征信衍生变量与评分

征信衍生变量解析系统从人行征信报告中解析加工出 10000+ 个具备业务含义与区分度的风控变量，使征信数据可用于自动化风控决策。变量库自 2018 年在某城商行首次落地起持续迭代至今，个人九大类、企业变量表并行演进。

人工智能如何参与变量服务

人工智能衍生变量服务模块嵌入信用报告取得后的处理环节，辅助梳理、解析报告信息，再结合既有变量规则加工为结构化变量，供机构内部的风险模型、业务规则与分析流程调用。

以还款历史、负债和信贷需求等信息为例，模块衔接报告解析与变量应用，帮助业务人员利用报告信息开展风险分析。报告、变量及分析结果在机构自有环境内处理和使用，业务判断与审批责任由机构承担。

业务常用征信数据来自六大信息模块（基本信息、信息概要、信贷交易明细、非信贷交易、公共信息、查询信息），在此之上衍生九大类变量：

分类	说明
还款历史类	基于 5 年内信贷明细的还款状态、欠款金额，判断信贷记录优良度
账户类	账户统计变量，衡量征信信息厚度
消费类	不同类型贷款与贷记卡使用，描绘消费水平与趋势
额度类	贷记卡额度与已用金额，刻画用卡行为
收入类	授信额度、贷款发放、公积金缴纳等推断收入水平
负债类	未结清贷款与贷记卡使用，度量当前负债
账龄类	各类时间记录与查询时点之差，判断账户存续时长
信贷需求类	近期贷款/贷记卡审批查询，刻画信贷需求强度
反欺诈类	还款之初的还款记录模式，识别欺诈行为

接口方式部署在依法查询的机构本地：输入一代 HTML 或二代 XML 报文，输出变量值，供本机构风控或业务系统调用。在变量基础上，可进一步建设融资担保内部风控与评估系统。变量、模型结果和评估报告的使用权限由机构在自身域内控制。

变量规模核心衍生变量 10000+，九大分类

输入一代 HTML / 二代 XML 报文

机构域内输出变量值（接口方式，可供本机构模型与策略调用）

变量效果43% 变量 IV 0.1–0.6

部署本地化部署，一二代兼容

FAQ

为什么征信报告不能直接用于风控模型？

人行征信报告数据以日志记录形式存在（Html/Xml），没有统一变量体系，机构无法直接用于模型建设与自动决策，需经过体系化的衍生变量加工。美国三大征信局直接提供标准变量，国内需要机构自建或采购。

变量效果怎么验证？

以 IV 值（信息价值）衡量，我们的变量库实测 43% 的特征变量 IV 在 0.1-0.6 之间、29% 大于 0.6。可提供变量清单与逻辑说明，机构可用自有样本回测后再决定采购范围。

和"担保风控输出"是什么关系？

对融资担保等机构，衍生变量是内部承保评估的技术载体。担保公司在自己域内加工和使用变量；与租赁等合作方协同时，只返回这一笔业务的担保决定与必要流程状态，不返回征信原文、内部评分、衍生变量或风险标签。详见融资担保风控方案。

企业征信也有衍生变量吗？

有。企业变量表持续迭代中，覆盖企业基本信息、信贷记录、对外担保、公共信息等维度，与个人变量库同一套解析引擎。