近日，国内金融科技的新生代“钱帮金融”与国内领先的零售信贷风险管理服务商“算话征信”联合宣布，二者通过分析用户行为和贷后表现之间的关系，建立了新一代的信用评分模型，此举将有效解决传统信贷“无法为更多优质用户提供服务”这个痛点，使更多消费者能够更便捷地体验信贷服务。

    长期以来，我国金融行业一直没有形成全民覆盖的征信体系，这直接制约了个人信贷、消费金融的发展。直到最近五年，大数据、人工智能、风控科技等领域取得重大进展后，整个信贷行业才取得了突飞猛进的发展。

   然而，即使是在已经实现纯线上快捷借款的当下，很多有迫切需求的用户仍然无法获得借款，并不是因为他们是“坏人”，而是由于各信贷公司无法断定他们是“好人”，才会频频出现“宁可杀错100个好人，也不放过1个坏人”的情况。这直接剥夺了许多普通用户充分享受金融便利、实现个人目标的权利，显然与普惠金融的原则相悖。

   为了解决“无法为更多优质用户提供服务”这个痛点，算话征信与钱帮金融以“联合建模”的方式进行合作，试图通过分析用户行为（User Behavior）和贷后表现之间的关系，建立新一代的信用评分模型，使更多的用户能够更便捷地体验信贷服务。

   所谓“用户行为”包括APP下载来源、APP跳转频次、APP停留时间、填写资料时间及准确度等全方位的用户使用情况；而贷后表现就是用户的还款情况。其实用户行为和贷后表现这两类数据都是长期存在的，且随着业务的发展，这两类数据也会越发的完善和全面。但目前缺少的是通过正确的视角和方式建立精准的信用评分模型，把一直被当作弱变量的用户行为变为强变量，从而更好地辅助信贷审批流程。

    据了解，UBP信用评分模型在建模时采用传统评分卡的方式，经过模型设计、变量处理、逻辑回归、分数转换等过程后，最终得到评分值表。最终结果显示，该模型表现优异，评分结果稳定性很高。而双方合作的联合建模方式，是以相关产品的申请数据为基础，利用算话数据库中的复杂关系网络，衍生出一系列反映欺诈及早期风险的变量，由算话模型团队运用随机森林、神经网络等机器学习技术，为信贷产品定制个性化风险识别模型。该团队拥有丰富的跨行业国际建模经验，成员参与过国家征信、国内外银行、互联网金融、银联、保险、能源、高端市场等领域的众多数据分析、建模、策略及BASEL合规项目。

   钱帮金融与算话征信负责人表示：“用户行为和贷后表现两类数据一直存在，但因缺乏正确的视角和运用方式始终被当作弱变量。基于帮金融和算话征信的大数据建模能力，我们成功开发出了UBP信用评分模型，使该用户行为变身强变量，从而为线上信贷审批提供了强劲支持。我们后续将推动UBP的多维度应用，为更多成长中的信贷公司提供帮助，让更多优质用户体验普惠金融的便利。”

   双方计划持开放态度，与更多互联网金融科技机构合作，推进更多社会公益化方面的应用。作为金融科技行业的新生力量，钱帮金融一方面输出多元化的信贷产品解决方案，另一方面为小微企业、金融机构提供技术、风控、数据、资金等多方面服务，致力于成为大众需求与专业金融服务间的桥梁，用理想科技实现普惠金融。而算话征信则基于数据挖掘技术，结合多维度海量数据建立了信贷机构风险防范联盟，为信贷行业用户提供全生命周期的风险管理解决方案，让信用更真实、亲民、可应用。

   据介绍，算话欺诈及早期风险识别产品自投入市场以来，很快取得客户认可，合作机构数量现已超过160家，在队列中申请进行联合建模合作的机构达到21家。在供不应求的情况下，为满足客户意愿，算话征信已对产品线再度进行扩充，目前欺诈及早期风险识别项目包括以下方式：

（责任编辑：bianji_pub1）