2017年大数据风控报告

来源:21世纪经济报道

金融科技的发展解决了传统金融机构两大难题:一是,降低运营成本。传统消费信贷市场是一单一单去做,尽管消费信贷定价较高,但商业银行运营和作业成本太大。金融科技下的批量化获客、作业有效降低了成本。二是通过大数据、云计算等手段,在风险防范、风险管控方面实现了线上化和批量化。

其中,大数据技术解决了消费金融乃至小微金融领域风控的效率瓶颈。一方面,个人信用体系不断完善,央行征信、代发工资、社保、缴税等不断纳入个人信用记录;另一方面,通过分析消费者在互联网上购物、社交等多维度留痕数据,覆盖更多长尾人群。

目前,有能力推动大数据风控的主要为国有大行、股份制银行等大型银行,以及部分城商行等。互联网巨头、三大运营商等由于掌握了庞大的个人数据,也开始加入到这一市场中来。

国内企业征信市场初步建立,但个人征信市场仍在筹建中。根据媒体报道,监管当局已决定由互金协会牵头成立个人信用信息平台,于今年底正式批筹,坊间将之称为“信联”。

风险识别与控制既是金融业运营的核心,也是大数据在国内外金融领域最主要的应用部分。根据FICO Report 2015,大数据在国际银行业中的主要应用,16%用于风险建模,10%用于风险评估,前者对应金融反欺诈需求,后者对应征信需求,二者合计占比达26%,超过大数据在投资组合中的应用比例(18%)、客户行为分析(15%)、运营绩效(12%)。

从国内金融机构应用大数据的情况看,主要将大数据应用在客户画像领域,包括风险管控、运营优化、业务创新、优化营销策略等。特别是,随着互联网贷款的快速发展,人工判断占用越来越多的人力资源,且存在一定风险,金融机构迫切需要建立精准、快速的自动化反欺诈模型和评分模型。

获取数据之后,控制反欺诈和信用风险最重要的数据算法、建模问题,从而输出授信额度和风险评价、利率和借款期限,这是各家机构的核心竞争力。

“白名单”主动预授信

在消费金融中,银行、互联网金融等机构开始采用风控前置的白名单邀请制,商业银行将主动授信用于实际业务,这是对以往被动授信模式的颠覆。如工商银行2017年1月推出消费金融产品,筛选出白名单用户4700万户,3月底白名单用户接近9000万。微众银行从8亿多微信或手机QQ用户中筛出9800万个白名单客户。这一措施可提前判断“白名单”客户的还款意愿、还款能力,进行预授信。

反欺诈模型

对于反欺诈,一般采用多种策略综合验证打击欺诈攻击。解决方案包括:

(1)设立反欺诈“黑名单”,拦截有不良欺诈记录的申请者,数据来源于央行征信系统、公安联网系统、前海征信或同盾等专业从事反欺诈的第三方数据。

(2)对群体性欺诈攻击,进行集群分析,利用SAS链式聚类技术,实现无限层次申请链接分析。

(3)中文模糊匹配搜索。大型银行会选择建立反欺诈系统或欺诈分,通过模糊搜索判断欺诈客户。

(4)逻辑违规算法。将多个弱相关变量,放在一起建模,由于反欺诈的变量多,但变量相关性不强,需要综合建模来看整个模型的有效性。例如,采用通信手段反欺诈。如申请人一定时期内多次申请贷款,则欺诈概率较高。网络游戏打得越多,整体看违约率越高,尤其是在三、四线城市。阅读财经新闻频率,访问频率越多的人违约率较低。

获得用户画像之后,还可以通过关联不同用户之间的数据,例如共用IP、手机号等,得出用户的大数据关系图谱,降低团伙欺诈的风险。

信用评分模型

对于如何控制信用贷款业务资产质量,各家银行讳莫如深。就国内商业银行而言,将风险评分等技术手段引入信用贷款风控模型,是一些银行信用贷款业务爆发、不良下降的核心原因。

目前,国内信用评分模型包括收入计算模型、额度计算模型、人行评分模型等,从多个维度判断客户的授信额度。

除银行外,在个人征信牌照上无法突破时局下,包括互联网巨头在内的第三方征信选择发布“信用分”。信用分本质是一个数据驱动模型。“信用分”与传统征信的区别在于,狭义上的个人信用即是债务相关的数据,包括还款、负债、收入和资产等信息。

2017年8月,腾讯对部分用户开放信用分查询渠道,评分模型通过“履约、安全、财富、消费、社交”五大指数,基于历史行为,统计评估得出信用分。履约指数是指贷款、信用卡、分期是否按时还款;安全指数是指个人信息是否准确,账户的安全性是否足够高、是否经常更换联系方式等;财富指数是指个人资产情况,例如各类资产的构成、理财记录等;消费指数是指手机QQ、微信支付行为如何,例如购物、缴费等场景的行为及偏好;社交指数是指社交行为和人脉关系如何。2015年1月发布的芝麻信用分亦颇为相似,其通过对信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度客观呈现个人信用状况的综合分值。

信用分的应用场景,在于覆盖无征信人群和信用贷款。除央行征信外,国内有三分之二的人群是征信报告没有覆盖到的。在普惠金融的目标下,第三方征信公司通过一些外部数据给其打出一个有效的分,使得获得互联网金融机构的贷款。

本文来自企鹅号 - 移动支付网媒体

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏灯塔大数据

分享|中国电信灯塔大数据:如何巧用数据在金融征信的红海中突围?

2016年6月29日,在中国电信与银行行业互联网+金融合作研讨会活动中,中国电信北京研究院大数据专家杨哲超,为国内各大银行的领导们带来了题为《中国电信灯塔大数据...

2766
来自专栏数据猿

关于科技创新下的量化投资,这些大佬都讲了什么?

9月25日下午,由数据猿联合中国信通院和量子金服共同主办的活动——科技创新下的量化投资,顺利落幕。会议中我们邀请到了6位行业的精英为现场观众带来了精彩演讲,深刻...

2623
来自专栏数说工作室

十日大数据参考

我们将过去10天里播报的大数据新闻,浓缩成12条精选资讯,了解下这个行业的动向吧~ 1. 数说× “各行各业都在装备大数据” 2. 数说内参 ”大数据行业内的...

3277
来自专栏腾讯大讲堂的专栏

【带着情商做产品系列②】成长经历感悟:成熟产品经理必备特质

作者: 陈勃,文艺青年一枚。产品策划岗供职6年。写得了文档,编得了文章,做得了诗词,玩得了金属。 在自己从事产品经理这个职位的六年间,看过不少产品经理成长相关的...

1845
来自专栏罗超频道

PC市场老树发新芽,联想为何不惧挑战?

MWC上,华为推出二合一笔记本MateBook,一时之间备受关注,无独有偶,小米笔记本已是消息满天飞。这两个硬件领域的巨头级玩家入局PC市场,乍看之下让人费解,...

2975
来自专栏大数据文摘

ZestFinance:大数据征信应用与启示

1255
来自专栏Spark学习技巧

IT职场新人碰到的几个常见误区

我工作10+年了,大概五年前从技术转管理后,多少还是发现一些职场新人职业发展的问题。

493
来自专栏数据科学与人工智能

【数据分析】大数据征信分析报告对互联网金融和信用评估的启迪

近期,美国互联网金融公司ZestFinance受到国内互联网金融专业人士的热捧,其基于大数据的信用评估模型也越来越受到关注和效仿。本文结合美国的金融环境,对Ze...

3486
来自专栏Java学习网

如何避免开发一款失败的产品

  “如果我问人们他们想要什么,他们会说想要一批跑得更快的马。”这句话据说是福特汽车创始人亨利•福特的名言。人们经常引用它来支持那些未经用户测试的所谓的创新。这...

2787
来自专栏量子位

李开复对谈硅谷传奇:杨致远敦促AI交产品,马尔科夫说无人车3年没戏

李根 发自 硅谷 量子位 报道 | 公众号 QbitAI AI仍旧是核心话题,但“光说没货”的现状要面临挑战了。 创新工场第三期兄弟会硅谷行第四日,李开复分别...

3117

扫码关注云+社区