浅谈金融场景的风控策略

发布者:Xiaofeixiang
发布于:2023-07-05 15:06

随着互联网垂直电商、消费金融等领域的快速崛起,用户及互联网、金融平台受到欺诈的风险也急剧增加。网络黑灰产已形成完整的、成熟的产业链,每年千亿级别的投入规模,超过1000万的“从业者”,其专业度也高于大多数技术人员,给互联网及金融平台的攻防对抗带来严峻的挑战。

 

而我们通过风控可以为互联网、银行及金融场景下的业务反欺诈和信用风控管理,提供一站式全流程的自动化决策服务。通过配置可视化的方式让业务人员能够简单高效的配置出不同场景、不同风险下的风险防控策略。同时还支持与模型、数据的对接,通过离线分析实现自我演进,更好的适应业务风险的变化速度。

 

实时反欺诈:

 

image.png

 

信贷风控:

 

image.png

 

今天我们就来讲一下金融场景的风控策略要如何布置。

 

image.png

01 我们要如何制定风控规则

在风控层面,我们如果要制定风控系统,要考虑3个点:准确率、召回率和稳定性

 

准确率是说命中的人当中坏用户占比要尽量高。

 

召回率指的是命中的坏用户要足够多,一条规则只找出了几个人,即使都是坏人,也没有意义。

 

稳定性当然很重要,命中的人数、命中的人当中坏用户占比,都需要持续稳定。否则要频繁跟踪调整。

 

所以我们制定的细则应该:

  1. 信用风险规则:

    • 基于客户的信用评分或信用历史,设定风险等级,并根据等级确定授信额度。
    • 根据客户的还款记录和债务负担,设定逾期还款阈值,并触发相应的风险警报或措施。
    • 设定借贷利率和贷款期限的上限,以限制风险暴露。
  2. 欺诈风险规则:

    • 基于历史欺诈案例和模式,设定欺诈指标和风险评估模型,识别潜在的欺诈行为。
    • 监测不寻常的交易模式,如大额交易、频繁的跨境交易等,触发风险警报进行进一步调查。
    • 建立黑名单或异常行为数据库,将已知的欺诈行为和涉案人员列入其中,用于实时风险识别。
  3. 客户身份验证规则:

    • 采用多因素身份验证措施,如密码、指纹识别、短信验证码等,确保客户身份的真实性和合法性。
    • 设定风险等级和限额,根据客户的身份验证方式和历史交易行为,决定是否需要进一步的验证或限制。
  4. 交易监测规则:

    • 监测异常交易模式,如大额转账、频繁的资金转移等,触发风险警报以进行实时监控和调查。
    • 建立规则和模型,检测异常的交易行为,如异常的交易时间、地点、金额等,并采取相应的措施。

当然,其中有一条是要符合合规监管规则,比如说,确保符合反洗钱(AML)和反恐怖融资(CFT)的要求,这里就不列举上去了。

02 策略的核心能力应该包括什么

决策引擎是一套决策流程,它的要素组成是规则清单和规则被执行的顺序。前者要求全面且高区分性,后者对成本优化至关重要。

 

image.png

 

所以我们策略的核心能力需要一方面能够利用数据智能分析技术,对大量数据进行高效分析和挖掘,识别出潜在风险和异常模式,以降低误报率和成本。

 

另一方面,根据不同风险水平和特征,对客户进行细分和分层,制定针对性的风险控制策略,避免一刀切的成本浪费。

 

同时,建立精确的风险评估模型,能够准确预测和评估不同风险的可能性和严重程度,以实现精准的风险区分和决策。

 

例如,某些月份的逾期相对较高,新增了一些规则,后期监控到这些规则发现其区分能力明显下降,就应该适当取消。

 

但是,不管是规则还是模型,一定会有很多误杀,但误杀是允许的,因为贷款本金的损失往往是利息收益的几十甚至数百倍。

 

平衡决策对通过率的影响和对风险的影响,对成本的影响和对收益的影响,是一个好的风控系统应该具备的核心能力。

案例展示

我们简单写一个案例:

 

假设我们有以下数据集,用于评估是否批准一笔贷款申请:

 

序号 | 年龄 | 收入 | 工作类型 | 是否批准 |
| -- | -- | -- | ---- | ---- |
| 1 | 30 | 50 | 自雇人士 | 是 |
| 2 | 25 | 40 | 上班族 | 否 |
| 3 | 35 | 60 | 自雇人士 | 否 |
| 4 | 40 | 70 | 上班族 | 是 |
| 5 | 28 | 45 | 自雇人士 | 否 |

 

基于这个简化的数据集,我们可以构建一个简单的决策树,以帮助决策是否批准贷款申请。以下是一个可能的决策树示例:

1
2
3
4
5
6
7
8
9
10
11
12
13
                      年龄 <= 30?
                   /                     \
                /                       \ 否
                 /                         \
          收入 <= 50?                   批准贷款
        /                   \
     /                     \ 否
      /                       \
  批准贷款                  工作类型 = 自雇人士?
     /       \
  /         \ 否
   /           \
批准贷款      拒绝贷款

决策树通过比较样本的年龄、收入和工作类型来决定是否批准贷款申请。根据不同的特征取值,决策树分支到相应的节点,最终决定是否批准贷款。同时,在工作类型为自雇人士的分支下添加了一个新的节点,用于评估欺诈风险。这一节点可以根据具体的反欺诈规则和特征进行进一步的判断,例如检测是否存在欺诈记录、异常交易行为等。

 

案例是蛮简单的,具体还得具体分析。

结语

其实回到我们现实当中,我们国内缺的从来不是策略,而是将策略贯彻的决心与环境。不过近期的新闻还是给了我们很多动力:反击黑产丨横跨25省,受理案件183起,持牌金融机构配合警方抓获犯罪嫌疑人151人

 

大家一起加油吧!

 

PS:了解风控系统


声明:该文观点仅代表作者本人,转载请注明来自看雪