这是一篇关于汽车金融公司个人贷款信用评分的研究论文。摘要内容概述如下：
背景：中国汽车金融市场正在快速发展，贷款渗透率从10年前的不足5%提升至当前的25%-35%，但仍低于发达国家的70%以上，显示出巨大的市场潜力。
问题：国内汽车金融市场面临信用体系不完善、信息透明度低、贷款审核效率不足等问题，导致违约风险增加。
研究方法：通过分析某大型汽车金融公司近三年的个人汽车贷款客户数据，建立Logistic回归模型来评估客户的信用风险。研究选取了影响贷款风险的8个变量，并对18592名客户的数据进行模型建立，7970名客户用于模型验证。
结果：模型显示出良好的区分能力，能够有效提高审核效率并降低违约风险。研究还强调了客户数据真实性和完整性的重要性。
建议：提出了加强内部培训、统一审核标准、建立差异化审核政策等措施，以提高汽车金融公司的风险防范能力。
各位同学大家好，我是Toby老师，今天为大家介绍汽车金融申请评分卡模型，可用于论文，毕业设计，作业，项目申报，企业项目。
汽车金融渗透率提升
中国作为全球最大的汽车市场，汽车金融未来的发展前景广阔。目前，我国新车金融渗透率从2015年的28%上升至2019年的43%。德国、美国等发达国家的成熟市场覆盖面达到了70%~80%。
基于数据，金融机构因此研判我国汽车贷仍有很大的发展潜力。于是近年来汽车贷蓬勃发展。
如下图，我国汽车金融渗透率从2015-2022年不断提升。
政策支持
现代社会比较常见的代步工具俨然已成为小汽车，而随着汽车的广泛应用，车贷行业也迎来了飞速发展的风口。2021年商务部等12部门联合印发通知，稳定和扩大汽车消费，汽车消费领域迎来重大利好。业界普遍认为，2021年汽车金融行业也将受益于此，万亿级车贷市场将迎来重要发展机遇期。
汽车金融市场规模提升
近十年来我国汽车金融市场规模快速增长，2019年中国汽车金融市场规模约1.8万亿元，同比增长25.9%，近10年的复合增长率达25.8%。受疫情影响，2020年后数据应该会下滑
购车消费者年龄结构变化
如下图，90后和80后仍然是市场主力军，90后和00后比例在上升，80后比例在下降。
不同年龄使用分期消费比例
如下图，22-25岁为消费分期的主力军，也是金融机构关注人群。年轻人更容易冲动消费。30-34岁消费分期比例有所下降，可能和思维方式成熟有关。
分期贷款买车成主流
知乎上有个朋友称：前两天跟爸爸去市里面买车，爸爸的意思是想全款入手，但是服务人员一直拐弯抹角地把话题往分期。为了利润最大化，4S店和银行等金融机构有紧密合作，他们会鼓励你分期贷款买车。
市场背景介绍完了，现在看一份基于汽车贷款违约数据建立的申请评分卡模型真实案例。包含变量如下：
申请者ID
帐户号
是否违约
汽车购买时间
汽车制造商
曾经破产标识
五年内信用不良事件数量(比如手机欠费消号)
全部帐户数量
最久账号存续时间(月)
在使用帐户数量
在使用可循环贷款帐户数量(比如信用卡)
在使用可循环贷款帐户余额(比如信用卡欠款)
可循环贷款帐户限额(信用卡授权额度)
可循环贷款帐户使用比例(余额/限额)
FICO打分
汽车购买金额(元)
建议售价
分期付款的首次交款
贷款期限(月)
贷款金额
贷款金额/建议售价*100
月均收入(元)
行使历程(Mile)
是否使用
样本权重
其中是否违约 bad_ind 是因变量。
数据量有5800多条，23个变量，建模完全足够，下图是数据样本截图。
全部变量建模后发现模型表现完美，大概率有问题，需要排查。备注一下，有的医药小样本数据集确实可以接近完美模型表现。
经核实Target和weight相关性是1，应踢除weight变量。通俗的讲weight和target是重合的，已经剧透故事情节，两者只能保留一个。
踢除weight变量后建模效果如下，AUC=0.79，accuracy=0.814模型性能优秀。这还是没有优化的模型表现，调参一下，变量进一步筛选后，模型AUC上0.8不是问题。
互联网上公开文章模型AUC最高只有0.7756，低的有0.6左右。我方模型AUC0.79显著高于互联网上公开文章模型性能。
Top10最重要变量
通过科学算法，我对变量进行重要性排序。如下图，最重要的10个变量为fico_score,Itv,tot_rev_line等等。
接着，我分析变量违约趋势，红色表示违约率高，蓝色表示违约率低。
以fico分数变量为例，我们可以挖掘：
FICO分数越高，违约率越低
FICO分数越低，违约率越高
为了体现精益求精精神，我用badrate分析变量不同阶段的违约率。
我发现FICO分数221分不是好的阀值，badrate不单调。
我把605分和小于605分的数据合并后，单调性明显。这样我们跟老板解释业务就不累了。
标准评分卡
通过各种操作，生成标准评分卡表格。我们可以点开每个变量，查看各个分段对应的信用评分。
下图为fico分数的分段评分，大家觉得不单调的区间之后可以合并优化处理。
下图是rev_util的分段评分，大家觉得不单调的区间之后可以合并优化处理。
汽车贷金融风险
最后，我谈谈汽车贷金融风险。既然我们是搞风控的，就要有居安思危的风控意识。我个人并不认同我国汽车贷比例一定要和欧美接轨。
请牢记，1929年美国金融危机的最重要特征是居民负债率过高，贷款购买商品成为一种时尚，贷款买房，贷款买车，贷款炒股，然后发生暴雷，经济危机持续数年，全球战争爆发，直到二战结束，美国才走出经济危机。
我建议个人债务占总收入比例不要超过1/3，否则以后生活质量会很低，持续居民高债务容易导致破产，家庭崩溃，离婚率上升。
信用评分卡模型教程
汽车金融申请评分卡模型案例就为大家介绍到这里，此案例可用于论文，毕业设计，作业，项目申报，企业项目，有需求的可咨询QQ：231469242。
如果大家想深入了解python信用评分卡技术，可参考课程《python信用评分卡建模（附代码）》，课程200集+，定期更新，专人维护，非市场上十几集的快餐课程。
欢迎大家收藏和报名《python信用评分卡建模（附代码）》课程，具体目录大家可微信扫码查阅了解。
商务联系
#
如果你需要建模项目定制服务，例如研究生，博士生论文，企业建模需求，我们公司提供一对一机器学习模型定制服务，提供公司正规发票和合同。
商务联系QQ：231469242，微信：drug666123，或扫描下面二维码加微信咨询。
QQ学习群：1026993837，免费领取200G学习资料。
