二代征信|番茄风控全网最全

之前番茄风控有一节文章是专门给大家讲解人行的数字解读分内容，相关内容可以点击《人行数字报告解读》。

今天我们再深入聊聊人行数字分的内容。征信报告里面其实有一个数字解读，这个数字解读是人民银行根据自己的数据和算法，提供给金融机构一个征信分的数字产品。
通过征信分，就可以快速的判断出来征信报告中所属的它的征信情况是什么样子的，它的分数范围是从0—1000分，分数越大，整体情况越好，违约情况可能越低。就像芝麻分，其逻辑也是一样，即分数越高，你的风险就低。

一．征信数字分怎么看？
征信中心做这个评分分的目标是什么？目标是预测未来两年之内用户会不会发生90天以上的逾期。
如果它有可能会发生90天以上的逾期，未来两年我就认为它是一个坏客户。

在实际运用中，来看这两张图。如果这个用户的分是在400分以下的，那么这个用户未来的情况下，90%的概率会是一个坏客户，也即未来两年内90%的情况下，它会逾期三个月。

从上表的统计数据可知，征信评分大概在800分以上，可以看到其不良率是一个比较接受的范围，大概在2.15%。如果评分在800分以上的，征信中心认为其是一个比较好的客户。
每个分数段都对应着多少坏客群，如果拒掉某个分数区间的客群后，又可以拒绝掉多少坏客户呢？再来看一个数据：

列个数据，比如在619分处，拒绝掉这个分数以下的客群，就差不多有60%的坏客户被拒绝掉，也即就可以规避掉60%的坏客户，在这个分数以下的我就不能贷款给你。
而如果放到了719分水平上的话说，就可以把80%的坏客户都拒之门外。根据实际的情况而言。用719分来过滤掉客群，就可以规避很大一部分的风险。所以这也是征信中心出这套分的目的。

二．征信分所使用的数据维度有哪些？
征信分是用到哪些维度来做评分的呢？以下详细阐述，风控人员也可以参考判断这套征信分的逻辑，其实很多评分卡就是征信分，大体上的看到维度或者看的指标是相差不多的，详细的维度有：

1.还款历史：
第一个最重要的还是还款历史，你的还款有没有出现过逾期。最重要的就是历史逾期，如果出现历史逾期基本分不会很高。
2.负债情况
第二个是当前负债，现在借了多少钱了？负债几百万的房贷跟几十万的车贷得分肯定也不同，其实就是消费贷。
3.申请贷款情况
第三个就是申请贷款的次数，即之前说的查询量是不是很多，有没有多头的嫌疑。
4.信贷历史
包括最早开立的信贷产品的账龄，以及所有信贷产品的平均账龄，某特定类型产品的账龄。这类信息在总体的各种占比权重是多少，有信贷历史的人比纯白户自然要好一些。
5.信贷组合
第5个是信贷组合，包括：有哪些种类的信贷产品，这些产品的组合情况，这类信息在总体评估中的比重。

三.征信评分怎么使用？
目前如果直接使用这套征信评分，风控体系显得比较粗糙，且也跟自身产品不太匹配。征信中心也是建议：风险评分和自己的信贷机构的内部的评分一起使形成一个评分矩阵。

为什么需要做一个评分矩阵。我们总结了下，大概原因有以下内容：
1.角度不同，每套评分其实都有自己的考虑维度。既然这样问题的角度不一样，再加上数据源不一样，所以单独用一个评分卡就能解决问题就显得不现实。
2.金融机构的自身的产品都有自身特点。比如征信中心也认为这个东西是高风险的，你们机构也认识风险较高，就直接拒绝。但如果存在争议，你们机构认为是低风险的，那么就可以核准中间有各种交叉的意义。具体的使用场景，包括评分卡的使用方式，各种使用场景，都可以根据自身的情况考虑。
关于二代征信的内容，视频的内容可以参考学院视频：

还可以上去查收文档内容：

征信内容，番茄风控全网最全：

…
~end