美国FICO评分系统与芝麻信用分

摘要: 比较老但是很经典的 FICO 评分系统，仅供参考

【对算法，数学，计算机感兴趣的同学，欢迎关注我哈，阅读更多原创文章】
我的网站：潮汐朝夕的生活实验室
我的公众号：算法题刷刷
我的知乎：潮汐朝夕
我的github：FennelDumplings
我的leetcode：FennelDumplings

---

FICO评分系统

FICO(费埃哲)，是美国个人消费信用评估公司。美国人经常谈的得分，通常就是指 FICO 分数，类似中国的芝麻信用分。

FICO 评分系统算出的信用分数在 300 ~ 850 之间，分数越高，说明客户的信用风险越小。

FICO 评分模型中所关注的主要因素有五类，分别是客户的信用偿还历史、信用账户数、使用信用的年限、正在使用的信用类型、新开立的信用账户。

• (1) 偿还历史

占比 35%，主要包括

<1> 各种信用账户的还款记录，零售账户，分期偿还贷款，金融公司账户，抵押贷款。

<2> 公开记录以及支票存款记录，主要包括破产记录，丧失抵押品赎回权记录，法律诉讼事件，留置权记录。

<3> 逾期偿还的具体情况：逾期天数，未偿还的金额，逾期还款发生次数和逾期发生时距现在的时间长度。

• (2) 信用账户数

占比 30%

• (3) 使用信用的年限

占比 15%

• (4) 正在使用的信用类型

占比 10%，分析客户的信用卡账户，零售账户，分期付款账户，金融公司账户和抵押贷款账户的混合使用情况。

• (5) 新开立的信用账户

占比 10%，在很短时间开立多个信用账户的客户具有更高的信用风险，尤其是哪些信用历史不长的人。主要包括新开里的信用账户数，新开里的信用账户账龄，目前的信用申请数量，贷款方查询客户信用的时间长度，最近的信用状况(新开立的信用账户及时还款，会在一段时间后提高 FICO 评分)

总结

FICO评分是 Fair Isaac 公司开发的信用评分系统，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。

以上这些信息都是 FICO 评分模型的入模变量，最终会通过逻辑回归输出最终分数。

对比芝麻信用分

芝麻信用分是以大数据分析技术为基础，采集多元化数据，包括传统的金融类交易、还款数据，第三方的非金融行为数据，互联网、移动网络和社交网络数据等，字段极多。考察个体的还款能力、还款意愿、欺诈可能性，稳定性等多个层面的评分，再把这些单个层面的评分得到最终的信用评分，做出合理、全面的信用评分。

两种评分的思路区别：

• FICO 的入模变量很少，每个变量对目标的预测性和影响力都很高
• 芝麻信用分的入模变量很多，且每个变量的预测性可能都很小。大量只有微小预测性的变量最终汇总成预测性很强的评分(Ensemble)。

---