Backgrounds 84A1005
Credit Scoring

Credit Scoring for SAS® Enterprise Miner

Разработка системы показателей, ее внедрение и мониторинг для принятия более качественных решений

Банковские организации, а также финансовые и кредитные отделы в учреждениях различных отраслей могут собственными силами создавать модели оценки кредитных рисков, проводить их валидацию и внедрение. Разработчики систем показателей и менеджеры по оценке кредитоспособности могут по умолчанию делать точные и своевременные прогнозы, чтобы упростить процесс принятия решения по кредитной заявке, привлечь и удержать больше клиентов, собрать задолженности, уменьшить риски потребительского кредитования.

Мы достигли существенной экономии масштаба как в части ресурсов, так и в части затрат на персонал и времени.

Тула Эфтимиу (Toula Efthymiou),
директор отдела кредитного риска и управления капиталом
Piraeus Bank Group

Преимущества

Комплексная подготовка данных

Экономьте время и ресурсы, обращаясь к данным, преобразуя их, очищая и подготавливая. Это касается также данных сторонних организаций, сведений о заявлениях, оплате счетов и погашении задолженностей. Наборы данных любого размера можно быстро и просто исследовать на предмет наличия закономерных повторений, аномалий и пропущенных значений. Для этого используются встроенные интерактивные узлы с большим количество опций для изучения, трансформации, начисления пропущенных значений, анализа резко отклоняющихся значений и корреляционного анализа.

Эффективная разработка систем показателей

SAS предоставляет быстрое, гибкое и экономное решение для создания и внедрения кредитных систем показателей практически для всех продуктов потребительского кредитования — счетов, карт, кредитов, ипотеки — что ведет к принятию более качественных решений касательно кредитования и сокращению потерь. Вы сможете вычислять показатели для каждого атрибута, используя WOE-переменные или групповые переменные, которые экспортируются в регрессионную логистическую модель. Разрешается также вручную назначать показатели для атрибутов.

Выбор и интерпретация переменных для быстрого выявления отношений и вариантов поведения

Credit Scoring for SAS Enterprise Miner намеренно цензурирует данные, упрощая понимание отношений и позволяя моделировать нелинейные зависимости с линейными моделями. Пользователь контролирует процесс разработки и извлекает полезные данные о поведении из средств прогнозирования рисков. Узел отсеивает характеристики таким образом, что потенциальные прогнозные переменные используются, а остальные переменные — отбрасываются.

Автоматическое создание целевой переменной для набора данных с забракованной информацией

Чтобы устранить систематические ошибки отбора, несбыточные ожидания и чрезмерную уверенность в модели, решение SAS использует три признанных в отрасли метода учета невыданных кредитов: fuzzy augmentation, parceling и hard cutoff. Система позволяет быстро и надежно оценивать производительность модели на известных (или всех) клиентах, независимо от принятого по их заявке решения.

Повышение качества портфеля

Оценивайте и контролируйте риски существующих портфелей и улучшайте стратегии по привлечению клиентов с помощью продвинутых средств прогнозной аналитики SAS. Данный подход позволяет лучше понять особенности конкретных рисков и связанных с ними последствий, включая просрочки платежей, отказ от уплаты долгов и безнадежные долги.

Скриншоты

Office background 2

Возможности

Credit Scoring
  • Гибкие функции подготовки данных и управления
  • SAS® Enterprise Miner™: Передовые средства прогнозной аналитики
  • Запатентованный метод оптимального строгого биннинга
  • Узел разделения данных
  • Узел интерактивной группировки
  • Узел системы показателей
  • Узел отклоненных заявок
  • Тесная интеграция с решением SAS® Credit Scoring for Banking

Техническая информация

Back to Top