CREDIT & DATA
征信衍生变量与评分
可信金科征信衍生变量解析系统：10000+变量库覆盖还款历史、账户、消费、额度、收入、负债、账龄、信贷需求、反欺诈九大类；输入一代HTML/二代XML报文，输出可直接入模的变量值。
征信衍生变量解析系统从人行征信报告中解析加工出 10000+ 个具备业务含义与区分度的风控变量，使征信数据可用于自动化风控决策。变量库自 2018 年在某城商行首次落地起持续迭代至今，个人九大类、企业变量表并行演进。
变量体系
业务常用征信数据来自六大信息模块（基本信息、信息概要、信贷交易明细、非信贷交易、公共信息、查询信息），在此之上衍生九大类变量：
| 分类 | 说明 |
|---|---|
| 还款历史类 | 基于 5 年内信贷明细的还款状态、欠款金额，判断信贷记录优良度 |
| 账户类 | 账户统计变量，衡量征信信息厚度 |
| 消费类 | 不同类型贷款与贷记卡使用，描绘消费水平与趋势 |
| 额度类 | 贷记卡额度与已用金额，刻画用卡行为 |
| 收入类 | 授信额度、贷款发放、公积金缴纳等推断收入水平 |
| 负债类 | 未结清贷款与贷记卡使用，度量当前负债 |
| 账龄类 | 各类时间记录与查询时点之差，判断账户存续时长 |
| 信贷需求类 | 近期贷款/贷记卡审批查询，刻画信贷需求强度 |
| 反欺诈类 | 还款之初的还款记录模式，识别欺诈行为 |
交付与应用
接口方式部署在机构本地：输入一代 HTML 或二代 XML 报文，输出变量值，前端操作、后端加工，风控/业务系统直接调用。在变量基础上，可进一步提供信贷全生命周期风险模型 建设服务。
变量规模核心衍生变量 10000+，九大分类
输入一代 HTML / 二代 XML 报文
输出变量值（接口方式，可直接入模）
变量效果43% 变量 IV 0.1–0.6
部署本地化部署，一二代兼容
- 九大变量分类：还款历史、账户、消费、额度、收入、负债、账龄、信贷需求、反欺诈
- 白盒透明：变量逻辑业务人员可读可查，支持逐条审计
- 实测效果：某银行申请评分卡 90% 以上模型变量来自央行征信衍生变量，模型运行稳定
- 合规用数路径：支持’不输出征信原文、只输出变量与评分’，满足征信数据不出域要求
FAQ
常见问题
为什么征信报告不能直接用于风控模型？
人行征信报告数据以日志记录形式存在（Html/Xml），没有统一变量体系，机构无法直接用于模型建设与自动决策，需经过体系化的衍生变量加工。美国三大征信局直接提供标准变量，国内需要机构自建或采购。
变量效果怎么验证？
以 IV 值（信息价值）衡量，我们的变量库实测 43% 的特征变量 IV 在 0.1-0.6 之间、29% 大于 0.6。可提供变量清单与逻辑说明，机构可用自有样本回测后再决定采购范围。
和"担保风控输出"是什么关系？
对融资担保等机构，衍生变量是"不输出征信原文、只输出变量与评分"合规路径的技术载体：担保公司在自己域内加工变量，向合作方输出风控结论而非报告原文。详见融资担保风控方案。
企业征信也有衍生变量吗？
有。企业变量表持续迭代中，覆盖企业基本信息、信贷记录、对外担保、公共信息等维度，与个人变量库同一套解析引擎。
RELATED
相关内容
