用于信用评分的另类数据
另类数据最先从金融科技公司的试点走向实际应用,银行随后跟进。如今,许多放贷机构已将这类信号纳入评分模型。
银行和其他金融机构也开始跟进,用另类数据补充征信档案和内部记录。
金融科技公司曾借助另类数据推出点对点借贷等产品,并为信用记录较少的客户定价。只依赖信用记录的放贷机构,难以覆盖许多这类借款人。
另类数据作为传统信用记录的替代指标
另类数据通常被用作传统信用记录的替代指标。这会带来风险,因为它并非直接的还款记录,而是间接信号。
某些信号可能与违约相关,但两者之间没有因果关系。有些影响具有季节性,或只在特定情境下出现,不能反映真实的还款行为。简言之,许多相关性并不真实。
将另类数据用于评分也可能带来新的歧视风险。例如,社交媒体信号可能包含种族、性别或其他属性信息,进而造成不公平的放贷结果。
数据格式也是一项挑战。许多来源的数据是非结构化的,难以直接用于传统评分模型。处理这类数据需要专门的方法,通常会用到人工智能(AI)和机器学习(ML)。
以下是主要优点和缺点的概述。
优点:
- 另类数据有助于覆盖更多潜在借款人,包括没有传统征信档案的人。
- 另类数据能更全面、及时地反映借款人的财务状况,从而改善放贷决策。
- 如果传统数据来源的获取和处理成本较高,使用另类数据可以降低评分成本。
缺点
- 许多来源的数据是非结构化的,难以纳入传统模型,因此需要专门处理,成本可能较高。
- 另类数据可能被不当使用,导致对某些群体的歧视。
- 另类信号与违约之间的相关性可能只是偶然现象,不能说明实际还款行为。
如何用另类数据构建信用评分模型
筛选另类数据属性时,应采用与传统信用评分相同或更严格的审查标准。
具体来说,这些属性应满足以下条件:
- 与信用状况相关:有助于预测违约概率。
- 覆盖面足够:相当比例的借款人都有相关数据,才能训练出可靠的模型。
- 获取和处理方便:数据来源明确,计算方式简单,有助于控制成本。
- 长期稳定:属性与违约的关系在不同时间段都成立,包括“跨时间”样本。
- 不带来偏差:避免引入歧视。
信用评分可用的另类数据来源示例
符合上述条件的另类数据属性包括:
- 水电煤等公用事业账单的缴费记录
- 租金缴纳记录
- 短期贷款借款记录
- 社交媒体活动
- 手机使用情况
- 电商交易数据
- 网约车使用记录
信用评分方法
选好属性后,就可以构建信用评分模型。可以采用逻辑回归等传统方法,也可以使用更复杂的机器学习技术。
另类数据信用评分常用的方法包括:
- 随机森林
- 梯度提升(XGBoost、LightGBM)
- 神经网络
- 支持向量机(SVM)
- 逻辑回归
- MARS 等其他回归模型
机器学习可以自动识别属性与违约风险之间的复杂关系,减少手动设定特征的工作。但模型的可解释性会降低,过拟合风险也会增加。进入最终模型的每项属性都应经过严格审查。
模型建成后,应通过验证评估预测能力并防止过拟合。可以使用交叉验证,并在条件允许时进行跨时间验证。
总结
在信用评分中,另类数据可以补充传统数据来源,帮助覆盖没有信用记录的借款人。
另类数据可以更全面地反映借款人的财务状况,为放贷决策提供支持。
如果传统数据来源的获取和处理成本较高,另类数据也可以降低评分成本。
不过,风险依然存在,包括潜在的歧视,以及有些相关性只是偶然现象,不能反映还款行为。
常见问题
应该先测试哪些另类数据?
如果能稳定获取,可以先测试一到两个反映经常性付款的数据来源,例如租金或公用事业账单的缴费记录。优先考虑与借款人自身财务义务直接相关的记录,而不是社交媒体活动等间接信号。模型开发前,应检查数据覆盖率、时效性和处理成本。即使某个数据来源有预测能力,如果数据覆盖不稳定,对授信决策的帮助也可能有限。
如何判断某个另类信号是否值得纳入评分?
将纳入该信号的模型与仅使用征信数据和内部数据的基准模型进行比较,并保持审批率或预期损失相同。然后评估新增收益能否抵消数据、处理和运营成本。没有通用的提升门槛,所需收益取决于利润空间和风险偏好。常见错误是只看信号整体的预测能力,却没有先确认它是否改善了实际服务客群的决策。
将另类数据用于授信决策前,应要求哪些验证?
除交叉验证外,还应使用较晚时期的数据进行留出验证,并与不包含新数据来源的模型比较。检查不同借款人群体、缺失数据模式,以及数据来源随时间发生的变化。如果某个信号只在一个时期有效,或只适用于记录特别完整的借款人,就未必能支持可靠的策略决策。
什么情况下应根据另类信号调整审批阈值?
只有当该信号能为受调整影响的申请人提供稳定且有用的风险估计时,才应调整阈值。设定阈值时,应考虑预期损失、定价和信贷政策,而不能只看模型指标。先用历史申请测试拟议策略,发布后再检查审批率和还款结果,之后再扩大影响范围。
如何判断另类数据来源是否物有所值?
计算每次决策的完整数据成本,包括采购、处理、集成和持续检查,再与它为审批或预期损失带来的增量价值比较。还应计入处理缺失或延迟记录的成本。如果收益只来自少数申请人,或需要频繁人工修正,选择更简单的数据来源可能更合适。