前言:
现时大家对“fic计算公式”都比较关心,你们都需要了解一些“fic计算公式”的相关文章。那么小编也在网上收集了一些对于“fic计算公式””的相关文章,希望朋友们能喜欢,兄弟们快快来学习一下吧!FICO中文译名费埃哲,全称为美国个人消费信用评估公司。FICO 通过每个有效决策,助力业务转型。FICO,本身没有数据,公司使用预测分析技术帮助企业在整个组织和客户生命周期中实现决策的自动化、改进和关联性连接,主要帮助信贷服务机构开发模型进行评分。
Fair Isaac Company开发了三种不同的FICO评分系统,由FICO评分系统得出的信用分数范围在300~850分之间,FICO信用分越高,说明客户的信用风险越小。它采集客户的人口统计学信息、历史贷款还款信息、历史金融交易信息、征信信息等,通过逻辑回归模型计算客户的还款能力,预测客户在未来一年违约的概率,贷款方会以此分数作为贷款决策的参考。对于种族、肤色、宗教信仰、出生国家、性别、婚姻状态、年龄、薪酬、职业、职务等级、雇主、上岗日期和雇佣时间、住址等方面不在FICO评分考虑的范围之内。
1. 人口统计学信息:如客户年龄、家庭结构、住房情况、工作类别及时间等;
2. 历史贷款还款信息:即过去6个月或12个月的付款方式、逾期次数等;
3. 历史金融交易信息:即过去6个月或12个月的平均月交易笔数、金额等;
4. 银行征信信息:如过去12个月中新开的账户总数、所有账户的总额度、账户是否逾期等。
以上这些信息都是FICO评分模型的自变量,最终会通过逻辑回归模型输出最终分数。
图1:FICO评分考虑的因素
资料来源:清华大学互联网产业研究院
FICO评分评估被评分人时不考虑的要素:
要素备注种族、肤色、宗教信仰、出生国家、性别、婚姻状态
以上要素、被评分人获得的政府救助和在《消费者信用保护法案(Consumer Credit Protection Act)》行使的消费者权利等都是美国法律规定的不应被纳入信用评分制作依据的要素。
年龄
FICO称,其他评分可能会将年龄纳入考虑范围,但是FICO评分不会。
薪酬、职业、职务等级、雇主、上岗日期和雇佣历史
放贷人和其他评分可能会考虑这些要素,但是FICO评分不会。
住址
某一特定信用卡或账户的利率信用报告中的子女/家庭债务
特定类型的信用报告查询请求
FICO评分不考虑由被评分人本人发起的、放贷人邀请被评分人成为借款人的促销性质的、放贷人查询被评分人账户的事务性的(administative)和雇主发起的信用报告查询请求
信用报告中没有的信息
没有被证明为与被评分人未来信用表现有关的信息
是否正在使用信用辅导(credit conseling)
资料来源:myFICO官网,零壹智库整理
二
芝麻信用
芝麻信用,是蚂蚁金服旗下独立的第三方征信机构,通过云计算、机器学习等技术客观呈现个人的信用状况,已经在信用卡、消费金融、融资租赁、酒店、租房、出行、婚恋、分类信息、学生服务、公共事业服务等上百个场景为用户、商户提供信用服务。
阿 里巴巴推出的芝麻信用分则是以大数据分析技术为基础,采集多元化数据,包括传统的金融类交易、还款数据,第三方的非金融行为数据,互联网、移动网络和社交网络数据等,帮助贷款方从多个方面考察个体的还款能力、还款意愿,做出合理、全面的信用评分。
数据使用者利用大数据收集和整理用户的全方位信息,进行建模和不断更新,对用户信用状况进行实时评价,决定是否给用户提供贷款,并且提供符合其数据特征的授信额度、贷款利率、贷款期限等。 消费金融积累大量借贷交易数据,海量信贷数据将成为个人征信的重要参考。 如下图1芝麻信用数据来源。
类别涵盖内容基本信息年龄性别职业家庭状况注册信息注册方式是否实名认证注册时长——兴趣偏好消费场景消费层次是否可与分享——支付和资金信用账户历史市场信用卡张数银行卡类型每笔平均额度人脉关系活跃度粉丝数影响力——黑名单信息是否有过作弊交易行为是否有过欺诈行为是否有过公检法不良记录——外部应用是否有过信用卡逾期还款记录是否是外部商户的恶意用户————
表格:芝麻信用数据来源
三
FICO和芝麻信用对比
1.FICO和芝麻信用的数据维度权重:
图2:FICO评分考虑的数据维度权重
资料来源:清华大学互联网产业研究院
FICO评分数据维度解析:
1)信用偿还历史:公共记录和催收事项
2)欠款数额:所有账户的欠款、欠款账户的类型、循环授信账户额度的利用程度、有多少账户还未偿付、相对于分期付款贷款总额还有多少尚未偿付;
3)使用信用年限:信用历史较短的人也可能有较高的FICO评分,这取决于期信用报告出了信用历史之外的信息;
4)正在使用的信用类型:信用卡、百货公司账户、分期付款贷款账户、财务公司账户和抵押贷款账户;
5)新开立的信用卡账户:是否在短时间内开立了大量信用卡账户。
资料来源:myFICO官网,零壹智库管理
图3:芝麻信用评分考虑的数据维度权重
资料来源:清华大学互联网产业研究院
2.FICO和芝麻信用的对比:
基于信息模型征信逻辑查分形式业务地域FICO人口统计学、历史还款信息、历史交易信息
逻辑回归模型,十几个评分项
约束
激进
消费个人付费査询时不影响分数,借贷机构多次查询会降低分数
美国、英国、加拿大等,用户量大2亿
芝麻信用传统交易量、还款数据、第三方非金
大数据技术,多元化
鼓励
超前
消费
免费查询,多次查询不影响分数
中国,用户量为4.07 亿
表格:FIC0评分与芝麻信用评分的比较
在 互联网时代和大数据时代的背景下,风控需要在信息使用、贷前调査、贷中监控、贷后催收等方面借助互联网的优势,使用大数据征信,充分利用内外各种信息做好客户征信和增信,从而提高风险控制和管理水平。
标签: #fic计算公式