中小微风控中的财税票模型介绍

谈到了小微风控的财税票模型，今天我们来谈一下常见的四大类常见模型。
①营业额预测模型：
未来12个月额度预测
(小微信贷/供应链金融/账期额度评定）
②逾期预测模型
逾期概率分
(小微信贷/供应链金融/融资租赁）
③提款率预测模型
提款概率分
(小微信贷/融资租赁)
④欺诈预测模型
欺诈分
(小微信贷/供应链金融/融资租赁）

①营业额预测模型
营业额预测模型，是利用企业历史的经营数据去预测未来的经营情况。比如在用过去2～3年的数据预测未来1年的实际营业额，于是基于这样的场景需求，我们就有了营收预估模型的内容。
对于营业额预估不同的趋势预测使用的模型不一样，为了让模型能够做到精准的基础保障，同时我们以实际的生产数据作为检验的方法去找出最适合企业的营业额预测的一个方法。
在目前模型的使用上，ARIMA模型（时间序列分析）在营业额波动性比较大的企业比较适合，线性回归模型在营业额趋势比较明显的企业比较适合。
在用过去2～3年的数据预测过去1年的实际营业额，我们使用实际数据去校验模型的准确性，来选择合适的模型进行实际未来1年营业额的预测。
​

目前此模型，对于贷款发放、设备租赁等涉及企业信用评估的场景有非常高的参考价值。

②模型介绍-逾期预测模型

逾期概率模型能做到对中小微企业信贷的还款能力做准确的预测，模型主要采用的经典的逻辑回归模型。
参考着笔者之前的开发经验，目前逾期概率模型来源于10万以上的真实还款样本，并且基于现有不断增加的实际生产数据，对模型不断迭代优化。
同事在模型的开发上，同时对行业做了细分，并且综合了工商、司法、财税、发票、企业基本信息等建模变量，非常全面综合、各个维度评价了企业的信用情况，采用至少三年的历史数据，模型稳定性好，无论是通用场景还是分行业场景预测性都有较好保障。
​

③模型介绍-提款率预测模型
提款率预测模型，则预测客群提款数据的模型。基于历史申请客户实际提款情况，结合企业基本信息、工商信息、财税信息；
提款标志(0:正常，1:未提款)；使用逻辑回归模型建模，能够精准评估客户的提款概率，从而对客户价值做进一步估计。
以下是我们之前项目开发的模型相关指标：
​

④模型介绍-欺诈预测模型
欺诈预测是根据上下游的交易数据等想内容，基于历史放款客户开票表现，结合企业基本信息、工商司法信息、报税信息、销售额信息、贷款人信息作为入参变量；欺诈标志(0:正常，1:欺诈（欺诈来自于资方反馈，首期逾期且失联）)；按照一定比例划分训练集、测试集;分别使用决策树模型进行训练、验证。
目前在相关的欺诈策略中可以参考的维度有：
策略一：顶额开票风险
顶额开票是指不含税销售金额到达发票种类的上限，如百万元，开到999999.99元就属于顶额开票。
策略二：相同额度开票风险

策略三：客户集中度风险

策略四：废票风险
关于以上中小微财税票中的模型内容，有兴趣的童鞋可关注：
​

…

~原创文章