关于信贷业务中常用的模型说明

从事银行信贷金融科技服务七年多的时间，对于信贷业务的贷前、贷中、贷后流程中涉及到的模型简单分享下：

贷前环节：

针对新增客户：

客户筛选策略模型
反欺诈模型

针对存量客户：

高价值客户挖掘模型

共用的模型还包括：

智能推荐模型
违约概率模型
打分卡模型

贷中环节：

预授信模型
授信评分模型

贷后环节：

行业风险模型：对于行业属性较强的在贷前和贷中环节同样需要
贷后预警模型：会包含违约概率模型

以上模型，目前的实现方式基本包括以下几类：

（1）结合数据（内外部）进行单一或交叉评判，并赋予好、坏、或评分（累加）
（2）构建指标规则库（规则引擎），并对规则结果进行是否或层次判断，赋予分值和权重，得出权重得分及等级评级
（3）通过机器学习的方式，不断输入样本数据，进行监督或无监督循环优化，即通过数理统计的方式得出最优算法模型，进行相应计算或评价
（4）专家经验+数理模型，实践经验与智能技术的结合，达到仿生学的程度，更加有效和精准
（5）在（4）的基础上催生更加高效的模型，自动运转，智惠评判

目前行业发展来看，主要集中在（1）—（3）的阶段，未来则需要更多的资深业务专家、技术专家进行紧密协作或跨界创新，而初阶的技术研发实现，则会不断下沉、外包，或者自动实现（固定的标准组件等）。

以上仅为个人浅见，欢迎大家批评指正。