3句話總結(jié)信貸風(fēng)控的特征

信貸風(fēng)控是數(shù)據(jù)挖掘算法最成功的業(yè)務(wù)場(chǎng)景，簡(jiǎn)單來說就是判斷一個(gè)人的還款能力及還款意愿，并以此為信任依據(jù)提高金融業(yè)務(wù)效率。業(yè)界通常的做法是基于挖掘多維度的特征建立一套規(guī)則及風(fēng)控模型，一個(gè)好的特征，對(duì)于模型和規(guī)則都是至關(guān)重要的，驗(yàn)證中經(jīng)?？梢园l(fā)現(xiàn)，如果踢掉某類特征模型也就廢了。本文就梳理總結(jié)下信貸風(fēng)控常用的特征，可以總結(jié)到以下3句話：

1、信貸歷史類： 信貸交易次數(shù)及額度、查詢征信次數(shù)、信貸歷史長(zhǎng)度、新開信貸賬戶數(shù)、額度使用率、逾期次數(shù)及額度、信貸產(chǎn)品類型、被追償信息。

（信貸交易類的特征重要程度往往是最高的，少了這部分歷史還款能力及意愿的信息，風(fēng)控模型通常直接就廢了。）

2、基本資料與交易記錄類：年齡、婚姻狀況、學(xué)歷、工作類型及經(jīng)驗(yàn)、工資收入、存款A(yù)UM、公積金及繳稅、非信貸交易流水等記錄

（基本資料主要是從還款能力上面考量，需要注意的是，還需要多方核驗(yàn)資料的真?zhèn)我澡b別欺詐風(fēng)險(xiǎn)。另外的，像性別、膚色、地域、種族、宗教信仰等類型特征使用要謹(jǐn)慎，可能模型會(huì)有效果，但也會(huì)導(dǎo)致算法歧視問題。）

3、公共負(fù)面記錄類： 如破產(chǎn)負(fù)債、民事判決、行政處罰、法院強(qiáng)制執(zhí)行、涉賭涉詐黑名單等

（這類特征通常缺失度比較高，對(duì)模型貢獻(xiàn)一般，更多的是從還款意愿、欺詐維度的考慮）