风控培训ppt课件.ppt

信贷征信培训 国内外征信 风控发展国内审核系统及决策引擎征信数据 风控数据中心 风控国内外情况 审核流程 审核操作流程 信贷系统个人信贷消费信贷 信贷系统个人信贷消费信贷 催收 风控模型基础流程 数据来源与征信验证 评分引擎 防欺诈策略引擎 防欺诈策略引擎 部分方法 资产重组和证券化策略引擎流程 催收策略引擎 风控国内外情况 MetaData Data 关联 期望 ByHong 最简单的数据挖掘思想 归类最简单的数据挖掘方法 加权Data a 1 b 1关联 结果 2MetaData a 参数整数正数MetaData b 参数整数正数期望 寻找出1 1 1 结论 3 ByHong 总人数 9470男 6822女 2648金牛座 789天平座 789XX座 789时间 M1 M2 M3 M11 M12 ByHong 期望 结果 处女座违约率最高天平座回款率最高男性风险相对较高春节前是旺季 ByHong Y亲情提供 ByHong 加权计算 归类后 30 500 人 15 400 人 10 200 人 5 100 人 50 725 人 Ps 此部分不具备真实数据作为支撑 传统的风控思想认为 当在预期坏账率5 的情况下 我们应该在符合5 坏账率的群体中 500 100人 利益最大化 ByHong 换个角度 通过价格机制 赚取任何具备回款率用户的钱 让所有用户替我们承担风险 30 500 人 60 0 利率23 风险准备金 15 400 人 35 0 利率12 风险准备金 10 200 人 26 7 利率6 风险准备金 5 100 人 14 7 利率2 风险准备金 50 725 人 90 0 120 0 利率 30 风险准备金 Ps 此部分不具备真实数据作为支撑 ByHong 数据量少 目前100 200单 月明年3月预期2000单 月明年年底30家门店 500单 15000单 月明年年底撑死15W单数据储备 Ps 每家门店500单 月 风控同仁的理想状态 ByHong 7792种类型的单 散列在15W单数据中 平均每种类型具有19 25单 归纳为 惠薪 惠财 惠业 惠商 四种人群 通过机器学习或人工方式评估每个Attribute的权值 根据四种人群特征分别进行加权计算 Ps 这里使用算术平均值 而加权平均值会更加准确 ByHong 维度多 以下是仅风控数据模型 基本信息 39Attribute单位调查 64Attribute联系人 77 7Attribute面审 67Attribute终审 45Attribute初审 33Attribute流水及征信 82Attribute电话调查 7 15Attribute总计 974种Attribute 每种2 8个可能性 ByHong 每一个柱状体代表一种Attribute 根据某种规则聚集在同一区间内的反应对数据进行评级 在最终做出归类 MiniData DataCenter ByHong DatabaseManagementSystemMongoDB MapRedu