关注“金科应用研院”,回复“礼包”
领取风控资料合集
01背景
在整个风控体系中,催收总是容易被忽略,随着现在监管的越来越严格,催收的合规性越来越重要,所以各种催收相关的模型应运而生,而在催收模型中,失联模型是常见的一种模型。
02目的和作用
当逾期的客户数量比较多,而依靠现有的催收人员无法覆盖客户,那么开发一个逾期客户的失联模型,通过模型预测的结果,就可以让催收人员把精力放在可以联系的客户上,提高人员的利用率,而判断无法联系的客户可以提前进行下一步的措施,比如提前委外,或者进行客户信息的修复。
03失联定义
为什么要定义失联,因为定义不同,会导致最终变量结果出现不同,而失联是什么?失联实际上是一个很宽泛的定义,一般而言,会把客户本人联系不上,同时所有联系人信息也全部失效定义为失联。
04样本选择
在选择样本的时候注意几个方面,第一,样本的覆盖面足够需要广;第二,在选择样本的时候,要保证样本没有经过额外的措施(比如一些政策严厉打击欠钱不还的现象);第三,选择样本的客户群体没有太大变化(比如利率在同一范围内,年化利率10%的产品和年化利率24%的产品肯定结果大不相同)。
05特征选择
失联模型在催收模型中占据很重要的地位,失联模型的特征通常需要结合金融机构本身的数据,比如客户的基本信息、流水信息和催收信息等,同时结合第三方信息来提供评估模型的预测能力,主要关注以下几方面信息中提取相关的特征:
1.个人基本信息(年龄、工作和收入);
2.联系人信息(是否是真实的夫妻、朋友和同事等);
3.逾期天数;
4.逾期金额;
5.最近一次联系客户的相关信息;
而在这些特征里有代表性的几个包括:有效联系人的数量(客户填写的联系人信息越真实,客户越不容易失联)、最近一次联系客户的时间(最近一次能联系上的客户时间越近,越不容易失联)。
06结论
根据笔者的经验和参考一些大佬的资料,一般失联模型的KS在0.5以上,AUC在0.8以上,就是一个不错的结果。
同时失联模型主要是运用在M1阶段,当客户达到M2的时候,已经进行委外催收等手段。
而在M1阶段,比较激进的会在逾期客户达到5天的时候,就会跑批一个失联模型,等达到20天左右的时候,再使用一个失联模型,通过失联模型,能够判断出未来客户的一个失联情况,以便及早的进行委外处理,或者进行信息修复。
感谢风控前行者的精彩分享~如果你喜欢、想要看更多的干货类型的文章,可以关注公众号【金科应用研院】并设为星标🌟,顺便转发分享~
感谢您看到这里微信公众号【金科应用研院】对话框回复“小福利”,领取粉丝专属优惠券。