贷前申请评分模型
北京市
数据来源：北京国际大数据交易所
1. 产品介绍
贷前申请评分模型是一款用于为金融机构和借贷公司提供高效、准确的贷款申请人评分服务的数据模型，该算法模型使用评分卡(A)标准、python语言和pandas数据分析技术以及算法来对借款人的信用进行评分，为金融机构减少交易中存在的风险。
2. 产品优势
（1）提高自动化审批效率
（2）降低交易风险
（3）提高信用评分规范性
（4） 提高贷款过程合规性
3. 产品功能
（1）数据整合，对用户的金融信息进行统计和整合
（2）评分模型，通过收集申请人信息，自动给出评分
（3）综合评分，根据用户上传的数据进行综合评分
（4）评分报告，可以自动给出较为详细的评估报告
（5）合规与安全防护，提供安全和合规性防护
（6）系统集成，可以对接一些金融机构的信贷系统
| 功能 | 描述 | 详细说明 |
| 数据整合 | 能够自动收集和整合借款人的多维度信息，用于评分服务 | 1. 支持各种信息类型，如交易行为、日常消费、存款信息、投资理财、逾期信息等 2.有独特的算法来统计和分析这些对应的数据 |
| 评分模型 | 根据收集的资料自动给出评分 | 能够基于机器学习模型计算出借款人的信用评分，该评分能够反映借款人偿还贷款的可能性，为金融机构提供贷款决策依据。 |
| 综合评分 | 根据用户上传的数据进行综合评分 | 结合自动评分结果，通过分析用户自主上传的信息，进行更为精准的综合评分，以此来评估借款人偿还贷款的可能性，为金融机构提供贷款决策依据。 |
| 评分报告 | 根据生成结果来输出一个较为详细的报告 | 1. 提供用户评分结果报告 2. 提供相应的风险评估报告 3. 给出相应的措施和建议 |
| 合规与安全防护 | 提供安全和合规性防护 | 遵循国内外数据保护法规，实施严格的数据脱敏、加密等措施，确保个人信息安全。对系统的所有操作进行记录并生成日志，确保评分决策的可追溯性，符合监管要求。 |
| 系统集成 | 系统可对接一些金融机构的信贷系统 | 可以接入一些著名的金融结构的信贷系统，使得系统变得更加智能化和自动化。 |
产品功能列表
4. 产品组成
4.1 准入规则模型
贷前准入规则模型是指在正式进入信用评分过程之前，金融机构或贷款平台设定的一系列标准和条件，用于快速筛选出符合基本贷款要求的申请者，并剔除明显不符合条件或存在显著风险的申请。它可以减低交易以及提高审批效率，能够使资源流入合格的申请人手中。
| 序号 | 规则 | 准入 | 准出 | 拒绝理由 | |
| 1 | 年龄 | ≥18且≤60 | <18或＞60 | 年龄不符合准入规则 | |
| 2 | 是否触发行内黑名单 | 否 | 是 | 触发行内黑名单 | |
| 3 | 是否触发行内关系人名单 | 否 | 是 | 触发行内关系人名单 | |
| 4 | 近1个月贷款或信用卡审批次数 | ≤2 | ＞2 | 近1个月贷款或信用卡审批次数不符合准入规则 | |
| 5 | 近1个月担保资格审批次数 | ≤2 | ＞2 | 近1个月担保资格审批次数不符合准入规则 | |
| 6 | 当前贷款逾期期数 | ≤0 | ＞0 | 当前贷款逾期期数不符合准入规则 | |
| 7 | 当前贷记卡逾期期数 | ≤0 | ＞0 | 贷记卡逾期期数不符合准入规则 | |
| 8 | 当前贷款逾期金额 | ≤0 | ＞0 | 当前贷记卡逾期期数不符合准入规则 | |
| 9 | 当前贷记卡逾期金额 | ≤0 | ＞0 | 当前贷记卡逾期金额不符合准入规则 |
贷前准入规则模型-示意图 01
① 基本资格要求：确定一系列基本资格要求，如年龄限制、居住地要求、收入情况和欠款情况等，以筛选符合贷款条件的申请人。
② 身份验证：通过人脸识别、指纹识别等技术对申请人提供的证件进行验证，确保证件真实有效，加强身份验证的准确性和可靠性。
③ 稳定性评估：对申请人的就业和家庭情况进行考察，评估其资金稳定性，以降低交易风险，确保借款人具备稳定的还款能力。
④ 合规性审查：进行合规性审查，确保贷款申请符合相关法律法规及内部政策要求，如确认贷款用途合法性，避免涉及洗钱、恐怖融资等非法活动。
4.2 数据输入模块
数据输入模块是产品的基础，它包含了构建评分模型所需的各类数据源，是评分模型的重要依据，数据项及其要求包括：
| 序号 | 分类 | 衍生变量 | 加工逻辑 |
| 1 | 个人基本信息 | 性别 | 身份证号倒数第二位衍生，奇数为男性，偶数为女性 |
| 2 | 申请年龄 | 根据身份证号衍生（周岁） | |
| 3 | 征信解读分 | 来自央行征信上的征信解读分数 | |
| 4 | 信用卡信息 | 各行平均授信额度 | 获取贷记卡各行授信额度，将以上额度加总求和，再除以银行数 |
| 5 | 近六个月平均使用比率各行平均值 | 首先计算贷记卡各行近六个月平均使用比率，贷记卡各行近六个月平均使用比率=贷记卡各行近六个月平均使用额度/各行授信额度，将以上比率加总求和，再除以银行数 | |
| 6 | 本月应还款比率各行平均值 | 首先计算贷记卡各行本月应还款比率，贷记卡各行本月应还款比率=贷记卡各行本月应还款/各行授信额度，将以上比率加总求和，再除以银行数 | |
| 7 | 已用比率各卡最大值 | 计算贷记卡各卡当前已用比率，贷记卡各卡当前已用比率=贷记卡各卡当前已使用额度/各卡授信额度，取其中最大的数值 | |
| 8 | 贷款信息汇总 | 未结清贷款总笔数 | 未结清贷款笔数求和 |
| 9 | 未结清贷款平均贷款余额 | 未结清贷款本金总余额/未结清贷款总笔数 | |
| 10 | 未结清贷款最近6个月平均应还额 | 未结清贷款最近6个月应还额求平均 | |
| 11 | 征信查询信息 | 近1个月贷款或信用卡审批次数 | 近1个月贷款或信用卡审批次数 |
① 个人基本信息：包括个人的身份信息、职业、教育程度等基本背景资料。
② 交易行为：记录个人的交易记录和支付行为，评估其资金流动情况和支付能力。
③ 日常消费：追踪个人的日常消费习惯和支出模式，分析其消费稳定性和生活水平。
④ 存款信息：收集个人的存款账户信息和存款金额，评估其储蓄能力和财务稳定性。
⑤ 投资理财：记录个人的投资活动和理财行为，分析其财务规划和风险承受能力。
⑥ 逾期信息：监测个人的信用逾期情况和还款记录，评估其信用风险和偿债能力。
已上市数据交易所
北京国际大数据交易所
咨询服务热线
