交通信用卡逾期15000还了10000（单凭这几条，就能知道你的信用卡

如何发现自己的信用卡是否逾期？仅仅通过这几项就可以知道你的信用卡会逾期多久。

移动互联网金融时代，持卡人 消费、还款等使用行为已经成为个人征信的重要依据之一。逾期还款会给持卡人留下不良信用记录，对持卡人的顺利还款产生不利影响 的未来贷款等行为。

接着，什么样的人容易发生信用卡逾期行为呢？哪些因素会影响逾期行为的严重程度？收集了信用卡逾期行为的相关数据，试图建立统计模型来探讨持卡人逾期行为的影响因素。逾期行为，并预测逾期状态。

本文使用的数据来自某银行信用卡用户逾期数据，包含8371条记录。将用户的近期逾期状态作为因变量，将用户的个人特征和行为特征作为自变量。

从因变量逾期状态包含了8种逾期情况，属于定序数据（ordinal data）。可以看出，出现频率更高的是没有逾期，是逾期31至60天，逾期90天以上的行为较少。

接下来，考虑性别、住房贷款和逾期状态之间的关系。

在整个人群中，男性占多数，但各超期状态男女比例不明显；在整个人群中，非住房贷款所占比例较大，但在各逾期状态下，抵押贷款所占比例并不明显；在信用卡使用率方面，平均而言，没有逾期行为的人的信用卡使用率低于有逾期行为的人，而有逾期行为的人的信用卡使用率没有明显的规律；信用卡额度方面，平均来看，信用卡额度较低的人更倾向于逾期。

，本文认为信用卡的使用率、额度和历史逾期行为都很可能会影响逾期行为的发生与否.

在本文中，如果直接使用有序回归模型建模，预测效果较差，且不存在逾期行为且无法在30天内显著区分，分为两步建模较好

之一步0-1回归，预测是否有逾期行为；

第二步定序回归，预测逾期行为严重程度。

限于篇幅，此处仅展示有序回归的建模结果。

对于逾期总体(即因变量为0的样本)，对所有变量建立有序回归模型。

可以看出，在控制其他因素不变的情况下

男性人口的超期程度比女性人口更严重；信用卡使用越频繁，逾期行为越严重；信用卡额度越低，逾期行为越严重；有历史逾期行为的人更容易有逾期行为；有开户行为的人更容易出现逾期行为；是否有房贷对是否有逾期行为没有显著影响。本文对逾期行为严重程度的有序回归预测效果较差。可能的原因有(1)自变量较少，对逾期行为的严重程度缺乏深入了解；(2)有序回归缺乏临界值估计，导致预测效果不佳；(3)严重逾期行为与逾期行为本身在因变量上不存在显著差异。

中国工商银行。s信用卡每月逾期3000元，300元。广发银行；s信用卡逾期3000元，两个月利息566。