BankSalad正与Sogang University合作，基于MyData研究消费行为与个人信用风险之间的关系，并以此开发替代性信用评分模型。
BankSalad于14日表示，公司已与Sogang University荣誉教授Nam Juha研究团队共同发表题为《消费行为与个人信用风险：基于MyData》的论文。
此次研究基于BankSalad掌握的约20万笔银行卡支付数据，并采用其自建消费分类体系，对真实交易数据进行了实证分析，以检验消费行为与个人信用风险之间的关联性。
研究结果显示，医疗健康支出保持持续稳定的用户，违约风险相对更低。研究团队分析认为，持续进行健康管理有助于降低因疾病导致经济活动中断的可能性，同时缓解健康状况突然恶化带来的流动性压力。
与之相比，通信费、便利店以及咖啡零食等支出占比较高的用户，违约风险呈现上升趋势。研究指出，偏离既有模式的新消费行为，或原有支出结构的变化，都是预测信用风险的重要变量。
BankSalad表示，下一步将基于上述研究成果，联手HonestAI和Korea Credit Bureau（KCB）开发替代性信用评分模型“BankSalad Score”，并推动其在金融行业落地应用。
公司介绍称，该模型采用机器学习算法，对优质借款人和高风险借款人进行区分，在K-S统计量评估中达到60%。K-S统计量是衡量信用评分模型区分能力的核心指标之一。
此前，BankSalad已建立消费分类体系，覆盖通信、交通、线上购物、旅行等28个消费大类及119个细分项目，并已应用于资产管理服务。此次研究及“BankSalad Score”模型开发，同样基于这一分类体系展开。
BankSalad相关人士表示，此次研究验证了消费数据可用于识别个人金融特征，并可作为信用评估信息使用。未来，公司将继续扩大数据驱动型金融服务，提升金融交易记录不足用户的金融服务可得性。
Ji-young Lee
ljy@d-today.co.kr