|
大家在日常使用信用卡和貸款的過程中，肯定常常聽到綜合評分如何如何，這些所謂的綜合評分實(shí)際上就是指信用評估機(jī)構(gòu)利用信用評分模型對消費(fèi)者個(gè)人信用信息進(jìn)行量化分析，以分值形式進(jìn)行的表述。 信用模型 說到信用模型，就不得不介紹下信用模型的鼻祖FICO了。雖然在美國采用的是市場化征信模式，通過商業(yè)運(yùn)作形成征信體系，向全社會提供全面的征信服務(wù)。征信機(jī)構(gòu)自主收集、整理、加工信用信息及數(shù)據(jù)，提供信用報(bào)告。但是事實(shí)上，在個(gè)人征信業(yè)務(wù)上，美國益博睿、艾克菲、環(huán)聯(lián)三家機(jī)構(gòu)全部使用的是FICO的信用模型，F(xiàn)ICO幾乎壟斷了全美個(gè)人征信數(shù)據(jù)。在美國，99.9%的（個(gè)人）用戶用FICO查詢房貸、車貸和個(gè)人信用記錄，獲取FICO評分。 FICO內(nèi)部人士表示，公司每年可在全球售出100億份費(fèi)埃哲評分，同時(shí)公司也針對大數(shù)據(jù)征信領(lǐng)域普遍出現(xiàn)的欺詐行為推出了反欺詐系統(tǒng)，目前全球有21億張信用卡采用這個(gè)系統(tǒng)。在持卡人用信用卡消費(fèi)的瞬間，該系統(tǒng)能夠?qū)⑵錃v史上的交易行為在零點(diǎn)零幾毫秒之間 （進(jìn)行）歸納，提供實(shí)時(shí)欺詐防范措施。國內(nèi)很多銀行也采用了這樣的風(fēng)控系統(tǒng)，可以直接攔截可疑交易哦。 刷分提額 在國內(nèi)，各家銀行自然也是全部FICO體系的忠實(shí)用戶，銀行的綜合評分以及各種信用分是各大銀行的核心機(jī)密，為了防止人們通過模型套利，就是我們說的刷分，F(xiàn)ICO公司每隔2~3年就會推出新的FICO評分模型，每一個(gè)新的評分模型都代表著新的專利技術(shù)。 銀行則需要重金購買這些新的模型，來獲得更好的評價(jià)效果。移動互聯(lián)網(wǎng)時(shí)代，因?yàn)橛辛诵∶剡@種人的存在，銀行所使用的評分表的壽命越來越低，基本上銀行更換不久，就會有新的好用的刷分攻略流露出來。 1查征信 當(dāng)您有了申請信用卡提額的打算后，小秘建議您最好先查詢一下您的個(gè)人征信。征信記錄對于信用卡提額有很大的影響，一個(gè)小小的污點(diǎn)就有可能導(dǎo)致我們的整個(gè)模型套利計(jì)劃失敗。 2多次交易 在大部分銀行的征信模型評分中，需要每月刷10次以上卡片，甚至25次以上才有可能成為優(yōu)質(zhì)客戶哦。 3多元化交易 比如說一張5000額度的卡，每次刷卡不是大幾百就是幾千，而十萬額度的卡每次刷來刷去就是幾十，這都是不正常的。5000額度的卡，在銀行看來就是上班族，天天不是KTV就是黃金珠寶，在銀行看來這擺明了是套現(xiàn)，是虛擬交易。所以刷卡不一定是費(fèi)率越高越好哦，而是銀行征信模型越認(rèn)可的刷卡模式越好。 4多使用臨時(shí)額度 臨額轉(zhuǎn)固額的方法很多，這里一言難盡。臨額一般比較好提，老板們需要的時(shí)候一邊直接打電話就能申請到，方便又安全。 5慎刷商家POS 國內(nèi)現(xiàn)在第三方支付市場十分混亂，各種問題POS機(jī)層出不窮，老板們消費(fèi)刷卡時(shí)防不勝防，說不定一不小心刷了部問題POS，從此就和銀行的優(yōu)質(zhì)客戶無緣了呢。所以出門在外，慎刷小商戶來歷不明的POS，寧愿付現(xiàn)金，也不要被扣綜合評分。 6良性用卡 這里就是說一些最基本的用卡常識，希望老板們不要犯新手們的錯(cuò)誤哦。比如不要把卡額度全刷光，刷什么行業(yè)的機(jī)器都要按該行業(yè)的時(shí)間特性去刷，總不能早上10點(diǎn)鐘去刷個(gè)KTV。晚上8點(diǎn)后最好不要刷卡,，特殊行業(yè)除外，晚上8點(diǎn)后是銀行比較敏感的時(shí)間段，如果額度大一點(diǎn)，銀行就會鎖定你視為風(fēng)險(xiǎn)交易。不要去POS機(jī)上查余額，同一張卡片有多筆消費(fèi)的，2筆的時(shí)間間隔至少在半小時(shí)以上等等等。 7把握辦卡節(jié)奏 不要辦太多信用卡，2-5張最佳，再多的話極度影響綜合評分哦，提高額度才是王道。不要頻繁申卡，兩三個(gè)月拿一張新卡片是比較好的節(jié)奏。首卡是越早拿下越好。 8牢記個(gè)人資料 銀行版的征信報(bào)告包羅萬象，巨細(xì)無遺，所以老板們提交的任何資料，都一定要慎之又慎，資料沖突也會導(dǎo)致綜合評分猛降的。 |
|
|
