在之前文章中，我們提到一份完整的徵信報告包括的內容，具體報告內容如下：

細細梳理，任何關於一份徵信的內容，主要包括的內容如下：

以上三個模板的欄位資訊，我們進一步梳理成一下具體的變數細則，對應輸出的變數的名稱與變數的邏輯如下：

貸款方面

貸款方面的資料，根據徵信的情況，可以按照逾期的狀態跟逾期的天數交叉結合成不同時間切片的資料，具體我們可以衍生出以下的變數的邏輯，即為多長時間內，還款記錄中逾期狀態的出現某狀態的次數，以下我們舉例說明：

1.貸款最近3個還款期出現M1(逾期1-30天)或以上的記錄次數：

ap_pbc_loanlist(row)貸款明細中，每筆貸款做以下條件判斷，返回滿足條件的次數（每筆求和）；

條件為：最近三個月還款記錄是否出現>=1

2.貸款最近3個還款期出現M2(逾期31-60天)或以上的記錄次數：

ap_pbc_loanlist(row)貸款明細中，每筆貸款做以下條件判斷，返回滿足條件的次數（每筆求和）；

條件為：最近三個月還款記錄是否出現>=2

....

3.貸款最近6個還款期出現M1(逾期1-30天)或以上的記錄次數：

ap_pbc_loanlist(row)貸款明細中，每筆貸款做以下條件判斷，返回滿足條件的次數（每筆求和）；

條件為：最近六個月還款記錄是否出現>=1

….

貸記卡方面

類比貸款的內容，將貸記卡的資訊，也按照時間跟逾期的狀態衍生出以下方面的內容：

1.貸記卡最近3個還款期出現M1(逾期1-30天)或以上的記錄筆數:

ap_pbc_creditlist（row）信用卡明細中，每張貸記卡做以下條件判斷，返回滿足條件的次數（每筆求和）；

條件為：最近三個月還款記錄是否出現>=1

……

2.貸記卡最近3個還款期出現M3(逾期61-90天)或以上的記錄次數

ap_pbc_creditlist（row）信用卡明細中，每張貸記卡做以下條件判斷，返回滿足條件的次數（每筆求和）；

條件為：最近三個月還款記錄是否出現>=2

……

其他方面

徵信資料中，其他方面的資料有一部分是包括在貸款跟貸記卡的資訊裡面，但因為這些變數在做規則和模型中，資訊熵大，所以單獨拎出來做成某些規則：

1.是否有未結清汽車貸款且最近3個月有過逾期:

ap_pbc_loanlist(row)貸款明細中account_state_name賬戶狀態<>結清+loan_type_name貸款型別=個人汽車貸款+近三個月逾期（邏輯為非N,*)

2.未結清貸款筆數:

取ap_pbc_shareanddebtsum(row)中，share_name=未結清貸款時，account_count的值

3.當前是否有未結清助學貸款:

ap_pbc_loanlist(row)貸款明細中 account_state_name賬戶狀態<>結清+loan_type_name貸款型別=個人助學貸款

最後本篇文章所提及的徵信報告以及對於的徵信的資料變數欄位，我們都梳理成具體的欄位都統一上傳到知識星球上，大家可以上去查閱，謝謝。

關於風控知識，如果有興趣學習的同學，也可以加一下官方客服官微瞭解下。

報名星球請新增小番微信，備註下行業+風控從業模組，謝謝您！

番茄學院管理員：小番
備註請填寫行業崗位，謝謝啦！

更多幹貨資料，請關注公眾號：番茄風控大資料