银行-小微企业信贷客户违约预测

传统信贷客户违约预测的问题:

  • 客户信息数据来源复杂
  • 有很多时间相关信息的特征难以利用
  • 数据维度多,建模预处理难度大
  • 阳性数量低,容易出现模型过拟合
  • 违约条件划线难

使用易明智能建模工具:

  • 智能筛选重要变量,合理升维、降维,让业务人员可以通过最小维度的特征建模
  • 对时间因素充分利用并合理处理
  • 智能模型筛选避免过拟合
  • 业务人员可以根据自己的需求快速建模,并根据多种模型表现,综合选择合理划线规则

潜在意义:快速有效提升了银行对小微信贷客户违约概率的准确判断,加强其风险防控能力

建模结果对比

目标:某大型银行根据小微信贷客户的信息判断小微客户信贷违约概率,帮助银行拓展小微客户信贷业务

易明智能建模工具用时仅17分钟,且模型前10%Lift表现相较于传统建模的模型表现高出近2.1%,且模型表现更稳定。

智能建模 传统建模
建模时间 17分钟(数据预处理+建模) -
建模数量 1 1
训练集 0.996 0.998
测试集 0.987 0.972
前10% lift 9.8 9.6
原数据维度 5500+ 5500+
建模数据 36000+ / 453MB 300000+/ 4.5GB