サービスメニュー

初期与信モデル（審査モデル）

無担保ローン及び有担保（住宅）ローンに関する初期与信モデル（審査モデル）を提案します。企画段階におけるヒアリングを重視し、既存の審査モデル及び審査体制の良いところを残しながら、最新の手法による追加的な精度と安定性の向上を目指した審査体系を目指します。

途上与信モデル

無担保ローン及び有担保（住宅）ローンに関する途上与信モデルを提案します。特にカードローンなど極度系ローンにおいては途上管理による限度枠の管理に役立つアウトプットを目指します。

各種サブモデル

見込額審査モデル、スピード審査用モデル、低ランク向け救済用モジュール、など、ビジネスのニーズに応じたサブモデル群の提案をします。メインモデルでは拾いきれない複雑な条件や細かなニーズへの対応を目指しています。

その他マーケティングツール

申込前の潜在顧客層の発見を効果的に支援する機械学習モジュールを提案しています。特に口座履歴を用いた資金ニーズと信用リスクの2面による評価は潜在顧客発見のマーケティングにおいて効果的な実績を上げています。
 
チャート拡大図「情報活用の高度化と審査制度の全体像」PDF

初期与信モデル（審査モデル）の構築

弊社が提案する初期与信モデル（審査モデル）の特徴は以下の通りです。

直感に沿ったスコアリングモデル

統計モデルの高度な最適化手法はそのままに、スコアのウェイトや属性の説明力の大小を直感的に把握し易い形へ変換すること（例えばスコアリング表への変換等）を工夫することで、現場での使い勝手を最大限に考慮しています。

現場感覚を再現するための種々の工夫

前述のモデル評点を主軸とした「審査ランク」は、総合評価において優れるものの、例外的な事象への対応が疎かになる可能性があります。（何か一つの属性が悪くとも他が良ければ最終的な総合点で優る結果になるが、実際の現場では、その一つが致命的で謝絶要素になることもある等。）　そこで、審査ランクに対して、モデル評点とは別建ての例外事項としてのロジックを設定することで、全体の序列性を保ったまま、例外的な案件への評価のみを正しく捉えることを可能としています。また、統計モデルの適用には、正規性の担保や多重共線性の回避等の多くの統計的な制約条件に基づいて、説明変数を主要な項目に絞っていく必要がありますが、最新の機械学習（AI）の手法を一部取り入れることにより、直感性を維持したまま、膨大な項目の情報の活用が可能になっています。

成長支援

モデル構築完了後、12ヶ月の新規観測データ（アウトサンプルデータ）が蓄積した時期を目処に、新規データに関わるモニタリングレポートの作成とモデルの各種検定（バックテスト）を実施します。また、各種検定結果の確認後、収益計算及び生涯収益分析を実施し、収益層 / 非収益層の特定による営業支援や、ポート全体のストレステストによる将来の見通しを支援します。

取得可能なデータの最大活用

外部保証機関は、銀行の内部情報にアクセスすることが出来ないため、一般に申込情報と個人信用情報機関の照会結果を用いて審査を行っています。一方、銀行様向け無担保・有担保ローン審査モデル構築プロジェクトの弊社実績では、それら２つの情報に加えて銀行内部に存在する情報を活用することで、判別精度をより高めることに成功しています。また、銀行内部では蓄積することが困難な個人信用情報機関の照会結果を判断材料として活用するための効果的な判定モデルを併用することで、活用可能なあらゆる情報からの効果的な評価を支援しています。

途上与信モデルの構築

初期与信モデルの目的は完済までのリスクの総量を評価することですが、途上与信モデルの目的はそれに加えて完済までのリスク経路を精緻に評価することになります。それによって収益の拡大に寄与することも可能になります。弊社の提案する途上与信モデルの特徴は以下の通りです。

• 初期与信モデルで評価されたデフォルト率や審査ランクについて、一定期間後に最新情報を用いて各種出力を更新します。
• 実行後の取引履歴を参照して、返済状況に関する途上与信情報を取得します。（通常返済中、アラーム1、アラーム2などの信用コードとしての出力が一般的です。）
• 主にカードローンやフリーローンについて、理論信用枠の算出を行います。現時点の情報に基づいて当該債務者の最大借入額を算出して定期的に更新します。

その他

一つの明細に複数回発生するデフォルトの適切なハンドル方法など、実務に即した細かなデータ作りのアドバイスも得意としています。一から全てを構築するのが大変な場合に、標準化されたパッケージの提供も行っています。（また、状況に応じてカスタマイズすることも可能です）