大数据风控模型的基本流程
金融的本质是将风险偏好不同的资金供给方和风险不同的资金需求方匹配起来。而大数据风控看两个方面的能力,一个是数据积累,另一个就是技术能力。分析可知,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。
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。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。具体考核数据如下图所示:
数据收集
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:
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)
用户消费数据(精准营销、信用记录分析、活动促销、理财等)
用户地理位置数据(O2O推广,商家推荐,交友推荐等)
互联网金融数据(P2P,小额贷款,支付,信用,供应链金融等)
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)
模型包含四大方面的数据:
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;
三、个人/公司社会公众信息,包括涉诉信息、专利信息、被执行人信息等;
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。
常使用的模型:
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。
应用案例:
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。
3、贷后管理也用到行为评分卡,例如额度调整和客户风险分池管理等。
大数据风控对模型的挑战:
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。
3.模型的更新速度:高对抗性场景下,模型快速更新是关键。
数据画像
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。
风险定价
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。
多维度的风险定价系统
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。通过对数据的整合、补充、调用、评判等,使风控模型运算结果更加准确。
定制化的风险定价系统
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。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14