量化⻛控
1.政策与定价 关注点
1.⽤户准⼊设计,排除⾼危和⽤户后的⽬标客群
2.审核步骤设计,策略、模型及反欺诈的介⼊时机
3.授信⾦额的确认,不同审批流程中的授信⾦额幅度设计
4.不同⻛险等级的评级变换标准
2.⻛控审批策略
审批策略架构搭建
1.熟悉产品类型,了解进件流程
了解进件流程:1.收集进件流程中可获得的进件要素;2.寻找流程中的⻛险点,制定对应的⻛险排查⽅法
熟悉产品类型:1.明确审批对象;2.了解时⻓⾏业审批流程;3.评估在客群层⾯是否存在明显⻛险;4:明确⽬标客群的范围
2.根据明确的审批对象,制定主体策略模块
常⽤的审批策略模块:个⼈信息验证、准⼊模块、欺诈判断、⿊名单判断、信⽤⻛险评估、⼈⼯授信、交易⻛险
策略模块:根据产品流程制定;每⼀个模块对应解决⼀个或者多个⻛险点,找不到解决⽅案的⻛险点需要预留位置
3.对应主体策略模块寻找⻛险解决⽅法
1.第三⽅数据源——数据源的选择:数据体量(查得率)、区分度(覆盖率)、收费标准、是否稳定、数据来源
2.增加进件要素获取
3.爬⾍获取额外信息等
4.根据确认的策略模块,设计审批流程
1.⽆费⽤的在前,有费⽤的在后
2.强⻛险在前,弱⻛险在后
3.尽可能留存信息
5.确认审批流程落地⽅案
1.决策引擎
2.审批系统
3.征信平台
作为第三⽅数据源回传数据统⼀存储的平台;
记录每次查询的结果;
将原始数据处理为决策引擎可使⽤的字段;
可管理多个同质数据源;
数据源介绍
1.基本验证:公安核查、⼈脸识别、活体检验、银⾏卡四要素验证(姓名、身份证、⼿机号、银⾏卡)、⼿机要素验证(是否实名⼀致)
2.⿊名单(身份证、⼿机号):法院执⾏⼈、欺诈名单、逾期、关注名单等
3.信⽤:多头借贷、信⽤分、互联⽹标签、银⾏卡信息
决策引擎
1.只是吃变量,且吐变量的系统
2.作⽤:将⻛控落地
3.与传统代码实现策略区别:⻛控业务可⾃⾏配置、更改;保密性更⾼;调整更快
策略调优
A类调优:在拒绝客户中找好的客户通过(拒绝推断)
B类调优:在通过的客户中找到差的客户拒绝
调优原因:资产质量朝着坏的⽅向发展;逾期率过⾼通过率下降,预测坏账⽐超过预期
常⽤量化指标
逾期(账单逾期、订单逾期);
逾期时段(M0123);资产质量
(新增放款⾦额和预期⾦额)
vintage:观测不同类别资产,在
同阶段的逾期差异,观测逾期增
⻓趋势(横轴:MOB)
⾸逾FPD(FSTQPD)
PSI =(A-B)*log(A/B):衡量指标的波动程度
PSI < 0.1 稳定性好
0.1<= PSI <= 0.25 关注
0.25 < PSI 异常
策略调优
通过率下降分析:A节点拒绝率,B节点拒绝率(时间节点)
针对A节点细化到规则层⾯深度分析:X准⼊、年龄、地区等
做进件客户的年龄划分
探索性规则分析
评分卡使⽤策略
1.什么时候需要:进件量⼤,规则⽆法满⾜更细的切分
使⽤场景:⼈⼯分流,客群豁免
额度调整策略
1.步骤:筛选可调额度⽤户,分为调额组和对照组,调整后分析两组的资产趋势,根据结果回调最初筛选可调额客户的规则
2.最初调额客户筛选⽅案:历史未逾期,账龄达到6个⽉,活跃⽉份占⽐超过80%,额度使⽤率超过85%,未办理过再分期业务
3.调额资产趋势分析:调额组逾期要⾼,将调额组多维度分析,寻找关键维度,回调筛选调额名单规则
3.⻛控评分模型
1.确⽴评分⽬的:产品类型为⼩额⽆抵押个⼈,预测客户的借贷违约⻛险,对公司产品进⾏⻛险决策,减少损失
2.模型设计:申请评分卡建⽴之前排除特殊进件(欺诈账户、政策拒绝账户、为激活账户等)以提⾼模型的预测效果(包括但不限于产品类型、地区、账龄)
3.数据拉取及清洗:包括运营商数据、设备数据、短信数据、个⼈征信、个⼈基本信息等。根据观察期和表现期的定义从数据池中取数,并进⾏前期的数据清洗和稳定性验证。
数据清洗包括⽤户唯⼀性检查、缺失值检查、异常值检查等。稳定性验证主要考察变量在时间序列上的稳定性,衡量指标有PSI、均值/⽅差、IV等
4.特征⼯程:主要做特征(包括连续变量、离散变量、时间变量、⽂本变量等)的处理和筛选。另外会基于业务的深⼊理解做特征构造⼯作,包括特征交叉,特征转换、对特征进⾏四则运算等
申请评分卡需要对特征进⾏离散化、归⼀化处理、再对特征进⾏降维处理,降维的⽅法有IV筛选、显著性筛选、相关性筛选等
5.模型建⽴和评估:选择合适的模型,申请评分卡⽤逻辑回归,模型建好后,需要做模型评估,计算AUC、KS,并对模型做交叉验证来评估泛化能⼒及模型的稳定性
6.模型上线部署:在⻛控后台部署模型规则,对于⼀些复杂的模型还要将模型⽂件进⾏转换,并封装成⼀个类,⽤Java等其他形式来调⽤
7.模型监控:前期主要监控模型整体及变量的稳定性,衡量标准主要是PSI,混淆矩阵。每⽇观察规则的拒绝率与线下的差异。后期积累⼀定线上⽤户后可评估线上模型的
AUC、KS,与线下进⾏⽐较,衡量模型的线上实际效果
4.反欺诈策略
客户引流项⽬⻛险评估
线下项⽬评估
政策推⼴指引 ——根据产品定位设前端营销推⼴指引、包括渠道准⼊标准、客户进件条件、产品额度
渠道准⼊ ——对前端上报渠道进⾏准⼊评估、渠道管控参数配置等
渠道、营销员分级管理办法—对所属渠道、营销员的进件进⾏批核分析,客群质量评估、逾期数据统计等
线上项⽬评估 线上项⽬⻛险评估
渠道推⼴指引及准⼊
客群准⼊:年龄、地域、⼿机、职业、收⼊、平台⿊名单、平台逾期信息、平台⾃由数据等
信息回传:设备信息、定位信息、平台信息
系统对接及测试
UTA测试:流程验证、进件信息回传验证,新增回传信息
⽣产验证:真实⾛⼀遍流程并后台验证相关信息
上线监控及分析
配套策略:上线该特定渠道的配套策略
上线初期:进件控量,客群特征等基本属性分析,了解渠道客户特征
进件监控:进件批核、拒绝原因分布及授信均额监控并优化
逾期⻛险监控及策略调优
根据表现期后数据逾期情况,分析逾期客户特征,优化审批策略
合作⽅新增回传信息分析应⽤
评估总结:线下注重渠道管理,线上注重反欺诈
反欺诈外部征信数据测试
产品类型
特殊名单类型:决策类
⿊名单:多头、逾期、被执⾏⼈、⽼赖、罪犯、⼀度⼆度关联
⽩名单:社保公积⾦、单位信息、地址信息、收⼊信息等
反欺诈评分类型:排序类 反欺诈模型评分
基本流程 1)产品特征了解;2)数据提取;3)效果评估 测量⽅向的考量
查的率、命中率、覆盖率等
对客户评估的单调性、差异性、准确性
对现有政策架构上的⻛险增益
提现策略流程搭建:以⼩额现⾦
贷为例 提现基本流程
1.内部基本规则;准⼊、⿊名单,历史逾期异常⾏为,历史拒绝等
2.外部信息规则:外部多头,外部⻛险名单,外部信息联合拒绝等
3.进件和规则
4.贷中规则;贷中⾏为评分,有⽆还款⾏为等
通讯录反欺诈应⽤
5.反欺诈体系
欺诈类型 — 以盗刷、薅⽺⽑、骗贷、套现、刷单、刷好评、为⽬的的(个⼈和团体欺诈)
表现形式
⽹络攻击:拖库、撞库、洗库、机器注册、暴⼒破解
拖库:⿊产通过社⼯⼿段或者技术⼿段盗取⽬标⽹站客户资料数据
洗库:⿊产通过将⽤户账户中的财产或虚拟财产通过各种⿊产渠道进⾏变现
撞库:⿊产将拿到的数据进⾏整理,利⽤这些数据对其他⽹站试探性登录,从⽽获得其他⽹站账号信息
短信/电话劫持:伪基站、⼿机病毒、呼叫转移
伪造资料:资料包装、证件伪造、伪冒身份
主要欺诈⻛险
中介欺诈
⼀站式中介:伪造短信、买卖身份证、账号、修改定位、伪造通讯录、PS证件等
零散中介:没有软件代扣、客户容易跑单
⿊产欺诈
猫池:养号神器
群控系统:通过操作某个软件来控制⼀群⽤户批量注册,养号、接收短信验证码登
伪基站
其他技术:位置修改、号码修改、⼿机设备修改等
内外串通
主流反欺诈技术
数据采集:设备指纹、爬⾍技术、⽣物识别、地理位置识别、活体检测、⽣物探针技术(采集⽤户的在使⽤设备的按压⼒度、设备仰⻆等习惯,为其建⽴专属的⾏为模型,发现异常时及时阻断)
数据分析:运⽤数据分析⼯具从数据中发现知识的分析⽅法。关系图谱(主要识别团伙欺诈)、机器学习技术(有监督、⽆监督和半监督)
决策引擎:是反欺诈的⼤脑、可将信誉库专家规则和模型有效整合,提供⼀个操作⽅便、⾼效的⼈机交互界⾯。降低反欺诈的运营成本和响应时间
欺诈场景:盗⽤账户、⽹购运费险、⽹络欺诈
现⾦贷欺诈体系
产品设计:产品或项⽬分析评估、制定反欺诈管理⽅案、反欺诈需求开发与落地
营销获客:渠道管理、投放策略管理、营销⼈员合规管理
贷前审批:进件管理、授信流程、体现流程、⼈⼯策略、反欺诈策略制定、贷前监控
贷后管理:贷中监控、案件调查
6.贷后策略量化分析
催收策略制定⽅法
专业术语:电话催收、委外催收、上⻔催收、法务催收专业术语:电话催收、委外催收、上⻔催收、法务催收
outbound/inbound(电话呼⼊、呼出)
DPD:合同最早⼀笔分期逾期到现在的时间间隔(days past due)
RPC:有效联系⼈
PTP:promise to pay
催收⼿段:⾃动代扣、短信提醒、智能语⾳、上⻔催收、法务催收、委外催收、催收机器⼈
催收策略分流与量化:短信提醒、语⾳提醒、M1电话催收组、M2电话催收组、M3电话催收组、上⻔催收、法务催收
催收常⽤量化指标
贷后回收率
迁移率:M0 -M1:本⽉末M1待收余额/上⽉末M0待收余额
催收绩效;1-迁移率
催收效果分析:⼈⼒不⾜?新⽼员⼯技能差异⼤
上线策略调优逻辑:短信发送时间、外呼策略调整(⽐如每个合同固定⼀个催收员到当⽉最后⼀天,电话3天覆盖⼀遍,全天跟进PTP且不超过1.5⼩时)
催收评分卡
业务现状:⽬前合规下,单靠逾期天数区分客户,精细化程度不⾼,⽆法区分⾼⻛险客户和低⻛险客户
⼊模变量:近31天通话次数,客户所有未结清合同逾期天数⼤于等于3的次数,历史未接通次数等
7.⻛险监控报表体系
审批监控指标:拒绝原因分布、审批量、通过率、放款量
意义:
进件量浮动较⼤时,与前段销售同事沟通,寻找原因;
通过率较⼤时,与政策同时沟通,寻找原因;
核准⾦额与放款⾦额较⼤时,需了解是客户主动放弃还是系统放款异常还是其他原因
拒绝原因分布报表意义
vintage:以账龄为轴,观察贷后每个⽉的后续质量情况,可观测⼀个多期产品的⻛险全貌