【采用】如何搭建反欺诈策略与模型

信用风险与反欺诈哪个更加重要？为什么是先讲策略再谈模型？一个完整的反欺诈流程如何搭建？如何说服CEO接受模型测试成本？在一本财经商学院举办的第二期风控闭门课程上，天创信用首席科学家陈黎明一一做出解答。

以下是她现场分享的部分干货：

01基本概念

今天我讲的主要课题是“反欺诈策略和模型”。

为什么要把策略放前面呢？因为不管是拍脑袋决定，还是通过数据挖掘出来，反欺诈一般是先有策略，然后通过数据的积累，慢慢去构建模型。

首先讲一下常见的几种风险：

流动性风险，就是资产在上升时，你手上的现金流是不是足够。

市场风险，一般是指汇率、利率两个风险，这个在国内不是那么明显，在国外受市场风险是相当大的。

信用风险，就是客户的还款意愿和还款能力。

操作风险，比如意外事故等。

政策风险，比如贷款年化率不能超过36%，和近期的数据隐私的保护。

反欺诈和信用风险区别在哪？

欺诈是你想彻底铲除的，你建立了足够的壁垒、堡垒把欺诈挡在门外；但你并不希望信用风险为零，信用风险框定在一定范围之内，再去设计产品。

信用管理是进攻，反欺诈是防守。在不同场景中，反欺诈和信用管理重要程度不同。比如说航旅分期，欺诈风险比较小。Paydayloan本身是针对信用差的人群，欺诈风险往往更为重要。

欺诈原因主要有几点：

征信体系有待推广和完善。

欺诈成本很低。

没有信息保护意识。别人帮你买机票，你就把身份证号码透露了。

贫富差异下的利益驱动。

最后一点就是互联网，比较线上和线下的欺诈概率，线上欺诈是线下的六倍，因为线上不需要跟人打交道，被逮到的可能性比较低。并且，一旦诈骗犯发现平台一个漏洞，他可以在网上得到迅速的推广。

一般来说，当你的贷款额度越来越小的时候，你会越来越依赖于大数据，依赖模型化和自动化，去进行反欺诈预防和信用管理。

反欺诈其实是通过各种方法把高危人群、帐号异常、设备异常、身份伪冒、申请异常、使用异常、恶意炒信等等去除。但去除时，我们要关心两个概率，一个是召回率、一个是准确率。

偶发的欺诈并不可怕，大家主要担心欺诈中的正规军，欺诈的黑色产业链，所以黑色产业力量挖掘是非常重要的。

欺诈一般分为第一方欺诈和第三方欺诈：

第一方欺诈是，我就是欺诈主体，我是怀着恶意来骗贷的。

第三方欺诈是，骗贷人不是我，其他人是伪冒我的身份，盗用我的帐户进行欺诈的。

根据第一方欺诈和第三方欺诈的不同，在防控点上的设计也不同。比如第三方欺诈，你可以通过人脸识别等等去做排除；第一方欺诈可能是通过一些模型去识别，是否是恶意骗贷。

02欺诈类型与反欺诈策略

常见的欺诈风险类型有：

身份伪冒，这是非常典型的第三方欺诈，指的是不法分子使用虚假身份证等身份信息、未经他人同意而冒用他人身份获取贷款的骗贷行为。

另外还有帐号垃圾注册，通过大规模的帐号注册，养号养卡，控制帐号骗贷。此外还有中介包装、团伙作案、虚假材料等。

其实欺诈并不是对单个的个人，你对的就是团伙，对的是有相当风控经验的职业诈骗人员，好多人以前就是线下贷款的审批人员，他们有相当的风控经验。

如何通过构建系统架构来实现反欺诈？

首先需要底层数据，比如外部数据、内部数据、业务数据等。其实反欺诈是需要大家发挥自己的聪明才智去设计的，不会有两家反欺诈政策是完全一样的。现在对数据隐私的监管越来越强，越来越保守，如果在外部数据获取遇到阻力的时候，就越来越依靠于对内部数据和业务数据的获取能力。

其次是规则，目前大部分规则是模型，比如从贷前准入、认证、支用等。这些规则引擎，是经常要更新的；尤其是反欺诈规则，一要保密，二要随时更新。

再次，需要一个管理系统，至少要有四块功能：第一个配置系统，就是规则阀值的设置。第二个查询系统，能查询每一单人的申请，从客户现在的表现追溯到其申请时刻，能做一些关联性的分析。第三个是分析系统，一般是自动化的，比如对历史时长、IP地址进行一个跟踪，也可以针对每一个反欺诈规则，追踪今天申请了多少量，拦截了多少量。第四个是预警系统，如果发现异常现象，它可以随时预警。比如发现某一个IP地址、某一个GPS、某一个社区，它申请量急剧增加的时候，可以实现实时预警，这时候可以人工及时干预，去修改规则引擎。这四个系统是反欺诈中，最起码的要求。

03审批流程与反欺诈流程

一旦收集了多维度数据后，就可以设计申请的审批流程：

首先是准入规则，可以初筛一遍客户，可以进行聚焦，达到精准营销的目的。

然后是信息验证，包括姓名、身份证、手机号码、银行卡四要素验证等。

再次是黑名单，自有的反欺诈规则等。

之后是第三方反欺诈、申请评分卡，最后再人工审批、抽检。至于中间怎么设计黑名单、反欺诈，这个跟不同的金融产品侧重点不一样。

其次是反欺诈管理流程：

首先要有策略，可以通过数据分析，也可以基于以前线上线下的经验，将规则、管理布入你的风控引擎里面，这是第一步。

第二步，要认识我们的客户，目标客户群是什么，会存在哪些风险。

下一步是分析客户风险是怎么样的。

再下一步是预防警示，出现异常需要有一个预警提示。

最后就是分析报告，通过整个过程，返回去优化整个策略，不断循环优化。

反欺诈的策略一定要非常保密，因为骗贷者一旦知道，可以用其他的方法去通过这个保护墙而进来。越理解市场有的欺诈风险，你的策略就越有针对性。大家如果做风控团队，会有专门人员欺诈岗，他们时不时做一个舆情监控，比如上网吧看一看，第一个你的贷款公司名字是不是出现在大家讨论的热点当中，第二个最新欺诈的方法是什么。

欺诈客户一般不会全部拒绝。如果想要知道策略、模型是否有效，必须要做测试，只要有测试就必须有测试成本。不过，我们在向CEO汇报时，说我要放一批欺诈人进来，这次欺诈率会上升，CEO会不会同意，会不会买单呢？

实际上，Capital One成功最重要的两点，一个是数据驱动策略，第二个就是测试，通过不断的测试，找到理想的人群，优化产品、优化流程、优化策略。

另外一点要强调的，反欺诈经常有误杀。我们以前做信用卡交易反欺诈的时候，业务天天抱怨的就是误差，比如经常有优质的客户，要验证他的身份，业务出于客户满意度是不愿意好多误杀的。

不过，在审批阶段误杀时的问题还不算不大；一旦到了客户管理阶段再误杀，造成的影响就比较大，客户关系的维护，客户的满意度等等成本也是蛮高的。

不过，这是一个权衡，反欺诈总是会有误杀。

【采用】如何搭建反欺诈策略与模型相关推荐

《如何搭建小微企业风控模型》第八节反欺诈策略节选
<如何搭建小微企业风控模型>第八节反欺诈策略节选第一章小微企业数据风控技术的框架小微企业数据贷发展情况概述搭建小微企业风控模型所需知识风控模型概览第二章强相关变量:企业经 ...
【采用】互联网反欺诈体系建设
转:原文链接:https://mp.weixin.qq.com/s/sBvqIfxNDoMlWhO6_z65Ww 这篇文章和上一篇[互联网反欺诈体系漫谈]:https://mp.weixin.qq.c ...
【采用】智能反欺诈算法概览及典型应用案例
自20世纪末开始,由于反欺诈领域的数据量大和时效性高的要求,机器学习技术逐步实现应用. 1997年,弗拉基米尔·科基纳基(vladimir Kokkinaki)提出了一种基于决策树的模型,其子节点代表 ...
揭秘分享 | 汽车金融细分风控场景和反欺诈策略
我们今天说的汽车金融相关内容,主要是针对的是汽车消费金融板块的业务. 汽车金融板块潜在规模及与汽车保有量.新车每年新增销量.二手车每年销量及新车二手车的金融贷款渗透率上升空间有关.而驾驶证人数与汽车租 ...
实操信贷场景中的反欺诈模型
今天的文章,关于反欺诈模型的实操,之前有跟大家分享过相关内容,部分反欺诈的领域的童鞋感觉内容比较有帮助,今天就该内容进行讲解.本文介绍的产品适合在消费零售信贷及现金场景贷中的中短期产品,其中涉及的变量 ...
信贷反欺诈体系介绍及其策略规则应用
在信贷业务的风控体系中,反欺诈始终是一个重要话题,与信用评估构成的贷前风控两大模块,对于贷前风险的防范控制发挥着决定性作用.反欺诈虽然在理解层面上感觉略显简单,但由于场景的复杂性与丰富度,使得反欺诈在 ...
【风控体系】互联网反欺诈体系漫谈
转:原文链接:https://mp.weixin.qq.com/s/9TUNBIbf85MVZ6QlyN34lw 感觉类似金融风控实验室的概念,会越来越火,也希望越来越多志同道合的小伙伴可以加入这个圈 ...
【采用】大数据风控---身份反欺诈信贷全流程常用指标及策略
原文地址:https://blog.csdn.net/qq_32123787/article/details/97933493 前言反欺诈的本质更多的是校验借款人的身份,也就是证明你就是你,我就是我 ...
信贷反欺诈风险管理体系|附欺诈策略细则
在线上信贷产品的风险管理体系中,包含反欺诈.信用审批.贷中管理.贷后管理等模块.银行等金融机构在开展业务的过程中,会重点架构并不断完善各个环节的策略与模型,从而使产品业务能够更好地契合互联网信贷的场景 ...

【采用】如何搭建反欺诈策略与模型

【采用】如何搭建反欺诈策略与模型相关推荐

最新文章

热门文章