基于BP神经网络的客户信用评级模型
2018-09-10姜健陈婧伊王宇歌
中国商论 2018年18期
姜健 陈婧伊 王宇歌
摘 要:规避道德风险的关键在于正确的授信,即根据客户的资质确定借贷金额,基于此,本文建立了基于信用评级的道德风险规避模型,根据客户的信用等级来进行消费金融借贷。在客户画像体系的建立中,数据中客户量极大,无法一一描述每一个客户的特征,本文通过筛选指标建立了合理的客户价值评估模型,并进行了仿真验证。
关键词:BP神经网络 客户信用 t检验 客户画像
中图分类号:F832 文献标识码:A 文章编号:2096-0298(2018)06(c)-172-02
在消费金融如火如荼发展的同时,为了抢夺客户,不少消费分期平台的服务人群逐步下沉至农村、大学生、流动人口甚至“黑户”,而农民收入低大多比较贫穷、学生无固定收入来源、流动人口流动性大、黑户信用程度低,因此,在消费金融井喷式增長的同时埋下风险隐患,出现了违规操作、客户资质下沉、过度授信、风控不力、坏账率高等诸多问题。
1 客户画像体系建立
识别客户价值应用最广泛的模型是通过三个指标(最近消费时间间隔(Recency)、消费频率(Frequency)、消费金额(Monetary)来进行客户细分,简称RFM模型。从某商业银行的客户信息数据中(train)提取了个贷是否结清标志、本月转入笔数、本期账户交易金额、客户资产总额五个指标对客户进行分类,如图1所示。
基于该特征描述,定义5个等级的客户类别:重要保持客户、重要发展客户、重要挽留客户、一般客户与低价值客户。其中客户群1属于重要挽留客户、客户群2属于一般客户、客户群3属于重要发展客户、客户群4属于低价值客户、客户群5属于重要保持客户,它们的特征如下。……
登录APP查看全文
