常用的风控模型有哪些?

大阳城集团娱乐游戏
 
新兴技术近年来正在全面渗透金融行业,行业在传统金融业态的基础上,开启了一场由内而外的深刻变革。而金融与风险往往始终相伴,使用大数据智能风控也成为金融行业的共识。那么到底常用的风控模型有哪些呢?
 
一般来说金融信贷中的风险主要集中于信用风险及欺诈风险。我们具体将风控模型分为以下三个阶段来进行讲解:
 
一、贷前阶段:
 
这一阶段的数据来源主要分为申请信息、历史消费信息、外部信息(例如多投借贷、公积金等)。常用风控模型包括:
 
1、用户响应风控模型:针对互联网,数据来源多样,类似漏斗模式,分析获客阶段的用户转化情况,如:引流、导流、注册成功等信息,以及在某个阶段进行埋点分析流失状态。
 
2、申请评分卡风控模型:即A卡,主要侧重贷前风控,在客户获取初期,建立申请评分卡模型,预测未来客户在放款后逾期与违约的概率。
 
3、申请反欺诈风控模型:识别欺诈风险高的客户,捕捉各类欺诈行为,如身份造假,非客户本人的行为等。一般分为第一方反欺诈和第三方反欺诈。
 
4、风险定价风控模型:根据客户的历史情况分析,应该制定多少初始额度和初始利率比较合适。
 
5、用户价值风控模型:在风险评分难以决策的灰分区域,制定置入置出策略,预测客户在开户后能够为机构带来潜在收益。在相同风险等级客户里,可以筛选收益等级高的客户,最大化挖掘其收益潜力。
 
二、贷中阶段:
 
和贷前阶段不同,这个阶段用户已经有过至少一次的还款行为,所以在数据维度会加入借贷数据,进入到贷中客户管理阶段。常用风控模型包括:
 
1、行为评分卡风控模型:也就是我们常说的B卡,通过分析不断去挖掘客户的各种需求,去推荐一些差异化的信贷产品,主要是给我们的客户交叉销售产品和提额。
 
2、交易反欺诈风控模型:交易阶段,识别一些羊毛党刷单、薅羊毛和套现行为。
 
3、客户流失风控模型:对客户流失的原因进行分析,提前知道哪些客户会流失,及时采取挽回措施。
 
三、贷后阶段:
 
经过以上两个阶段,还有一小部分用户会逾期进入催收阶段。常用风控模型包括:
 
1、催收预警风控模型:预测出来一些轻度逾期的客户,这类客户可能只是单纯的忘记还款而已,这个时候就不需太多人工催收参与进来,先进行短信提醒等简单的催收工作即可。
 
2、还款率预测风控模型:预测经过催收之后,最终收回的欠款比率。
 
3、迁徙率模型:评估客户短期内会不会违约,可以预测逾期的人群从轻度逾期发展到重度逾期的概率。
 
4、失联修复风控模型:逾期阶段,客户本身联系不上,通过数据库挖掘新的联系方式(如,身边的亲戚朋友等),修复客户失联状态。
 
常用的风控模型主要就是以上这些。作为大数据智能风控领域的龙头企业,大阳城集团娱乐游戏基于领先的技术研发能力和优异的风控模型能力,为银行、持牌消金及其他金融机构搭建全流程的智能风控体系,帮助客户防范风险、改善用户体验,提升业务决策的灵活性、敏捷性和准确性,实现数字化转型,目前大阳城集团娱乐游戏业务已覆盖所有头部金融机构。