金融风控实战——金融风控与反欺诈业务详解

金融风控介绍

最开始的信贷风控是怎么做的？

1. 人审
2. 吃业务经验
3. 不能大批量处理，效率低下
4. 不适用于移动互联网时代的金融场景

建模的概念

1. 建模就是构造一个数学公式，能将我们手上有的数据输入进去，通过计算得到一些预测出来的结果。 比如大家初中/高中学习的线性回归，就是最简单的建模过程。
2. 风控模型最原始的思路就是输入一个用户的信息，得到这个人是 “会还钱” 还是 “不会还钱”。这就是个二分类问题。
3. 而评分卡模型其实就是希望能将一系列的个人信息输入模型，然后得到一个用户的还款概率。概率越大，评分越高，越容易还钱。概率越小，评分越低，越容易跑路。典型例子就是芝麻信用分。
4. 那为什么一定要应射成某种分数呢？

有分数刻度的好处

1. 我们可以随时根据业务需求调整通过率
2. 更容易向用户解释他的信用评级
3. 更容易向领导解释一个用户被拒绝的原因
4. 更容易监控一个模型的效果

风控流程

风控的角度来看，基本上可以归结为以下几个部分：

1. 数据采集
2. 反欺诈
3. 策略
4. 模型
5. 催收

A卡（application）      B卡（behavior）      C卡（collection）催收卡

数据采集

数据采集会涉及到埋点和爬虫技术，基本上业内的数据都大同小异。免费的运营商数据、和安卓可爬的手机内部信息（app名称，手机设备信息，部分app内容信息）、以及收费的征信数据、各种信息校验、外部黑名单之类的。还有一些特定场景的现金贷和消费金融会有自有的数据可供使用，比如阿里京东自己的电商数据、滴滴的司机数据、顺丰中通的快递数据等等。由于不涉及爬虫，这一块主要让大家理解一下都可以做些什么变量。

反欺诈引擎

反欺诈引擎主要包括两个部分，反欺诈规则和反欺诈模型。这里其实很少使用传统监督模型。涉及到的算法以无监督算法、社交网络算法、深度学习居多。大部分的公司都使用的是反欺诈规则，这也是主要提倡的。一个原因是欺诈标签不好得到，很难做监督学习的训练。还有一个原因是传统的机器学习对欺诈的检测效果很差。因为所谓欺诈，就是一些黑产或者个人将自己包装成信用良好的用户，进行借款后失联或者拒不还钱。既然都伪装成了好客户，基于风控人员主观思考建立的统计模型，又怎么可能有好的效果。但是经过一段时间的实验，这一块其实用深度学习反而有意想不到的效果，基本思想可以理解为，简单评分卡解释性强，带来的坏处就是可以被逆向破解，而复杂模型的黑箱操作虽然解释性差，却有一定的安全性，尤其是搭配了在线学习等动态手段之后。反向破解的成本极高。此外还有很多算法诸如异常检测和知识图谱都在这一块有所应用。

规则引擎

规则引擎其实就是我们常说的策略，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（badrate），找到最佳分段区间，然后得到筛选后信用较好的一批特定人群进行放款。这一块 主要有单变量分析和一些关键指标的计算以及监控，比如说Rollrate、PSI、KS、AUC，等等。通常规则和模型是组合使用的，尤其在反欺诈场景中。

风控模型

风控模型是机器学习在风控领域的主要体现。当然前面提到的反欺诈模型也是重点之一。主要是通过监督算法构建违约概率预测模型。但是因为实际业务中，是数据的质量并不是永远那么完美，这里通常我们会使用到深度学习、无监督、弱监督等等方法去辅助传统监督学习算法。

风控模型其中包含了A/B/C卡。模型算法之间可以没有显著区别，而是根据其发生的时间点不同而进行划分的（贷前/贷中/贷后），也就是y产生的方式不一样。通常信贷领域都是用逾期天数来定义y。  A卡可以用客户历史逾 期天数最大的天数。  B卡则可以多期借款中逾期最大的一次。C卡因为用途不同有不同的建立方法。比如你们公司有内催，有外催。外催肯定是回款率低，单价贵的。那么就可以根据是否被内催催回来定义y。

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。比如催收记录的文字描述、触达率、欺诈标签等等。并且坏账的客户会被列入黑名单。其实只要是能被催回来的，都不是坏账。但是很多公司为了保险起见，逾期超过一定时间的客户，即使被催回来，也会被拉入黑名单。这里主要的算法就是催收模型相关的，可能是监督、无监督算法。也有基于社交网络算法构造的失联模型等等。

几个概念

Badrate：坏人占比

MOB (month on book)：开卡时长                                  

Vintage分析法是一种动态分析法，用来分析不同时期资产的表现情况，它以贷款的账龄为基础，观察每批放款贷后1,2,3…N个月时的逾期情况。Roll-Rate分析追溯贷款状态之间每月的迁移情况，展示了每批贷款进入下一个逾期状态的概率。

pd1/pd7    pass due   逾期7天                   M0/M1/M2    逾期1-2个月

金融反欺诈 常用特征处理方法

phone_number

• 手机号前缀是否相同
• 手机号归属地是否相同
• 是否是虚拟运营商
• 流量卡还是通话卡

nickname

• 昵称符合固定的规律
• 备注是否符合某种亲密的称呼

birthday

• 年纪
• 星座
• 生肖

sex

• 性别是否失衡

password

• 是否都相同

身份证号码

• ​年龄
• 性别
• 城市

邮箱

• 一次性邮箱
• username满足规律
• 是否是同一邮箱服务商
• 邮箱里面的数据

学历

• 相似性

租房

• 租房情况是否雷同

积分

• 是不是超过一个阈值
• 签到
• 相似性

ip

• 是否是同一个号段
• 每次登陆地址是否相同
• 是不是临时ip

gps

• 经纬度相似性分析
• 国家 省份 城市 相似性
• ip和gps是否对得上

wifi

• ssid
• wifi list
• 贷款前的几分钟有没有切换过wifi

application time

• 时间切片
• 注册用了多长时间（太快 太慢都有问题）
• 一共申请了几次

login time

• 时间切片
• 登陆了几次、频率、最后一次登陆时间距贷款时间的间隔
• 同一时间登陆做一个校验（同一时间多人登陆）

ua（user agent）

• 每次打开是否是同一个ua

渠道

• app H5 微信
• 渠道id是违规渠道

app version

• 每次app版本号是否相同
• app版本是否太老了（bug）

推荐人/联系人

• 名字匹配
• 手机号匹配

device id

• 是否相同

分辨率

• 手机型号和屏幕的分辨率是否一致

mobile type

• 手机品牌
• 手机型号

os

• 每次打开操作系统是否相同
• 来申请的人是否os都相同
• os版本是否太旧

address

• 地址要标准化
• 模糊匹配
• 相似度计算

company

• 正则
• 字节拆分
• 关键字提取
• 相似度计算
• 错别字/同音字识别

人行征信

• 公司信息是否一致
• 学历是否一致
• 居住地址是否一致
• 手机号是否一致
• 逾期数据

运营商

• 是否有相同的联系人
• 是否有黑名客户在通讯录中
• 通话最频繁的那几个人所在地是否相同

社保公积金

• 工资
• 社保
• 公积金余额