互联网风控业务中的续贷审批模型：融合还款意愿分层的逾期风险识别
互联网风控业务中的续贷审批模型：融合还款意愿分层的逾期风险识别
在互联网金融风控领域，如何精准识别借款人的还款意愿和信用风险是至关重要的。本文提出了一种创新的续贷审批模型，通过融合还款意愿分层来提升逾期风险识别的准确性。这种方法不仅能够有效降低坏账率，还能在催收力度下降的情况下保持较低的逾期率。
1、背景说明
本文旨在提出一种针对风控催收受限情况下，如何提升风控审批模型的风险识别能力，以缓解贷后催收的压力，降低贷款资金坏账的风险。这篇工作依然是很早期的项目，分享的目的一方面做笔记，另一方面则是希望其中涉及的算法思想和优化点，对读者有一定的启发作用。
本文所涉任务是面向续贷审批场景，当然也可以将该思想扩展到其他场景。主要是提出一种融合还款意愿分层的逾期风险识别的新模型。之前风控场景流行的建模方式，是对Y的定义为贷后用户是否为dpd10+。这样的处理方式，在模型训练时，虽然能够在一定程度把非dpd10+的用户排在前几档，但是不能保证这几档的好用户还款意愿强弱与后几档的好用户存在差异。在低风险档中，很容易混入dpd1-10的“好用户”，而这些用户越往后其逾期的概率越大。因此随着催收的力度降低，更容易造成dpd10+的用户产生，影响全生命周期的坏账率。所以通过对Y进一步细化，引入用户的还款意识强度的识别，进一步提升模型对还款意识强的好用户的识别能力。
2、数据分析
还款行为在续贷贷后不同期的分布转移分析：
初步分析结论:
(1) M1各类用户到M2，M3的迁移分布保持一致。
(2) M1各类用户到M3的迁移分布与M2各类用户到M3的迁移分布保持一致。
(3) 从M1-M3&M2-M3，可看出，M1的各类用户能够体现出还款意愿强弱差异。
(4) 对用户按照意愿强度分层具备意义，如果控制放款的用户为“提前还款”用户，有利于在当前催收力度下降的情况下，控制全生命周期的坏账。
(5) 因此评判模型的优劣，需额外引入新的指标，即topK档的好用户中“提前还款或者当天还款”用户占比。
因此我们希望通过改变模型的学习目标后，模型评估的结果分布可以将提前还款用户占比提升。
3、续贷审批流程
4、融合还款意识分层的信用风险识别审批模型
4.1 模型思路
针对申请的用户，首先会识别其还款意愿度，筛选出有较强还款意识的申请者。因为不同的还款意识强度，会对应不同的还款行为。提前还款用户偏好提前还款或者按时还款。
针对1-3类的每一分层，都会构建对应场景限制的逾期风险模型。如针对提前还款场景，在M1-M3任意一期逾期dpd10+作为坏用户，反之作为好用户，训练风险识别模型。对于第4类，由于其本身属于还款意识弱的高危用户，因此会直接作为高风险用户。
通过有效融合还款意识模型分以及各分层信用风险模型分，得到最终的用户排序分值，从低到高风险排序用户。
4.2 模型实践
4.2.1 初步策略探索（baseline+策略1~4）
baseline：不加入还款意图分层，使用Xgboost进行二分类
融合策略1：加入还款意图分层（Prepay_intention），除dpd10还款类别外，各分层单独训练主信用风险模型（Poverdue_risk）
融合策略2：在融合策略1的基础上，对Poverdue_risk(x, repay_intention)进行Min-Max Scale（MMS）
融合策略3：加入还款意图分层，单独训练主信用风险模型
融合策略4：加入还款意图分层，单独训练主信用风险模型,输入RF stacking进行模型融合
不同融合策略结果对比：还款意愿分层确实能够改变L1-L3的好用户组成比例
4.2.2 优势策略融合
4.2.2.1 策略5
融合策略5：策略1+策略4优势互补
从实验结果来看，策略1可以明显提升L1-L3的提前还款用户比例，而策略4可以明显降低L1的容忍期还款用户比例。我们希望通过对策略1和策略4结合进行优势互补，既能提升L1-L3的提前还款用户比例，又能明显降低L1的容忍期还款用户比例。
4.2.2.1.1 策略5新数据结果
结果说明（融合策略5相对于baseline）：
(1) L1-L3，提前还款用户占比都有提升，其中L1的提升比例为19.54%
(2) L1-L3，容忍期还款用户占比都有降低，其中L1的降低幅度为39.05%
(3) 前三档总的坏账率由0.561%下降到0.549%
(4) ks保持一致
4.2.2.2 策略6
融合策略6（融合策略5+加法模型）
增加加法模型，从实验结果来看，策略6相对于策略5，可以使前三档逾期率有明显的下降。
加法模型，该方法我们已经在《互联网风控业务中的拒绝推断场景算法应用分享（涉及半监督算法、异常检测、变分自编码、样本权重自适应调整、迁移学习等）》中提及：
4.2.2.2.1 策略6新数据结果
结果说明（融合策略5相对于baseline）：
(1) L1-L3，提前还款用户占比都有提升，其中L1的提升比例为17.35%
(2) L1-L3，容忍期还款用户占比都有降低，其中L1的降低幅度为39.64%
(3) 前三档总的坏账率由0.561% 大幅下降到0.527%