道——三類行為者的成本——收益分析

這次我們聊聊“違規(guī)識別”模型，在有的行里也被稱為“三反”模型。這類模型的一個共同特點是獲得明確標(biāo)簽（Y）的成本很高、主要特征提取自交易（有動帳）和行為（無動帳）數(shù)據(jù)的RFM模型及其衍生變量，和通過這些交易和行為數(shù)據(jù)構(gòu)建時、空、網(wǎng)的關(guān)聯(lián)關(guān)系而獲取的衍生特征。這里需要強調(diào)一下，申請反欺詐和交易反欺詐在以上三方面存在明顯差別。雖然申請反欺詐也會用到復(fù)雜網(wǎng)絡(luò)，但是僅使用聯(lián)系人、設(shè)備等信息構(gòu)建的復(fù)雜網(wǎng)絡(luò)，而不是依據(jù)交易流水做的復(fù)雜網(wǎng)絡(luò)。

很多人在分析“三反”問題是都遇到難以清晰分類的問題。這是很正常的現(xiàn)象，因為這三者往往是伴生的。如果一定要分清楚的，不妨可以這樣來區(qū)分：洗錢的交易發(fā)起者是用戶本身，交易欺詐的發(fā)起者非用戶的其他人，舞弊的交易發(fā)起者是內(nèi)部員工。

筆者曾經(jīng)在和客戶溝通時，甲方反應(yīng)反舞弊和反欺詐的差別很大。誠然，在業(yè)務(wù)理解上確實差別很大。但是在模型抽象的角度，這三個主題建模時，其標(biāo)簽的數(shù)據(jù)特征、取數(shù)窗口的設(shè)置、特征的提取方式是沿用的一套框架。因此可以統(tǒng)一來討論其建模問題。

我們再強調(diào)一下建模的三個原則，即以成本-收益分析為單一分析框架、區(qū)分分析主體和客體兩個視角、全模型生命周期工作模板。

我們這里以舞弊為例，討論一下從事舞弊活動的人的成本-收益。舞弊的成本較明確，那就是事情敗露后面臨的處分、開除、經(jīng)濟(jì)處罰或刑事處罰。收益也很明確，那就是從事舞弊行為獲得的收入。也就是說在舞弊行為分析中，成本-收益可以看似固定的。那為什么一個人有時候剛正不阿，而有時候禁不住誘惑呢？主要的問題是其內(nèi)心發(fā)生了變換。如下所示的“舞弊三角”理論中，壓力和動機是最關(guān)鍵的，這往往是外部事件，推動者行為人心中的砝碼發(fā)生偏移，從而釀成悲劇。

法——“三反”模型的數(shù)據(jù)問題和應(yīng)對方法

建立違規(guī)識別模型的一個最重要的問題是對這個業(yè)務(wù)問題認(rèn)識不足。很難有業(yè)務(wù)專家可以清晰的知道所有違規(guī)類型，每一次做這類項目，總是本著抓大放小的原則，針對最關(guān)心的一些“洗錢”、“交易欺詐”或“舞弊”的類型進(jìn)行識別。同時樣本的標(biāo)簽也是相互混淆的，因為犯罪份子可不會每次只按照洗錢“教科書”中的一種違規(guī)行為做事，比如地下錢莊和其他洗錢類型往往是伴生的。第二個難點是PU問題，即違規(guī)份子的行為沒有被全部識別出來，也沒有明確的類罪相對應(yīng)。

由于違規(guī)識別模型有以上問題，因此需要兩到三步才能處理好以上問題。比如針對第一類問題，需要使用到無監(jiān)督的異常學(xué)習(xí)算法將與正常交易有明顯差異的交易提取出來供下一步分析。針對第二個問題，目前主要是依賴業(yè)務(wù)人員手工審核。清洗干凈的數(shù)據(jù)才會用于建模。

“三反”模型統(tǒng)一使用“黑名單”、“規(guī)則引擎”、“機器學(xué)習(xí)”、“ 復(fù)雜網(wǎng)絡(luò)特征構(gòu)建和無監(jiān)督”?？催^“越獄”的讀者可能有印象，那里在分析犯罪時就會使用復(fù)雜網(wǎng)絡(luò)作為分析工具。之所以現(xiàn)在這類技術(shù)被廣泛使用，主要得益于開源大數(shù)據(jù)分析平臺極大的降低了建設(shè)成本，使得可以基于全量的交易數(shù)據(jù)構(gòu)建復(fù)雜網(wǎng)絡(luò)和異常識別模型。因為這兩類模型是不應(yīng)該對數(shù)據(jù)抽樣的。

術(shù)——“三反”模型為什么要使用非線性模型？

之前很多人認(rèn)為構(gòu)建風(fēng)控模型一定要可解釋，因此一定要使用邏輯回歸，甚至還要求必須制作評分卡之類的產(chǎn)出物。這種要求在“三反”模型中是不適宜的。因為違規(guī)交易的子類型太多了。雖然每一種違規(guī)行為和正常交易的客戶有可能是線性可分的。但是如下圖“問題4”所示，具有違規(guī)標(biāo)示的樣本是按群聚集的，而不同類的群是分散的。因此使用一個邏輯回歸構(gòu)建起的線性模型的精確度是很低的。需要使用組合算法構(gòu)建非線性模型。

器——落地“三反”模型的系統(tǒng)架構(gòu)

以上提到，違規(guī)識別模型需要從大量交易流水中提取交易特征和復(fù)雜網(wǎng)路特征。而且此類模型建模是不建議采用抽樣的方式。因此使用分布式計算平臺對數(shù)據(jù)進(jìn)行加工是不可避免的。以下列出了主要模塊，即數(shù)據(jù)源采集、圖數(shù)據(jù)庫、特征工程平臺、機器學(xué)習(xí)平臺。

用——反洗錢模型的開發(fā)介紹

下面這是一家金融機構(gòu)的經(jīng)歷。由于傳統(tǒng)的“三反模型”的規(guī)則很少是數(shù)據(jù)驅(qū)動的，而且及時是數(shù)據(jù)驅(qū)動的，規(guī)則的準(zhǔn)確性也是很低的。通過構(gòu)建無監(jiān)督學(xué)習(xí)模型，使用異常識別算法，在降低了原模型15%召回率的情況下，預(yù)測精度提升了60倍。在使用有監(jiān)督機器學(xué)習(xí)模型，并充分提取交易網(wǎng)絡(luò)信息后，召回率無降低的請款下，模型精度提高了80倍。模型上線后，可以極大的減少“三反”調(diào)查人員的工作量。不過需要強調(diào)一點，本例中使用的樣本是業(yè)務(wù)人員手工梳理的，模型效果容易做到指標(biāo)上好看。

數(shù)據(jù)資管出品