信用卡使用风险管理.ppt

3.5 利用个人信息与家庭信息识别信用卡使用风险 为了得到有意义的分类结果，我们使用所有的个人信息和家庭信息建立了多个分类树模型。 家庭信息保留：家庭成员（H_member），住家情况（H_housing），家庭经济状况（h_economy）等三个家庭信息变量， 个人信息方面保留了：持卡人月均消费额（p_avg_expense），持卡人受教育程度（p_edu），持卡人年龄（p_age），持卡人婚姻状态（p_maritus），持卡人性别（p_gender），持卡人居住地（p_region），持卡人月均刷卡消费额（p_avg_cred_exp），持卡人注重的信用卡功能（p_preference），持卡人宗教信仰（p_religion），持卡人居住地的都市化程度（p_surrounding）等十个变量。 * * H_member=1 P_avg_expense=5 高风险客户的特征 “个人月均消费额不高（p_avg_expense5），从事任意职业（即非家庭主妇，或无业），受教育程度为小学以下（p_edu=1），年龄在15~19岁之间（p_age=1）的独居者（H_member=1）” “职业为家庭主妇或无业（p_job=20，21），已婚（p_maritus=2），且家庭经济状况在中等以下（h_economy4）” “虽然拥有一份职业，但其月均信用卡消费额度超过20万台币（p_avg_cred_exp=8）”， …… * * 99.99% 99.97% 99.99% 3.6 持卡人星座与血型 对信用卡使用风险的影响 * * * * 四 、 研究结论与分析 4.1细分客户群 4.3 使用风险的管理及建议 4.2 持卡风险构成及识别 结论 与 分析 4.1 细分客户群 Cluster 1 Cluster 2 Cluster 3 Cluster 4 Cluster 5 客 户 群 20-29，女性，较低收入和消费，都会用户，刷卡金额中等 24-34，男性，较低收入和消费，都会用户，刷卡消费中等 20-39，女性，收入低，刷卡消费中等或以下，都会用户 15-24，男性，收入消费低，都市用户，刷卡消费中等或以下 20-34，女性，收入和消费较低，都市用户，刷卡和消费中等 4.1 细分客户群 综合 发现 通过分析结果我们发现，持卡者个人收入和消费均较低，但和他们的刷卡消费比较，后者维持在较高的水平，这也意味着，收入和消费较低的群体应是各发卡机构重点关注的潜在用户，同时也应根据其水平来制定相应的信用卡额度，以减少持卡者透支还不起卡债的现象发生。 女性 群体 都市女性的收入和消费比都会女性高，因此发卡机构应提高都市女性持卡者的信用额度；而都会女性的收入和消费不高，刷卡金额也相对较低，信用风险较低，在限定额度的同时，应多挖掘出此类都会女性。 男性 群体 由于男性持卡者大都分布在都市地区，刷卡金额中等或以下，青年男性消费水平比低龄男性低，考虑到前者工作机会比后者更大，因此发卡机构应在限定信用卡额度的同时，适当提高青年男性的信用卡额度 4.2 持卡风险构成及识别 职业类型体现收入的水平和稳定性，是持卡人还款的保障，正如模型所显示的，无兼职的家庭主妇和无职业者很容易成为高风险持卡者。 通过信用卡维持不合理的高消费，很有可能导致个人资金弹性的脆弱，引发信用卡违约风险。 刷卡金额越多，以致经常性临近信用额度，暗示着该持卡者的经济状况不佳或有可能恶意透支，使风险增大。但是如果总是可以保持不超过信用额度，及时偿还，导致违约的可能性也比较小，这样的情况需要建立动态的模型进行监测。. 独自居住的持卡者风险更大，这是因为独居者（尤其是单身者）缺乏对生活和理财的整理规划和有效监督。 教育程度 婚姻 居住地的 都市化程度 户籍所在地，年龄等 家庭成员人数 个人月平均 刷卡消费金额 个人月平均消费额 职业 4.3 信用卡使用风险管理的建议 1。 细分客户群，针对不同风 人群推出不同类型信用卡 2。 建立科学合理的 信用卡审批制度 3。 动态监控持卡人刷卡消费情况及时采取措施防范风险 从上文的讨论可以看出不同的人群具 有不同程度的风险，应把持卡者区分成 不同的类别，推出不同的信用卡产品。 应定期、时时收集对风险监测和控制的数据。信用卡持卡的风险很大部分是由于持卡者在经济方面遭受了意外，导致大额透支或还款困难。及时地预见到这些情况，可以预先采取措施防止损失的发生。 评级打分等传统统计方法不仅存在 一定的主观性，而且方法不够科学 合理，错误率较高，为以后的风险 控制埋下了隐患。 来升强 博士生 路逊 本科生 温晓虹 硕士生 施聪勉