展开

关键词

风控数据体系-简介

循环贷情况:循环授信信息;新增贷款笔数金额机构数;贷款笔数金额机构数等。2.4.2.3 民间信用芝麻信用贷机构、多头、失信等。 、重病、被捕、被通缉、高负债严重欺诈严重违约历史高危行高风险交易信贷行、高危拖欠:达到高催收标准的客户4.1.2.2.2 欺诈风险疑似欺诈或高风险是否欺诈人员信贷欺诈:支付欺诈 4.1.5.2 运营商报告身份证号归属地手机号码归属地手机运营商一阶联系人个数 借款人的一阶联系人中,被认定的个数人数一阶联系人个数 借款人的一阶联系人中,借款发生的个数人数一阶联系人 m3+个数 借款人的一阶联系人中,历史天数大于等于90天,包含还清一阶联系人数占比一阶联系人占比二阶联系人个数 借款人的二阶联系人中,被认定的个数人数二阶联系人个数 借款人的二阶联系人中,借款发生的个数人数二阶联系人m3+个数 借款人的二阶联系人中,历史天数大于等于90天,包含还清主叫联系人数 主叫联系人数主叫联系人个数 主叫联系人中,被认定的人数主叫联系人个数

1.2K63

产业安全专家谈丨中小银行如何发展信贷业务的同时做好风控?

加入腾讯安全天御团队后,李博士组建了由多海外校硕士博士组成的金融风控研发团队,构建了以混合神经,复杂图分析和迁移学习核心的新一代反欺诈算法,通过SaaS、PaaS和解决方案等多种服务帮助金融、 李博士您娓娓道来↓ 1、消费金融主要战场在长尾客群和薄征信客群,二三四线城市是这些客户的主要生活地。中小银行在这个市场具天然的地域优势,出现遍地开花的局面? 一旦风控出现了一点点漏洞,很可能就面临着产大范围的批量攻击,不止带来巨大的资金损失,率破表也令业务面临非常大的监管压力。 李超:通常首欠多是受欺诈风险影响,比如资料仿冒包装,中介关联,团伙欺诈等。而后面的欠,多与共债关。 当市场上一些重大变动的时候,比如说大规模金融机构整改,或者监管新规的出台,使很多平台放款的节奏放缓或收紧,这种时候共债造成的欠就比较突出。在平稳, 共债指标与坏账的相关性并特别强。

31410
  • 广告
    关闭

    云加社区有奖调研

    参与社区用户调研,赢腾讯定制礼

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    714高炮丨深度解读贷那点事儿

    是714高炮714:贷款周一般7天或者14天;高炮:指高额的“砍头息”及“费用”;砍头息:借钱时一次性收取的管理费,如1万收3000费用,则借款人到手只7000;费用:指的是每迟还一天钱 如果上图让你理解还不深刻,那以下这则当事人现身说法的报道则让你认识到非法贷的可怕之处。《“714高炮”幕 要钱更要命!》 ↓↓↓(建议在wifi环境下观看,土豪随意~)除了资质与高额利息外,这些非法贷的背后,也衍生出一系列色产业链条,例如裸贷、暴力催债、以及贷款诈骗的乱象。 (裸贷产业链条)“裸贷”人群主要通过社交平台聚集,其中,“裸贷”中介通常潜伏在正常贷款群、大学生社交群中寻找客源,同时中介发展多个代理,通过出售裸贷教程与抽成牟利,并且与催款公司合作,当客户,利用不正常手段行追债 正规的贷款平台不在贷款前收取任何费用,更不收取保证金。即使存在服务费和手续费,贷款平台也在放款时一次性扣取或者在收回贷款时与本金和利息一并收取。也就是说,正规的贷款平台是费用的!

    27210

    互联金融中介指南

    互金的一个挡箭牌是:利润超过,我就是赚的。然而是不是赚的,还要看一个周性的结果,这个月赚不代表,下个月几笔就足以让你打回原形。 里面也充斥了各种话,比如口子(一个贷款平台在他们眼里就是一个口子)、白户(户是征信,白户是贷款记录)、还代操作、前、手持、 秒放、强制提额等一堆,这里不具体解释。 第三是福建某地区,作传统强项产业,只能排第三,是其大背景的。这个背景就是,金融行业根据以往经验,对某些地区极不放心,根本就不放款好吗。即使在这困难的局面下,也能入前三,实属不易。? 辛苦不算,还要承受极大的道德压力,因干这行,很容易从中介走向欺诈,自制力稍弱就下水。不容易。四、总结这些中介起到了作用?1、 收取客户高额的前、中、后费用。 其实很容易想明白,需要去互联上借几千块钱?戒赌吧论坛现在几乎变成了贷款论坛?还整形分业务,是人在借款做整容?从这批客户中赚钱,火中取栗。6、专业化、团伙化倾向。

    65960

    用户行序列的特征设计和挖掘思路分享

    手动构建特征由于此回答主要讲用户行序列,那非用户行的特征(例如征信等级,信用评分,是否在上)这里就不讨论了。 如果你熟悉客户管理营销,那你可以听过RFM模型。 如果是通过互联银行手机银行申请的,可以检查数据埋点的行序列。我由于是给传统零售银行做业务的,所以我并使用过埋点数据。 这个特征并不是一方向的。例如信用卡10000块额度,比如你所说每个月额度都刷满并且按时还款,那银行可能客户信用额度不够就给你提额,但也可能认你在套现,给你降额。 (如果上个月了这个月还是,说明客户的情况并好转,考虑优先催收,如果距离上次都一年了,说明这个客户并不是经常,即使不催收也可能自己还)最近联系记录。 由于客户触发金融机构的催收部门联系客户,所以联系记录也可以作特征。

    53520

    早报:贷资金存管规范出台:银行要每个出借人、借款人开子账户

    “这几天将几百万人陆续面临,怕啥”、“他们也就爆通讯录,别的也花样了,这段风声很紧”…… 《通知》落地与负面清出炉后,在一些现金贷款的交流群里,如何应对催收,监管后是不是可以赖账,成大家热议的话题 不少老赖跳出来煽动大家不要还款,人声称“不要理,一两天就事了。”也人在社交媒体上说“现在钱的,只要熬过一个月就严重了,最多想起了隔一段时间给你打电话。” 社交媒体上,关于现金贷规范的政策出来后,林珊(化)在评论区留言,“贷撸太多,现在已经还不起了,不知道怎办了。” 林珊说,自己之前沉迷一款上的游戏,“把钱全都扔了去”。 周杨(化)在10家左右的现金贷平台借了款,6家出现,还在几家的贷款,但最近接到的催收电话少了些。“不管它,稳住、事的”,周杨一边说自己的想法,一边还去安慰陌生的借款人。 与周杨不同,虽然在群里鼓动大家不要害怕催收,王小宇(化)还是准备先把到的几千块贷款还上,因这两个贷款都是第一次出现。“当初因三四个月上班,再加上我女友在一起就开销大。

    39590

    远离“校园贷” 不负青春债

    轻信他人谎言,以就可以赚取提成、补贴生活,想到却掉了“校园贷”圈套,12大学生先后被骗走16万余元……校园贷的水多深? 签约时,再以行规由,哄骗借款人签下高于所借款项一倍甚至数倍的欠条。比如借1万元,欠条写的却是1.5万。此时放贷人员最常见的话术:“不真让你还这多,按还就事”。 只要你不事的。”3刻意制造当还款日临近,借贷公司不主动提醒借款人,甚至以电话故障、系统维护导致借款人无法还款。然后,这些公司就以违约收取高额滞纳金、手续费。 5校园贷催生裸贷风险贷平台的催款方式除了常见的短信、电话催收,催款人员还信息群发给所手机通讯录好友,甚至班主任、父母的手机上。甚至雇佣专门的收款公司,到学校行堵门、泼油漆、暴力催收等等。 遇到实在无法还钱的学生,贷款人员引导女生行裸贷,甚至提出“陪睡”的还款方式。而贷款平台转手再把学生的个人信息卖给市,又是一笔收入。遇到校园贷诈骗怎办?

    26800

    风控建模中的IV和WOE

    IV值过大时要考虑把该变量做成前端条件分成两部分去做数据处理或建立模型?这些在后文中将解答。注1:对于不同的位,申请借款客户的处理结果可能不一样。 在信贷中,一般不超过X天(一般不同公司按照自己的实际情况取值)的客户不定义坏样本, 因些客户是忘记还款了, 只要提醒就及时还款,或者暂时因某种原因能还款,过几天就还款,不是恶意欠款。 或者说坏样本分布和好样本分布之间完全相同,那的WOEi都0.想一想这启发?第二种: ? 我们可以针对组别1的条件划成两种情况,在组别1中的客户重点找到0.0999%的客户,绝大部分是好客户,此时可以通过、灰、简规则的方式直接对这一组别的数据行过滤管理,不用再独建立一个模型 想要知道怎定义切割变量的阈值,一方面可以根据业务逻辑(一般3个月关联的P2P贷平台数越多,说明这个人越缺资金,更的可能),一方面可以看下等频分割的结果(可以自己尝试下)。

    54530

    专访“新世界客组织”成员Kapustkiy

    我之所以想成客,完全是因受到了一个 LulzSec 的客团体的影响。那时我非常的崇拜他们,我想成像他们一样的人物。但那时的我很年轻,对客这个团体并不是特别了解,更不懂客技术。 你的动机是?触使我这做动机很多。很多的管理员都非常感激我,因我帮助他们提升了站的安全性。我还因此得到过,印度大使馆和意大利政府的“谢谢”。他们已经修复好了漏洞,我自己感到自豪。 你认自己是渗透测试者,而不是客?很多人都问过我同样的问题,我之所以将自己描述渗透测试者而不是客,是因我喜欢帮助那些站提高它们的安全性,而不是它们。 当你入一个系统,你希望找到?我希望能找到一些包含个人信息的数据,像真实姓,地址,电话号码等。在我看来,这比寻找用户和密码更重要,因你无法重置你的个人信息。 你不可越的红线或者说是你坚决不做的?我绝不泄露人们的个人信息,例如他们的地址或银行信息。企业和个人该如何保护自己免受客攻击?我认沟通是最重要的事情之一。

    34260

    无处不在的互联产,人工智能到底能帮上多大的忙?

    这是产的类型,相应的,其互联产的作弊工具,目前也已入到产业化、科技化阶段。可能大多数都意识到,如今的产到底化到怎样的先程度。 因钱大多数都是同卡出,钱并转走,但是产给你发短信,告诉你资金风险,告诉你如何保护,如何把钱转到某地等。这也是典型的欺诈方法。面对产,这是一个攻防战。 比如,高风险的关注,俗称;不同行业、机构的在信贷上的还款行;比如同样的申请人以同样的手机号或不同的手机号,用同样的设备在某一个行业申请贷款的次数,及相关的表现行;账号的社交数据,与身份关的数据及相关的第三方数据 人工智能到底能帮上忙?谈到人工智能,最核心、最典型的应用,就是深度学习的模型了。结合我们现的海量数据,通过深度学习的模式,我们做了一个反欺诈的模型。这个模型很简,使用起来也比较方便。 最后,我们一个技术叫做复杂。我们可以利用复杂的技术,通过不同的维度,包括手机号、设备、身份证号,或者邮箱,类似这样的信息关联起来,抓到相关的产团伙。

    464110

    【应用】揭秘互联金融的大数据风控

    四、利用和灰识别风险四、利用和灰识别风险互联金融公司面临的主要风险恶意欺诈,70%左右的信贷损失来源于申请人的恶意欺诈。 客户或者违约贷款中至少30%左右可以收回,另外的一些可以通过催收公司行催收,M2的回收率在20%左右。 灰但是还达到违约的客户(少于3个月的客户),灰也还意味着多头借贷,申请人在多个贷款平台行借贷。总借款数目远远超过其还款能力。 和灰是很好的风控方式,但是各个征信公司所拥仅仅是市场总量的一部分,很多互联金融公司不得不接入多个风控公司,来获得更多的来提高查得率。 借款时间长的人比借款时间短短人,和违约概率高20%左右。拥汽车的贷款人比汽车的贷款人,贷款违约率低10%左右。

    59040

    跑路、欺诈风波不断,大数据风控威力何在?

    因此,风险控制就成互联金融发展的必要基础,银行通常借助用户行风险识别引擎、征信系统、系统等反欺诈系统,对交易诈骗、诈骗、电话诈骗、盗卡盗号等欺诈行行风险识别。 如今,信贷行业已大量的消费金融公司、信贷公司、P2P公司在收集数据,而收集数据的目的就是判断这个人还钱、能贷给他多少钱。 企业做大数据风控面临的问题尽管大数据风控已经得到业界认可,但市场上真正将大数据风控做好的公司却寥寥无几,原因是呢? 同时,在大数据风控系统中,很多评分标准、分级制度、对应放贷额度、率等所谓的模型都经过实际还款周的检验(消费金融的还款周一般是1—3年),这些风控模型都是纸上谈兵。 预测是大数据技术的价值之一,但天鹅事件却是在大数据预测规则之外。目前,国内大数据风控的发展只经历了几年时间,间并经历过极端经济环境的压力测试。

    600140

    【钱塘号专栏】揭秘互联金融的大数据风控

    四、利用和灰识别风险互联金融公司面临的主要风险恶意欺诈,70%左右的信贷损失来源于申请人的恶意欺诈。 客户或者违约贷款中至少30%左右可以收回,另外的一些可以通过催收公司行催收,M2的回收率在20%左右。 灰但是还达到违约的客户(少于3个月的客户),灰也还意味着多头借贷,申请人在多个贷款平台行借贷。总借款数目远远超过其还款能力。 和灰是很好的风控方式,但是各个征信公司所拥仅仅是市场总量的一部分,很多互联金融公司不得不接入多个风控公司,来获得更多的来提高查得率。 借款时间长的人比借款时间短短人,和违约概率高20%左右。拥汽车的贷款人比汽车的贷款人,贷款违约率低10%左右。

    49770

    腾讯云天御产品(业务安全服务)负责人王翔:互联金融风控的现状和趋势

    贷款的业务主要是基于银行存量的客户行的,其中申请人的分类程度非常高,它审核的时候非常针对性的策略,并且审核人员的专业素质是比较强的。 一般这些中介带来两大问题:第一,对借贷公司带来很大影响,今年3·15我们看到一个新闻,中介去农村拉大量农妇去做医疗骗贷,导致医美贷公司倒闭。第二,存在监管上的风险。 事后我们观察他的情况,可以看到,在第30天还对资金行偿还的比例达到20%以上。也就是说如果任何的风控措施,至少是20%起。 我认第三方数据反欺诈主要三点趋势:首先监管越来越严了,像原来贷后资料、的资料修复,已经属于违法服务;其次就是行业服务的公司在快速增长;然后就是风控的平台化的垂直方向。 我们认平台化主要是拥大数据的公司,它提供一些比较通用的服务去服务尽可能多的场景;对于数据的风控公司,将在具体应用上越做越深。

    968100

    【案例】恒丰银行——对公客户贷后违约预测模型

    构建动态的担保链监控平台,基于客户所在担保链的图特征以及客户行特征行建模,提供风险客户,基于担保链模型找出高风险的担保链和高风险企业客户,加强风控力度,重点监控。 外部数据作补充。企业互联上面的负面信息,以及企业所在行业的经济趋势对企业是否产生一定的影响。 特征分析从以上数据中提取了上百个特征,那这些特征对模型的影响多大,是否对预测企业贷后违约帮助?依据行内近3年数据训练模型,观察基础信息,贷款行,复杂相关特征的变化趋势。 即使客户历史,根据担保图中企业风险的传导关联关系也可以较准确的识别未来可能产生违约行的客户,这也论证了复杂图特征的重要性。 从整个实施过程来看,深入挖掘分析复杂对识别企业风险信息至关重要,本案例主要基于担保挖掘风险信息,后不断探索交易图谱,供应链图谱,投资、高管任职图谱等对企业风险的影响,一步提高模型识别违约客户的精度

    1.4K130

    P2P贷合规检查实操要点

    贷行业盼已久的全国性合规检查标准终于出台——《关于开展 P2P 借贷机构合规检查工作的通知》(以下简称《检查通知》)已下发至各省市贷整治办,通知要求2018年12月底前完成合规检查,但依然给出具体备案时间 ——如果入专项整治的P2P平台,意味着接受检查的机,更别提备案了。二、谁来检查总结三类主体,至少查三次,至少形成三份报告。 从中国互金协披露的数据来看,行业排靠前的贷平台,在过去一年业务规模均增长,《检查清》对“幅度较大”明确定义,给各省市监管部门和协检查时留下了自由裁量空间。 据麻袋研究院从权威渠道了解,银行资金存管测评由中国互金协主导行,虽已第一批白,但考虑到白公布后,影响未入白的存管银行及相关贷平台稳定,故迟迟未予公布。 5、借款罚息的上限仍待明确《检查清》第94条将“设定高额利息、滞纳金、罚息等,设定金额超过了最高人民法院关于民间借贷利率的上限规定。”列入违规项。

    23220

    赖账两把刀“撸口子”,现金贷行业坏账过多而亏死?

    导语:欠债还钱天经地义,可偏偏一群人“凭本事”借钱,要还?“撸口子”就是用来形容这些人的,因目前现金贷的整顿,不允许暴利催收,所以借款人还款意愿明显下降。 +赖账,属于现金贷业务的未来究竟在哪里?“我凭本事借的钱,凭要还?”?12月1日发布的《关于规范整顿“现金贷”业务的通知》,现金贷行业顿时炸开了锅。 目前大部分的现金贷平台,对借款人的审核流程十分简,一张银行卡,一个身份证,甚至电话都不用实制。(2016年开始逐渐取消非实制电话卡)如果被拒绝,也是上“政策”下“对策”。 一旦第一个平台开始了填补空缺,就更多的平台入他们的视野,如此形成恶性循环。“自己风控烂,还好意思让我还钱?” 最后通过费再收割,这东西可以简的看成利滚利。?随着趣店上市之后,大家清楚的知道了现金贷的暴利来源。你们既然这赚钱,那也就不差我这“几块钱”了。《趣店股价坐过山车,远离还是逢低买入?》

    49900

    MongoDB数据库遭大规模勒索攻击,被劫持26000多台服务器

    就在上周末,三个客团伙劫持了MongoDB26000多台服务器,其中规模最大的一组超过22000台。?“MongoDB启示录”再临? 部分公司最终只得支付赎金,结果发现攻击者其实根本掌握他们的数据,又被摆了一道。 攻击者数量减少,但危害不降反升这次攻击事件的发现者Victor Gevers除了是一经验老道的安全专家以外,他还是GDI基金的主席。 GDI基金是一个致力于维护信息安全的非营利性组织,这一年来从AWS S3云服务平台安全到Jenkins、Eternal Blue事件以及GitHub报告,都能看到GDI基金做出的努力与成果。? 数据库系统持续在老旧版本运行?还是说存在哪些尚未被我们发现的潜伏漏洞?Gevers还表示,他必须引一批外部专家来协助分析MongoDB问题。GDI基金很多事儿要做,实在忙不过来了。

    64790

    风控中必做的数据分析

    好比你训练一个人脸识别工具,你不能找到了经典的结果就万事大吉了,你需要去fine-tune。那理解业务?这个问题等同于怎理解你的客户。客户是你业务唯一重要的资源。 你的产品形式也许需要关注的点和上面所差异,但思路应该区别。漏斗转化能帮助你了解到用户容易在环节发生流失。转化流和行业一般情况做对比,就可以快速了解你的产品设计大的问题。 这个指标计算是需要经过一个时间窗口的,今天的用户风险,需要以后才能知道。这也就是前端分析很重要了,申请通过用户的质量通过模型分和重要特征分布已经行了一轮刻画了。 迁徙率呢,贷款从某一状态入到下一个状态,如正常还款到M1还款状态,M1变化成M2还款状态。滚动率呢,首的用户多少变成7+,然后多少变成M1+,到M2+,到M3+等。 状态的滚动分析助于我们确定建模目标。假如7+的人很多人还还,但30+的人基本就不还款了,那我们就可以以30+坏定义。大抵如此。

    8830

    腾讯云 AI 安全与互联金融产暗战

    早在推广之前的宣传上关于该产品的“口子”信息已铺天盖地。J 先生团队在上值守多日,试图从上收集攻击情报,却收获寥寥。他们意识到,必须力的数据和算法系统来对抗产。 不同于初兵作战,当前产早已集团化、产业化,在金融欺诈领域,数据窃取、数据交易、信息伪造仿冒、中介代办已成完整的产业链,欺诈手法和工具也是五花八门。 03典型的欺诈风险类型1、中介代办欺诈互联金融产品里,中介团伙是恶意用户主力军,据关信息披露,产里中介收取的笔手续费高达10%甚至更高。 2、异常群体欺诈上的非法行往往具共同性,例如从事赌博、洗钱、传销的群体,往往是使用该类产品后的高风险群体。另外,老赖也是互联金融平台深恶痛绝的一个群体。 一般平台使用公检法抵御一部分恶意群体的攻击,但这些往往覆盖较小,并且具严重的滞后性。3、伪造欺诈如前文所述,市的身份信息交易极其活跃。恶意用户购买四要素信息之后,仿冒成本人。

    45930

    相关产品

    • 云服务器

      云服务器

      腾讯云服务器(CVM)为您提供安全可靠的弹性云计算服务。只需几分钟,您就可以在云端获取和启用云服务器,并实时扩展或缩减云计算资源。云服务器 支持按实际使用的资源计费,可以为您节约计算成本。

    相关资讯

    热门标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      扫码关注云+社区

      领取腾讯云代金券