不容错过|额度管理与应用-银行信用卡行为评分篇(实操见)

在日常生活消费中,我们大多数童鞋可能会采用信用卡来进行支付,毕竟在很多时候显得非常方便,而且随着信用消费和按时还款的良好表现,我们的信用卡额度从最开始的几千逐渐会变成几万,这种变化自然是我们个人较好资质能力的体现,可以较大程度的满足平日信用消费的需求。当然,如果我们日常的消费频率一般,或者还款行为表现较差时,信用卡额度也会出现下调的情况。在信用卡额度可能会随时变化的过程中,我们并不知道银行在业务中实施的具体规则,只能依靠自己平时的信用表现来反映大体规律。对于信用卡额度的调整方式,或上调或下调或不变,从银行信用卡中心来讲,可能是风控体系中策略与模型综合应用的结果。

1、行为评分卡介绍
围绕以上关于银行信用卡调额的业务背景,本文给大家分享下贷中行为评分卡模型(B卡)在额度调整策略中的应用,而且这是银行信用卡中心在额度管理方面必然采用的模式之一。下面我们来了解下行为评分卡模型的相关重点内容,包括基本概念、样本提取、目标定义、特征维度、应用逻辑等。
(1)基本概念
行为评分卡模型(Behavior Scorecard Model),是我们经常提到的B卡,即根据贷款用户放款或发卡后的行为表现,来预测未来违约或逾期风险。在实际业务中,是应用在风控流程的贷中环节,也就是用户在授信放款与到期还款之内的时间窗口。
B卡适用的信贷场景较为广泛,例如循环授信类产品中的典型代表—信用卡、某些信用现金贷、贷款周期较长的车贷与房贷等。在这些信贷产品的贷中业务期间,B卡应用的价值非常大。当然,不仅仅局限于额度管理,而且还包括风险预警、流失预测、营销响应等多个方面,但原理逻辑都是统一的,就是通过B卡模型得到的预测概率进行策略制定及其应用。
(2)样本确定
B卡的建模样本数据是针对老客户,也就是从“客户层”角度来讲,在当前信贷产品业务中存在历史结清订单的数据,这样才能保证建模样本有贷中行为表现的信息。在样本时间周期上,需要考虑两个时间窗口,即观察期与表现期,这主要是为了模型目标定义而准备的。其中,观察期是用来提取建模特征变量的时间窗,而表现期是用来区分目标好坏属性的时间窗,如图1所示。
在这里插入图片描述
图1 建模样本时间窗

对于银行信用卡建模场景,由于客群较为稳定且信贷周期长,一般会通过滚动率分析(Roll Rate Analysis)和账龄分析(Vintage Analysis)来定义目标变量。其中,滚动率分析是为了定义客户的好坏程度,账龄分析是为了确定合适的表现期。这里需要注意的是,在确定客户好坏标签时,以及后续建模过程中,要按照“客户层”来进行分析,也就是需要综合考虑客户在某时间窗口内多笔订单的数据。
(3)特征维度
B卡建模选用的特征范围,一方面可以直接引入A卡(申请评分卡)建模的特征,例如基本信息、人行变量等,另一方面是客户行为表现信息的字段,包括账户交易、客户行为等数据,而且这些特征是B卡模型的主要变量。如果B卡最终入模的变量大多数是来自基本信息或人行信息,那么B卡就没有什么意义,其本质和A卡是一样的。因此,对于B卡模型,我们尽量选择客户行为表现的相关字段作为入模变量。
在特征变量的数据来源方面,除了信用卡业务自有的行为交易特征,例如授信额度、消费金额、取现金额、还款金额等,此外还可以从外部三方数据机构接入相关数据,例如多头借贷、电商消费、设备使用、航旅出行、银联交易等。当然,特征数据信息的维度越多,模型性能提升的选择更多,但是在实际建模场景中,任何一家机构不可能覆盖到所有方面的数据,毕竟从外部引入较多数据是需要较大资金成本的,具体都得结合实际情况而定。而且,对于银行信用卡机构,数据体系相对比较完善,建模数据除了人行变量信息外,大多数都依靠内部自有的数据,这些已经足够支撑模型的效果。
下面我们简要介绍下信用卡机构在建立B卡模型过程中,来源于内部数据账户交易行为的常见特征字段,举例如图2所示。
在这里插入图片描述
图2 信用卡账户基本特征

上图仅列出部分常用基本特征,针对消费金额/次数、取现金额/次数、还款金额/次数、授信/使用额度等字段,采用不同时间窗口(近1、3、6、12、24、历史等)将变量池进行扩展。但是,其中某些特征在反映客户行为属性方面,需要进一步从相对值角度去衡量。例如,近1个月使用额度为3000,难以说明客户信用卡的利用率较高,这还取决于授信额度的大小,假如授信额度分别为5000和20000,对应的额度使用率为60%和15%,明显前者更能体现客户对信用卡的需求度明显更高些。因此,构造具有相对含义的特征,在实际建模过程中会有更好的效果。一般情况下,通过求和、占比、差分、差比等方式,可以实现更有参考价值特征的衍生,具体样例图3所示。
在这里插入图片描述
图3 信用卡账户衍生特征

当构造好合适的特征变量池后,采用逻辑回归、随机森林、XGBoost、LightGBM等其中一种分类算法,来建立B卡模型。当然,在模型训练拟合之前,需要根据样本数据情况,进行数据清洗和特征工程的相关处理,包括缺失值处理、异常值处理、特征编码、特征相关性、特征共线性分析、特征筛选等。
对于模型输出结果,本质是预测好/坏的概率值,然后将其转为分数形式,便是我们常用的行为评分卡模型,样例如图4所示。根据评分区间的分布情况,可以看出随着模型分数score增加,坏账率badrate逐渐降低,呈现出比较好的单调性趋势,与实际业务解释是相符合的,如图5所示。
在这里插入图片描述
图4 模型评分分布

在这里插入图片描述
图5 模型评分趋势

2、额度管理应用
在银行信用卡中心机构,采用B卡模型来进行对客户额度管理是很常用的一种方式,接下来我们根据行为评分模型结果,简要描述下B卡在额度管理应用的实现方案与应用过程。
对于信用卡客户,银行在实施额度调整方面,具体可以分为临时调额与永久调额。其中,临时调额是指根据持卡人的消费习惯和信用记录,银行进行临时提高或降低其信用额度的,当过了临时额度一定期限后,将会调回信用卡原本的固定额度;而永久调额就是指永久性的提高持卡人的信用额度,以提高其消费额度。
在B卡模型应用额度调整的过程中,其依据便是将模型评分划分为不同区间等级,然后对应不同的调整额度。在实际应用的过程中,由于B卡模型包含了较多维度的变量信息,虽然可以直接体现出客户的资质能力与风险情况,但是评分难以较大程度反映客户对信用卡额度的使用情况。因此,银行在实际场景中往往会将B卡模型评分与某些额度使用情况的特征来综合应用。从额度调整的场景进行区分,对于临时调额情况,特征“平均额度使用率”较为合适;对于永久调额情况,特征“平均额度使用率”较为合适。其中,额度使用率=使用额度/授信额度,额度收益率=利润金额/授信额度。此外,特征的时间窗口也是一个重要因素,如果选用的时间窗口太长或太短,都难以体现客户当前真实的额度使用情况。一般情况下,最近3个月的时间窗口较为合适,这样与前边的所举特征对应起来,就是近3个月平均额度使用率、近3个月平均额度使用率。
根据以上介绍,现在我们采用“B卡模型评分”与“近3个月平均额度使用率”、“近3个月平均额度收益率”,分别从临时调额、永久调额两个额度调整场景,举例描述下信用卡额度调整策略的制定思路与应用逻辑。假设B卡模型评分、平均额度使用率、平均额度收益率根据具体取值分布,都划分为5个等级,分别为高、较高、中、较低、低。
(1)临时调额管理
根据行为评分、近3个月平均额度使用率,制定临时调额管理风险矩阵,具体如图6所示,其中二维交叉结果“极高、高、偏高、中、偏低、低、极低”代表客户的风险等级。
在这里插入图片描述
图6 临时调额管理风险矩阵

由上图可知,不同的行为评分与额度使用率情况,可以体现出不同的风险等级,这种二维决策矩阵结果也是符合客观规律的。根据客户风险等级的差异性,便可以制定相关调额策略,下面我们针对以上情况举例说明:
(1)极高风险:不调额
(2)高风险:不调额
(3)偏高风险:不调额
(4)中风险:不调额
(5)偏低风险:不调额
(6)低风险:升高50%额度
(7)极低风险:升高100%额度

(2)临时调额管理
根据行为评分、近3个月平均额度收益率,制定永久调额管理风险矩阵,具体如图7所示,结构与图6类似,二维交叉结果“极高、高、偏高、中、偏低、低、极低”代表客户的风险等级。
在这里插入图片描述
图7 永久调额管理风险矩阵

(1)极高风险:降低30%额度
(2)高风险:降低20%额度
(3)偏高风险:降低10%额度
(4)中风险:不调额
(5)偏低风险:升高10%额度
(6)低风险:升高20%额度
(7)极低风险:升高30%额度
综合以上内容,围绕银行信用卡贷中行为评分卡模型,我们介绍了B卡建模过程中需要关注的几个环节,包括样本提取、目标定义、特征维度等,最后根据模型评分结果,重点分析了B卡分别在临时调额与永久调额场景的应用逻辑,从而说明行为评分模型在信用卡实际调额场景中的价值。当然,本文主要说明B卡模型在额度调整方面的典型应用逻辑,各家银行信用卡中心内部都有具体的规则,以上关于额度调整策略的制定仅作为大家参考学习。
关于贷中的评分卡中,番茄风控还给大家提供了相关的实操的内容(数据集部分+代码),可以移步至知识星球平台参考详细内容,相关的代码答案完整详版内容也在星球中公布~
在这里插入图片描述

相关代码示例:
在这里插入图片描述
在这里插入图片描述

数据概况:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

(这是一张12期产品还款计划表(vintage_data.csv),包含订单id(order_id),期数(period),放款时间(loan_date),到期时间(due_date),还款时间(repay_date),放款本金(loan_amount)。相关详情可以查看知识星球内容)

~原创文章

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值