展开

关键词

首页关键词大数据金融风控

大数据金融风控

相关内容

借贷反欺诈

借贷反欺诈

天御借贷反欺诈(AntiFraud,AF)专注于识别银行、证券、互金、消费金融等金融行业的欺诈风险。通过腾讯云的人工智能和机器学习能力,准确识别恶意用户与行为,解决客户在支付、借贷、理财、风控等业务环节遇到的欺诈威胁,帮助客户提升风险识别能力,降低企业损失。
  • 金融风控

    腾讯云金融风控解决方案贴近金融业务场景、抓住典型金融风险类型、遵从金融风险管理流程、提供核心风控系统,努力为金融行业提供一站式的云服务。金融风控解决方案 贴近金融业务场景 抓住典型风险类型 遵从风险管理流程 提供核心风控系统 努力为金融行业提供一站式的金融风控解决方案 贴近金融业务场景 抓住典型风险类型 遵从风险管理流程 提供核心风控系统监控系统 催收系统等 全面提升金融风险管理能力 腾讯金融风控系统及工具 伽利略风控系统 风险预警系统 交易反欺诈系统 催收管理系统 催收机器人 知识图谱风控 风控咨询与建模 伽利略风控系统 伽利略风控系统模型 值可达 秒级审核速度 降低风控数据成本 风险预警系统 风险预警系统 为泛金融机构提供全客户 全资产 全生命周期的风控管理 优势介绍 高效风控模型 利用大数据 通过数据挖掘和机器学习 建立对不同类型客户风控性能优异 模型 值可达 秒级审核速度 降低风控数据成本 风险预警系统 风险预警系统 为泛金融机构提供全客户 全资产 全生命周期的风控管理 优势介绍 高效风控模型 利用大数据 通过数据挖掘和机器学习
    来自:
  • 【金融数据】消费金融:大数据风控那点事?

    大数据风控同传统风控在本质上没有区别,主要区别在于风控模型数据输入的纬度和数据关联性分析。风险评估过程中,如果数据纬度不全,高相关数据没有被考虑进来,对风控模型是一个大的风险。信用风险评估模型缺少了重要风险因素的输入,其评估结果的偏离度就会较大,评估结果失效的可能性就很大。相对于传统金融来讲,互联金融面对的客户风险较高,其风控面临的挑战更大,对数据风控对要求就会更高。三、互联网金融行业的风控挑战中国的互联网金融企业愿意从美国挖一些风控人才来提高自身风控水平。大数据风控的优势:1、用户行为数据成为风控数据风控最好的数据还是金融数据,例如年龄、收入、职业、学历、资产、负债等信用数据,这些数据同信用相关度高,可以反映用户的还款能力和还款意愿,这些数据因子在风控模型中必不可少大数据风控的劣势:还是要强调一下,信用风险评估最好的数据还是金融数据,就是人行征信系统里的数据,大数据风控只是一个补充,不能够完全替代传统的信贷风险管理。
    来自:
    浏览:1217
  • 广告
    关闭

    50+款云产品免费体验

    提供包括云服务器,云数据库在内的50+款云计算产品。打造一站式的云产品试用服务,助力开发者和企业零门槛上云。

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到
  • 互联网金融风控中的数据科学

    宜人贷数据部数据科学家王婷根据自己在行业的实践经验和专业知识,从三方面来分享互联网金融风控中的数据科学。?背景有了互联网之后,大家可以在线上进行理财借款。但在国内没有权威的征信机构来提供这些数据,对于互联网金融公司来说,收集这样的数据难度非常大。而且传统评分卡的有效特征挖掘非常困难。欺诈风险:欺诈风险包含了伪冒申请和欺诈交易。知识图谱在金融风控中的应用场景互联网金融中的风控是一种机器学习的过程互联网金融中风控和机器学习一样要定义Y目标和X变量。Y目标和普通机器学习Y目标的区别就在于正负比例非常悬殊。风控建模中的数据科学?在整个风控中,它是一个标准的机器学习流程。除了样本和数据与普通互联网机器学习不一样之外,其它基本都是一致的。唯一和传统机器学习不同的是,金融模型或产出的特征需要有很强的解释含义。FinGraph是线上风险控统中关键的一环?总结:数据科学在互联网金融风控中发扬图挖掘技术可以把风控工作,从局部考量提升到全局考量。
    来自:
    浏览:1064
  • 金融科技&大数据产品推荐:金鹏汽车金融大数据风控系统

    金鹏汽车金融大数据风控系统主要基于大数据科技、决策树规则引擎、深度学习等多项核心技术,有效针对新车贷款、二手车贷款等业务,提高风控效率。的产品投递1、产品名称金鹏汽车金融大数据风控系统2、所属分类消费金融金融科技·风控、征信、反欺诈、智能定价3、产品介绍金鹏汽车金融大数据风控系统一站式完成车贷审批流程。6、产品优势金鹏汽车金融大数据风控系统风控能力行业领先。秒速审批,一站式低成本。精准风控,近100%覆盖权威有效。自动定价,自动决策引擎定价,差异化匹配资质,高体验。7、服务客户/使用人数主要使用者:机构的汽车消费金融业务风控审核人员。目标客户:汽车消费金融公司25家以上,融资租赁公司70家以上,其它有汽车信贷业务的公司千家以上。金鹏汽车金融风控系统一站式解决预审批风控难题,基于大数据科技、决策树规则引擎、深度学习等多项核心技术,提高车贷行业风控能力,给予更准确、更效率、更便捷的风控体验。
    来自:
    浏览:819
  • 互联网金融风控7个问题

    风控模型是在良好的建立风控体系、风控评定方式、评分机制等基础上,进行有效的数据分析及评分体系,就是建立常用的风控模型方式;首先,金融公司设计的任何形态的风控模型,都要符合自身企业的业务发展及市场需求,它的数值变化规则因为不确定群友指的是那几个平台,但是现在大的平台,主打产品,大体归类就是信用类、抵押类、资本类,不排除还有一些衍生产品和经营范围允许的产品,异同也就是各平台产品‘风控点’的侧重点不同,企业本身的经营范围不同首先我个人不太建议纯线上风控审核,基本目前市场还是要以线上评分机制与线下风控结合为主,如果纯线上风控审核,对于风控而言难度还是相当大的,那么真实性、道德风险、合规性等都需要防范的,一旦投资者的资金出现问题,目标人群是明确的,当然他们的互联网背景,也为他们带来了很多的优势,就是多年的用户和商户的数据累计,可以明确的进行数据分析、轨迹消费习惯测算,O2O供应链环节把控、产业链上下游控制等等的防范措施,这就是他们的风控把握明确方向总而言之,处置任何担保或抵押不是风控或借款人最终目的,处置成本大、周期长等都是企业不愿意尝试的,还是按正常合同履行完毕的还款方式,才是风控的最终目的,企业融资成功,服务机构产生服务费,投资人取得合法收益
    来自:
    浏览:1260
  • 金融科技&大数据产品推荐: 数美金融风控—构建立体的全业务流程风控体系

    1、产品名称数美全业务流程风控体系2、所属分类金融科技 · 风控、反欺诈3、产品介绍数美依托强大的AI技术与海量基础数据,为金融机构提供覆盖全业务流程的完整风控解决方案。信贷风控云也提供了一个可视化的规则引擎,该规则引擎集成数美所有的风控数据,并支持客户自定义的风控数据。客户可以利用这些数据,在web控制台灵活地配置各种风控规则策略。可信度和所有的风险判断结果都会反馈给客户的风控专家团队。信贷风控云集成了数美所有的风控数据维度,并且支持客户自定义数据,将自定义数据与数美数据联合使用。这让金融企业面临着来自市场与黑灰产的双重挑战,并因此催生了对新金融风控的需求。数美将企业沉淀数据与自身数据库相结合,一站式的帮助企业解决欺诈问题。2) 助力金融企业服务,促进普惠金融发展数美一直专注于大数据反欺诈领域的技术创新,通过多种反欺诈技术识别欺诈风险,借助多维度数据识别信用风险,利用多重的策略模型提升风控效果,进而打造立体的防御体系,为金融客户提供持续
    来自:
    浏览:783
  • 【ArchSummit干货分享】个推大数据金融风控算法实践

    本文将围绕大数据风控,结合个推实践,介绍金融风控机器学习的基本流程、算法实践和产品化建设等内容。??风控流程 & 多维度特征大数据风控的内容数据是风控的核心要素,大数据风控实际上就是对数据的处理、建模和应用的过程。大数据风控的流程主要分为四个阶段:数据获取、数据分析、数据建模、风控产品应用。基本属性、资产、金融、行为偏好、社会属性、消费偏好、风险和稳定性构成了个推金融数据的八大维度;个推利用数据的八大维度,逾350种特征进行模型构建,并将其应用于金融风控各环节。金融风控机器学习的基本流程整个风控建模流程,在个推大数据平台上完成。风控场景机器学习的算法实践利用上述多维度特征和建模能力,增能于贷前、贷中和贷后全流程:拉、选、评、管、催五大环节。?
    来自:
    浏览:526
  • 2017年大数据风控报告

    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。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。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。“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。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。
    来自:
    浏览:712
  • 蚂蚁金服风控总监王黎强:智能风控助力新金融

    数据猿报道,2017年10月25日,由 数据猿 联合《清华金融评论》共同主办的“2017金融科技价值峰会——数据驱动金融商业裂变”在北京隆重召开。本文为数据猿现场直播“蚂蚁金服风控总监王黎强:智能风控助力新金融”的发言实录。但是事实上这个体系还不够完善,因为风控不仅仅是一个冷冰冰的数据和机器,更多的还要看到客户体验。我们既要做到保障整个安全风控,还要兼顾到用户的体验。因为我们所有的交易是在线上发生的,与传统金融机构的区别在于,我们所有的风险也都是暴露在线上的。通过多年的努力,我们构建了一套全方位立体化智能的风控体系,这里我可以分享几个数据:第一个数据是一百毫秒。举个例子,我们整个风控体系就像人的骨骼,数据是人的血肉,AI是人的大脑,三者有机结合在一起,构成了我们整个智能风控体系的框架。然后高效实时的运作起来,是蚂蚁金服智能风控体系的第一个优势。
    来自:
    浏览:1003
  • 【应用】揭秘互联网金融的大数据风控

    大数据能够进行数据变现的商业模式目前就是两个,一个是精准营销,典型的场景是商品推荐和精准广告投放,另外一个是大数据风控,典型的场景是互联网金融的大数据风控。金融的本质是风险管理,风控是所有金融业务的核心。典型的金融借贷业务例如抵押贷款、消费贷款、P2P、供应链金融、以及票据融资都需要数据风控识别欺诈用户及评估用户信用等级。传统金融的风控主要利用了信用属性强大的金融数据,一般采用20个纬度左右的数据,利用评分来识别客户的还款能力和还款意愿。其他同信用相关的数据还有区域、产品、理财方式、行业、缴款方式、缴款记录、金额、时间、频率等互联网金融的大数据风控并不是完全改变传统风控,实际是丰富传统风控的数据纬度。八、参考借款人社会属性和行为来评估信用参考过去互联网金融风控的经验发现,拥有伴侣和子女的借款人,其贷款违约率较低;年龄大的人比年龄低的人贷款违约率要高,其中50岁左右的贷款人违约率最高,30岁左右的人违约率最低
    来自:
    浏览:581
  • 【案例】某城商银行——消费金融大数据智能风控体系应用

    客户名称所属分类项目名称《某城商银行消费金融场景大数据智能风控体系》。任务目标银行现有风控体系面临数据应用范围扩展、风控决策效率不匹配场景需求,本项目旨在达成如下目标:1)探索非金融体系数据的应用:现有风控体系基于央行征信报告设计,内部数据集成项目正在进行过程中,时间不可匹配业务,外部数据(征信数据除外)尚未有接入经验;2)提升风控决策效率:传统风控系统单笔订单审批时间超过半小时,但消费金融场景客户填写资料后就在现场等,需要做到“实时”或“准实时”放贷;3)尝试风控体系自动化优化:需要针对消费金融场景独立构建分析体系、风控体系自优化等内容;4)探索风控系统的云模式:以消费金融业务为试点,探索风控系统云化的可能性。、其它互联网金融机构提供大数据智能风控服务,在行业享有一定的知名度和美誉。
    来自:
    浏览:1193
  • 【案例】京东金融——消费金融,一场未来大数据风控的盛宴

    在国家拉动消费的战略背景下,各地方政府相继出台扶持消费金融的优惠政策,一方面P2P、资产证券化等模式丰富了非银企业的资金来源,另一方面国内大数据风控的崛起,使其成为促进消费金融发展的有利条件,更多传统金融机构双方对风控、征信、大数据等领域拥有一致的思考与目标,希望打破传统的封闭环境,实现资源的共享与优势的互补,充分释放各自的价值,为用户提供新型消费金融体验。这和京东金融的风控理念达成一致。如何实时获取用户信贷信息,是亿美要帮助京东金融解决的主要问题。使用效果京东金融与亿美软通的持续合作,双方在各自领域均有更多的收获,通过亿美的大数据风控引擎,京东金融其数据维度得到更好的补充,尤其在用户行为方面数据的深度挖据与应用方面,使京东金融全面的了解客户个人画像提前预警能力,增强其风控实力。
    来自:
    浏览:1062
  • ​金融风控的护航员——聊聊ERNIE在度小满用户风控的应用

    这意味着金融行业的风控需求异常迫切。面对更加下沉的客户群体、更加复杂的用户信息,既需要保证业务安全合规,也需要把控风控尺度和客户体验之间的平衡。那么现在的金融机构是如何做这些的呢?传统金融机构里会请金融风控师、审核员等对借贷资质进行人工审核,但该工作对相关从业人员的要求极高,既要有相关的背景知识能够对客户的资信状况做全面了解,又要求严谨认真,有独立的判断能力。另外,传统的风控建模技术是基于小样本的监督学习,依赖于特征挖掘,需要耗费大量人力且依赖个人经验。同时,对于小样本的文本类数据处理往往缺乏对上下文的理解,无法提取其重点,导致对用户的理解出现偏差。在度小满用户风控场景中,通过ERNIE对用户行为信息进行语义层面深度建模,定制化产出一个用户风控ERNIE模型。利用ERNIE模型的长文本建模能力和预训练语义知识,结合小规模用户行为文本和用户风控标签的标注数据进行ERNIE精细Fine-tune,在训练2轮左右的时间内即可完成用户风控模型的收敛,而传统模型动辄需要训练
    来自:
    浏览:251
  • 【案例】宜信——可信金融风控SMART-ITFIN大数据支撑应用

    并根据客户的使用场景,开发一整套获客、反欺诈、风险及价值评估及贷后管理的完整的互联网金融风控产品。2016.05 客户签订数据服务协议,正式提出新产品开发需求。SMART—­­ITFIN致力于突破信贷风控瓶颈,实现基于多源大数据融合的信贷风控管理,建立全数据生命周期的信贷风控系统,并通过系统监控识别高风险信贷信息,借助信贷风控模型提前预警潜在风险,支撑小额贷款银联智惠组建专门的金融风控大数据业务开发精英团队,掌握数据采集及挖掘的核心技术,拥有数据分析、数据建模、平台建设、数据测试、数据运营、业务管理等专业能力。通过为客户提供信贷风控支撑服务预期年销售收入2000万。SMART—­­ITFIN将有助于我国突破ITFIN信贷风控瓶颈,完善全数据生命周期的信贷风控系统,有利于促进我国信贷风控创新运用和水平提升。公司先后荣获“2015年度中国互联网金融创新奖”、“2015上海智慧城市建设十大优秀应用奖”、“2016中国大数据创新企业”、“2016中国大数据应用最佳实践案例”、“中国电信云和大数据最佳合作伙伴奖”
    来自:
    浏览:744
  • 【钱塘号专栏】揭秘互联网金融的大数据风控

    大数据能够进行数据变现的商业模式目前就是两个,一个是精准营销,典型的场景是商品推荐和精准广告投放,另外一个是大数据风控,典型的场景是互联网金融的大数据风控。金融的本质是风险管理,风控是所有金融业务的核心。典型的金融借贷业务例如抵押贷款、消费贷款、P2P、供应链金融、以及票据融资都需要数据风控识别欺诈用户及评估用户信用等级。传统金融的风控主要利用了信用属性强大的金融数据,一般采用20个纬度左右的数据,利用评分来识别客户的还款能力和还款意愿。其他同信用相关的数据还有区域、产品、理财方式、行业、缴款方式、缴款记录、金额、时间、频率等互联网金融的大数据风控并不是完全改变传统风控,实际是丰富传统风控的数据纬度。八、参考借款人社会属性和行为来评估信用参考过去互联网金融风控的经验发现,拥有伴侣和子女的借款人,其贷款违约率较低;年龄大的人比年龄低的人贷款违约率要高,其中50岁左右的贷款人违约率最高,30岁左右的人违约率最低
    来自:
    浏览:495
  • 风控中的大数据

    风控的意义何为风控?字面含义就是对于风险的控制从而使财务不受到损失。对于任何一家金融机构(包括银行,小贷,P2P等)来说,风控的重要性超过流量、体验、品牌这些人们熟悉的指标。风控做得好与坏直接决定了一家公司的生与死,而且其试错成本是无穷大的,往往一旦发现风控出了问题的时候就已经无法挽回了。截止到2015年底,全国总共3000多家P2P平台里超过三分之一已经倒闭。这可以作为所有金融的First Principle。◆◆◆3. 国际上传统的风控方法风控的核心是要准确预测每一笔借款违约概率。显而易见,这需要量化的工具,也就是模型。大数据风控的挑战伴随着机遇同样也有挑战。就像要有美味的菜肴,我们既需要好的材料,也需要好的厨师,当前大数据在风控中运用的挑战主要还是在数据和人才这两方面。非常简单的表现就是,除了少有的例外,目前在金融特别是风控的数据建模数据研发的人才,无论是数量还是质量,都远远落后于互联网行业。可喜的是,业内也已经意识到了人才的匮乏所带来的瓶颈。
    来自:
    浏览:908
  • 【金融科技行业研究报告】区块链技术现实骨感,大数据风控跑马圈地

    作者:36Kr研究院2017年9月,36氪研究院最新发布《2017 FinTech行业研究报告》,金融是在不确定的环境中进行资源跨期的最优配置决策行为,其本质是价值流通。从此角度看,科技与金融的融合动力主要体现在其对价值流通的加速能力以及流通过程中产生的风险控制作用。目前为止,金融与科技融合主要经历了三大发展阶段:金融IT阶段、互联网金融阶段、金融科技阶段。大数据风控 大数据风控行业概述大数据风控产业链图谱及参与者分析风险之一——欺诈风险分析风险之二——信用风险分析大数据风控技术未来发展分析 三.
    来自:
    浏览:539
  • 告别野蛮生长,互联网金融布局风控 | b报道

    “有实力的企业正走向更完善的体系:他们的交易平台不是孤立的,而是先有好的风控平台,基于风控做资产交易平台,再做互联网金融平台,这才是互联网金融的精髓所在。”大数据做风控“互联网金融正走向2.0时代。有一些资产、再建一个网站——这种草根搭台的方式正走向困境,资产和架构的单调性难以抵御风险。有实力的企业正走向更完善的体系:他们的交易平台不是孤立的,而是先有好的风控平台,基于风控做资产交易平台,再做互联网金融平台,这才是互联网金融的精髓所在。”合众普惠副总裁向华胜认为,在互联网金融发展初期,大家都在努力扩展渠道,把自己做大,但大而不强很容易倒。“风控很重要,接下来就要基于监管要求进行整改,自我完善,提升风控能力。”当下,传统农业企业慢慢开始转型,建立B2B农资电商平台,将线下业务转移到线上成为一大趋势,而农业征信可借平台对分散的农户数据进行汇集,提供征信+金融的服务。
    来自:
    浏览:533
  • 机器学习在金融风控的经验总结!

    金融风控场景的特殊性与电商、广告等场景的风控不同,金融风控有关「钱」的安全,决定了公司的营收甚至是公司的生命线。例如360金融月放款200亿,如果违约率上升1个点,损失有多大?由于这样的特殊性,在Kaggle比赛、推荐等领域中大发光彩的机器学习算法,却容易在金融风控场景中「水土不服」。道理很简单,不是算法不够强大,而是没有抓住金融风控的核心:「可解释性、稳定性」。下面笔者从数据质量评估、模型设计、特征工程、线上监控环节介绍下在金融风控场景实践的一些经验和踩过的坑。一、数据质量评估:数据是万坑之源模型不稳定,效果不好,绝大多数是数据质量的问题,而在金融风控场景表现得更为突出,一方面因为要回溯历史很长时间的数据,另外是因为风控流程比较复杂,模型实时性等特征。「不熟悉业务的坑」信贷风控流程每个环节的数据是不同的。
    来自:
    浏览:520

扫码关注云+社区

领取腾讯云代金券