일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 파이썬 테마
- 리눅스 저장 용량 확인
- 신청평점
- 신용평가 부정사용 평점
- linux 폴더 크기 확인
- 행동평점
- Cudnn 버전 확인
- 회수모형
- jupyter notebook PDF
- 파이썬 이미지 리스트 변환
- python image list
- linux 폴더 용량 확인
- CSS Fraud Score
- ORACLE 상위 행 추출
- 주피터노트북 테마 변경
- python image load
- ORACLE NULL값 처리
- SQL NULL값 처리
- ORACLE 상위 N개 추출
- 딥러닝
- 신용평가 Fraud
- 주식 데이터 수집
- jupyter notebook 테마 변경
- 파이썬 이미지 불러오기
- python pandas
- 딥러닝 제대로 시작하기
- ORACLE SQL NVL
- Python Numpy
- 파이썬 이미지 라벨 저장
- SQL NVL
Archives
- Today
- Total
koos808
1. AS(신청평점)와 BS(행동평점), CS(회수평점) 본문
728x90
반응형
- 신청평점 (Application Score)
- 목적
- 여신신청 고객에 대하여 승인여부 및 한도, 수수료율 등을 결정
- 금융회사에서 최초로 고객의 대출 신청( 또는 신용카드 입회 신청) 시 입회여부를 결정하기 위한 평점
- 대상 : 여신(대출/카드) 신청자
- 산출시점 : 신청시점
- 특징
- 자사 거래정보가 없기 때문에 신상 및 외부 신용정보에 많이 의존
- 금융회사 내부의 회원 정보가 제한적이므로 CB 정보 의존도가 높음
- 행동평점 대비 모형 Risk 변별력이 낮음
- 목적
- 행동평점 (Behavioral Score)
- 목적
- 기존고객에 대한 한도조정, 거래승인 등의 회원관리 전략 수립
- 금융회사에서 내부 회원의 리스크를 관리하기 위한 평점
- 대상 : 기존 고객 중 일정기간 경과자 (보통 6개월)
- 산출시점 : 매월말 (또는 결제일)
- 특징
- 금융회사의 이용/연체 등 내부정보 활용
- 신청평점 대비 모형의 Risk 변별력이 높음
- 실적기간이 신청평점에 비해서 짧음 (3~12개월)
- 과거 이용/연체 정보를 활용하여 예측력이 높음
- 이용/연체상태 등에 의해 세그멘테이션하는 경우가 많음
- 목적
- 회수평점 (Collection Score)
- 목적
- 연체회원에 대한 회수 가능성을 계산하여 회수전략 도출
- 대상 : 연체 중인 회원
- 산출시점 : 연체 발생 후 주기적으로 (매일 또는 매월)
- 특징
- 회수는 회수스코어나 전략보다는 회수요원의 능력에 크게 의존하기 때문에 실제 적용 시 정확도가 많이 떨어짐
- Action 반영에 따라 반응이 나타나므로 개발 당시와 비교 분석하는 모니터링이 어려움
- 목적
-----------------------------------------------------------------------------------------------------------
728x90
반응형
'신용평가·CSS' 카테고리의 다른 글
2.부정사용 평점(Fraud Score) (0) | 2023.11.16 |
---|
Comments