Banksalad与西江大学开展利用MyData分析消费行为与信用风险关系的联合研究,并计划在研究结果基础上开发并商用替代性信用评价模型。
Banksalad与西江大学名誉教授南周夏研究团队14日发表了题为《消费行为与个人信用风险:基于MyData》的联合研究论文。该研究是国内外首次利用实际交易消费数据对消费行为与个人信用风险关系进行实证分析的案例,使用了Banksalad约20万笔信用卡结算数据及消费类别分类体系。
研究结果显示,医疗·健康领域消费越多,违约风险越低。研究团队分析认为,持续的健康管理降低了因疾病等导致经济活动中断的可能性,并缓解了因健康意外恶化带来的财务流动性负担。
相反,通信费、便利店、咖啡·零食等支出比重越高,违约风险越高。此外分析还显示,相比绝对消费规模,与平时不同的新增消费或支出模式变化在预测信用风险方面更具显著作用。
Banksalad将基于本次研究结果,与Honest AI、KCB共同开发替代性信用评价模型“Banksalad Score”,并推进在金融业的商用化。
Banksalad Score不仅纳入消费数据,还综合反映各类金融资产的现金流信息、平台使用模式等金融与行为数据。还利用设备生物数据、健康体检周期等健康行为信息,提高信用风险预测能力,并扩大了金融交易记录不足的薄档人群(Thin Filer)的评价范围。
Banksalad自主构建了通信、交通、网络购物、旅游等28个消费类别和119个细分消费项目,并应用于资产管理服务。目前正将其用于学术研究和替代性信用评价模型开发,持续扩大消费·支出数据及分类体系的应用范围。
Banksalad相关人士表示:“本次研究确认了MyData在学术上的应用可能性,并表明消费数据可作为理解个人金融特征的新信息加以利用,具有重要意义”,“今后将继续推进以数据为基础的金融创新,让更多客户享受金融实惠,实现包容性金融”。






