大数据风控.png
大数据风控
1.数据收集
1.用户行为数据，手机数据等
2.用户消费数据，京东淘宝等
3.用户地理位置数据
4.互联网金融数据
5.用户社交等ugc数据
2.数据建模
2.1数据
1.个人基本信息
个人资历、个人/公司的信用、公司财务指标、家庭结构、家庭社会地位、个人社交、工商注册信息
2.个人商务信息
线上零售交易、专利、个人/公司资质、土地出让转让、质押抵押
3.个人社会公众信息
涉诉信息、被执行人信息
4.个人信息
自媒体、抵押担保、证券社区、行车许可、行业背景、行政处罚、商标
2.2模型
场景：
欺诈风险模型：社会关系网络模型：分析每笔案件之间的关系
信用风险：逻辑回归评分卡多（也有决策树），量化违约概率，制定授信规则和催收策略。
常用logistic回归，评分卡衡量标准ks大小
根据数据质量、建模能力在0-0.5之间，0.3以上才可以用。好的有0.32
贷后管理：行为评分卡，额度调整，客户风险分池管理。
挑战：
泛化能力：复杂的特征、模型。集成学习可以实时入参，比较稳定。
可解释
快速更新
3.构建画像
用户特征标签，购买渠道，消费频率，年龄性别，家庭状况
4.风险定价
RBP基于风险定价，高风险资产定价高，低风险定价低
网友评论