从人行征信报告中可获取到哪些有用的反欺诈和信用维度信息

在金融信贷场景评估客户风险时通常都会查客户的人行征信报告，基于人行征信报告，可获取以下比较有用的反欺诈和信用维度的9类信息。

偏反欺诈维度信息

1、异常行为识别信息

可基于人行征信报告中“个人基本信息部分”统计客户居住地址、手机号更换频率，客户申请贷款的地址与居住地址、通讯地址、户籍地址是否一致，人行姓名身份证二要素与身份证姓名二要素是否一致等指标。

若客户的地址和手机号变更频繁、存在申请贷款地址与其他地址不一致、存在人行二要素核查不通过等情况，则往往认为客户可能存在欺诈风险，授信通过的可能性会低一些。

2、负面信息

在人行征信报告的“公共信息”部分，可获取客户的欠税记录、民事判决记录、强制执行记录（如失信被执行）等信息，若客户存在相关记录，则可一定程度上认为客户存在骗贷风险，谨慎为其进行贷款审批。

偏信用维度信息

3、基本信息

从人行征信报告中可获取客户的年龄、婚姻、学历、职业、平均工作时长等信息，如基于年龄（小于等于22岁）和职业可进行学生贷款拦截，另外通常情况下已婚、学历高、工作稳定的客户逾期率要低一些，贷款申请通过率会更高。

4、收入信息

可基于人行征信报告中客户的车贷、房贷、信用卡、公积金等信息反推客户的收入区间，通常情况下客户的收入越高，申请贷款通过的概率越高，另外，也可基于客户的收入区间辅助为客户进行定额。

从人行征信报告中推算收入

定额策略开发“三板斧”

5、负债信息

可计算客户的非循环贷负债、循环贷负债、贷记卡和准贷记卡负债、相关还款责任金额（包括对个人和对企业的还款责任）等信息，通常情况下，负债收入比越高，客户申请贷款通过的概率越小。

6、生活缴费信息

该类信息可为客户贷款提供增信补充，但是作用往往不是特别大。基于人行征信“非信贷交易信息”内容，可获取客户的电信缴费信息和自来水缴费信息，若客户存在过多的逾期缴费的情况，会在一定程度上影响对客户的授信。

7、履约历史 

1）逾期信息。可获取客户各种贷款、贷记卡、相关还款责任是否存在逾期、五级分类是否异常等。通常情况下若客户当前逾期或者历史逾期比较严重，申请贷款往往是无法通过的。 

2）特殊交易信息。客户的特殊交易信息主要包括展期、担保人代还、以资抵债、提前还款等信息，如果客户存在展期、担保人代还、以资抵债，那么申请贷款通过的可能性通常不高。

3）还款信息。可统计客户的正常还款时长、次数、机构数，应还款金额、实还款金额等信息。若客户正常还款的时间比较长，次数比较多，应还款额比较小，那么客户申请贷款通过的概率会比较高。

8、信贷历史

1）同业评价。主要看不同金融机构对客户的授信额度、个人经营性贷款授信额度（若有）等信息，若各家金融机构对客户的授信额度都比较高，那么客户的资质相对比较好。

2）申请行为。主要统计客户近一段时间的申请次数、申请机构数、申请通过率、贷款申请未放款占比、不同类型金融机构查询次数等指标，通常情况下客户的申请频率越高尤其是小贷机构申请频率越高、贷款审批通过率越低，本次贷款申请通过可能性越低。

9、综合评分  

人行征信报告中的人行数字解读分是评估客户资质的综合评分，评分区间为[0,1000]，评分越高，客户资质越好。通常情况下，客户资质要在650分以上申请贷款通过率的概率才比较高。

近期人行对人行数字解读分进行了迭代，新的评分为中征信分，会以单独的接口向金融机构提供，同时之后会逐步下线人行数字解读分。

来源：Python金融风控