精华内容
下载资源
问答
  • 互联网金融背景郑州市大学生信用消费研究.pdf
  • 互联网消费金融信用风险分析及其防范研究.pdf
  • 个人信息特征对互联网消费金融信用风险管理的影响.pdf
  • 吉林省地方院校大学生互联网消费金融信用风险分析.pdf
  • 消费者视角电商信用体系调查研究.pdf
  • 互联网金融背景下信用信息主体权益保护的实践与探索——以重庆辖内A消费金融公司和B小额贷款公司为例.pdf
  • 基于互联网信贷平台大学生信用消费心理研究——以蚂蚁花呗为例.pdf
  • 消费信用风险:使用 Binning Explorer 进行信用评分卡建模2、企业信用风险:基于违约概率和信用迁移矩阵的信用组合模拟3. 市场风险:风险价值回测您会发现这些文件是更好地了解 Risk Management Toolbox 以及工具...
  • 本文讲的是信用消费挺进O2O市场,在铺天盖地的O2O大潮,几乎到了“是个互联网企业都扎堆O2O”的地步,而在不少传统企业的眼里,如何利用好手中的“武器”加入到O2O大军当中则成为了转型升级的重要一步。...

    本文讲的是信用卡消费挺进O2O市场,在铺天盖地的O2O大潮下,几乎到了“是个互联网企业都扎堆O2O”的地步,而在不少传统企业的眼里,如何利用好手中的“武器”加入到O2O大军当中则成为了转型升级的重要一步。作为所有银行中与用户最贴身的产品,信用卡也开始谋求和互联网企业合作为用户带来更多O2O的新玩法。

    信用卡消费挺进O2O市场

      线下刷卡线上返利

      对于不少信用卡用户而言,虽然刷卡能够拿到积分,但是大多数的积分都是“鸡肋”而无法充分利用。而中信银行和返利网针对这个问题就联手推出了国内首款互联网+线下消费返利卡——中信返利联名信用卡,又称“中信返利F卡”。

      据了解,“中信返利联名信用卡”的用户持中信返利联名信用卡无论是通过返利网平台网购,还是在线下商户刷卡消费,都可以直接获得1%以上的返利。此外,另一大特点是返利范围覆盖线上超400家知名电商和数千万家银联商户,是目前全球最大的返利网络。用户通过返利网进行的线上消费,以及线下计积分的商户消费,包括餐饮、酒店、百货、商超等零售类商户,均可获得1%以上返利。

      在线办卡任选百种卡片

      在各家银行信用卡想尽办法来吸引用户的同时,用户却面临着众多银行信用卡可选但是难以每家都上门了解和申请的难题,而线上的一些信用卡平台则瞄准了这个痛点,为用户提供了一站式的办卡平台。据悉,记账理财APP随手记宣布在手机端正式上线在线办卡业务,随手记在线办卡目前支持广发银行、平安银行、交通银行、光大银行、中信银行、浙商银行及浦发银行(上海、北京)共7家银行的在线办卡通道,均为银行直连,提供过百种卡片供“卡友”选择。

      据介绍,随手记手机端共有两个在线办卡入口,有达人力荐、热门银行以及主题精选三大板块,其中,达人力荐板块将会定时更新推荐经过官方鉴定、精心挑选出来的通过率高且权益好的优质卡片。主题精选板块则通过主题分类分为“大额度”“剁手族”“商旅人士”等几大模块,帮助用户快速找到心仪的卡片。随手记的产品负责人表示,随手记在线办卡与银行卡中心直接合作,申请页面均为银行官网链接,安全有保障。

      个人信用可为额度“充值”

      信用卡在不少人看来早已经不是什么新鲜事物,但是到底选用哪张卡很大程度上则取决于每张信用卡的信用额度的多少,毕竟银行严格的风控制度往往会使得那可怜的信用卡额度成为鸡肋。而随着互联网和O2O的合作伙伴的加入,信用卡的信用额度也有了新的玩法。据悉,中国光大银行与考拉征信联合推出国内首款以商户信用分为基础的个人主题信用卡——信盈联名信用卡,中国光大银行与考拉征信将在风控、征信、大数据等方面全面合作,以“信盈联名个人主题信用卡”为合作切入点,将客户的考拉商户信用分与个人消费信贷紧密结合,创新推出以“商户评分”换取“个人信用额度”的金融服务。

      据了解,“信盈联名个人主题信用卡”分为金卡和白金卡,除了交易短信实时提醒、7×24小时全球服务热线、健康服务等基本用卡服务外,还为客户提供了“额度提前预知”“分期期限随时修改”服务。客户可以在申请卡片时提前知晓本人的初始信用卡额度区间,同时可以随时根据资金变化情况、用款还款需求等变化,随时修改还款期限。

    作者:信雪蕊

    来源:IT168

    原文标题:信用卡消费挺进O2O市场

    展开全文
  • 考虑消费者效用的电商平台信用支付决策研究.pdf
  • 随着社会信用体系建设的深入推进, 社会信用标准建设飞速发展,相关的标准相继发布,包括信用服务标准、信用数据釆集和服务标准、信用修复标准、城市信用标准、行业信用标准等在内的多层次标准体系亟待出台,社会信用...

    概述

    该项目是中国移动公司举办模型竞赛项目,奖金百万。

    赛题信息

    随着社会信用体系建设的深入推进,   社会信用标准建设飞速发展,相关的标准相继发布,包括信用服务标准、信用数据釆集和服务标准、信用修复标准、城市信用标准、行业信用标准等在内的多层次标准体系亟待出台,社会信用标准体系有望快速推进。社会各行业信用服务机构深度参与广告、政务、涉金融、共享单车、旅游、重大投资项目、教育、环保以及社会信用体系建设,社会信用体系建设是个系统工程,通讯运营商作为社会企业中不可缺少的部分同样需要打造企业信用评分体系,助推整个社会的信用体系升级。同时国家也鼓励推进第三方信用服务机构与政府数据交换,以增强政府公共信用信息中心的核心竞争力。

    传统的信用评分主要以客户消费能力等少数的维度来衡量,难以全面、客观、及时的反映客户的信用。中国移动作为通信运营商拥有海量、广泛、高质量、高时效的数据,如何基于丰富的大数据对客户进行智能评分是中国移动和新大陆科技集团目前攻关的难题。运营商信用智能评分体系的建立不仅能完善社会信用体系,同时中国移动内部也提供了丰富的应用价值,包括全球通客户服务品质的提升、客户欠费额度的信用控制、根据信用等级享受各类业务优惠等,希望通过本次建模比赛,征集优秀的模型体系,准确评估用户信用分值。

    数据清单

    train_dataset.zip:训练数据,包含50000行

    test_dataset.zip:测试集数据,包含50000行

    官网链接:

    https://www.datafountain.cn/competitions/337

    模型竞赛奖励包括金钱奖励,荣誉证书和大企业工作机会提供

    模型竞赛评分方式是MAE,MAE是回归模型的一个评估指标,因此我们需要建立一个回归模型来解决问题。

     

    欢迎各位同学报名<python风控建模实战lendingClub>,学习消费者人群画像-信用智能评分模型竞赛知识。https://edu.csdn.net/course/detail/30742

    课程对该项目详细讲解,包括回归原理知识,梯度下降,正则化,岭回归,Lasso回归,弹性网络,支持向量回归,xgboost回归,lightgbm回归,sequencial等多种回归模型建模和算法比较

    课程有调试好的python脚本,可以直接调用

    课程有完整的训练集,测试集,和oot数据,下图是部分数据预览

    数据说明

    本次提供数据主要包含用户几个方面信息:身份特征、消费能力、人脉关系、位置轨迹、应用行为偏好。字段说明如下:
    字段列表  字段说明
    用户编码  数值 唯一性
    用户实名制是否通过核实  1为是0为否
    用户年龄  数值
    是否大学生客户  1为是0为否
    是否黑名单客户  1为是0为否
    是否4G不健康客户  1为是0为否
    用户网龄(月)  数值
    用户最近一次缴费距今时长(月)  数值
    缴费用户最近一次缴费金额(元)  数值
    用户近6个月平均消费话费(元)  数值
    用户账单当月总费用(元)  数值
    用户当月账户余额(元)  数值
    缴费用户当前是否欠费缴费  1为是0为否
    用户话费敏感度   用户话费敏感度一级表示敏感等级最大。根据极值计算法、叶指标权重后得出的结果,根据规则,生成敏感度用户的敏感级别:先将敏感度用户按中间分值按降序进行排序,前5%的用户对应的敏感级别为一级:接下来的15%的用户对应的敏感级别为二级;接下来的15%的用户对应的敏感级别为三级;接下来的25%的用户对应的敏感级别为四级;最后40%的用户对应的敏感度级别为五级。
    当月通话交往圈人数  数值
    是否经常逛商场的人  1为是0为否
    近三个月月均商场出现次数  数值
    当月是否逛过福州仓山万达  1为是0为否
    当月是否到过福州山姆会员店  1为是0为否
    当月是否看电影  1为是0为否
    当月是否景点游览  1为是0为否
    当月是否体育场馆消费  1为是0为否
    当月网购类应用使用次数  数值
    当月物流快递类应用使用次数  数值
    当月金融理财类应用使用总次数  数值
    当月视频播放类应用使用次数  数值
    当月飞机类应用使用次数  数值
    当月火车类应用使用次数  数值
    当月旅游资讯类应用使用次数  数值

    深度学习sequencial模型建立时,需要安装Keras包。

    下面我们用部分python脚本演示变量的可视化,方便描述性统计分析

    当月通话交往圈人数数据可视化

    f, ax = plt.subplots(figsize=(20, 6)) sns.scatterplot(data=df_data, x='当月通话交往圈人数', y='信用分', color='k', ax=ax) plt.show()

    '当月旅游资讯类应用使用次数', '当月火车类应用使用次数', '当月物流快递类应用使用次数', '当月网购类应用使用次数', '当月视频播放类应用使用次数', '当月金融理财类应用使用总次数', '当月飞机类应用使用次数', '用户年龄','用户当月账户余额(元)', '用户账单当月总费用(元)', '用户近6个月平均消费值(元)等多个变量散点图绘制。

    name_list = ['当月旅游资讯类应用使用次数', '当月火车类应用使用次数', '当月物流快递类应用使用次数', '当月网购类应用使用次数',
                 '当月视频播放类应用使用次数', '当月金融理财类应用使用总次数', '当月飞机类应用使用次数', '用户年龄',
                 '用户当月账户余额(元)', '用户账单当月总费用(元)', '用户近6个月平均消费值(元)', '缴费用户最近一次缴费金额(元)']
    
    f, ax = plt.subplots(3, 4, figsize=(20, 20))
    
    for i,name in enumerate(name_list):
        sns.scatterplot(data=df_data, x=name, y='信用分', color='b', ax=ax[i // 4][i % 4])
    plt.show()

     

    sns.kdeplot()核密度估计图

    核密度估计是概率论上用来估计未知的密度函数,属于非参数检验,通过核密度估计图可以比较直观的看出样本数据本身的分布特征

    f, ax = plt.subplots(1, 3, figsize=(10, 8))
    sns.kdeplot(data=df['当月飞机类应用使用次数'], color='r', shade=True, ax=ax[0])
    sns.kdeplot(data=df['当月火车类应用使用次数'], color='c', shade=True, ax=ax[1])
    sns.kdeplot(data=df['当月旅游资讯类应用使用次数'], color='b', shade=True, ax=ax[2])
    plt.show()

     

    '用户最近一次缴费距今时长(月)'和'缴费用户当前是否欠费缴费'变量箱型图绘制

    """箱型图绘制 """
    f, ax = plt.subplots(1, 2, figsize=(20, 6))
    
    sns.boxplot(data=df_data, x='用户最近一次缴费距今时长(月)', y='信用分', ax=ax[0])
    sns.boxplot(data=df_data, x='缴费用户当前是否欠费缴费', y='信用分', ax=ax[1])
    plt.show()

     

    建立好模型后,得到MAE值为14.88,score为0.629,效果非常好。我们通过不断调参,模型可以得到更好性能。

     

    欢迎各位学员关注系列课《python金融风控评分卡模型和数据分析》,学习更多金融建模知识:

    https://edu.csdn.net/combo/detail/1927

     

     

    展开全文
  • 论文研究-互联网环境的理财产品信用价差影响因素研究.pdf, 互联网理财产品信用价差受到了广泛关注,本文从探究系统性、非系统性和互联网等风险因子所隐含的信息出发,...
  • 背景如果你是做互联网金融的,那么一定听说过评分卡。评分卡是信用风险评估领域常用的建模方法,评分卡并不简单对应于某一种机器学习算法,而是一种通用的建模框架,将原始数据通过分箱后进行特征工程变换,继而应用...

    背景

    如果你是做互联网金融的,那么一定听说过评分卡。评分卡是信用风险评估领域常用的建模方法,评分卡并不简单对应于某一种机器学习算法,而是一种通用的建模框架,将原始数据通过分箱后进行特征工程变换,继而应用于线性模型进行建模的一种方法。

    评分卡建模理论常被用于各种信用评估领域,比如信用卡风险评估、贷款发放等业务。另外,在其它领域评分卡常被用来作为分数评估,比如常见的客服质量打分、芝麻信用分打分等等。在本文中,我们将通过一个案例为大家讲解如何通过PAI平台的金融板块组件,搭建出一套评分卡建模方案。

    本实验案例可在机器学习PAI平台使用,包含整个实验流程和数据:

    数据集介绍


    这是一份国外某机构开源的数据集,数据的内容包括每个用户的一些性别、教育、婚姻、年龄等属性,同时也包含用户过去一段时间的信用卡消费情况和账单情况。payment_next_month是目标队列,表示用户是否偿还信用卡账单,1表示偿还,0表示没有偿还。

    数据供30000条。
    数据集下载地址:https://www.kaggle.com/uciml/default-of-credit-card-clients-dataset

    实验流程

    先来看下实验图:

    现在对一些关键节点进行介绍:

    (1)拆分

    将输入数据集分为两部分,一部分用来训练模型,另一部分用来预测评估。

    (2)分箱

    分箱组件类似于onehot编码,可以将数据按照分布映射成更高维度的特征。我们以age这个字段为例,分箱组件可以按照数据在不同区间的分布进行分享操作,分箱结果如图:


    最终分箱组件的输出如图,每个字段都被分箱到多个区间上:

    (3)样本稳定指数PSI

    样本稳定指数是衡量样本变化所产生的偏移量的一种重要指标,通常用来衡量样本的稳定程度,比如样本在两个月份之间的变化是否稳定。通常变量的PSI值在0.1以下表示变化不太显著,在0.1到0.25之间表示有比较显著的变化,大于0.25表示变量变化比较剧烈,需要特殊关注。

    本案例中,可以综合比较拆分前后以及分箱结果的样本稳定程度,返回每个特征的PSI数值:

    (4)评分卡训练

    评分卡训练的结果图如下:

    评分卡的精髓是将复杂的比较难理解的一些模型权重用符合业务标准的分数表示。

    • intercepy表示的是截距
    • Unscaled是原始的权重值
    • Scaled是分数更改指标,比如对于pay_0这个特征,如果特征落在(-1,0]之间分数就减29,如果特征落在(0,1]之间分数就加上27.
    • importance表示每个特征对于结果的影响大小,数值越大表示影响越大

    (5)评分卡预测

    展示每个预测结果的最终评分,在本案例中表示的是每个用户的信用评分。

    结论

    基于用户的信用卡消费记录,最终通过评分卡模型的训练,我们在评分卡预测中可以拿到每个用户的最终信用评分,这个评分可以应用到其它的各种贷款或者金融相关的征信领域中去。

    体验产品:阿里云数加机器学习平台

    作者微信公众号(与作者讨论):

    展开全文
  • 机器学习算法基于信用消费记录做信用评分 背景 如果你是做互联网金融的,那么一定听说过评分卡。评分卡是信用风险评估领域常用的建模方法,评分卡并不简单对应于某一种机器学习算法,而是一种通用的建模框架,将...

    机器学习算法基于信用卡消费记录做信用评分

    背景

    如果你是做互联网金融的,那么一定听说过评分卡。评分卡是信用风险评估领域常用的建模方法,评分卡并不简单对应于某一种机器学习算法,而是一种通用的建模框架,将原始数据通过分箱后进行特征工程变换,继而应用于线性模型进行建模的一种方法。

    评分卡建模理论常被用于各种信用评估领域,比如信用卡风险评估、贷款发放等业务。另外,在其它领域评分卡常被用来作为分数评估,比如常见的客服质量打分、芝麻信用分打分等等。在本文中,我们将通过一个案例为大家讲解如何通过PAI平台的金融板块组件,搭建出一套评分卡建模方案。

    本实验案例可在机器学习PAI平台使用,包含整个实验流程和数据:

    数据集介绍


    这是一份国外某机构开源的数据集,数据的内容包括每个用户的一些性别、教育、婚姻、年龄等属性,同时也包含用户过去一段时间的信用卡消费情况和账单情况。payment_next_month是目标队列,表示用户是否偿还信用卡账单,1表示偿还,0表示没有偿还。

    数据供30000条。
    数据集下载地址:https://www.kaggle.com/uciml/default-of-credit-card-clients-dataset

    实验流程

    先来看下实验图:

    现在对一些关键节点进行介绍:

    (1)拆分

    将输入数据集分为两部分,一部分用来训练模型,另一部分用来预测评估。

    (2)分箱

    分箱组件类似于onehot编码,可以将数据按照分布映射成更高维度的特征。我们以age这个字段为例,分箱组件可以按照数据在不同区间的分布进行分享操作,分箱结果如图:


    最终分箱组件的输出如图,每个字段都被分箱到多个区间上:

    (3)样本稳定指数PSI

    样本稳定指数是衡量样本变化所产生的偏移量的一种重要指标,通常用来衡量样本的稳定程度,比如样本在两个月份之间的变化是否稳定。通常变量的PSI值在0.1以下表示变化不太显著,在0.1到0.25之间表示有比较显著的变化,大于0.25表示变量变化比较剧烈,需要特殊关注。

    本案例中,可以综合比较拆分前后以及分箱结果的样本稳定程度,返回每个特征的PSI数值:

    (4)评分卡训练

    评分卡训练的结果图如下:

    评分卡的精髓是将复杂的比较难理解的一些模型权重用符合业务标准的分数表示。

    • intercepy表示的是截距
    • Unscaled是原始的权重值
    • Scaled是分数更改指标,比如对于pay_0这个特征,如果特征落在(-1,0]之间分数就减29,如果特征落在(0,1]之间分数就加上27.
    • importance表示每个特征对于结果的影响大小,数值越大表示影响越大

    (5)评分卡预测

    展示每个预测结果的最终评分,在本案例中表示的是每个用户的信用评分。

    结论

    基于用户的信用卡消费记录,最终通过评分卡模型的训练,我们在评分卡预测中可以拿到每个用户的最终信用评分,这个评分可以应用到其它的各种贷款或者金融相关的征信领域中去。评分卡相对于其他的模型的预测的优势是将计算结果权重直接沉淀成直观的分数,通过这样的评分看模型,可以快速的了解每个用户的信用分,每个客服人员的服务评分,每个手机的测评分数等等。

    往期文章

    【玩转数据系列十二】PAI平台深度学习Caffe框架实现图像分类的模型训练

    【玩转数据系列十一】机器学习PAI眼中的《人民的名义》

    【玩转数据系列十】利用阿里云机器学习在深度学习框架下实现智能图片分类

    【玩转数据系列九】机器学习为您解密雾霾形成原因

    【玩转数据系列八】机器学习算法的离线调度实现-广告CTR预测

    【玩转数据系列七】有娃的注意了,机器学习教您如何提高孩子学习成绩

    【玩转数据系列六】文本分析算法实现新闻自动分类

    【玩转数据系列五】农业贷款发放预测

    【玩转数据系列四】听说啤酒和尿布很配?本期教你用协同过滤做推荐

    【玩转数据系列三】利用图算法实现金融行业风控

    【玩转数据系列二】机器学习应用没那么难,这次教你玩心脏病预测

    【玩转数据系列一】人口普查统计案例

    体验产品:阿里云数加机器学习平台

    作者微信公众号(与作者讨论):

    展开全文
  • 咖友提问:消费金融和信用卡有什么本质上的区别呢?消费金融是指面向各阶层消费者提供消费信贷的现代金融服务方式。比如买个车你可以从消费金融公司获得贷款,但是信用卡同样是有这样的功能的,这两者...
  • 经济危机下互联网如何促进消费?文/王易见 昨天看了一个对《上海证券报》首席评论员时寒冰进行专访的财经节目,受益匪浅,时寒冰提出的经济结构是制约中国经济发展的一个重要原因。众所周知,投资、消费和出口一直...
  • 互联网消费金融的本质是消费金融,理解互联网消费金融,需要深刻理解:“先是消费,后是金融,消费产生金融”。 一. 互联网消费金融大致分为3种 ** :(来源于—互联网消费金融【刘洋*著】) (1)以京东白条等为...
  • PAGE 1 互联网征信中的信用评分模型 背景介绍 到了iphone X横空出世的季节那么假设小明是iphone的铁粉想要买iphone X但是却一子拿不出这么多钱怎么办呢借钱分期没错能够提供这样服务的产品呢也就是消费信贷产品了...
  • 在我国互联网+飞速发展的二十年中,互联网产业出现了百度、阿里巴巴和腾讯(BAT)这样的互联网巨头,他们在搜索、电商和社交领域都崭露头角,同时他们也代表消费互联网已达到顶峰状态。  然而从互联网发展的角度看,...
  • 随着互联网消费人群主体的改变和我国国民人均可支配收入的进一步提升,国内...“信用服务”成为消费生态的重要支撑,为共享经济等新模式赋能;线上线下消费渠道边界愈发融合,形成以“消费者数据”为核心的零售新生态。
  • 因而,本文通过研究金融科技背景我国消费金融的发展路径,既可以加深对消费金融的认识,又可以为消费者、消费金融机构、监管者提供参考建议。 本文通过对互联网消费信贷理论与互联网消费信贷监管理论的运用,采用...
  • 我们的研究目的是分析农村和城市家庭的在线社交网络对他们日常消费的影响,并测试其中最重要的... 互联网技术创新对改善家庭信用消费能力的影响正在不断改善,越来越多的中国家庭通过在线社交网络获得消费信用支持。
  • 基于RBF神经网络信用分类方法

    千次阅读 2020-09-29 15:50:13
    提出基于RBF神经网络信用分类的一种方法。此方法可根据客户提供的烦多而复杂的资料数据来评估客户信用的好坏。发挥RBF神经网络模拟生物体中神经网络的某些结构和功能,能进行重复学习的特性。将客户资料与客户信用...
  • 因为你通过线下刷卡消费,你申请退款之后,银行可以通过程序进行冲减,给予全额退款,退款的钱全额回到你的信用卡,不存在所谓“手续费”,银行也不会收取商家的手续费,所以商家要求消费者支付这笔费用是违规的。...
  • 消费金融公司或者互联网企业等市场主体出资成立的非存款借贷公司以互联网技术和信息通信技术为工具,以满足个人或家庭对除房屋和汽车之外的其他商品和服务消费需求为目的,向其出借贷金并分期偿还信用活动。...
  • 一、消费结构进一步调整——服务型消费快速发展在人均收入水平提升、人口年龄化结构变化、消费心理和习惯改变等多因素作用,2017年,整体消费不断往“服务型消费”为主的结构调整,家政服务、运动健身、旅游等服务...
  •  信用卡、信用卡分期和消费分期等,和借钱(现金)不是一种类型的业务,用户的资金成本完全不在一个级别,今后再探讨。 小雷FansUnion-一个有创业和投资经验的资深程序员-CSDN知名博主-排名第125 皇包车-中文包车游...
  • 信用评级模型实例分析(以消费金融为例)-中 原创 2016-10-13 单良 亚联大数据 点击“亚联大数据”可关注我们!     第五章 自变量的初步分析与处理   模型变量有两种类型,分别是连续型变量 。连续型变数系...
  • 发卡机构根据申请人的信用资质授予其可以使用的信用额度,申请人可以在多个消费场景使用信用卡额度进行便捷的信用支付,而已经使用的额度可以在还款之后重新恢复、再循环使用于更多的消费支付场景。 套现养卡,...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 23,050
精华内容 9,220
关键字:

互联网下消费信用