大数据风控模型的基本流程

发布时间:2019-07-31 来源:未知 浏览次数:

  因为大数据风控模型是各家平台的核心商业机密,我们不得而知。但我们可以从大数据风控模型的建立过程来窥知一二。

  所谓的大数据风控模型的基本流程来主要分为四个部分:数据收集、数据建模、构建数据画像和风险定价。

  大数据精准营销的蓝海领域,消费金融数据。这里简要归纳一下,互联网大数据包括:

  00001. 用户行为数据(精准广告投放、内容推荐、行为习惯和喜好分析、产品优化等)

  00004. 互联网金融数据(P2P,小额贷款,支付,信用,供应链金融等)

  00005. 用户社交等UGC数据(趋势分析、流行元素分析、受欢迎程度分析、舆论监控分析、社会问题分析等)

  一、个人/公司的基本信息,包括个人资历、个人/公司的信用信息、公司财务指标、家庭结构关系、家庭社会地位关系、个人社交关系、工商注册信息等;

  

  二、个人/公司商务信息,包括线上零售交易信息、专利信息、个人/公司资质、土地出让/转让信息、质押抵押信息等;

  四、个人/公司社会关联方信息,包括自媒体、证券社区、行政监管/许可、行业背景、商标、招中标、行政处罚、抵押担保等。

  1.聚类: 比如常见的相似文本聚类,大量用户发相似帖子是常见的灌水行为,需要处理。

  2.分类:比如我们根据已经识别的有风险和无风险的行为,去预测现在正在发生的行为,根据关键字动态去识别预测效果不错。

  3.离群点检测:比如登录行为,当同ip登录大量登录失败,这种行为可能是暴力破解,当同ip登录基本全部成功,这种行为可能是机器登录,采用离群点检测发现这两类行为并处理等。

  目前国内90%以上的建模团队都使用Logistic回归做评分卡,当然还有少数人使用决策树,神经网络和机器学习目前还没在此行业有显著成果。Logistic制作评分卡模型的衡量标准是K-S值的大小,依据数据质量和建模能力在0-0.5之间,一般在0.3以上才可用,好的模型可以达到0.35。芝麻分模型的K-S值在0.32左右。

  1、欺诈风险用到模型主要是社会关系网络模型,通过每笔案件之间的关系,判断新案件是欺诈申请的可能性。

  2、信用风险主要用到模型是逻辑回归建立评分卡(也有的用决策树),量化新申请人可能违约的概率,根据评分高低制定不同的授信规则和催收策略。

  1.模型的泛化能力:复杂的特征和模型可以增强模型的泛化能力,采用复杂特征和更多维度的特征是很有效的。

  2.模型的可解释性:风控模型识别出来的数据需要做相应的处理,任何机器识别处理都不可能完全避免用户的投诉和异义,对于模型一定要了解业务特征,能够转化为客服和用户可以理解的语言去解释,使得任何处理我们都有理有据。

  用户画像的底层是机器学习,那么无论是要做客户分群还是精准营销,都先要将用户数据进行规整处理,转化为相同维度的特征向量,诸多华丽的算法才可以有用武之地,像是聚类,回归,关联,各种分类器等等。

  对于结构化数据而言,特征提取工作往往都是从给数据打标签开始的。比如购买渠道,消费频率,年龄性别,家庭状况等等。好的特征标签的选择可以使对用户刻画变得更丰富,也能提升机器学习算法的效果(准确度,收敛速度等)。

  我们在项目中根据不同维度提取了数十个多个标签,下图展示了其中的一部分。这些标签主要有三个来源:

  一个类是在IT系统中可以取得的信息,比如办会员卡时留下的信息(性别,年龄,生日),购买渠道,积分情况等;

  第二类是可以通过计算或是统计所获得的,比如用户对某类促销活动的参与程度,对某种颜色/款式商品的偏好程度,是否进行过跨品牌的购买等;

  第三类则是通过推测所得,比如送货地址中出现“宿舍”,“学校”,“大学”等字样,则用户身份可以推测为学生,出现“腾讯大厦”,“科技园”等信息时,则可判断是上班族,并有很大概率是技术从业者。

  在标签的设计上也带有较强的行业性,比如是否偏好购买当季爆款或是新品多于经典款(时尚度);是否更倾向购买低价或打折商品(价格敏感度);是否喜欢购买高价商品或限量版(反向价格敏感度)。

  对于已经打好的标签,根据不同的分析场景进行离散化,或将分类类型的标签拆成多个0/1标签,就可以进行一些机器学习的建模了,比如聚类,分类,预测,或者关联性分析,最终生成的向量维度在数千个。

  量化风险管理的一个核心是风险定价,根据银行自身的风险偏好来对资产进行定价,高风险资产定价较高,低风险产品定价较低,根据风险高低来制定资产收益,RBP(基于风险定价)已经成为主流。

  虽然对技术的应用日趋成熟,但现实的情况是,行业的业务模式仍然大量基于人海战术,与上世纪八九十年代传统金融企业的业务模式类似,在信用评级和风险定价方面过多依赖人的经验。

  目前的互联网数据+金融已经开始改变这一状况。尤其是在P2P风控领域,互联网大数据积累已经让风控进入2.0时代。通过数据的积累,可以实现客户开发和数据采集通过人工完成。

  中国现实的难处是,个人信用数据缺失,央行征信只能覆盖25%人群。同时金融机构风险定价水平不高,导致市场难以发展。

  目前京东用定价自己积累的数据推出了“京东白条”,蚂蚁金服开发淘宝购买者数据推出了“花呗”,这些都有一个限制就是只能在指定的服务商消费才可以用。但这也从一定程度上说明利用大数据可以实现业务的功能。目前,已有一些P2P平台通过接入了多家第三方数据用于风控。

  从商务智能的角度说,模型、评分、策略等都是为具体的业务服务的,脱离了具体场景的模型和评分是无本之木,无源之水,脱离了业务场景谈模型的准确性,没有意义。不同的业务场景,产生了不同的数据,不同的数据包含的规律,体现在数据分析中就是模型、参数和评分。

  这也要求评分的模型在设计之初,就要考虑如何更加智能。不同的人风控模型也会不同,因此定制化的风险定价系统将成为未来的趋势。

  2019年6月15日我们将在北京举办互联网金融管理师2019年第三期,期待您的到来返回搜狐,查看更多

 
 

Contact

  • 联系方式

    电话: 0755-123456666

    传真: 0755-123456666

    官网: http://www.baidu.com

    E-mail: 888888888@qq.com

    地址: 深圳市南山区科技园南区中山大学产学研大楼7楼

    微信公众号: 公司国际保理

    扫一扫关注我们:

  • 在线提交申请

    单位名称:

    经营地址:

    联系人(职务):

    手机:

    邮件:

  • 应收账款说明(包含以下内容):

    交易对手/对方客户全名:

    交易时间:

    交易产品/ 服务项目:

    应收账款金额(万元):

    应收账款到期日: