金融风控01-风控业务解析

金融风控01-风控业务解析

  • 风控业务解析
    • 信用卡风控流程
      • 数据采集:
        • 反欺诈引擎(模型、无标签)
        • 规则引擎(策略)
        • 风控模型
        • 催收
      • 入门资料推荐
    • 补充
      • 四要素验证:

风控业务解析

信用卡风控流程

数据采集
反欺诈
策略
模型
催收

数据采集:

数据采集会涉及到埋点和爬虫。

反欺诈引擎(模型、无标签)

反欺诈引擎主要包括两个部分,反欺诈规则(主要)和反欺诈模型。传统的监督模型较少的使用到,主要涉及到无监督算法、社交网络算法、深度学习、异常检测、知识图谱。

规则引擎(策略)

主要通过数据分析、挖掘手段以及一些监督、无监督算法,得到不同字段、各个区间的坏账率,找到最佳分段区间,然后筛选信用较好的一批特定人群进行放款。通常是模型与规则组合使用。

风控模型

主要通过监督算法构建违约概率预测模型。但由于实际业务中数据质量问题,通常使用深度学习、无监督或弱监督学习等方法去辅助传统监督学习算法。
风控模型中包含了A/B/C卡,其三者的区别如下表所示。

A卡 B卡 C卡
时间不同 贷前 贷中 贷后
数据要求不同 一般可做贷款0-1年的信用分析 在申请人有了一定行为后,有了较大数据进行的分析,一般为3-5年 对数据要求更大,需加入催收后客户反应等属性数据
Y的定义 用户历史逾期天数的最大天数 可以多期借款中逾期最大一次的天数 用途不同,定义不同

催收

催收是风控的最终手段。这个环节可以产生很多对模型有帮助的数据,例如催收记录的文字数据、触达率、欺诈标签等。

入门资料推荐

《概率论与梳理统计第四版(浙大)》
《统计学习方法第二版(李航)》
《机器学习(周志华)》
《利用Python进行数据分析(第二版)》
《信用评分模型》

补充

四要素验证:

  姓名、身份证、银行卡、手机号

你可能感兴趣的:(金融风控)