近几年随着小微企业的利好政策的不断出台，小微企业也迎来了快速度的发展阶段，截至目前，我国中小微企业数量达到4800万家，也正是因为这样的情况导致了各大金融机构都有意识的增加中小微企业的信贷力度，在红利上升期赚取更多的利润。
关于小微不同金融机构可能定义不同，比如有些金融机构会定义小微企业的条件：从事行业是国家非限制和禁止行业，且同时符合年度应纳税所得额不超过300万元、从业人数不超过300人、资产总额不超过5000万元等三个条件的企业。也有机构会讲以上涉及的阈值设置得更宽松些，不管如何，小微企业更多相对中大型等机构而言，简而言之就是总体体量较小。
本文将跟大家同步介绍下小微企业风控中标签项的定义以及财税票风控策略和建模
一.小微企业中关于Label标签项的定义：
对于逾期风险而言，标签项一定是一个逾期标识，也就是是否发生了逾期或者逾期了多少天，一般可以分为3天+、7天+、30天+、60天+逾期，但是针对不同的业务场景、不同的信贷市场、不同的客户群体、不同的还款方式、不同的还款期限、不同的利率空间等因素是否可以一概而论，是需要去进行不断探索的。以下述的①②③的小微产品为例：
贷款产品①：24期、年化利率18%、
客户群体：全国
还款方式：等额本息
还款标签：按天记录，即返回逾期的天数：[0, +∞]；
贷款产品②：18期、年化利率18%、
客户群体：宁波、上海、北京、河北
还款方式：前3期还息，后 15期等额本息，
还款标签：按月记录，即返回逾期的月份数：[0, 6]；
贷款产品③：18期、年化利率12%/18%
客户群体：上海、深圳、北京
还款方式：可选择前6期还息， 后12期等额本息或者先息后本
还款标签：按是否发生逾期进行记录，即：是或者否；
要定义以上产品的标签，我们很多时候要借助一个工具，叫Roll Rate Analysis 滚动率。
在滚动率分析中，会先定义一段时间为观察期，一段时间为表现期。教科书说，标准的操作是从观察期的最坏状态向表现期的最坏状态延申的过程来判断客户是好是坏，但实际业务场景中，我们不会这么苛求用固定的模型来进行定义。因为在很多场景中，业务开展的时间都非常短，但模型又急于上线，时间成本不被允许的情况下则无法用这种既死板又无效的方式来进行判断。
此外，表现期和观察期的时间定义是不明确的也不是固定的，如果某个首逾客户连续逾期了3期后还清，之后再未发生逾期，那么如果定义的观察期非常长，那该客户会被定义为坏客户，但实际上该客户既可以认定为坏客户，也有理由被认定为好客户；反之，如果一个客户始终未发生逾期，但倒数第2期开始发生逾期并且一直持续，如果表现期非常短，那么该客户有可能会被认定为好客户，所以这种认知模式是存在弊端的，实际业务场景中，大可不必；
并且大多数情况下，放贷机构不可能用高昂的时间以及人力成本和坏样本的数据去进行交易和博弈；M3+或者M4+作为界限值，还是直接以7天+，14天+的方式来定义更符合实际场景的需要？这是个值得各位风控人思考的问题。
另外在从建模的角度来说，分类标签越多，模型越容易过拟合，也越无法贴合实际业务中的需求。
二.基于财税票风控策略和建模
在小微企业中有一类数据相信是大家应该关注的，如果还没这类数据，这种建模的角度也希望能给到各位小微风控的从业者一些启发的思路。比如在对这类机构建模时，我们会根据不同行业进行分层的聚类法分析，如以下，在某个项目中讲开发的群体分成几类集群：
在集群的下游，后续便是进行建模时的基础衍生字段等内容。如下图为建模的整个流程，我们选取几个有代表性的建模模块和模型应用场景内容进行展开说明：
常规上，我们会开发的模型有：
①营业额预测模型
②逾期概率风险模型
以营业额预测模型为例：
小微企业的经营数据是没有明确的趋势性或者季节性变化的，会更容易受到宏观政策的影响，而政策必然是没有任何规则可预测的，也是无法被精确量化的，但这并不代表没有明显趋势性或季节性因素的小微企业经营数据，我们就可以把这些问题忽略；
2、小微企业必然存在较多的不规范操作，例如存在大量不开票的金额，而我们只能针对开票部分的金额（报税部分）进行建模，这也是一个必然的规律（因为对于这些“看不见的部分”我们有理由确信是不健全且不稳定的财务制度，企业也应当是存在着较高风险的，那么未来的还款能力也是较弱的）；
3、企业的经营能力会和时间相近的营收数据相关性更高，而和过去较远时间的营收数据相关性会逐渐降低（马尔可夫过程）；
以上更细节的内容在本周番茄风控的课程中会详细跟大家讲解，另外涉及模型算法，以及逾期概率风险模型，和大家最为关注的小微企业策略规则等相关的内容，也会跟大家一一讲解。
就在本周末，番茄风控第105期隆重来袭，《小微企业的vintage解读及风控规则策略介绍》，本次内容也是本月度，番茄风控最干货的内容之一，详情如下：
点击左下角【阅读原文】即可来一起拼团学习。
往期的会员直播课程查看如下：
往期回顾
第2期 信用卡风控的基础知识介绍
第3期 第三方外部征信数据和各家拳头产品
第4期 汽车风控介绍与GPS经验分享
第5期 信用卡分期利率与利息介绍
第6期 税务类数据在小微风控的基本应用
第7期 纯线上审批流程进行资产组合分配
第8期 场景金融介绍与风险节点部署分析
第9期 风控数据分析指标全接触
第10期 信贷政策大数据安全与供应商选择
第11期 信用卡套现的整治
第12期 商业银行小微企业风控实务
第13期 设备欺诈风险防范-黑产欺诈工具
第14期 设备反欺诈供应商选择及应用策略
第15期 微众联邦学习
第16期 Applist特征工程介绍
第17期 Applist特征工程模型挖掘
第18期 贷前策略-风控策略部署与调优
第19期 贷前策略风控策略数据埋点与采集
第20期 贷中管理-电销外拨优先级策略
第21期 贷中风险管理-额度调整策略模型
第22期 贷中提降额方法与策略
第23期 东南亚现金贷产品及相关风险策略
第24期 信贷业务中的风险定价—基础端
第25期 信贷机构的智能语音应用实践
第26期 信贷机构智能语音供应商选择指标
第27期 贷后催收策略-M1名单催收管理
第28期 信贷风控模型——中小企业的额度模型探索
第29期 人行征信报名数字分解读
第30期 银行卡失联修复与清收手段介绍
第31期 信贷风险经营
第32期 信贷风控系统
第33期 反欺诈讲解之设备指纹实操与演练
第34期 决策引擎的决策流层次及策略架构
第35期 ECL模型与评级简介
第36期 设备关联数据在金融风控的应用
第37期 ECL系列之评级模型及财报解析
第38期 数据清洗与特征选择
第39期 小微风控之 策略方向与风险管理体系搭建
第40期 小白入职大数据工程师之银行金融大数据系统实战
第41期 小微风控策略体系的优化与调整
第42期 巴塞尔协议银行零售及资产分池上
第43期 巴塞尔协议下篇资本管理风险价值
第44期 二代征信报告与规则构建
第45期 征信规则的衍生技巧与避坑指南
第46期 实战篇|风控策略效率的测试、调优与评估
第47期 数据生命周期管理— 数据的引入、监控与管理
第48期 贷中反欺诈之 商户欺诈防范
第49期 策略分析之 数据监控与用户画像
第50期 银行中后台数据的建设——基于信用卡进件系统需求与扩展
第51期 模型训练/机器学习平台
第52期 精细化运营探索——运营着手点及响应模型场景化应用
第53期 基于SAS的三方数据风控产品测试评估
第54期 SAS的策略&模型之决策矩阵分析
第55期 基于二代征信的信用评分模型开发
第56期 基于二代征信的信用模型与策略的使用与监控
第57期 金融机构风险与预算评估
第58期 催收板块：逾期账款催收管理
第59期 二代人行征信的深度解读（上）：二代征信异议和接入及发展历程
第60期 二代人行征信的深度解读（下）——循环贷与非循环贷与衍生变量加工
第61期 风控人必学资产分析课—坏账预估
第62期 商户端风险定价—— 基于成本收益模型的风险定价
第63期 差异化的贷前进阶策略讲解━━拒绝捞回策略制定
第64期 拒绝捞回的效果评估与策略二次调用
第65期 风控人应该懂的金融知识
第66期 风控人必备的风险知识——贷款利率、还款方式与常用风险指标
第67期 金融人必知--市场风险入门：金融衍生品
第68期 拒绝演绎实战--拒绝推论描述、方法介绍与案例分享
第69期 银行信用卡拒绝推论的场景实操
第70期 逾期催收管理流程优化与催收系统配置——汽车金融逾期案件催收实操
第71期 海外现金贷产品形态及风控措施
第72期 海外现金贷提降额原理及思路
第73期 巴塞尔协议—发展历程、资本充足率、拔备率、杠杆率、流动性
第74期 巴赛尔协议—市场风险及信用风险度量
第75期 金融小伙伴必备知识—信用卡损益
第76期 风控授信额度策略调优
第77期 额度策略调优实战
第78期 信贷场景多维特征交叉策略实战分析
第79期 信贷风控策略体系效果评估与全面调优
第80期 海外与国内评分卡对比与应用场景介绍
第81期 智能推荐系统应用
第82期 风控策略中的模型须知-逻辑回归评分卡分箱与模型评估
第83期 多规则决策策略的搭建与实操
第84期 多规则决策策略实操与练习讲解
第85期 模型开发之特征选择
第86期 风控模型与策略探索发现
第87期 场景风控的贷中客户生命周期监控—基于商户的Tableau实 操
第88期 风控场景数据监控
第89期 财税票等企业数据在小微企业贷款中的应用
第90期 中小微企业风控中财税票的数据使用与模型开发
联系客服
