JP6572369B1 - 与信判断支援システム - Google Patents
与信判断支援システム Download PDFInfo
- Publication number
- JP6572369B1 JP6572369B1 JP2018207654A JP2018207654A JP6572369B1 JP 6572369 B1 JP6572369 B1 JP 6572369B1 JP 2018207654 A JP2018207654 A JP 2018207654A JP 2018207654 A JP2018207654 A JP 2018207654A JP 6572369 B1 JP6572369 B1 JP 6572369B1
- Authority
- JP
- Japan
- Prior art keywords
- state
- customer
- information
- arrears
- credit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000008859 change Effects 0.000 claims description 15
- 230000007423 decrease Effects 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 11
- 230000002159 abnormal effect Effects 0.000 description 9
- 238000012821 model calculation Methods 0.000 description 9
- 230000010365 information processing Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 6
- 238000007477 logistic regression Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000006866 deterioration Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009118 appropriate response Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009223 counseling Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
Description
顧客の顧客情報と金融口座情報と顧客の信用情報との少なくとも1つの情報を用いて、顧客をスコア付けする手段と、
前記スコアに基づいて顧客の状態を判定して、データベースに記憶する手段と、
前記データベースから、前記顧客の状態毎に、当該状態に対応する顧客の前記情報を所定数抽出する手段と、
ここで、前記顧客の状態は、顧客の少なくとも第1の状態と、当該第1の状態よりも相対的に悪い状態を示す第2の状態と、前記第2の状態よりも相対的に悪い第3の状態を含み、
前記第2の状態と前記第3の状態については、前記顧客の前記情報を実質的に同じ割合を抽出すると共に、前記第1の状態は、前記第2の状態または前記第3の状態よりも大きな割合で抽出する手段と、
前記抽出された第1の状態、前記第2の状態、前記第3の状態の前記情報に基づいて、予測デフォルト確率に関するスコアリングモデルを生成する手段と、
を備えたことを特徴とするシステムを提供する。
デフォルト確率は、以下の式により求められる。
説明変数x1:顧客属性情報
説明変数x2:顧客金融口座情報
説明変数x3:顧客信用内部情報(借入額、クレジットの申込内容や契約内容、支払状況、残高などから与信された金融機関内部で与信されて生成された信用情報など)
説明変数x4:顧客信用外部情報(金融機関の外部から取得した信用情報など)
説明変数x5:顧客金融行動情報(コンビニATMの利用回数、時間外利用多発など)
説明変数x6:顧客フォロー情報(顧客フォロー結果)
顧客金融口座情報(預金)は、預金月末残高(普通預金、定期預金などを個別に分けてもよい)、預金月中平均残高を基に計算される。
まず、前回判定結果を参照する。本実施例においては、前回判定結果は、「なし」「正常」「軽度延滞」「重度延滞」「貸倒」である。そして、前回判定結果に対して、本実施例のシステムが顧客に対して実行したフォローに対して、当該顧客が対応したか否かを確認する。本実施例においては、顧客が対応した場合は「対応済」であり、顧客が対応しなかった場合は「未対応」である。そして、前回判定の判定結果および顧客対応と、今回判定とのマトリックスにより、該当する項目を、本実施例のシステムが新たなフォローを実行する。また、当該新たなフォローに対する顧客の対応についても、本実施例の任意の記憶手段(図示せず)に記憶するように構成されてもよい。例えば、前回の判定結果が「なし」(すなわち、今回の判定が初回の判定である場合)は、前回の顧客対応も「なし」なので、今回の判定を参照する。今回判定が、正常の場合は、「静観」(すなわち、本実施例のシステムは顧客に対して何もフォローをおこさない)し、「軽度延滞」の場合は、顧客が使用しているスマートフォンのアプリケーションに対して「軽度延滞」が発生している旨の通知を表示させたり、顧客のメールアドレス宛に、「軽度延滞」している旨の電子メールを自動送信するようにしたりしてもよい。また、「重度延滞」の場合は、金融機関の顧客担当者から顧客に対して、フォローコール(直接電話をかけて、自立支援や返済支援の提案などをする)をするように構成されてもよい。また、「貸倒」の場合は、直ぐに「与信停止」をしてもよい。なお、顧客対応の判定および記録にあたっては、フォロー毎に異なってもよく、アプリ/メール通知にあたっては、アプリの通知が既読判定された場合は、自動送信されたメールに返信をしたときに、システムが「対応済」であると判定し、それ以外の場合は「未対応」であると判定してもよい。また、フォローコールの場合には、フォローコールの電話が、本システムに登録された相手先の電話に着信すれば、自動的に「対応済」であると判定してもよく、また、金融機関の担当者が、顧客とのフォローコールにおける対話において顧客の反応に応じて、「対応済」「未対応」を決定する、もしくは(自動登録された顧客対応の内容を)変更するように構成されてもよい。
一般的に、延滞(重度延滞および軽度延滞)の件数は、貸倒の数の数十倍以上(例えば、延滞:貸倒=40:1)あるので、単純に、正常、延滞、貸倒の件数を抽出しても、1つのスコアリングモデルでは、延滞および/または貸倒を高い確度で予測することはできない。一方で、貸倒の件数は、正常や延滞のデータと比較して非常に少ないので、延滞と貸倒の件数を実質等しい数だけ取得できない場合もある。かかる場合には、統計処理上許容される範囲内で、延滞と貸倒の件数を取得してもよい。一例として下表に示すように、延滞と貸倒の数の差が10倍程度までであれば、実施例1は実施可能である。そして、正常の件数は、延滞の件数に対して10倍程度以上取得する。
一方、本実施例では、分析対象の抽出件数・割合の例でも説明したように、延滞と貸倒の件数(割合)がそれぞれ同程度になるように調整すると共に、延滞と貸倒の両方において、デフォルト確率の関係性が同じような傾向を有するようなパラメータを利用することにより、上述したような問題点が生じることはなく、スコアと状態の序列(正常−>延滞−>貸倒)を担保することができるようになる(図4(b)を参照)。
1130 個人情報管理部、1140 抽出部、1150 モデル計算部
1160 フォロー判定部、1170 フォロー処理部、1180 外部情報取得部
1210 金融口座DB、1220 個人情報DB、1230 モデル記憶用DB
1240 決済情報DB、1250 フォロー結果DB
1310 制御部、1320 インターフェイス部
Claims (8)
- 顧客の与信判断を支援するシステムにおいて、
少なくとも顧客の年齢に関する情報を含む顧客情報と、少なくとも顧客の融資および預金に関する情報を含む金融口座情報と、顧客の信用情報との中から少なくとも2つの情報を用いて、顧客をスコア付けする手段と、
前記スコアに基づいて顧客の状態を判定して、データベースに記憶する手段と、
前記データベースから、前記顧客の状態毎に、当該状態に対応する顧客の前記情報の件数を所定数抽出する手段と、
ここで、前記顧客の状態は、顧客の少なくとも正常の状態と、当該正常の状態よりも相対的に返済状況が悪い状態を示す延滞の状態と、前記延滞の状態よりも相対的に返済状況が悪い貸倒の状態のいずれか1つであり、
更に、前記抽出する手段においては、前記貸倒の状態を有する前記顧客の前記情報の件数と同じまたは多くなるように、前記延滞の状態を有する前記顧客の前記情報を抽出する件数が決定されると共に、前記延滞の状態および前記貸倒の状態の少なくとも一方を有する前記顧客の前記情報の件数よりも多くなるように、前記正常の状態を有する前記顧客の前記情報を抽出する件数が決定され、
更に、前記抽出された正常の状態、前記延滞の状態、前記貸倒の状態の前記情報に基づき、前記少なくとも2つの情報のそれぞれを説明変数として、顧客の状態を予測するスコアを算出し、前記スコアにより、前記正常の状態、前記延滞の状態、または前記貸倒の状態を判定可能とする、デフォルト確率に関するスコアリングモデルを生成する手段と、
を備え、
前記スコアリングモデルは、前記説明変数におけるパラメータの値が上昇すると、前記延滞の状態に対するデフォルト確率も前記貸倒の状態に対するデフォルト確率も上昇するように変化する一方で、前記説明変数におけるパラメータの値が下降すると、前記延滞の状態に対するデフォルト確率も前記貸倒の状態に対するデフォルト確率も下降するように変化する関係性を有することを特徴とするシステム。 - 更に、過去のフォロー処理と前記判定とに基づいて新たなフォロー処理を実行する手段を備えたことを特徴とする、請求項1記載のシステム。
- 前記関係性において、前記延滞の状態に対するデフォルト確率の変化率と、前記貸倒の状態に対するデフォルト確率の変化率とは、異なることを特徴とする請求項1記載のシステム。
- 更に、前記顧客の行動の変化に基づいて、状態判定された前記任意の顧客の状態を変更する手段を備えたことを特徴とする請求項3に記載のシステム。
- 顧客の与信判断を支援するために、コンピュータによって実行される方法において、
少なくとも顧客の年齢に関する情報を含む顧客情報と、少なくとも顧客の融資および預金に関する情報を含む金融口座情報と、顧客の信用情報との中から少なくとも2つの情報を用いて、顧客をスコア付けするステップと、
前記スコアに基づいて顧客の状態を判定して、データベースに記憶するステップと、
前記データベースから、前記顧客の状態毎に、当該状態に対応する顧客の前記情報の件数を所定数抽出するステップと、
ここで、前記顧客の状態は、顧客の少なくとも正常の状態と、当該正常の状態よりも相対的に返済状況が悪い状態を示す延滞の状態と、前記延滞の状態よりも相対的に返済状況が悪い貸倒の状態のいずれか1つであり、
更に、前記抽出するステップにおいては、前記貸倒の状態を有する前記顧客の前記情報の件数と同じまたは多くなるように、前記延滞の状態を有する前記顧客の前記情報を抽出する件数が決定されると共に、前記延滞の状態および前記貸倒の状態の少なくとも一方を有する前記顧客の前記情報の件数よりも多くなるように、前記正常の状態を有する前記顧客の前記情報を抽出する件数が決定され、
更に、前記抽出された正常の状態、前記延滞の状態、前記貸倒の状態の前記情報に基づき、前記少なくとも2つの情報のそれぞれを説明変数として、顧客の状態を予測するスコアを算出し、前記スコアにより、前記正常の状態、前記延滞の状態、または前記貸倒の状態を判定可能とする、デフォルト確率に関するスコアリングモデルを生成するステップと、
を備え、
前記スコアリングモデルは、前記説明変数におけるパラメータの値が上昇すると、前記延滞の状態に対するデフォルト確率も前記貸倒の状態に対するデフォルト確率も上昇するように変化する一方で、前記説明変数におけるパラメータの値が下降すると、前記延滞の状態に対するデフォルト確率も前記貸倒の状態に対するデフォルト確率も下降するように変化する関係性を有することを特徴とする方法。 - 顧客の与信判断を支援するために、コンピュータによって実行されるプログラムにおいて、
少なくとも顧客の年齢に関する情報を含む顧客情報と、少なくとも顧客の融資および預金に関する情報を含む金融口座情報と、顧客の信用情報との中から少なくとも2つの情報を用いて、顧客をスコア付けする手段と、
前記スコアに基づいて顧客の状態を判定して、データベースに記憶する手段と、
前記データベースから、前記顧客の状態毎に、当該状態に対応する顧客の前記情報の件数を所定数抽出する手段と、
ここで、前記顧客の状態は、顧客の少なくとも正常の状態と、当該正常の状態よりも相対的に返済状況が悪い状態を示す延滞の状態と、前記延滞の状態よりも相対的に返済状況が悪い貸倒の状態のいずれか1つであり、
更に、前記抽出する手段においては、前記貸倒の状態を有する前記顧客の前記情報の件数と同じまたは多くなるように、前記延滞の状態を有する前記顧客の前記情報を抽出する件数が決定されると共に、前記延滞の状態および前記貸倒の状態の少なくとも一方を有する前記顧客の前記情報の件数よりも多くなるように、前記正常の状態を有する前記顧客の前記情報を抽出する件数が決定され、
更に、前記抽出された正常の状態、前記延滞の状態、前記貸倒の状態の前記情報に基づき、前記少なくとも2つの情報のそれぞれを説明変数として、顧客の状態を予測するスコアを算出し、前記スコアにより、前記正常の状態、前記延滞の状態、または前記貸倒の状態を判定可能とする、デフォルト確率に関するスコアリングモデルを生成する手段と、
を備え、
前記スコアリングモデルは、前記説明変数におけるパラメータの値が上昇すると、前記延滞の状態に対するデフォルト確率も前記貸倒の状態に対するデフォルト確率も上昇するように変化する一方で、前記説明変数におけるパラメータの値が下降すると、前記延滞の状態に対するデフォルト確率も前記貸倒の状態に対するデフォルト確率も下降するように変化する関係性を有することを特徴とするプログラム。 - 顧客の与信判断を支援するサーバ・クライアントシステムにおいて、
前記クライアントは、
少なくとも顧客の年齢に関する情報を含む顧客情報と、少なくとも顧客の融資および預金に関する情報を含む金融口座情報と、顧客の信用情報との中から少なくとも2つの情報を用いて、顧客をスコア付けする手段と、
前記スコアに基づいて顧客の状態を決定して、データベースに記憶する手段と、
を備え、
前記サーバは、
前記データベースから、前記顧客の状態毎に、当該状態に対応する顧客の前記情報の件数を所定数抽出する手段と、
ここで、前記顧客の状態は、顧客の少なくとも正常の状態と、当該正常の状態よりも相対的に返済状況が悪い状態を示す延滞の状態と、前記延滞の状態よりも相対的に悪い貸倒の状態のいずれか1つであり、
更に、前記抽出する手段においては、前記貸倒の状態を有する前記顧客の前記情報の件数と同じまたは多くなるように、前記延滞の状態を有する前記顧客の前記情報を抽出する件数が決定されると共に、前記延滞の状態および前記貸倒の状態の少なくとも一方を有する前記顧客の前記情報の件数よりも多くなるように、前記正常の状態を有する前記顧客の前記情報を抽出する件数が決定され、
更に、前記抽出された正常の状態、前記延滞の状態、前記貸倒の状態の前記情報に基づき、前記少なくとも2つの情報のそれぞれを説明変数として、顧客の状態を予測するスコアを算出し、前記スコアにより、前記正常の状態、前記延滞の状態、または前記貸倒の状態を判定可能とする、デフォルト確率に関するスコアリングモデルを生成する手段と、
を備え、
前記スコアリングモデルは、前記説明変数におけるパラメータの値が上昇すると、前記延滞の状態に対するデフォルト確率も前記貸倒の状態に対するデフォルト確率も上昇するように変化する一方で、前記説明変数におけるパラメータの値が下降すると、前記延滞の状態に対するデフォルト確率も前記貸倒の状態に対するデフォルト確率も下降するように変化する関係性を有することを特徴とするシステム。 - 顧客の与信判断を支援するサーバ・クライアントシステムにおいて、
前記クライアントは、請求項1に記載のシステムを備え、
前記サーバは、過去のフォロー処理と前記判定とに基づいて新たなフォロー処理を実行する手段を備えた、システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018207654A JP6572369B1 (ja) | 2018-11-02 | 2018-11-02 | 与信判断支援システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018207654A JP6572369B1 (ja) | 2018-11-02 | 2018-11-02 | 与信判断支援システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6572369B1 true JP6572369B1 (ja) | 2019-09-11 |
JP2020071835A JP2020071835A (ja) | 2020-05-07 |
Family
ID=67909495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018207654A Active JP6572369B1 (ja) | 2018-11-02 | 2018-11-02 | 与信判断支援システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6572369B1 (ja) |
-
2018
- 2018-11-02 JP JP2018207654A patent/JP6572369B1/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2020071835A (ja) | 2020-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8099356B2 (en) | Method and apparatus system for modeling consumer capacity for future incremental debt in credit scoring | |
US20220122171A1 (en) | Client server system for financial scoring with cash transactions | |
US20140195398A1 (en) | Systems and methods for customer value optimization involving relationship optimization | |
US10504174B2 (en) | System and method to search and verify borrower information using banking and investment account data and process to systematically share information with lenders and government sponsored agencies for underwriting and securitization phases of the lending cycle | |
JP2017182284A (ja) | ローン審査支援装置、システム及びプログラム | |
US20120078766A1 (en) | Systems and methods for customer value optimization involving product/service optimization | |
US8412604B1 (en) | Financial account segmentation system | |
JP6098982B2 (ja) | 情報処理装置及び情報処理方法 | |
Chan et al. | Determinants of mortgage default and consumer credit use: the effects of foreclosure laws and foreclosure delays | |
US20020128960A1 (en) | Systems and methods for managing accounts | |
US20030212628A1 (en) | Integrated mortgage advice system and method | |
US20120239552A1 (en) | System and method for dynamic working capital | |
US20120173406A1 (en) | System and Method for Rapid Updating of Credit Information | |
US7546262B1 (en) | System and method for managing debt collection using clustering | |
EP2863357A1 (en) | Method of automating a business loan life cycle | |
US20130179316A1 (en) | Automatic Savings Plan Generation | |
JP6559744B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP7311495B2 (ja) | 改善された住宅ローン金利決定 | |
US20120209760A1 (en) | Risk identification system and judgmental review interface | |
US20110099101A1 (en) | Automated validation reporting for risk models | |
Canfield | Determinants of default in p2p lending: the Mexican case | |
JP6587556B2 (ja) | 情報処理装置及び情報処理方法 | |
JP6572369B1 (ja) | 与信判断支援システム | |
JP2011054087A (ja) | 借り換え処理サーバ及び借り換え処理システム | |
JP4338958B2 (ja) | 個人信用格付けシステム、および、個人信用格付けプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181102 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20181102 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20181108 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190315 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190326 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190523 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190723 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190809 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6572369 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |