2017年大数据风控报告
金融科技的发展解决了传统金融机构两大难题:一是,降低运营成本。传统消费信贷市场是一单一单去做,尽管消费信贷定价较高,但商业银行运营和作业成本太大。金融科技下的批量化获客、作业有效降低了成本。二是通过大数据、云计算等手段,在风险防范、风险管控方面实现了线上化和批量化。
其中,大数据技术解决了消费金融乃至小微金融领域风控的效率瓶颈。一方面,个人信用体系不断完善,央行征信、代发工资、社保、缴税等不断纳入个人信用记录;另一方面,通过分析消费者在互联网上购物、社交等多维度留痕数据,覆盖更多长尾人群。
目前,有能力推动大数据风控的主要为国有大行、股份制银行等大型银行,以及部分城商行等。互联网巨头、三大运营商等由于掌握了庞大的个人数据,也开始加入到这一市场中来。
国内企业征信市场初步建立,但个人征信市场仍在筹建中。根据媒体报道,监管当局已决定由互金协会牵头成立个人信用信息平台,于今年底正式批筹,坊间将之称为“信联”。
风险识别与控制既是金融业运营的核心,也是大数据在国内外金融领域最主要的应用部分。根据FICO Report 2015,大数据在国际银行业中的主要应用,16%用于风险建模,10%用于风险评估,前者对应金融反欺诈需求,后者对应征信需求,二者合计占比达26%,超过大数据在投资组合中的应用比例(18%)、客户行为分析(15%)、运营绩效(12%)。
从国内金融机构应用大数据的情况看,主要将大数据应用在客户画像领域,包括风险管控、运营优化、业务创新、优化营销策略等。特别是,随着互联网贷款的快速发展,人工判断占用越来越多的人力资源,且存在一定风险,金融机构迫切需要建立精准、快速的自动化反欺诈模型和评分模型。
获取数据之后,控制反欺诈和信用风险最重要的数据算法、建模问题,从而输出授信额度和风险评价、利率和借款期限,这是各家机构的核心竞争力。
“白名单”主动预授信
在消费金融中,银行、互联网金融等机构开始采用风控前置的白名单邀请制,商业银行将主动授信用于实际业务,这是对以往被动授信模式的颠覆。如工商银行2017年1月推出消费金融产品,筛选出白名单用户4700万户,3月底白名单用户接近9000万。微众银行从8亿多微信或手机QQ用户中筛出9800万个白名单客户。这一措施可提前判断“白名单”客户的还款意愿、还款能力,进行预授信。
反欺诈模型
对于反欺诈,一般采用多种策略综合验证打击欺诈攻击。解决方案包括:
(1)设立反欺诈“黑名单”,拦截有不良欺诈记录的申请者,数据来源于央行征信系统、公安联网系统、前海征信或同盾等专业从事反欺诈的第三方数据。
(2)对群体性欺诈攻击,进行集群分析,利用SAS链式聚类技术,实现无限层次申请链接分析。
(3)中文模糊匹配搜索。大型银行会选择建立反欺诈系统或欺诈分,通过模糊搜索判断欺诈客户。
(4)逻辑违规算法。将多个弱相关变量,放在一起建模,由于反欺诈的变量多,但变量相关性不强,需要综合建模来看整个模型的有效性。例如,采用通信手段反欺诈。如申请人一定时期内多次申请贷款,则欺诈概率较高。网络游戏打得越多,整体看违约率越高,尤其是在三、四线城市。阅读财经新闻频率,访问频率越多的人违约率较低。
见图七:某金融云平台反欺诈模型
获得用户画像之后,还可以通过关联不同用户之间的数据,例如共用IP、手机号等,得出用户的大数据关系图谱,降低团伙欺诈的风险。
信用评分模型
对于如何控制信用贷款业务资产质量,各家银行讳莫如深。就国内商业银行而言,将风险评分等技术手段引入信用贷款风控模型,是一些银行信用贷款业务爆发、不良下降的核心原因。
目前,国内信用评分模型包括收入计算模型、额度计算模型、人行评分模型等,从多个维度判断客户的授信额度。
除银行外,在个人征信牌照上无法突破时局下,包括互联网巨头在内的第三方征信选择发布“信用分”。信用分本质是一个数据驱动模型。“信用分”与传统征信的区别在于,狭义上的个人信用即是债务相关的数据,包括还款、负债、收入和资产等信息。
2017年8月,腾讯对部分用户开放信用分查询渠道,评分模型通过“履约、安全、财富、消费、社交”五大指数,基于历史行为,统计评估得出信用分。履约指数是指贷款、信用卡、分期是否按时还款;安全指数是指个人信息是否准确,账户的安全性是否足够高、是否经常更换联系方式等;财富指数是指个人资产情况,例如各类资产的构成、理财记录等;消费指数是指手机QQ、微信支付行为如何,例如购物、缴费等场景的行为及偏好;社交指数是指社交行为和人脉关系如何。2015年1月发布的芝麻信用分亦颇为相似,其通过对信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度客观呈现个人信用状况的综合分值。
信用分的应用场景,在于覆盖无征信人群和信用贷款。除央行征信外,国内有三分之二的人群是征信报告没有覆盖到的。在普惠金融的目标下,第三方征信公司通过一些外部数据给其打出一个有效的分,使得获得互联网金融机构的贷款。
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