案例名称

时间预测金融分析——COX时序生存模型对贷款不良场景分析应用实践

案例简介

目前银行业已经普遍使用大数据算法，用于风险管理与辅助经营，取得了较好的效果。但我们分析下来发现，现有的通用类模型架构仍然有一定的局限：一个是分析时只能体现事物发展的结果，不能反映事物发展的过程；另一个是预测时只能给出发生的概率，无法给出可能的发生时间。

宁波银行COX时序生存模型不仅能对客群在不良发生概率进行分级分类，还能评判对不同客群的处理措施带来的结果。具体来说能产出两样成果：(1)有预测能力的指标、(2)给出最优的处理措施。业务人员可利用预测结果对预警客户进行整体的分类和排序，根据干预的紧急程度对客户分批采取措施。

创新技术/模式应用

传统的特征工程有两方面缺陷：一是要耗费大量人力资源，即使运用机器学习进行特征权重筛选，也需要耗费大量的人工参与进行选择；二是指标固化，使用一段时间后因为市场环境变化导致模型性能下降，就需要另外找科技公司重新设计模型，不能自我循环优化。

以宁波银行COX时序模型在某个人贷款产品中的应用项目为例。

一是具有自动化的特征工程，本项目的特征工程对个人客户的基本信息、征信、存款理财、风控数据和行内行为信息进行整合，结合业务专家经验及机器自动完成特征工程，并在使用过程中不断交互完成特征的迭代，最终得出18个特征指标。同时，特征工程会基于每日跑批自动更新优化，摆脱了传统模型使用时长上的局限性。

二是从分析“静态的历史结果”到“动态的发展过程”。如果用传统的机器学习算法去分析个人不良客户的成因，能够发现征信查询次数这一指标有一定的关联性；再结合人工经验，可以把这个指标进一步细化为近3个月内征信查询次数超过5次，这就是所谓的分析“静态的历史结果”。

而因为不同事件的发生本身就有先后顺序，COX模型通过算法给数据增加了时间属性，能让模型对于一些关键指标的判断更为精准。COX模型则会对征信查询前后发生的事件进行判断，能够发现在多笔征信查询后被他行拒贷的客户风险较大。从业务逻辑来看，这说明他行在调查该客户时发现其存在问题，可以帮助防范信息不对称带来的隐藏风险。

三是能够给出有时间参考的预测，并给出相应的操作建议。模型的创新点在于模型的输出结果并不是一个简单的分数，还有客户在未来第几个月有多大的概率会发生逾期，采取何种操作能最大化保全我行资产。COX模型本身广泛应用于预测癌症患者的生存时长，我们借鉴过来发现预测预警客户进入不良也有很好的指向性。

例如，COX模型会给出这个个人贷款产品在某类客群中未来第3个月有77%的概率发生不良，那么此时只冻结额度是不适宜的，采取各类催收手段、最大化利用客户资产线索收回本金更为妥当；相反，若模型给出某客群在未来10个月只有8%的概率发生不良，则完全可以采取更为温和的处理方式。

项目效果评估

（一）模型性能指标

在本次个人贷款产品的应用上，我们使用了concordance index (C指数常用来评判模型预测贷款客户何时进入不良的精准程度)来评价生存模型的预测能力；另外，我们使用了AUC指标作为模型能否区分好坏客户的评判标准。经实践观察，模型训练集AUC达到0.806，测试集AUC达到0.799;训练集C指数达到0.788，测试集C指数达到0.781，各方面指标均达到较好水平。

图1：训练集和测试集的COX时序生存曲线效果图

图2：训练集和测试集的COX时序模型ROC曲线

图3：训练集和测试集的COX时序模型AUC与C指数比较

（二）模型应用效果

1、对风险化解手段进行成效分析

现有的风险干预手段（如提前催收、压缩周转、贷款展期等）主要依赖业务专家的人工经验，但未来我们面临大量的互联网客群，如果没有大量的数据分析支撑，不同化解措施的效果将很难衡量评价。而通过COX模型不仅可以针对性分析不同干预手段对不良率的影响，找出不同情况下的最优措施，而且可以通过划分出险客群的“轻重缓急”。例如在本次个人贷款产品的项目上，COX能很好的对不同客群应用不同措施的结果进行区分，在条件允许下对部分贷款进行压缩周转，能在控制风险水平的同时将贷款收益最大化。

2、挖掘深层次、隐藏的指标

正是由于COX具有传统“静态的历史结果”分析所不具备的分析“动态的发展过程”的能力，因此可以发现量变到质变的关键行为，进而将其作为准入和预警规则的特征之一，比如说上述“多笔征信查询后被他行拒贷”的指标。

3、助力营销获客

风险与营销本是一体两面，因此COX除了可以应用于风险监测场景，还可以有效助力前台业务部门进行营销。例如，发现客户的需求时点，例如通过对存量客户结算归行额进行分析，发掘客户资金缺口或者资金充裕的时间点，在恰当的时间为客户提供信贷或财富业务服务，提高获客率。又如，预测客户流失概率，监测客户在我行CRM信息，挖掘流失客户的主要特征，当客户出现流失指标时，及时提示管户客户经理加强客户维护，降低流失率。

项目牵头人

施道明 宁波银行风险管理部总经理

项目团队成员

何文岳、韦达、詹静文、陈丹瑶、张禹勋、陈亮、刘帅

责任编辑：韩希宇