FICO信用评分模型解析
来源:互联网 发布:python安卓开发环境 编辑:程序博客网 时间:2024/05/06 09:08
美国的信用评级基本都会参考FICO信用分,FICO是Fair Isaac Company推出针对用户哥哥方面情况的评分,范围从300-850分之间。分数越高说明客户的信用风险越小。
一般情况下,用户的FICO分值高于680,则被认为是是好的,低于620分,则会考虑拒绝,介于620-680之间的用户会被进一步调查。但是一般机构也不会直接用FICO作为判断的唯一风险的唯一依据,还会结合用户的其他行为。
FICO评分模型中考虑的因素:
1. 偿还历史
影响FICO得分的最重要的因素是用户的信用偿还历史,大约占35%。主要显示用户的历史偿还情况,帮助贷方了解用户是否存在历史逾期行为。包括:
* 各种信用卡的还款记录、零售消费账户记录、分期偿还贷款、金融抵押情况、抵押贷款。
* 公开记录及支票存款记录,主要记录破产记录、丧失抵押品赎回权记录、法律诉讼事件、留置权记录及判决。
* 逾期不还的情况,包括,逾期的天数、金额、次数和逾期发生时距现在的时间长度等。
例如:最近几个月的违约情况。
2. 信用账户数
影响度仅次于历史信用,约占30%。该因素主要用来分析对一个用户而言多少个账户算“多”,因为不是账户数越多风险越高,需要考虑一个用户的可用的信用度。
例如:总余额在循环账户总限额比
3. 使用信用的年限
约占15%的影响度。该因素主要考虑信用账户的账龄,既要考虑较早开立账户的账龄,也要考虑晚的,以及平均账龄。
4. 正在使用的信用类型
约占10%,包括持有的信用账户类型和每种类型的信用账户数
5. 新开立的信用账户
- FICO信用评分模型解析
- 关于Fico信用评分
- 金融大数据信用评分模型解析
- 信用评分模型
- 信用评分卡模型
- 信用评分之四--What Is a Hard Inquiry?(Fico信用查询之“硬查询”)
- 笔记︱金融风险控制基础常识——巴塞尔协议+信用评分卡Fico信用分
- 《信用管理》--信用评分方法之Z评分模型、ZETA评分模型
- 【R语言 评分模型】R语言建立信用评分模型
- xx省驾驶员信用评分模型
- 信用评分及模型原理解析(以P2P网贷为例)
- 信用评分及模型原理解析(以P2P网贷为例)
- 信用评分
- 3分钟搞明白信用评分卡模型&模型验证
- 3分钟搞明白信用评分卡模型
- 第五章 信用评分模型的开发流程
- 信用标准评分卡模型开发及实现
- 《信用管理》--信用评分方法
- 字符串统计
- dashboard界面总是抛出异常错误?
- YJKJ第三周ajax
- jdk8-方法引用
- POI HSSFColor 颜色索引对照表
- FICO信用评分模型解析
- Appium自动化原理与架构
- java虚拟机
- python编程_Python异常机制try: 代码段 except 异常类型,e: 异常处理代码段,如果不知道异常类型,可以使用try: 代码段 except Except,e:异常处理代码段;Ex
- 面向对象 与 面向过程 的区别
- markdown 字体、字号、颜色对照表
- Android 动画,看完这些还不够
- opencv 3.1 创建和使用SURF 的方法
- [LeetCode] Valid Anagram 有效颠倒