金融風控01-風控業務解析

• 風控業務解析
• • 信用卡風控流程
  • • 資料采集：
    • • 反欺詐引擎（模型、無标簽）
      • 規則引擎（政策）
      • 風控模型
      • 催收
    • 入門資料推薦
  • 補充
  • • 四要素驗證：

風控業務解析

信用卡風控流程

資料采集：

資料采集會涉及到埋點和爬蟲。

反欺詐引擎（模型、無标簽）

反欺詐引擎主要包括兩個部分，反欺詐規則(主要)和反欺詐模型。傳統的監督模型較少的使用到，主要涉及到無監督算法、社交網絡算法、深度學習、異常檢測、知識圖譜。

規則引擎（政策）

主要通過資料分析、挖掘手段以及一些監督、無監督算法，得到不同字段、各個區間的壞賬率，找到最佳分段區間，然後篩選信用較好的一批特定人群進行放款。通常是模型與規則組合使用。

風控模型

主要通過監督算法建構違約機率預測模型。但由于實際業務中資料品質問題，通常使用深度學習、無監督或弱監督學習等方法去輔助傳統監督學習算法。

風控模型中包含了A/B/C卡，其三者的差別如下表所示。

A卡	B卡	C卡
時間不同	貸前	貸中	貸後
資料要求不同	一般可做貸款0-1年的信用分析	在申請人有了一定行為後，有了較大資料進行的分析，一般為3-5年	對資料要求更大，需加入催收後客戶反應等屬性資料
Y的定義	使用者曆史逾期天數的最大天數	可以多期借款中逾期最大一次的天數	用途不同，定義不同

催收

催收是風控的最終手段。這個環節可以産生很多對模型有幫助的資料，例如催收記錄的文字資料、觸達率、欺詐标簽等。

入門資料推薦

《機率論與梳理統計第四版(浙大)》

《統計學習方法第二版(李航)》

《機器學習(周志華)》

《利用Python進行資料分析(第二版)》

《信用評分模型》

補充

四要素驗證：

姓名、身份證、銀行卡、手機号