基于卷积神经网络的客户信用评估模型研究*
|
刘伟江,魏海,运天鹤
|
Evaluation Model for Customer Credits Based on Convolutional Neural Network
|
Liu Weijiang,Wei Hai,Yun Tianhe
|
|
表2 指标变量体系
|
Table 2 Index Variable System
|
|
指标变量 | 变量名称 | IV值 | 含义 | 贷款信息 | loan_amnt | 0.561 | 借款人申请的贷款金额 | int_rate | 0.724 | 贷款利率 | 偿付能力 | annual_inc | 0.560 | 借款人在注册期间自行报告的年收入 | dti | 0.333 | 使用借款人的总债务偿还总额(不包括抵押贷款和要求的LC贷款)除以借款人自我报告的月收入计算的比值 | tot_cur_bal | 0.555 | 所有账户的当前总余额 | il_util | 0.685 | 所有固定账户的总流量余额/信用额度的比率 | max_bal_bc | 0.710 | 所有周转账户的最大当前余额 | acc_open_past_24mths | 0.488 | 过去24个月的消费额 | bc_open_to_buy | 0.355 | 银行卡上可用于购买的资金 | mort_acc | 0.314 | 抵押账户数量 | num_actv_rev_tl | 0.560 | 当前活跃的循环交易数量 | num_bc_tl | 0.333 | 银行卡账户数量 | installment_feat | 0.306 | 客户每月还款支出占月收入的比值 | 历史信贷 | open_acc | 0.489 | 借款人信用档案中的未结信用额度 | all_util | 0.534 | 所有交易均衡信贷限额 | total_bal_il | 0.394 | 所有分期付款账户的当前总余额 | revol_bal | 0.780 | 总信贷周转余额 | revol_util | 0.564 | 循环利用率,或借款人相对于所有可用循环信贷使用的信贷额度 | pct_tl_nvr_dlq | 0.489 | 从未拖欠交易百分比 | 历史申请 | mo_sin_old_il_acct | 0.577 | 自最早开立银行分期账户以来的月数 | mo_sin_old_rev_tl_op | 0.441 | 自最早的循环账户开始以来的月数 | mo_sin_rcnt_rev_tl_op | 0.349 | 自最近一次的循环账户开通以来的月数 | mo_sin_rcnt_tl | 0.461 | 自最近一次开户以来的月数 | mths_since_recent_bc | 0.561 | 自最近一次开立银行卡账户以来的月数 | mths_since_recent_inq | 0.724 | 自最近的调查以来的月数 | mths_since_rcnt_il | 0.604 | 自最近的分期付款账户开通以来的月数 |
|
|
|