FICO评分是Fair Isaac公司开发的信用评分系统，也是目前美国应用得最广泛的一种。FICO评分系统得出的信用分数范围在300～850分之间，分数越高，说明客户的信用风险越小，它采集客户的人口统计学信息、历史贷款还款信息、历史金融交易信息、人民银行征信信息等，通过逻辑回归模型计算客户的还款能力，预测客户在未来一年违约的概率：

1. 人口统计学信息：如客户年龄、家庭结构、住房情况、工作类别及时间等；

2. 历史贷款还款信息：即过去6个月或12个月的付款方式、逾期次数等；

3. 历史金融交易信息：即过去6个月或12个月的平均月交易笔数、金额等；

4. 银行征信信息：如过去12个月中新开的账户总数、所有账户的总额度、账户是否逾期等。

看，以上这些信息都是FICO评分模型的自变量，最终会通过逻辑回归模型输出最终分数。

【分享主题】
《数据挖掘与美国FICO评分技术介绍》

【分享嘉宾】

周声华 
重庆大学数理学院硕士毕业，曾多年从事于数据挖掘项目的工作，在国内第一时间接触到FICO相关资料，并参与了基于FICO评分技术的建模工具的开发。  
 
 
【详细内容】
 
（1）什么是评分卡？应用领域？
适用于二分类问题，银行、金融、电信等领域。

（2）评分卡在客户生命周期管理中的几种类型
 拓展阶段、审批阶段、管理阶段分别都有哪些类型的评分卡？
诸如：申请风险评分卡、行为收益评分卡、交易欺诈风险评分模型等是如何分类划分的，它们的用途是什么？

FICO公司介绍
美国最权威的个人消费信用评分公司，美国的个人征信评分实际上就是FICO评分。

（3）FICO公司是如何建立评分卡的？
三大关键点：变量分箱——建立区分度模型——拟合与尺度化，分别表示什么含义？

（4）神经网络、决策树、logistic回归、区分度评分模型的比较
他们各自的原理是什么？
优缺点是什么？
如何合理的选择评分模型？ 

【推荐课程】

《FICO变量分箱技术及区分度评分模型原理说明》



课程特色：
使用SPSS Model Builder演示，可以自动分箱、模型求解
提供全套资料包括：评分原理说明、Matlab程序代码、测试数据

群内答疑： 

更多详情信息PC端请查看顶部VIP课程尊享，手机端查看相关课程 。