如何“谨慎”使用“数据驱动”的风控模型（二）—

上一篇，笔者介绍了谨慎使用“数据驱动”的风控模型，需要“高质量的数据 + 审慎严谨的决策模型 + 实时全面的监控分析”动态闭环。本篇笔者会着力于介绍整个风控决策体系的建设及持续优化。

风控决策的管理并不是狭义上的规则或评分卡（Scorecard）模型，而是广义上对整个风控策略的体系化管理，还应覆盖包括模拟验证、冠军/挑战者实验（A/B测试）、版本管理、效能评估在内的全生命周期，如果有人工审核环节的话，也需要纳入风控体系进行统一管理。

工欲善其事必先利其器，为了提升管理效率，决策引擎的使用必不可少。无论选用开源软件、成熟产品，或是自建，都要确保风控决策独立于代码版本，可实现热发布，便于版本回溯。风控决策的构建，应该是自顶向下的，顶层应当是产品场景与风控场景，例如电商分期、教育分期、信用卡代偿等等，风控场景包括风控审批、额度、定价、催收等各个环节。

决策如何合理编排、高效管理？不妨参考以下原则：

清晰的定义顶层场景，而各个子决策以流程的方式组合而成，子决策包括一系列决策步骤，决策步骤内嵌规则集（可以将评分卡也看作是一套规则集）。
将“因果关系”的专家规则与“相关关系”的机器学习规则有机结合，力争在通过率与坏账率之间取得最优平衡。
某些子决策作为通用步骤，可以被不同的产品场景共用、继承（derive）或覆盖（override），便于统一管理。例如，失信被执行人命中、存在严重逾期或银行卡四要素错误等专家规则，不仅适用于电商分期产品，也适用于信用卡代偿类产品。
强规则命中直接拒绝，不必执行后续规则（强规则指捕获率极高的规则，如存在严重逾期历史、手机使用少于3个月等欺诈嫌疑极高的规则；或者是不符合借款条件，如不满18岁；强规则早期大部分来源于专家规则，后续随着数据的积累也能总结出新规则）。
无成本/低成本规则优先于高成本规则执行，如自有黑名单规则优先于外部调用的黑名单规则。
决策不应只有通过、拒绝两种结果，应可以支持类灰名单命中之后的人工判断。
决策顺序的调换，不应影响到整体业务流程，造成流程的中断或异常。
如某项规则的输入来源于外部征信数据，需要定义好超时重试、跳过策略，避免因数据源的问题导致的决策中断、或因此作出的错误决策。

出于“谨慎性原则”，决策发布前必须进行历史数据模拟。从大量数据的模拟中，可以发现潜在的问题；分析该决策组合的通过率、捕获率、潜在ROI，是否优于原来的决策组合；同样，历史数据模拟也可以用来验证外部征信数据或人工审批的有效性，是否使用，放在哪一步决策使用，如何互相替代。

再来谈谈冠军/挑战者实验（A/B测试）。尽管历史数据的模拟表现很优异，并不代表新的决策可以经得住实战的考验，基于“谨慎”的原则，新决策最好按较低的比例与老决策同步运行。运行一段时间后，如新决策的表现优于老决策，可以逐步将新决策的线上运行比例调高，直至完全替代老决策。为了提高效率，多个新决策可以同时执行冠军/挑战者实验。

最后稍微谈一下用于信用风险评估的评分卡模型。人们常提的评分卡一般指基于客户的一组输入数据，计算出一个评分（数字）。设计一张评分卡一般有两个路径：（a）请专家根据要解决的问题，依据经验设计。一般适用于数据较少的情况；（b）基于数据和算法产生，一般适用于数据比较丰富的情况。算法可以有很多种，人们常用的有逻辑回归，支持向量机，决策树，随机森林，神经网络等等。还有一些专用算法，如美国通用的FICO信用评分就是基于自己的算法创建的。

信用风险控制所用的评分卡主要是预测信贷人的违约概率。如何评估评分卡的优劣？在评分卡部署到生产系统之前，需用现有的不同数据组进行回归验证，确保验证的违约概率与评分卡所预测的概率吻合较好。评分卡投入使用后，一定要持续监控，随时准备调整阈值。当然还有其他的评估方法，如使用评分卡的KS，ROC曲线等。

根据我们的经验，评分卡的使用效果取决于客群，客户特征数据的选择和数据的真实性保证，创建评分卡的方法，创建者和运行者等多种因素，是一项系统工程，而非像跑一个机器学习算法那样简单而又神秘。

最后出于“谨慎”原则，需要将决策编写、模拟、检验、发布的流程固化，任何决策发布之前需要得到授权人的审批，避免因人为过失造成的损失。发布之后，实时监控表现，通过完整的效能评估方法验证决策的有效性。如何监控，敬请期待即将推出的最后一篇：如何“谨慎”使用“数据驱动”的风控模型（三）——监控篇。

如何“谨慎”使用“数据驱动”的风控模型（二）——决策篇相关推荐

浅析消费金融风控之贷中、贷前、贷后风控（风控模型、决策引擎）
消费金融迎来"爆发增长"期预计到2020年,我国消费信贷总市场规模将达到45万亿元,年复合增长率将达到18%.前景广阔的消费金融市场,将成为我国经济发展的重要内驱力! 业务痛点 ...
除征信快查外，用户画像和风控模型如何助力网络小贷风控
对于网络小贷平台而言,征信和风控是业务发展过程中的重要环节.网络小贷业务主要防范的是欺诈风险和信用风险,诸如借款人通过套现.伪造.冒领冒用.恶意透支等手段进行骗贷.此外,平台与平台之间信息不透明,用户 ...
国内与海外风控模型的差异内容
信贷的未来在哪里?也许在海外目前仍是一个出路.在海外现金贷如火似荼发展的当下,番茄风控社区目前有许多从事海外现金贷的童鞋加入我们的社区,大家对目前海外现金贷的风控知识有非常强烈的学习愿望. 除了这部分 ...
一文看懂风控模型所有
[与数据同行]已开通综合.数据仓库.数据分析.产品经理.数据治理及机器学习六大专业群,加微信号frank61822702 为好友后入群.新开招聘交流群,请关注[与数据同行]公众号,后台回复" ...
风控模型-美国FICO标准
python信用评分卡(附代码,博主录制) https://study.163.com/course/introduction.htm?courseId=1005214003&utm_camp ...
【模型部署】风控模型部署相关知识
风控模型部署相关知识 1 同步接口 & 异步接口方法一:①进程数②进程池异步处理方法二: redis缓存数据库(中间件) mogodb数据库(监听) 2 json格式 3 app 4 模 ...
风控策略和模型的区别_风控模型之产品赢利分析与策略优化
欢迎加入全国风控微信群组:免费加入,详情可添加管理Vivian:wmyd80回复微信群组之前我们说过,产品上线后并不是一成不变的,而是需要后续赢利分析数据表现不断调整,其风控模型策略也是不断优化的. ...
风控模型师面试准备--技术篇（逻辑回归、决策树、集成学习）
原文地址:https://zhuanlan.zhihu.com/p/56175215 编辑于2019-02-12,持续更新中,有风控建模工作经验的,或者想转行风控建模的小伙伴可以互相交流下... 一. ...
如何浅显得理解风控模型中的特征筛选|附实操细节(全)
今天我们综合了星球同学的一些需求,给大家梳理了这样一篇风控建模中特征筛选,希望对所有的风控人员在模型开发上都有所启发. 本文,我们会跟大家介绍特征选择的内容,包括其中的重点问题跟注意的细节. 因为完整 ...

如何“谨慎”使用“数据驱动”的风控模型（二）——决策篇

如何“谨慎”使用“数据驱动”的风控模型（二）——决策篇相关推荐

最新文章

热门文章