交易文本行为特征提升信用风险记分卡区分度

01 摘要

研究以一家南非金融机构的中小企业交易数据为样本，使用自然语言处理和正则表达式将非结构化交易描述转化为可解释的消费类别行为特征。作者报告新分类算法具有较高分类准确率，且将这些特征纳入信用风险记分卡后，Gini 相比未纳入的记分卡显著提升。作者据此认为，基于文本的交易信息可被系统性提取、分类并用于提升信用风险模型表现；上述结论属于作者基于其实验设置的观点，实际部署效果仍需外部验证。

02 关键点

1. 研究聚焦中小企业交易数据中的支付叙事文本，将其作为信用风险建模的替代数据来源。
2. 方法上结合自然语言处理与正则表达式，开发并评估一种结构化的交易分类算法，生成可解释的消费类别行为特征。
3. 作者报告分类算法准确率较高，且加入这些特征后记分卡 Gini 较无特征版本显著提升。