未来金科学院

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

一、开篇信用评分的核心功能是对客群按风险水平进行排序，即对客群按风险水平进行“差异化”。评分模型可以从信贷风险管理流程上分成申请评分模型、行为评分模型、催收评分模型以及反欺诈评分模型，这里的反欺诈评分模型还是二分类的评分模型，不同于异常检测、模糊匹配、关系网络等图论型模型；也可以从应用功能上分为信用评分、风险评分、响应评分、分期转化率评分等，从而可以进行差异化动作，如通过、拒绝、定价、定额、流程体验简化或复杂等等，而这些动作即是评分模型在风险策略上的具体应用。当我们有了客户评分之后，需要设定评分的多个

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

信用评分世界正处于一个困难的环境中，在这种环境中，贷款人被经济衰退迫使以非常保守的方式经营其业务。消费者以类似的方式处理信贷…然而，随着我国经济扶持力度不断加大，消费者已经调整，而许多贷方却没有。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。最明显的一个信贷类型就是小微企业信贷，引用我常说的一句：我国的小微信贷非贷给真正的小微。当然今天我们讨论的不是有关小微企业信贷，而是关于评分模型验证的7个问题。在最近的一次金融科技应用研究院（简称FAL）研究中发现，贷款人验证他们的信用

以银行、消费金融及其他金融机构3类，来看看这三类金融机构风险部门的组织架构有何不同。如与你所在公司架构有所差异，不必在意，千人千面。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。01银行银行的金融业务相对其他两类金融机构相对宽泛，风险管理部门组织架构也相对复杂。一般会根据风险类型不同设立相应的风险管理部门，统一由全面风险管理部管理，全面风险管理部门由风险管理委员会统筹。全面风险管理部门的主要职责是牵头实施全线条的风险管理，是全行业务风险的综合管理部门。承担风险偏好及风险管

A、B、C、F卡想必各位读者朋友们都或多或少有所了解，相对于A、B、F卡，C卡可能因为它处于风险管理的末尾-贷后流程中，使其在一些小规模的金融机构中不被开发和应用。C卡其实是催收评分卡模型的简称(亦或是贷后模型)，它是贷后催收模型整体的统称，贷后催收模型中根据不同的细分应用又包含不同的子评分模型。本篇为大家介绍M1阶段三种细分应用催收评分模型：C-M1模型、CPD1-10模型及失联预测模型。更多模型相关学习资料，请关注公众号【金科应用研院】1、不同逾期类型客户对应的风险等级评分模型的重要意义之一

对风控模型分类能力强弱的评估有一个前提条件，那就是风控模型的性能是稳定的，脱离了这个前提条件，分类能力再强的风控模型实用性也不高。既然稳定性非常重要，那么什么样的模型才算表现稳定的模型？如何衡量模型的稳定性呢？影响模型稳定性的因素有哪些呢？如果模型不稳定了该采取什么措施呢？本文带大家一探究竟！1、什么样的模型才算表现稳定的模型模型稳定性高是指模型的预测能力在时间维度上是一致的，即模型在测试集、时间外样本集、线上测试和正式使用的时候有同样的区分度；而模型预测能力不稳定的直观表现是原本评分为500分的客

在建立评分卡模型的时候，往往建模样本的好坏比和实际情况是不一致的，这是因为：产品本身坏样本较少，为了提高评分模型的敏感程度，会对坏样本进行过抽样或者好样本进行欠抽样；如果是乙方公司，好坏样本的来源可能不同，或者甲方爸爸并没有全量反馈样本表现，那么自然样本中的好坏比无法反映真实的情况。然而，用一个好坏比失真的样本建立好评分卡模型后，如果想要计算每个分数段的坏样本率，得出来的结果是会大于真实情况的。原因很简单，逻辑回归中的截距是约等于好坏比的对数的（因为评分卡模型预测的是该样本为坏样本的概率，因此使用

上篇已与大家介绍了设备信息的相关变量（文末关联推荐阅读第一条配链接），本篇将给大家讲解一下机器注册的识别方法，望能帮助大家理清思路。话不多说，上案例。欺诈场景：机器注册、批量注册行为（一般是互联网企业做拉新活动或其他营销活动时，黑产发现有羊毛可薅，短时间针对此活动的批量注册行为）。假设平台注册流程为输入手机号，发送或回填短信验证码，然后设置登录密码后即完成注册。我们可以思考一下机器注册会有哪些...

设备指纹：用户登录网页、APP时，后台记录的登录设备的“指纹”，能够准确识别该设备是否曾经登录过。设备指纹的核心是使用设备的唯一识别码。使用该唯一识别码，可以追踪用户登录网页、APP的行为特征，从而达到检测异常行为及欺诈行为的目的。PC时代，一般使用IP地址、cookie等信息标识设备的唯一性，记录用户使用设备的行为特征。而随着智能手机的普及，传统的设备指纹无法精准标识移动设备，故出现了多种针对...

这次疫情对中国各行各业都有不同程度的影响，一些金融机构的信贷业务在2月开始逐渐有逾期、入催抬头的表现。保守估计疫情对金融信贷业务影响持续到年中6月份的话，金融机构应该如何应对逾期上升的风险？对于信用风险管理从业者，如何在逾期升高的期间，通过科学的量化策略分析将未来逾期降下来？本文将通过案例分享：当逾期升高时，如何进行策略调优。真实案例背景（数据已脱敏）：通过PQR监控报表发现，某XX贷产品...

以下进入学习正题首先，我们带着问题去学习，我们风控人员为什么需要报表？是由谁来制作？问题一：风控报表是由谁来制作的呢？风控部门中，通常审批策略、催收、反欺诈、建模的工作人员会对报表比较重视。审批策略人员通过每天的报表，了解每天审批了多少订单，有多少的通过、多少拒绝，什么原因拒绝，审批的客群分布、产品分布是怎么样的。策略人员要通过每一版报表知道策略对逾期率、通过率的影响。通过率与逾期率一般...

一图让你了解特征工程的所有套路金科应用研院有这么一句话在业界广泛流传：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。那特征工程到底是什么呢？顾名思义，其本质是一项工程活动，目的是最大限度地从原始数据中提取特征以供算法和模型使用。下图便是进行特征工程的所有顺序和步骤，及采用什么方法来完成每一步的操作。通过以上步骤对数据的预处理，就可以将其作为最终的特征样本数据，通过不同...

原创： 金科应用研院我们关注风控人成长，干货知识分享。这是梁校长的第100篇原创。1开篇信用评分的核心功能是对客群按风险水平进行排序，即对客群按风险水平进行“差异化”。评分模型可以从信贷风险管理流程上分成申请评分模型、行为评分模型、催收评分模型以及反欺诈评分模型，这里的反欺诈评分模型还是二分类的评分模型，不同于异常检测、模糊匹配、关系网络等图论型模型；也可以从应用功能上分为信用评分、风险评...

原创： Jackie Liang 金科应用研院 昨天关注我们关注风控人成长干货知识分享这是FAL的第223篇原创1开篇逾期，对于金融机构风险管理，是重中之重，关乎金融机构开展借贷业务是否可以从中实现收益，对于风控部门，也是极重的考核指标。逾期的字面意思是指超过约定的期限，比如借款人的贷款逾期三天。只要超过期限一天，即为逾期。可能很多金融风控或相关从业的读者朋友们会认为，这么简...

ikeke 金科应用研院这是FAL的第220篇原创1开篇在魔蝎被警方带走调查后，目前还没有对该案件公开的法律定性定罪。但是爬虫市场好像早已离去，也许它是高利贷的推波助澜，也许它是使用数据的过分泛滥。我们理解，我们遵守，我们敬畏。以下面的案列来告别数据爬虫，也许它将不复存。本文阐述经历在大数据爬虫业务风生水起时······一方面了解爬虫数据在风控策略上的应用，一方面了解策略数据挖掘的分析...

风控策略分析师的日常是怎样的？（案例+代码详解篇）FAL金科应用研究院做了5年的金融，3年的数据分析工作，从17年6月才真正接触代码，算不到熟练，但在不断的学习和工作实践中目前是可以解决任何问题的，就这么硬气，是企业要求太低了么，哈哈哈。这不是一篇代码教学的文章，这是一篇讲述我日常工作都需要的编程语言、学习过程、工作项目、以及学习心得。首先工作中都用了哪些工具呢，我所用到的有sql（mysq...

在准备给FAL的读者朋友们讲讲评分模型之前，我其实是不太想写有关评分模型的相关分享。一是因为我开始创业后，自身更多关注企业管理与创新发展，评分模型技术关注度不再像以前那么紧密；还有另一个原因是，标准评分模型开发技术似乎已经快“烂大街”，一天N个卡的开发好像大家已习以为常，在模型技术中仿佛有了一条“鄙视链”：会LR的鄙视AHP，会ML的鄙视LR，会DL的鄙视ML。我们运营小伙伴最近跟我反馈，现在...

多事之秋，大数据风控行业亦不平静。接二连三传出提供数据服务的供应商被警方介入带走，其他未被警方介入的数据供应商，如惊弓之鸟一般快速停止一些敏感业务。仅从网络搜集信息来看，“整顿”之风波及的大数据风控供应商如下试问，在此大数据信贷危难时期，应该如何做好风控业务呢？一、银行或持牌金融机构影响不大对于银行或者持牌金融机构，首先在选择接入哪家数据供应商之前会经过谨慎考量，成本并不是其考虑的唯一标准...

硬币有正反两面，武器中有矛与盾，金融市场上有欺诈团伙与反欺诈部门。欺诈与反欺诈之间的相生相克，甚至“相生相爱”，从反面来看是一场旷世之战，从正面来讲，也是技术创新的主要推动力。欺诈与反欺诈的攻防主要分为生物识别的攻防，数据获取的攻防，营销欺诈的攻防、网络信贷的攻防。其中网络信贷欺诈的功与防，又分为社会工程学欺诈的攻防、第三方欺诈的攻防、第一方欺诈的攻防。以营销欺诈的攻与防，为读者朋友们展示欺诈...

科技金融企业在风险管理的每个环节都引入了计量分析的方法，相较于传统金融银行或小贷公司的专家经验判断，依托大数据进行后台的分析回顾，不断的优化调整，在风险与收益中可以更快的达到平衡。A. 什么是风控审批策略基于数据分析在申请阶段制定各式各样多维度的策略和规则;其中多维度数据的策略规则包括：1.社交及短信维度规则2.移动设备维度规则3.外部数据源（如：征信报告、各种黑名单来源）规则4.多...