贷款逾期60天银行应该采取什么模型？
贷款逾期60天，那么银行会给贷款人打电话，让贷款人还款，如果贷款人长时间不还款的情况下，银行有可能会采取法院诉讼的方式。
关于贷款逾期。
贷款逾期有短期，也有长期，因逾期的时长不同，后果也不一样。可大多数人对贷款逾期却又存在诸多认知误区，直到酿下严重后果才发现悔之晚矣！
贷款短期逾期及后果
不同资金机构对短期逾期的时间界定有所不同。针对短期逾期，各机构一般不会采取强制手段，会进行还款提醒及催收，其后果是：
1、高额罚金和违约金
贷款逾期后，还款时除了要归还利息和本金外，还需要缴纳高额罚息和违约金。
2、留下个人征信污点
征信报告上会留下逾期记录，即便还款后，逾期记录也会保留5年。逾期记录将会影响逾期者后续几乎所有金融活动。
3、收到短信电话催收
放款机构会不间断地发短信、打电话对逾期资金进行催收，告知借款人逾期的严重后果，责令借款人限期归还逾期本息。
贷款长期逾期及后果
一般来说，逾期超过90天会被放款机构视为恶意逾期。银行针对超过90天以上的恶意逾期，无论数额大小，都可以起诉追收。法院判决后，向社会公布失信被执行人（老赖）信息，限制其高消费、限制乘飞机高铁等。
由于现在监管局越来越严格，网贷平台也越来越规范加严格，不少网贷现在都是上征信的，所以征信记录是各位借款人都很关心的问题，今天我就来给大家科普一下网贷征信的知识，希望对大家有所帮助。
一．网贷征信记录处理非常“人性化”；
网贷征信相比传统银行要人性化很多，也就是会给因一时疏忽的非故意逾期，一定的宽限时间，但如果你长时间拖欠，就会很容易存在借款人的污点记录，这在征信体系中也是有重点提醒，对个人影响十分严重！
二．银行贷款违约不良征信记录保存期限5年
根据《征信业管理条例》规定，征信机构对个人不良信息的保存期限，自不良行为或者事件终止之日起为5年。不良记录在还清本息、违约金之后，超过5年，其它银行将查询不到。值得注意的是，目前信用污点仍会一直保存，直至贷款结清。所以大家一定要珍惜自己的信用记录。
三．信用卡逾期不良信用记录保存期限2年
信用卡还款信息会被央行征信系统滚动记录24个月，如果销卡，记录会长时间保存下来。因此，建议信用卡用户还清欠款后继续用卡两年，期间保持信用良好，就能靠滚动记录把不良记录从征信系统里去掉。
以上三种都是建立在短期违约的情况下，如果逾期太久，逾期信息已被上传到人行，那就还清债务，等待5年之后系统自动消除吧。
开发小微企业信贷模型的公司哪家排名高？
布尔数据的微尔盾能够为金融机构提供小微企业信用评级，提高审批效率并降低风险
信用评分模型的介绍
信用评分模型是近年来兴起的一种为了保障银行和其他金融部门的金融安全而设立的一种关于人身金融权限的划定模型。该模型指根据客户的信用历史资料，利用一定的信用评分模型，得到不同等级的信用分数，根据客户的信用分数，来决定客户所可以持有的金额权限，从而保证还款等业务的安全性。而随着在现代社会和公司中，贷款，信用卡的作用日渐突出，信用评分模型的发展前景不可估量。
用什么方法模型分析贷款信用风险来源因素
红象金融联合创始人何彬认为，融资租赁项目评审时，每家租赁公司都要在评审前完成信息获取和现场考察等尽职调查工作，评审时的风险分析方法主要分为两个流派：一是偏向于国外模式的信用模型评分方法，也就是依据过去很多年的行业数据作基础，做出在相当的置信区间内都可以认为是有效的模型，把项目的主要数据输入模型中就得出来项目评分了，这个评分加上一点微调就成分析结果了。这种方法在国内融资租赁行业用的不多，主要原因是国内的融资租赁行业没有那么长时间的历史数据，模型做出来误差会很大，而且国内的数据本来偏差就不小（国内的信用环境问题，没法啊）。另外一个流派是在租赁公司研究清楚具体承租行业的基础上，的依靠租赁公司业务人员和风控人员的个人能力和判断，俗称“专家法”，这种方法的好处是只要员工有经验，适应能力就强，具体问题具体分析，不拘泥于条条框框，这种方法的不足就是对员工能力和经验要求很高。这也是为什么现在国内融资租赁行业有经验的员工很抢手的原因，行业人才还是不够。
信用评分模型的信用评分的方法
利用数据挖掘技术构建信用评分模型一般可以分为10个步骤，它们分别是：业务目的确定、数据源识别、数据收集、数据选择、数据质量审核、数据转换、数据挖掘、结果解释、应用建议和结果应用。这些可以形象地表示为（图一）：
1) 商业目标确定: 明确数据挖掘的目的或目标是成功完成任何数据挖掘项目的关键。例如，确定项目的目的是构建个人住房贷款的信用评分模型。
2) 确认数据源识别: 在给定数据挖掘商业目标的情况下，下一个步骤是寻找可以解决和回答商业问题的数据。构建信用评分模型所需要的是关于客户的大量信息，应该尽量收集全面的信 息。所需要的数据可能是业务数据，可能是数据库/数据仓库中存储的数据，也可能是外部数据。如果没有所需的数据，那么数据收集就是下一个必需的步骤。
3) 数据收集: 如果银行内部不能满足构建模型所需的数据，就需要从外部收集，主要是从专门收集人口统计数据、消费者信用历史数据、地理变量、商业特征和人口普查数据的企业购买得到。
4) 数据筛选: 对收集的数据进行筛选，为挖掘准备数据。在实际项目中，由于受到计算处理能力和项目期限的限制，在挖掘项目中想用到所有数据是不可能实现的。因此数据筛选是必不可少的。数据筛选考虑的因素包括数据样本的大小和质量。
5) 数据质量检测: 一旦数据被筛选出来，成功的数据挖掘的下一步是数据质量检测和数据整合。目的就是提高筛选出来数据的质量。如果质量太低，就需要重新进行数据筛选。
6) 数据转换: 在选择并检测了挖掘需要的数据、格式或变量后，在许多情况下数据转换非常必要。数据挖掘项目中的特殊转换方法取决于数据挖掘类型和数据挖掘工具。一旦数据转换完成，即可开始挖掘工作。
7) 数据挖掘: 挖掘数据是所有数据挖掘项目中最核心的部分。在时间或其它相关条件（诸如软件等）允许的情况下，最好能够尝试多种不同的挖掘技巧。因为使用越多的数据挖掘 技巧，可能就会解决越多的商业问题。而且使用多种不同的挖掘技巧可以对挖掘结果的质量进行检测。例如：在构建信用评分模型时，分类可以通过三种方法来实 现：决策树，神经分类和逻辑回归，每一种方法都可能产生出不同的结果。如果多个不同方法生成的结果都相近或相同，那么挖掘结果是很稳定、可用度非常高的。 如果得到的结果不同，在使用结果制定决策前必须查证问题所在。
8) 结果解释: 数据挖掘之后，应该根据零售贷款业务情况、数据挖掘目标和商业目的来评估和解释挖掘的结果。
9) 应用建议：数据挖掘关键问题，是如何把分析结果即信用评分模型转化为商业利润。
10) 结果应用：通过数据挖掘技术构建的信用评分模型，有助于银行决策层了解整体风险分布情况，为风险管理提供基础。当然，其最直接的应用就是将信用评分模型反馈到银行的业务操作系统，指导零售信贷业务操作。 数 据挖掘方法可以依据其功能被分成4组：预估模型、分类、链接分析和时间序列预测。每一项功能都可以被开发和修改成为适应不同业务的应用。比如: 分类模型可以被运用到建立信用风险评分模型、信用风险评级模型、流失模型、欺诈预测模型和破产模型等。为实现数据挖掘的每一项功能，有许多不同的方法或算 法可以使用。
本文所讨论的信用风险评分模型主要是属于分类模型，所以用到的方法主要有分类分析和分割分析。分类分析主要方法包括：决策树、神经网络、区别分析、逻辑回归、概率回归；分割分析主要方法包括：K-平均值、人口统计分割、神经网络分割。
电商纯信用贷款，可以这么玩！
电商卖家的数据被看做信用征信里面的“强数据”，虽然没有银行信贷数据那么直接，但这部分数据却能反映一个商家的经营状况、还款能力、成长性等动态信息。
以阿里小贷、京东的京小贷为代表的电商平台已经打入了供应链金融领域，通过平台内所沉淀出的数据为供应链和电商卖家做授信。现在，杭州也出现了独立于任何一家电商网站的第三方信贷平台,为避免广告嫌疑，本文中称为X平台，作为一个跨平台的数据分析和信用评估的“居间人”存在，X平台连接商户和各类资金提供方，帮助电商商户实现纯信用贷款，提高金融机构的风控水平。
在商户端，商户提交借款需求后，需要向X平台进行授权，使后者能够接入商户在电商平台上的后台账户，获取经营数据。随后，X平台将根据这些数据形成一份评估报告，并将这份报告提交给资金提供方。资金提供方在报告的基础上进行自己的二次风控（主要是调取央行征信报告审核），并对其授信、放贷。整个过程需要 2 天时间。X平台提供的贷款上限为 100 万元，还款期限均为 6 个月，按日计息，随借随还。
目前，他们要求商户经营时间超过 12 个月，年销售额超过 100 万，已实现的贷款额度在100万以内。资金提供方主要是银行。就X平台贷前、贷后风控看来，贷前风控对他们来说最重要。下面具体分析其运作模式。
一、贷前分析
X平台所做的征信对小微企业的贷款目的有明确要求，那就是一定用于经营。在贷款前期，他们首先要做36个月的行业数据分析，再分析借款企业12个月的经营数据。
行业数据方面。他们采取技术手段抓取各大电商平台上的店铺销售数据，形成行业数据，进而分析其成长性、经营周期、地域性等特征，进而判断其风险系数。在后台数据平台，笔者发现这里的“行业”是精细到具体某个产品，比如手机、榨汁机、蚊帐等等。行业分析对于他们决定是否给企业授信有很大参考价值。打个比方，如果一个卖蚊帐的店铺冬季借款，这就是反季节的，借款用途值得怀疑。
商户数据方面。X平台征信分析所基于的原始数据全部来源于用户，从偿债、盈利、成长、运营、市场五大能力进行分析。用户可以提供更多维度的数据来证明自己的还款能力和资信水平。有以下几个维度的数据作为参考：一是央行征信数据，二是店铺经营数据，三是合作第三方服务商、物流商等相关数据，四是工商、法院、税务等数据。数据维度越多，越能帮助判断店铺的信用评分和授信额度。值得一提的是，X平台有一个反欺诈的系统，针对电商卖家刷数据的欺诈行为，如果某个或者某些数据波动特别大，或者出现违背行业趋势的数据，他们将做重点监控。
二、贷后监测
银行放贷之后，可以看到借款企业的实时经营数据，便于监测风险。如果放贷后出现经营异常数据，平台会对银行作出预警提醒。
该平台创始人介绍，当银行对企业授信之后，企业只需要去银行面签就可以拿到贷款，减少了很多繁琐的流程。而当用户积累和数据沉淀越来越多，他们可以向年销售额更少的小微企业和供应链上下游企业下渗，做更精细的风控。
笔者认为，这个模式能成功的关键，在于电商行业的数据化程度很高，便于数据分析公司做精细化的行业分析以及商户分析，在此基础上建立数据模型，筛选有用数据最终形成综合信用评估。而像触网程度较低的传统产业则难以实现高精度的数据分析和评判。
然而，由于X平台以“中间人”的身份出现，对真正解决小微企业融资难问题起到的作用有限，无法控制资产端的放贷速度和整体服务质量。比如，线上信用评估结束之后，银行端可能还要走较长的审批流程。银行面签的问题如果不能解决，则无法实现纯线上的放贷。
同时，银行无法实现跨区域经营，则影响平台对跨地域电商的金融服务水平。
随着年销售额超过 100 万的中上游电商小微企业电商资源被开采殆尽之后，X平台势必面临拓展借贷端商户，以及资金供应商的问题。继续拓展商户，则对他们的风控模型和数据分析能力提供更大的挑战；除银行以外，如果把P2P、小贷公司等资金供应方引入合作，也可能遇到小微企业放贷成本提高、风险更大的问题。
如何建立小额贷款公司预警模型
申请贷款建议通过正规渠道：例如农行，网捷贷定义是指农业银行现金方式向符合特定条件的农业银行个人客户发放的，由客户自助申请、快速到账、自动审批、自助用信的小额消费贷款。申请条件（一）基本条件 1.年满18周岁且不超过60周岁，具有中华人民共和国国籍、具有完全民事行为能力。 2.持有合法有效身份证件。 3.我行电子银行客户，且持有我行颁发的安全认证工具。（目前只支持二代K宝客户） 4.信用状况良好， 5.不存在未到期的“网捷贷”贷款额度，不存在未结清的“网捷贷”贷款余额。 6.收入稳定，具有按期偿还信用的能力。 7.贷款用途合理、明确
申请网捷贷贷款额度为3000元—30万元；贷款额度有效期为30天，借款人需在额度有效期内使用贷款，贷款额度不可循环申请、审批、放款几分钟以内就可以完成 | 
QQ好友和群
