多干货资料，请关注公众号：番茄风控大数据