信用评级维度拆分
2016-03-30 15:37:40 17 举报AI智能生成
信用评级维度拆分是指将信用评级的多个因素进行分类，以便更好地评估借款人的信用风险。这些因素通常包括借款人的财务状况、还款能力、担保物价值等。例如，可以将财务状况分为收入稳定性、负债水平、资产质量等子类别；将还款能力分为现金流充足性、债务偿还能力等子类别；将担保物价值分为抵押物价值、质押物价值等子类别。通过对这些因素进行细分，可以更准确地评估借款人的信用风险，从而为金融机构提供更有价值的信息。
作者其他创作
大纲/内容
信用评级维度拆分
身份特质
人口基本特征（非财务因素）
年龄0.6
18-23
20分
24-28
40分
29-35
60分
36-40
80分
40-45
100分
45-50
50+
性别0.6
男
女
星座
婚姻状况0.5
未婚
50分
已婚无子女
已婚有子女
离异
户籍地址0.8
本地人
外地人
子主题
教育程度基本特征（非财务因素）
最高学历*最高学历性质系数
初中及以下
5分
高中及中、专科
30分
本科
硕士研究生
博士及以上
最高学历性质
统招
1
民办
0.6
自考
0.4
最高学历就读学校0.7
895、211、一本院校
100
普通院校
60
曾就读过的学校
中专科
普通本科
一本院校
211.985重点院校
已获得的学位
学士
硕士
就读专业
‘竞赛获奖’& ‘文章发表’
工作相关特征（财务因素）
现工作单位0.6
10万以下注册资金
10
10-100万注册资金
30
100-500万注册资金
50
500-1000万注册资金
1000-5000万注册资金
80
5000-1亿注册资金
90
1亿以上注册资金
现从事行业0.6
IT|通信|电子|互联网
金融业
房地产|建筑业
商业服务
贸易|批发|零售|租赁业
40
文体教育|工艺美术
生产|加工|制造
交通|运输|物流|仓储
服务业
文化|传媒|娱乐|体育
能源|矿产|环保
政府|非盈利机构
农|林|牧|渔|其他
现职位头衔0.4
普通工人/一般职工
基层管理人员
中层管理人员
高层管理人员
曾用单位
曾从事行业0.2
与现行业一致
与现行业不一致
曾用职位头衔0.5
与现头衔平级
比现职务低一级
比现职务低两级及以上
薪资水平0.4
一线城市
2000及以下
2000-6000
6000-1万
1万-1.5万
1.5-2万
2万+
二线城市
2000-5000
5000-8000
8000-15000
1.5万+
三线城市
1500及以下
1500-3000
3000-5000
8000-13000
13000+
四线县城及城镇
1000及以下
1000-3000
行为偏好
消费行为（财务因素）0.6
线上消费
消费品类偏好
生活用品
服装
健身
游戏设备
-200
母婴
家电数码手机
20
美妆保健
美食鲜花宠物
房产装修建材，汽车用品
办公五金
学习
200
电商消费频率
3次及以下/月
3-5次/月
5-10次/月
10+/月
线下消费
消费商户偏好
与线上消费一致
消费品牌偏好
奢侈品牌
-100
名牌品牌
一般品牌
无品牌
消费时段偏好0.2
AM6-10点
10-16点
-50
16-20点
20-23点
23点以后
消费频率
月消费30以内
30-70
70+
房租/月0.3
500以内
500-1000
8000+
租房所在地段0.5
市中心
郊区
互联网浏览行为
网页浏览类别偏好
百度贴吧
关注贴吧偏好
高频搜索词条偏好
空间行为（非财务因素）
现居地0.8
现居住地6个月
6-12个月
1年-3年
3年-5年
5年以上
手机号归属地0.2
本地
外地
0
曾居地（停留时间6个月）
曾驻地（停留时间6个月）
出行工具偏好
飞机
高铁
火车
大巴
入住酒店偏好
二星及以下经济
三星舒适
四星高档
五星高档
出行频率0.1
一季度1次
半年一次
一年一次
出行地域0.2
国内
国外
70
人脉关系（）
新浪微博0.4
注册时间
6个月内
6个月-1年
1-3年
3-5年
互粉好友数
50以内
5
50-100
100-300
300-500
1000+
微博数
人人网
手机号码0.6
使用时间3个月内
1年内
信用历史（信用放大参数）
信用卡
无逾期
1年内2次逾期
1年内3-5次逾期
1年内逾期5次以上
贷款
同上
网贷
芝麻信用分
350～550
550～600
0.5
600～650
650～700
1.5
700～950
2
0 条评论
回复 删除
下一页
