未来金科学院

随着社会发展的越来越快，各种各样的数据越来越多，那么怎么能从如此庞大的数据源中去寻找合适的数据去为风控服务呢，接下来分享一些对三方数据的进行评估和监测的方法。关注“金科应用研院”，回复“优快云”领取“风控资料合集”

在日常的策略分析中，经常会碰到分析的变量出现缺失值的情况，如果对这些缺失值视而不见，则会对策略分析的结果造成一定的影响。那么我们如何处理缺失值呢？关注“金科应用研院”，回复“优快云”领取“风控资料合集”首先，我们需要了解缺失值产生的原因。一般来讲，产生缺失值的原因有很多，比如说：某个变量不适用于所有样本由于信息披漏、隐私保护政策导致缺失数据表连接时的操作带来大量缺失值由于业务发展变化存留下的无意义的字段数据，等同于缺失值。

随着越来越多的金融机构进入线上化转型阶段，对模型的重视程度变得越来越高、使用也越来越广泛，而随着模型复杂度及应用场景的增加，如何确保建立的模型合理有效，则需要在模型上线前进行验证。关注“金科应用研院”，回复“优快云”领取“风控资料合集”。模型验证的目的是为了确保数据分析的准确性、模型设计的合理性、开发过程和结果的有效性、稳定性，以及模型是否符合业务逻辑、是否符合监管要求等。针对以上几个关键点，可以从以下几个方面对模型进行验证。

贷前审批策略是金融风控里重要的一环，是整个贷款流程的基础，应用于筛选目标服务客群。高质量的贷前审批策略搭建是防范风险、减少坏账的重要前提。

贷后管理是控制风险、防止不良贷款发生的重要一环。目前行业内对贷后策略评价体系也有许多探索，并针对性地设计多种指标来评估贷后策略效果。指标设计主要体现在资产回收过程追踪以及回收金额评估，包括如下四大类指标：

这里常说的异常点，目前并没有具体的严格定义，大多数来讲，检测异常点都是按照数据分布与业务逻辑结合进行主观判断是否属于异常点。

就风险管理而言，识别是核心，管理是必备手段。贷中管理兼具风险防控和客户价值挖掘的作用，完整而有效的贷中管理体系可以有效提高风险识别的时效性和准确性，及时发现风险、处置风险；深入挖掘客户价值，提升信贷资产的收益，实现客户的精细化和科学化管理。...

信贷资产是银行所发放的各种贷款所形成的资产业务，而在银行经营的各种贷款业务中，现实或潜在的不能保证贷放出的资金本息安全回收的信贷资产构成了银行的不良信贷资产。

今天想和大家分享一下课程的第一部分内容：特征空间。

1、决策树，是一种分类算法和回归算法，一个类似于流程图的树形结构，树内部的每一个节点代表的是对一个特征的测试，树的分支代表该特征的每一个测试结果，而树的每一个叶子节点代表一个类别。很多做策略分析的同学在做用户分析时，会被用户标签、用户画像、用户分群、用户分层这几个概念绕晕。把用户划分为8个群体，从高消费频次、高消费额、最近消费过的重要价值用户，到低消费频次、低消费额、很久未消费的一般挽留用户。随着互联网金融的发展需要，对于信贷产品、用户的精细化运营是未来的主要方向，而开展精细化运营的基础是对用户的理解。..

近期收到同学们在学习策略或工作应用中遇到的不少业务问题，今天小篇统一整理了一下，分享给大家。我们讲师也是结合实际业务场景的经验，给了同学们细心答复。大家可以看看有没有自己遇到的相似问题？...

本文目录：风控决策树模型决策树模型的种类决策树模型的构造

本文出自@金科应用研院**Q：**模型和策略的工作，边界和交集在哪里，以及未来的职业发展走向是怎样的？A：边界：策略分析师的工作更多是偏全面业务，而模型工程师的工作更偏某一个单点突破，是整个风险控制里的技术担当。比如在真实的信贷业务里，假如C客户申请了贷款，而最终决定是否放款的流程搭建、是否需要评分卡、什么时候需要评分卡…等，整个贷款风险把控的流程是由策略分析师进行主导。但是其中某一个细节点，比如有一部分客户需要进行分层，但以策略分析师的手段我解决不了客户分层的问题；这就需要模型工程师把这些客户区分开，至

很多人普遍认为贷后管理等同于打电话做催收，其实不然。单从催收手段上就可分为：自动代扣、短信提醒、IVR、智能语音、预测式外呼、预览式外呼、上门催收、法务催收、律师函、委外催收、网络仲裁等。仅以发送短信提醒为例，不同的逾期阶段、不同的发送时间都需要经过长期的监测和数据分析后，进行策略优化。...

目前随着量化风险管理理论成为金融领域主流基础管理应用理论，在各个金融业务场景风控管理工作中，风险数据量化管理和风险指标量化管理成为全周期风控管理工作的核心要求。作为合格的全生命周期风控管理操盘手，如何平衡风险控制管理与支持业务发展之间的关系，是风控管理人员日常工作中时刻需要思考的问题。1.在风控管理工作中，不同生命阶段主要关注哪些风控指标？全生命周期风险管理的核心思路是根据一笔金融订单从申请开始到结清结束，流转过程中发生风险的实质性质...

根据麦肯锡最新个人金融服务（PFS）调研显示：1、亚太新兴和发达市场的消费者都在积极使用数字银行，特别是在新冠疫情期间，人们加速广泛使用数字银行的服务。在2021年，亚太地区数字银行的活跃用户较2017年相比达到了新的水平，数字银行的使用渗透率上升接近90%，尤其是亚太地区和亚太新兴区的增势明显。2、新兴市场数字银行服务使用水平已完全赶上发达市场。在亚太新兴地区，使用数字银行服务的比例急剧上升，从2017年的55%增到2021年的88%，与亚太发达地区的差距大幅缩小，亚太发达地区的消费者使用占比则稳定在

关注“金科应用研院”，回复“优快云”领取“风控资料合集”聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。聚类分析的一个重要用途就是针对目标群体进行多指标的群体划分。对目标群体的分类是为了精细化经营，个性化运营的基础和核心，只有进行了正确的分类，才可以有效进行个性化和精细化的运营，服务及产品支持等。聚类分析的算法可以分为五类：划分方法、层次方法、基于密度方法、基于网格方法和基于模型方法。以下是常用聚类算法分类图：一、划分法原理：首先要确定一堆散点最后聚成几类，然后挑选

参考：FAL2021年某银行内训资料《中国数字型银行风险治理结构与实战分析案例》关注“金科应用研院”，回复“优快云”领取“风控资料合集”现如今，数字化体系建设对于我国各类金融机构已经犹如4G普及、5G发力一样，乃是金融机构可以从众多同类中脱颖而出的核心建设。随着金融科技发展，未来必将是科技化、专业化、数字化的金融企业。在金融借贷场景下，银行作为我国这类场景的主力军，发挥着不可或缺的核心作用。那么，以银行为例，如何建立适用于数字型银行的全面风险管理体系，我相信是当下时代银行业面临的机遇与挑战之一。.

国际会计准则委员会 (IASB) 和其他会计准则制定者制定了有关银行应如何为财务报表报告目的确认和准备信用损失的原则性标准。2014 年 7 月，IASB 发布了《国际财务报告准则第 9 号——金融工具》（IFRS 9），引入了“预期信用损失”（ECL）框架来确认减值。本文摘要概述了 IFRS 9 下的 ECL 框架及其对巴塞尔资本框架中会计准备金监管处理的影响。关注金科应用研院，回复【优快云】，领取量化风控资料大礼包！**一、IFRS 9下的减值确认有何不同？**自 2018 年 1 月 1.

关注“金科应用研院”，回复“优快云”领取风控资料合集01、授信额度与贷款额度授信额度是指金融机构能够为借款人提供的最大贷款金额。贷款额度一般是指借款人在金融机构给予的最大贷款金额范围内，实际借贷的金额。授信额度和贷款额度的主要区别是授信额度属于意向额度，而贷款额度是实际取现额度，授信额度会始终大于等于贷款额度。只有借款人的授信额度增加，他的贷款额度才可以增加，否则最大的贷款额度就是授信额度。从金融信贷产品角度来看，一般消费分期类的信贷产品授信额度等同于贷款额度，实际上往往也只讲贷款额度。对于信用

关注“金科应用研院”，回复“优快云”领取风控资料合集风险客户1.本银行内有贷款逾期记录的客户2.行内贷款五级分类属于前四等级的即非正常分类：第一等级为授信主体出现经营危机；第二等级为授信主体经营下滑或出现下滑的苗头；第三等级为授信主体风险相对于评审准入时有扩大迹象，存在潜在风险隐患；第四等级为授信主体存在影响授信安全的不利因素，需要提高关注，或提高贷后检查频率，增强对客户的跟踪和监控；第五等级为授信主体正常运营，没有理由怀疑贷款可能出现风险。3.他行贷款有逾期记录客户4.外部发债未按

原创 Zhou 来源：金科应用研院许多人觉得个人信用报告复杂难懂、难以解析，主要原因是个人信用报告记载了个人贷款、使用信用卡等多种信用活动的信息，而且涉及很多专业词汇，这些词汇虽然每个人可能略知一二，但探究其确切含义起来，恐怕一些专业人士都要斟酌斟酌。关注“金科应用研院”，回复“优快云”领取风控资料合集。另外还有一些词汇和符号是个人信用报告所特有的，比如在描述最近24个月每个月的还款状况记录时，会用到一些专用字符与一些数字。这些专用名词、专用字符和数字究竟是什么意思，接下来给大家逐步介绍！**

在量化风险管理中，策略人员每天都会碰到各种各样的场景需要进行决策，通常决策都会需要大量的数据分析结果来做支撑。一套完整的策略决策层级总体分成五个阶段:客户分类预测模型多维矩阵决策模型决策最优化每个阶段都是以上一个阶段为基础来递进决策。本文将对风险策略中的五层决策进行一定的介绍。1.客户分类此阶段主要是使用一些描述性统计方法(如均值、方差、频率、概率分布等)和探索性统计方法(如聚类分析、因子分析等)，对客户信息进行较简单的分析。实际业务分析场景中，常见分析有对客户行为或静态特征进行观察

催收作为回款补救的最后一道关卡，一直以来都不是一个特别美好的词汇，因为我们更多的时候，听到的是暴力催收（通讯录，色情图片，恐吓等等）。关注“金科应用研院”，回复“优快云”，领取风控资料合集。但是实际上，催收是一项很需要策略的工作，本文目的是将个人对催收的理解和信息的整理做分享，让读者朋友们更加客观的了解催收这件事情。同时在监管和客户逾期愈变严重的当下，群策群力，完善催收工作，同时对前期获客，授信，以及提现等风控设计做到更多的贷后反馈。01、催收基本手段介绍短信催收：通过短信的方式提醒客户还款，一般作

“信用策略做得好的就一定能把欺诈策略做得好吗？”“不是”反欺诈的策略是定义NO的，找出不准入的人，比较像是排雷的过程。信用策略一部分工作同样是定义NO，例如逾期天数限制、信贷申请次数限制，但信用策略更需要偏重于定义YES，也就是定义目标客群特征。我们在定义NO时，需要接入数据源来辅助判断，那么头疼的问题来了：如何接到有用的数据？????做法1：确定一个拟测试数据的list，选取测试样本发过去，待测试样本返回后，运用单变量分析方法，确定ks/iv等高的数据对接；????做法2：在样本选取上考虑信

从3年前开始，小微企业信用贷款受到国家政策的影响，以银行为主的金融机构，不断加大对小微企业融资贷款的支持。2021年大部分信贷场景将继续受到监管严控，小微企业信贷业务会在之后，呈整体上升趋势。贷前审批策略设计需要确认以下5个部分：熟悉产品类型，了解业务流程制定风控流程和策略架构对应主体策略架构整合数据设计审批策略流程审批策略的落地部署确认第一部分：熟悉产品类型，了解业务流程熟悉产品类型： • 明确核查审批的客群 • 了解业务流程和监管要求 • 从客群画像设计需要控制的风险点设计业务风控流程

报表体系的搭建对于任何一家金融机构都尤为重要，对于风控模型来说经上线部署后会因内外部各种因素引起模型分数偏移，甚至出现错误。因此，为了能在第一时间发现问题，我们需要对模型进行动态监控。有一套相对完整的报表系统，能对模型的有效性、稳定性进行监控，更好地保证模型运行以及迭代新的模型版本。对于一般的风控模型，即ABC卡来说，简单地可以把监控分为前端监控和后端监控。这两张报表主要是反应分数分布和区分能力的，通用于所有模型。1、前端监控前端监控是客群表现label出来之前的监控，主要监控当月人群模型分数的分布

在各行各业都有很多专业的指标，界定行业、项目发展标准。在金融行业风险管理领域，也同样存在各种风控指标，辅助风控业者判定风险管理水平的优劣，比如FSTQPD、App_rate、Delq_rate。大部分风控指标功能单一，比如App_rate就是表示申请进件的通过率，大家兢兢业业在自己领域做贡献，但有一些超强指标，在跨界之间产生应用，发生不一样的化学反应。今天，我就重点聊聊Gini和PSI这两个指标，在量化风控上如何实现多重应用。1、GINIGINI指标最早在量化风控上主要用于评分模型，对于训练出来的分

在模型风险管理不断被监管重视的当下，从银行金融机构开始，消费金融公司、网络小贷公司将会循序渐进、逐步建立完善的模型评审制度和标准，筹备模型审查部或小组。或许“模型评审部“对于大部分在中国金融体系内从业的风控工作者相对陌生，但其在金融系统发达国家如美国、新加坡等地，如美国Capital one会单独设立“模型评审部”。也有一些外资银行/互联网金融机构会设立双模型审查组，一个组成立于模型内部，一个组成立于应用方外部。模型审查的目的有三，如下：1.为提供金融产品和服务的公司提供一套在决策中使用AIDA时需

在金融行业里，大家对于系统稳定运行比精准运行，更迫切的需求。这也是为什么位于国内四大行之首的工商银行，后台业务系统还是多年没升级。原因之一是考虑到系统需要稳定运行。在风险管理上，对于稳定性的监控也十分重要，在这之上才会考虑风险的精准识别，以及差异化客群风险定价。衡量稳定度的量化指标有很多，其中最好用也最容易理解的是PSI指标。01、PSI指标是什么？PSI是Population Stability Index的简称，最早运用于评估评分模型的稳定性。对于大多数金融风控从业者，对于PSI指标的认识还是

在整个大数据风控体系，策略和模型是业务驱动的核心，但是最基本的基础建设是在指标层面。大家在做策略和模型的时候，多多少少都会遇到缺少指标或者是指标工作量较大的问题，这就是我们通常所说的“巧妇难为无米之炊”，难在缺少核心食材。今天笔者跟大家一起来聊聊在贷中管理涉及的核心指标。01、贷中业务指标分类贷中业务不同于贷前，所涉及的指标已不单单是在征信和三方数据，更多的是对机构内部深层挖掘。贷中业务关注的是客群的风险变化，对于不同风险客群做差异化处置，所以指标上的选择在于动态类指标为主，如交易、额度使用率和PBO

1、贷中营销场景介绍随着新客获客成本逐渐攀升，存量客户的价值挖掘重要性凸显。往往大家在贷中管理花费大量的工作在贷中预警监控和处置，容易忽视存量客户信贷产品经营。不单单从获客成本考虑，应考虑存量客户的价值增益需进一步满足客户金融服务需求，同时丰富机构内部自身的多样本业务。站在这样的场景下，贷中管理也开始慢慢涉及存量客户经营，从风险维度和营销维度多方面量化分析。贷中的营销场景非常丰富，贯穿整个客群的信贷生命周期，从申请通过、到用信、再到结清，每一个还节点都是需要做好管理。具体营销场景包括：新增：

随着社会发展的越来越快，各种各样的数据越来越多，那么怎么能从如此庞大的数据源中去寻找合适的数据去为风控服务呢，接下来分享一些对三方数据的进行评估和监测的方法。01、三方数据的含义三方数据一般是指外部第三平台依靠长期业务积累然后形成的具有自己特色的进行加工处理过后的数据，常见的有多头借贷的数据，支付数据，信用评分类数据。三方数据在贷前会发挥着最重要的作用，当一个客户来申请贷款的时候，如果来判断这个客户好和坏呢，除了需要金融机构自己的数据，另外就需要庞大的外部数据，比如黑名单数据，多头借贷数据，信用评分类

互联网金融产品定价的逻辑仍然脱离不了传统金融构建的基准利率体系上的资产风险定价基础，包括对资产信用风险、流动性风险等内在因素的度量。其中风险定价及授信管理能够将用户的逾期风险与信贷产品的收益挂钩，从而具象化风险并对业务收益造成影响。对风险损失造成直接影响的产品属性及造成影响的成因例如还款方式，还款期限越短，累计的违约概率也会降低。也就是大家常说的：profit=revenue-lost（利润=收入-亏损）可以通过这4个方面去调整风险，达到利润的最大值，也就是从产品层面做风险控制。还款方式对定价的

2021.1.13，银保监会发布《消费金融公司监管评级办法（试行）》（以下简称《办法》）。《办法》共五章二十五条，主要包括总则、评级要素与评级方法、评级程序、评级结果运用、附则等五部分，从总体上对消费金融公司监管评级工作作出安排。一是设定监管评级要素和方法。消费金融公司监管评级要素共5项：公司治理与内控、资本管理、风险管理、专业服务质量、信息科技管理，各部分权重占比分别为28%、12%、35%、15%、10%。二是明确监管评级操作程序。消费金融公司监管评级分为银保监会派出机构初评、银保监会复核、反

声明：作者从事线上小额贷款风控策略分析，工作以来受益于各位业内大佬文章启迪，现分享自己一些所得，供大家参考，以表感激之情，不足之处还望大家指点。更多风控干货学习，关注【金科应用研院】，回复优快云，还可领资料礼包一份。此文章包含三部分：1）二代征信解读2）二代征信挖掘3）二代征信应用一、二代征信解读二代征信于2020年5月4日开始全面替代一代征信。二代征信更加注重聚焦信息本身，强调此为征信数据集合。二代征信包含主要包含8个部分：二代征信相对于一代征信改进地方主要是两个方面：1）信用报告结构

前言银行、消费金融、网络小贷、金融科技，不同类型金融机构在金融系统中充当一重甚至多重的身份，按照资金的流向，大致可以分为资金方与资产方。资金方主要提供资金，如银行，资产方提供流量、风控与IT技术，如京东、阿里等，所有金融机构充分利用自身优势，扮演好各自核心角色，共同形成金融上下游产业链。在监管日趋严重的当下，资金方怎样核算投放出去的资金可以连本带息回笼，资产方如何在信贷业务中有息可赚？今天，我们就从资产角度，通过2个实际案例，分析成本和坏账这两个维度，来看看如何评估产品的投资回报性。全文总计2.4K

金融高频触发交易场景下的信贷风险定价不同于风险建模和策略分析，前两者倾向于应用统计或数学进行风险估计，而一旦进入到风险定价环节，则更多会基于金融模型进行风险散度归整。本文分享是基于我近期在看的一些关于企业估值、风险定价方面的评估模型，意在通过分享与大家就企业风险定损定价方面有更多的交流讨论。后续我会分享关于Unexpected Loss如何估计，以及经过我对企业级loss估计模型改造后，如何在个人零售信贷业务风险定价模型上的创新与应用性（即，如何将算法建模类logistic的时点违约概率（Point-i

GPS数据是日常特征构建时极为重要的原始数据。我们可以从GPS数据中获得申请人的地理位置信息，从而通过对应城市的信用情况和申请人周围地理特征来建模。更多风控干货学习，关注【金科应用研院】，回复优快云，还可领资料礼包一份。然而，在爬取GPS原始数据时，传输过来的通常是经纬度。因此，我们需要对申请人的经纬度进行处理，从而得到：经纬度对应的省市区经纬度周围的商业店铺情况有一些付费的第三方API可以帮忙解决以上两个问题。但是，GPS数据的量通常都很大，这一笔费用并不划算。并且，如果在大数据spark环境

在之前的「一文看懂风控部门架构」中有提到审批策略部门，其内部由一些策略分析师组成，每组策略分析师分担一部分工作，比如，有些人负责规则测试与部署，有些人负责策略制定与调优等，共同保证金融贷款机构线上策略规则的稳定运行。审批策略分析岗对于金融机构风控部门尤为重要，贷前风控规则的制定与统筹都由审批策略分析师完成。同时，审批策略分析师的日常工作不需要像风控建模工程师一样，需要研究、利用一些机器学习算法。所以，审批策略分析师对于统计学基础相对薄弱，信贷业务理解比较强、具有一定逻辑分析能力的信贷工作者比较友好，晋升或