1. 二代征信报告介绍

征信是指依法收集、整理、保存、加工自然人、法人及其他组织的信用信息,并对外提供信用报告、信用评估、信用信息咨询等服务,帮助客户判断、控制信用风险,进行信用管理的活动。2019年5月央行个人新版征信正式面世,征信信息精细程度进一步提升;2020年1月19日,二代征信系统正式上线,随着越来越多的机构接入二代征信,二代征信报告能够提供的个人征信信息的内涵和外延都不断丰富。

个人征信报告是一个人信用历史的客观记录,内容主要包括个人基本信息、信息概要、信贷交易信息明细、公共信息明细、本人声明、异议标注及查询记录八部分。下面对信息概要和信贷交易信息明细两个重要部分进行介绍。

信息概要部分包含个人信用报告“数字解读”、信贷交易信息提示、信贷交易违约信息概要、信贷交易授信及负债信息概要、非信贷交易信息概要、公共信息概要和查询记录概要等,信息概要部分对个人信用情况关键事项进行了总结,方便人工阅读征信报告时快速获取关键信息;同时,做变量衍生时可从这一部分直接提取变量;

(资料图片)

信贷交易信息明细部分包含了更丰富而详实的信息,包括:被追偿信息、非循环贷款账户信息(包括授信机构报送的传统的住房贷款、车贷等非循环贷款;融资租赁公司报送的融资租赁类业务,以及证券公司报送的证券类融资业务等),非循环贷款账户的状态包括持续更新、关闭和呆账;循环额度下分帐户(包括个人消费贷和融资融券交易等)和循环贷账户信息,状态包括:正常还款、担保人代还、以资抵债、逾期、呆账和结清等;还包括贷记卡账户、准贷记卡账户和相关还款责任等。

信贷交易明细信息部分包含了多种类型的借贷账户近5年的履约和逾期的信息,可充分利用做变量衍生;

随着银行、消金、汽金等泛金融业逐步切换至二代征信并加入报送行列,征信报告的覆盖率、数据质量越来越高,对于授信决策的价值也越来越高。

2. 基于征信变量的行用评价模型介绍

中关村科金中科金深耕消费金融领域,自2020年二代征信报告正式上线时起,就开始从事征信报告数据处理,并探索基于征信报告数据开展风控、营销等信贷相关业务决策的技术方案。在风控领域,中关村科金中科金探索了对消费金融不同渠道的客户进行风控,如尝试将征信数据与三方数据融合,对消费金融企业自营渠道获客客户进行风险控制;对合作机构导流客户进行多场景精细化风控,通过从场景适配、模型搭建、系统支撑、催收服务等方面入手,帮助金融机构构建自主风控能力,满足监管要求;在营销领域, 尝试提取征信数据中反映用户的资金需求饥渴程度的数据,进而开展存量客户经营、交叉营销等活动,降低客户流失率。

中关村科金中科金利用样本优势和对征信数据的深度挖掘,累计开发了上百个面向风控的模型,积累了丰富的模型服务经验,建立了基于征信数据开展风控服务的优势:首先,中关村科金中科金开发了服务于海量客户的征信报告征信报告解析程序,将报文数据转化为结构化,基于结构化数据开展数据挖掘与变量衍生,经过两年的积累,中关村科金中科金二代征信变量库的规模已经突破万维,沉淀的专家变量已经达到数百个,这些变量可以满足面向贷前、贷中与贷后风控建模的需求;其次,中关村科金中科金在变量体系基础上开展了征信模型开发及迭代工作,逐步形成了二代征信模型标准产品、面向车贷场景的模型等多个系列产品。

该产品集成了HTML或XML报文解析、数据结构化、变量衍生计算和模型预测功能,可帮助客户实现从接收报文到产生决策依据的一站式服务,输出[0,1000]范围的评分值, 此预测评分可直接供给下游决策引擎,供用户开展贷前风控或贷中客户风险动态监测使用。从基于时间切片、总额、比例、查询等衍生策略产生的上万个变量总,将选了数百个高IV或高覆盖率变量入模,模型针对不同客群(银行、消金等),不同风险表现周期,结合XGBoost、LightGBM等机器学习算法分别进行定制化分析建模,经验证,在银行客群模型效果最优,KS均在0.35以上,AUC在0.70以上,和一个融合类信用分产品结合使用时,KS可升至0.4以上,风险识别效果提升30%+。为缩短客户投产时间,该标准模型产品采用了Springboot框架开发,封装了报文解析、变量衍生和预测模型等功能,使用时将原始征信报文通过接口输入,即可通过返回获得长期风险和短期风险的信用评分。模型产品各个模块采用松耦合设计,可按照客户需求裁剪标准产品中包含的组件,以定制版交付。

在标准模型基础上,针对汽车金融客户需求,中科金还开发了汽金版模型,这一模型同样以征信变量和部分申请人基础信息作为输入,无需其他三方数据源,可独立工作,并且可按照客户要求,将模型输出由数字化的评分映射为5个或7个风险等级,便于用户根据模型输出开展业务决策。

该模型产品以服务包形式交付,可在客户环境快速部署、快速投产,最大程度缩短客户利用征信报告数据开展业务决策的时间。

目前,该模型已经成功服务了消费金融、城商行、保险等多家客户,上线运行超过400天,获得客户的广泛好评。以中科金服务的某消费金融企业为例,开业后上线了额度20万以内,最高24期的产品,采用手机App申请和放款的方式,申请人提供的信息只有手机号、身份证号和姓名等三要素信息,因产品上线时间短,缺乏样本积累和征信数据挖掘经验,风控部门只能调用大量三方数据对申请人信用状况进行评价,风控成本高,业务量难以提升。中科金与该消金企业合作,为其提供了一体化解决方案,实现从报文到信用评分的全流程处理,跳过变量落库开发,为该企业上线了基于征信数据的短期风险模型和长期风险模型,精确量化申请人的信用风险,支撑信贷审批决策,产生了良好的效果。利用征信模型补强风控体系后,该企业业务快速增长,资产规模增速超过200%。中科金持续与该客户合作,为该客户提供了模型升级服务,目前,该模型仍然在该消费金融企业风控活动中贡献力量。

[SW1]这部分建议展开讲,具体哪些价值

本文来源：财经报道网