底特律-为了做出更准确的承销决定，福特汽车信贷公司正在扩大其消费者信贷风险模型，以包括更多数据，从而使贷方可以更好地了解购车者及时付款的可能性，该公司周五表示。
福特信贷和一个信用决策技术平台ZestFinance今年进行了一项研究，其中每个人都采用了几年前相同的福特信贷帐户样本。ZestFinance使用其方法论和机器学习方法来创建风险模型，并将每个客户置于信用谱上-为他们标记为超级，主要，非主要或次贷-而福特信贷则使用其传统模型来评估客户。然后，研究将这些信用等级与借款人的实际付款历史进行了比较。福特信贷（Ford Credit）拒绝透露所研究的账户数量，但表示这是“统计上可靠的样本量”。
研究发现，与福特信贷的传统模型相比，ZestFinance的方法在预测消费者的实际支付效果方面更为准确。
“对于金融领域的所有人而言，这一点都很重要-了解特定时间点上消费者属于风险范围，以及该消费者是否处于风险偏好之内，” Jim Moynes负责福特信贷告诉《汽车新闻》。
两年了Moynes说，实施更多数据和机器学习的计划仍在制定中，并且至少要两年后才能生效。他说，福特信贷可能会在内部开发工具或依靠第三方。
Moynes说，这些机器学习方面的变化都不会影响福特信贷的风险偏好，但是“这种模型有助于我们更好地洞察该人在那个特定时间的下落。”
Moynes说，新模式将增强而不是取代福特信贷现有的信贷风险模型。他说，最重要的因素仍然是评估贷款和租赁申请人的付款记录。
如今，大多数贷方都使用信贷局的摘要来分析消费者。使用增强的模型，福特信贷将查看消费者信贷局资料中目前尚未分析的各个元素。Moynes说，例如，消费者必须在其信用申请中包括电话号码。通过与ZestFinance进行的研究，福特信贷了解到“如果此人一遍又一遍地使用相同的手机号码，这将有助于表明其稳定性。稳定性通常是一个非常积极的指标，表明某人继续为自己承担的任何义务付款。”
他说，如果消费者每次申请信贷时都有不同的电话号码，则表明稳定性较低。
减少损失他说：“我们正在从一种建模技术出发，这种技术不会像机器学习那样关注尽可能多的变量。”机器学习“使我们可以更精细地查看现有数据。这些小的见解有助于更好地将某人放到那部分信贷上，然后帮助我们更好地评估这种风险。”
福特信贷和ZestFinance的声明说，机器学习工具能够随着变量或模式的发展而随时间进行调整。
Moynes说，更具包容性的模式可能会增加福特信贷的贷款和租赁组合，但不一定。
他说：“我们认为最终了解更好的风险将有助于我们减少信贷损失。”“我们相信，这些加深的了解可能会帮助一些我们可能无法在现有风险偏好下购买的消费者。这些新的见解可以帮助我们认识到，这个人确实确实陷入了我们“一直感到满意”的风险偏好之中。
附加数据使贷方可以评估信用凭证薄的客户。它还可以更深入地了解福特信贷在历史上可能已经批准的客户。Moynes说，申请人可以使用其他数据来提高或降低信用范围。
他说：“理论上，由于这些更深刻的见识，有人可能会下撤。”
莫恩斯补充说，这是进化的变化，而不是革命的变化。“这不会改变我们的风险承受能力，风险偏好和风险处理方式。我们认为，作为一个风险组织，要想真正更深入地了解消费者的下落，是非常健康的。”
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
