大數(shù)據(jù)風(fēng)控模型的基本流程

金融的本質(zhì)是將風(fēng)險(xiǎn)偏好不同的資金供給方和風(fēng)險(xiǎn)不同的資金需求方匹配起來。而大數(shù)據(jù)風(fēng)控看兩個(gè)方面的能力，一個(gè)是數(shù)據(jù)積累，另一個(gè)就是技術(shù)能力。分析可知，大數(shù)據(jù)風(fēng)控模型的基本流程來主要分為四個(gè)部分：數(shù)據(jù)收集、數(shù)據(jù)建模、構(gòu)建數(shù)據(jù)畫像和風(fēng)險(xiǎn)定價(jià)。

因?yàn)榇髷?shù)據(jù)風(fēng)控模型是各家平臺(tái)的核心商業(yè)機(jī)密，我們不得而知。但我們可以從大數(shù)據(jù)風(fēng)控模型的建立過程來窺知一二。大數(shù)據(jù)風(fēng)控模型的基本流程來主要分為四個(gè)部分：數(shù)據(jù)收集、數(shù)據(jù)建模、構(gòu)建數(shù)據(jù)畫像和風(fēng)險(xiǎn)定價(jià)。具體考核數(shù)據(jù)如下圖所示：

數(shù)據(jù)收集

大數(shù)據(jù)精準(zhǔn)營(yíng)銷的藍(lán)海領(lǐng)域，消費(fèi)金融數(shù)據(jù)。這里簡(jiǎn)要?dú)w納一下，互聯(lián)網(wǎng)大數(shù)據(jù)包括：

用戶行為數(shù)據(jù)（精準(zhǔn)廣告投放、內(nèi)容推薦、行為習(xí)慣和喜好分析、產(chǎn)品優(yōu)化等）

用戶消費(fèi)數(shù)據(jù)（精準(zhǔn)營(yíng)銷、信用記錄分析、活動(dòng)促銷、理財(cái)?shù)龋?/span>

用戶地理位置數(shù)據(jù)（O2O推廣，商家推薦，交友推薦等）

互聯(lián)網(wǎng)金融數(shù)據(jù)（P2P，小額貸款，支付，信用，供應(yīng)鏈金融等）

用戶社交等UGC數(shù)據(jù)（趨勢(shì)分析、流行元素分析、受歡迎程度分析、輿論監(jiān)控分析、社會(huì)問題分析等）

數(shù)據(jù)建模

模型包含四大方面的數(shù)據(jù)：

一、個(gè)人/公司的基本信息，包括個(gè)人資歷、個(gè)人/公司的信用信息、公司財(cái)務(wù)指標(biāo)、家庭結(jié)構(gòu)關(guān)系、家庭社會(huì)地位關(guān)系、個(gè)人社交關(guān)系、工商注冊(cè)信息等；

二、個(gè)人/公司商務(wù)信息，包括線上零售交易信息、專利信息、個(gè)人/公司資質(zhì)、土地出讓/轉(zhuǎn)讓信息、質(zhì)押抵押信息等；

三、個(gè)人/公司社會(huì)公眾信息，包括涉訴信息、專利信息、被執(zhí)行人信息等；

四、個(gè)人/公司社會(huì)關(guān)聯(lián)方信息，包括自媒體、證券社區(qū)、行政監(jiān)管/許可、行業(yè)背景、商標(biāo)、招中標(biāo)、行政處罰、抵押擔(dān)保等。

常使用的模型：

1.聚類： 比如常見的相似文本聚類，大量用戶發(fā)相似帖子是常見的灌水行為，需要處理。

2.分類：比如我們根據(jù)已經(jīng)識(shí)別的有風(fēng)險(xiǎn)和無風(fēng)險(xiǎn)的行為，去預(yù)測(cè)現(xiàn)在正在發(fā)生的行為，根據(jù)關(guān)鍵字動(dòng)態(tài)去識(shí)別預(yù)測(cè)效果不錯(cuò)。

3.離群點(diǎn)檢測(cè)：比如登錄行為，當(dāng)同ip登錄大量登錄失敗，這種行為可能是暴力破解，當(dāng)同ip登錄基本全部成功，這種行為可能是機(jī)器登錄，采用離群點(diǎn)檢測(cè)發(fā)現(xiàn)這兩類行為并處理等。

目前國內(nèi)90%以上的建模團(tuán)隊(duì)都使用Logistic回歸做評(píng)分卡，當(dāng)然還有少數(shù)人使用決策樹，神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)目前還沒在此行業(yè)有顯著成果。Logistic制作評(píng)分卡模型的衡量標(biāo)準(zhǔn)是K-S值的大小，依據(jù)數(shù)據(jù)質(zhì)量和建模能力在0-0.5之間，一般在0.3以上才可用，好的模型可以達(dá)到0.35。芝麻分模型的K-S值在0.32左右。

應(yīng)用案例：

1、欺詐風(fēng)險(xiǎn)用到模型主要是社會(huì)關(guān)系網(wǎng)絡(luò)模型，通過每筆案件之間的關(guān)系，判斷新案件是欺詐申請(qǐng)的可能性。

2、信用風(fēng)險(xiǎn)主要用到模型是邏輯回歸建立評(píng)分卡（也有的用決策樹），量化新申請(qǐng)人可能違約的概率，根據(jù)評(píng)分高低制定不同的授信規(guī)則和催收策略。

3、貸后管理也用到行為評(píng)分卡，例如額度調(diào)整和客戶風(fēng)險(xiǎn)分池管理等。

大數(shù)據(jù)風(fēng)控對(duì)模型的挑戰(zhàn)：

1.模型的泛化能力：復(fù)雜的特征和模型可以增強(qiáng)模型的泛化能力，采用復(fù)雜特征和更多維度的特征是很有效的。

2.模型的可解釋性：風(fēng)控模型識(shí)別出來的數(shù)據(jù)需要做相應(yīng)的處理，任何機(jī)器識(shí)別處理都不可能完全避免用戶的投訴和異義，對(duì)于模型一定要了解業(yè)務(wù)特征，能夠轉(zhuǎn)化為客服和用戶可以理解的語言去解釋，使得任何處理我們都有理有據(jù)。

3.模型的更新速度：高對(duì)抗性場(chǎng)景下，模型快速更新是關(guān)鍵。

數(shù)據(jù)畫像

用戶畫像的底層是機(jī)器學(xué)習(xí)，那么無論是要做客戶分群還是精準(zhǔn)營(yíng)銷，都先要將用戶數(shù)據(jù)進(jìn)行規(guī)整處理，轉(zhuǎn)化為相同維度的特征向量，諸多華麗的算法才可以有用武之地，像是聚類，回歸，關(guān)聯(lián)，各種分類器等等。

對(duì)于結(jié)構(gòu)化數(shù)據(jù)而言，特征提取工作往往都是從給數(shù)據(jù)打標(biāo)簽開始的。比如購買渠道，消費(fèi)頻率，年齡性別，家庭狀況等等。好的特征標(biāo)簽的選擇可以使對(duì)用戶刻畫變得更豐富，也能提升機(jī)器學(xué)習(xí)算法的效果(準(zhǔn)確度，收斂速度等)。

我們?cè)陧?xiàng)目中根據(jù)不同維度提取了數(shù)十個(gè)多個(gè)標(biāo)簽，下圖展示了其中的一部分。這些標(biāo)簽主要有三個(gè)來源：

一個(gè)類是在IT系統(tǒng)中可以取得的信息，比如辦會(huì)員卡時(shí)留下的信息(性別，年齡，生日)，購買渠道，積分情況等;

第二類是可以通過計(jì)算或是統(tǒng)計(jì)所獲得的，比如用戶對(duì)某類促銷活動(dòng)的參與程度，對(duì)某種顏色/款式商品的偏好程度，是否進(jìn)行過跨品牌的購買等;

第三類則是通過推測(cè)所得，比如送貨地址中出現(xiàn)“宿舍”，“學(xué)?！保按髮W(xué)”等字樣，則用戶身份可以推測(cè)為學(xué)生，出現(xiàn)“騰訊大廈”，“科技園”等信息時(shí)，則可判斷是上班族，并有很大概率是技術(shù)從業(yè)者。

在標(biāo)簽的設(shè)計(jì)上也帶有較強(qiáng)的行業(yè)性，比如是否偏好購買當(dāng)季爆款或是新品多于經(jīng)典款(時(shí)尚度);是否更傾向購買低價(jià)或打折商品(價(jià)格敏感度);是否喜歡購買高價(jià)商品或限量版(反向價(jià)格敏感度)。

對(duì)于已經(jīng)打好的標(biāo)簽，根據(jù)不同的分析場(chǎng)景進(jìn)行離散化，或?qū)⒎诸愵愋偷臉?biāo)簽拆成多個(gè)0/1標(biāo)簽，就可以進(jìn)行一些機(jī)器學(xué)習(xí)的建模了，比如聚類，分類，預(yù)測(cè)，或者關(guān)聯(lián)性分析，最終生成的向量維度在數(shù)千個(gè)。

風(fēng)險(xiǎn)定價(jià)

量化風(fēng)險(xiǎn)管理的一個(gè)核心是風(fēng)險(xiǎn)定價(jià)，根據(jù)銀行自身的風(fēng)險(xiǎn)偏好來對(duì)資產(chǎn)進(jìn)行定價(jià)，高風(fēng)險(xiǎn)資產(chǎn)定價(jià)較高，低風(fēng)險(xiǎn)產(chǎn)品定價(jià)較低，根據(jù)風(fēng)險(xiǎn)高低來制定資產(chǎn)收益，RBP（基于風(fēng)險(xiǎn)定價(jià)）已經(jīng)成為主流。雖然對(duì)技術(shù)的應(yīng)用日趨成熟，但現(xiàn)實(shí)的情況是，行業(yè)的業(yè)務(wù)模式仍然大量基于人海戰(zhàn)術(shù)，與上世紀(jì)八九十年代傳統(tǒng)金融企業(yè)的業(yè)務(wù)模式類似，在信用評(píng)級(jí)和風(fēng)險(xiǎn)定價(jià)方面過多依賴人的經(jīng)驗(yàn)。

目前的互聯(lián)網(wǎng)數(shù)據(jù)+金融已經(jīng)開始改變這一狀況。尤其是在P2P風(fēng)控領(lǐng)域，互聯(lián)網(wǎng)大數(shù)據(jù)積累已經(jīng)讓風(fēng)控進(jìn)入2.0時(shí)代。通過數(shù)據(jù)的積累，可以實(shí)現(xiàn)客戶開發(fā)和數(shù)據(jù)采集通過人工完成。

多維度的風(fēng)險(xiǎn)定價(jià)系統(tǒng)

中國現(xiàn)實(shí)的難處是，個(gè)人信用數(shù)據(jù)缺失，央行征信只能覆蓋25%人群。同時(shí)金融機(jī)構(gòu)風(fēng)險(xiǎn)定價(jià)水平不高，導(dǎo)致市場(chǎng)難以發(fā)展。目前京東用定價(jià)自己積累的數(shù)據(jù)推出了“京東白條”，螞蟻金服開發(fā)淘寶購買者數(shù)據(jù)推出了“花唄”，這些都有一個(gè)限制就是只能在指定的服務(wù)商消費(fèi)才可以用。但這也從一定程度上說明利用大數(shù)據(jù)可以實(shí)現(xiàn)業(yè)務(wù)的功能。目前，已有一些P2P平臺(tái)通過接入了多家第三方數(shù)據(jù)用于風(fēng)控。通過對(duì)數(shù)據(jù)的整合、補(bǔ)充、調(diào)用、評(píng)判等，使風(fēng)控模型運(yùn)算結(jié)果更加準(zhǔn)確。

定制化的風(fēng)險(xiǎn)定價(jià)系統(tǒng)

從商務(wù)智能的角度說，模型、評(píng)分、策略等都是為具體的業(yè)務(wù)服務(wù)的，脫離了具體場(chǎng)景的模型和評(píng)分是無本之木，無源之水，脫離了業(yè)務(wù)場(chǎng)景談模型的準(zhǔn)確性，沒有意義。不同的業(yè)務(wù)場(chǎng)景，產(chǎn)生了不同的數(shù)據(jù)，不同的數(shù)據(jù)包含的規(guī)律，體現(xiàn)在數(shù)據(jù)分析中就是模型、參數(shù)和評(píng)分。

這也要求評(píng)分的模型在設(shè)計(jì)之初，就要考慮如何更加智能。不同的人風(fēng)控模型也會(huì)不同，因此定制化的風(fēng)險(xiǎn)定價(jià)系統(tǒng)將成為未來的趨勢(shì)。