现金贷风控

---

风控流程

渠道

对客源进行“筛选”和“实时监控”可以降低成本，减少风险

1：需设计自己的准入规则，降低后期的数据成本。

2：渠道本身需要监控，衡量渠道质量，部分渠道会在“谈判期”短期增客户质量。

3：不可盲目使用渠道提供的数据，所以建立自己的渠道统计并及时监控尤为重要。

---

反欺诈

第三方

1：第三方反欺诈指冒用他人身份进行借贷行为，活体识别对此类欺诈相对有效

2：搞清楚资金去处也可以降低欺诈风险

第一方

1：第一方欺诈指以我为主体进行欺诈，可以使用外部数据（黑名单/爬虫）降低风险

2：使用“黑名单”要考虑到“覆盖率”“更新程度”

3：爬虫需要考虑爬取哪些数据，数据成本，数据质量

4：爬虫需要平衡用户体验和实际效果，不可盲目增加

---

信用审核

信用模型

入门变量，因变量，选择偏差

1：建模人群往往比应用人群小很多，拒绝推断效果往往不好

授信规则

什么情况下需要做收入负债比

1：收入（灰色收入如何界定？）

2：负债（人行征信比较准确，但多数没有上）

3：不同城市的生活水准完全不一样

---

贷后管理

渠道-》反欺诈-》贷后，监控整个过程

贷后管理是对客户的进一步了解

监控主要的目的

1：监控异常行为，及时捕捉欺诈行为

2：逾期趋势；

3：反欺诈和信用评分的有效性，帮助模型的优化迭代

催收

1：优化催收资源，建立催收策略（什么时候催收，什么时候委外，效果怎么样）

内部催收OR委外催收？

2：客户体验（忘记还款？故意拖延？）

针对客户不同的情况制定催收策略，什么时候催？话术是什么？

3：违约金是重要的收入来源

4：失联怎么办？如何修复？

5：贷后管理是对客户的进一步了解

---

复贷

1：贷后行为可以对客户的风险进行区分，可以将用户分为（中风险，高风险，低风险）

2：优质客户可以增加更多“优惠”；可以使用外部数据进行验证和补充

---

---

如果无法接入人行征信，银联数据有一定作用

---

评分卡

1：数据驱动模型 ：

 2：专家评分模型：将数据抽象成几个维度，给这几个维度设置权重

---

风险管理中最重要的是贷前的审批

---

拒绝推断

方法1：把模型评分放到你拒绝的人群上，得到范围分数，根据这个分数范围来判断客户质量

方法2：收集（其他金融机构，和征信）客户被拒绝后的表现，来预估他在我们产品的表现，来把这部分数据放进去

---

第三数据监控

1：PSI

---