信贷产品线上风控知识普及篇

风控：风险控制，主要是控制业务流程中作弊和欺诈行为的发生。

授信：资金方向用户提供资金支持的行为。

所以说互联网金融授信过程中的风控，目的主要是控制欺诈，核实贷款人身份和对贷款人资产情况进行把握。

因为不同的行业风控业务相差较大，下面主要谈一下互联网上信贷方面的风控业务。

1.贷款用户：

按照风险等级目前把用户分为三类：

1 ) Prime：用户征信纪录良好，有稳定充裕收入，资产多，负债低。（这类高净值用户一般被垄断服务场景所夺走）。

2 ) Near  Prime：用户征信纪录一般，收入偏低。（这类用户是现金贷的主要用户）

3 ) 次级用户：用户征信纪录差或者无征信纪录，收入不稳定。（这类用户靠自建或第三方风控进行或交叉进行验证）

2.风控方式：

目前主流风控方式一共有3种：

1 ) 线下风控：主要靠人工实地考察个人信息和资产状况（目前主要用于银行的大型项目）。

2 ) 线上风控：银行卡实名认证、手机号实名认证、央行征信、第三方征信、其他黑名单数据、自己黑名单、防伪冒欺诈数据……主要是各种自己获取的数据和第三方数据交叉验证，训练自己的风控模型。

3 ) 线上+线下：部分高风险业务，可以投入人力审核，但要注意ROI。

3.建立用户征信识别体系，分别从贷前，贷后环节进行层层用户把关：

 1 ) 贷款前：

 申请贷款阶段：主要对用户进行身份识别，判定用户的真实身份，历史信用，活体检测等等。

 2 ) 贷款后：

  风险预估：按用户借贷的额度、周期、 进行定期用户征信识别。 主要监控最近是否有借贷记录，是否在其它平台发生不良记录，检测是否需要提前催款等等。
   

 

4.线上风控核心有三点：数据，模型，规则：

1 ) 风控的核心是数据，线上风控数据一般有两类：资质数据和行为数据。

    - 资质数据主要有：个人身份信息、社交信息、电商购物信息、信用信息。

    - 行为数据主要有：设备数据（COOKIE）、位置数据（IP/LBS/GPS）、业务行为（资料修改、填写时间等等。

2 ) 风控的模型从线性的LR模型，到GBDT、随机森林，再到最近很火的神经网络，性能逐步提升。风控模型的选择，主要考虑业务需求和技术能力。（由于对这块不熟，之后再补充......）

3 ) 规则一般由经验丰富的专家来人工定义。

5.如何实施：

1 ） 第一步 - 搜集大量数据。

2 ）第二步 - 选择量化因子：无论是评级，还是建模，首先要选取量化因子，通俗的说就是哪些指标可以反映客户的风险情况。

3 ）第三步 - 确定模型。如果是评级的话，需要确定每个指标的分数等级和指标间的权重；如果是建模的话，需要确定具体采用哪种模型。

4 ）第四步 - 验证，上线前需要大量数据和信息验证模型的正确性和精确性。

6.如何评估效果：

两个关键指标：误警和漏警。

• 误警：将好客户当风险客户处理。（需要平衡用户体验和商业平衡）

• 漏警：将风险客户当好客户处理。

模型和规则的更改，在上线前，需要做很多离线和在线的测试，确保最终效果是可以接受的。

总结：在业务中，我们无法消灭风险。那么风险和损失就是一个动态平衡的过程。平衡好风险和资损，才是我们追求的目标。