互聯(lián)網(wǎng)金融風(fēng)控

??互聯(lián)網(wǎng)金融風(fēng)控模型就是通過人為建立相關(guān)規(guī)則對(duì)用戶的真實(shí)信用進(jìn)行評(píng)估总处,估算出信用等級(jí)狈惫,指導(dǎo)給出合理的授信額度,從而識(shí)別和減少在金融交易中存在的風(fēng)險(xiǎn)鹦马,從資金的角度來看胧谈,風(fēng)控模型是為了評(píng)估用戶還款能力和還款意愿,反欺詐反作弊荸频,防止用戶薅羊毛和保證平臺(tái)安全等功能菱肖;互聯(lián)網(wǎng)風(fēng)控模型主要用于消費(fèi)金融、供應(yīng)鏈金融 旭从、信用借貸 稳强、P2P借貸等方面场仲;

??數(shù)據(jù)獲取主要通過用戶授權(quán)個(gè)人賬號(hào)或第三方大數(shù)據(jù)金融征信接口,通過授權(quán)賬號(hào)可通過python網(wǎng)絡(luò)爬蟲獲取提取關(guān)鍵數(shù)據(jù)輸出至風(fēng)控模型键袱,由風(fēng)控模型根據(jù)定義好的數(shù)據(jù)細(xì)分等級(jí)及權(quán)重燎窘,估算出授信額度評(píng)分。

系統(tǒng)評(píng)分流程圖.png

??風(fēng)控審核流程一般采用機(jī)器審核和人工確認(rèn)相結(jié)合的方式蹄咖,模型審核同時(shí)大致分為三個(gè)階段褐健,它通過用戶提交的數(shù)據(jù),對(duì)用戶的資質(zhì)及數(shù)據(jù)進(jìn)行審核澜汤,最終得到一個(gè)評(píng)分卡的分?jǐn)?shù)蚜迅。對(duì)于存疑和通過的進(jìn)見,需要人工進(jìn)行確認(rèn)審核俊抵;

風(fēng)控審核流程.png

1.獲取數(shù)據(jù)

1.1個(gè)人信息核查

身份證或銀行卡等用于核驗(yàn)借款人真實(shí)身份
獲取方式:
用戶通過系統(tǒng)認(rèn)證谁不,通過掃描并上傳證件照和第三方實(shí)名認(rèn)證接口達(dá)到真實(shí)身份核驗(yàn);

1.2反欺詐類

??各種黑名單徽诲、多頭借貸刹帕、違法違規(guī)等數(shù)據(jù)判斷用戶民間借貸情況
獲取方式:

  1. 建立自有失信黑明名數(shù)據(jù)庫:①各地區(qū)法院及政府機(jī)構(gòu)公布失信名單;②系統(tǒng)歷史黑名單谎替;③定期維護(hù)更新不斷完善數(shù)據(jù)庫偷溺;
  2. 系統(tǒng)查詢流程為,優(yōu)先查詢自有失信黑名單數(shù)據(jù)庫钱贯,再通過第三方失信接口查詢挫掏,若為黑明單則同步至自有黑名單數(shù)據(jù)庫中,逐步完善自有數(shù)據(jù)庫秩命,縮減成本尉共;

1.3個(gè)人基本信息

??文化程度、婚姻狀況弃锐、職業(yè)單位袄友、在崗年限、社迸眨卡杠河、公積金、企業(yè)郵箱浇辜、芝麻信用、個(gè)人工作收入流水主要用于授信額度評(píng)估唾戚,作為還款能力重要判定依據(jù)柳洋。
獲取方式:
該類信息通過用戶輸入及相關(guān)賬號(hào)授權(quán)獲取并對(duì)重要數(shù)據(jù)進(jìn)行核驗(yàn),學(xué)歷通過可第三方接口查詢核驗(yàn)叹坦;社毙芰停卡、學(xué)歷、公積金绪囱、企業(yè)郵箱测蹲、芝麻信用經(jīng)行用戶填寫授權(quán)認(rèn)證后,通過賬號(hào)信息獲取提取詳細(xì)信息保存至系統(tǒng)供風(fēng)控模式評(píng)分使用鬼吵。

1.4信用類

??歷史貸款扣甲、還款記錄、逾期記錄等數(shù)據(jù)判斷用戶銀行信用齿椅,用于貸前授信額度評(píng)估琉挖,貸后定期查詢用于還款預(yù)警,針對(duì)拖欠平臺(tái)還款而按時(shí)還信用卡的用戶加大催收力度涣脚。
獲取方式:

  1. 通過個(gè)人征信示辈,將征信報(bào)告單錄入系統(tǒng)中由風(fēng)控系統(tǒng)評(píng)定分?jǐn)?shù),
  2. 通過第三方接口獲取用戶金融類征信記錄貸款詳情遣蚀,信用卡額度矾麻、信用卡余額、歷史還款履約情況數(shù)據(jù)芭梯;
  3. 用戶授權(quán)相關(guān)信用卡接收賬單郵箱险耀,系統(tǒng)通過賬號(hào)密碼獲取郵件分析提取出信用卡還款和逾期數(shù)據(jù);

1.5個(gè)人資產(chǎn)類

??個(gè)人資產(chǎn)主要包含房屋產(chǎn)權(quán)及車輛產(chǎn)品該類用戶可以評(píng)為優(yōu)質(zhì)用戶粥帚,貸前金額審核和貸后無法還款抵押代償

  1. 房屋產(chǎn)權(quán)
    獲取方式:
    用戶在系統(tǒng)中錄入房產(chǎn)地理位置胰耗、小區(qū)名稱、面積芒涡、朝向柴灯、房齡等關(guān)鍵信息點(diǎn),并上傳房產(chǎn)查冊(cè)费尽、房產(chǎn)證赠群、房屋平面圖、房屋現(xiàn)狀旱幼、小區(qū)公共區(qū)域照片至系統(tǒng)查描;
    ①系統(tǒng)通過房屋關(guān)鍵信息點(diǎn)去各大二手房交易網(wǎng)站獲取數(shù)據(jù),計(jì)算出掛牌均價(jià),從而預(yù)估房屋當(dāng)前價(jià)值柏卤;
    ②獲取該地區(qū)歷史成交均價(jià)(特別是上月成交價(jià))冬三、成交量根據(jù)歷史數(shù)據(jù)計(jì)算單價(jià)趨勢和成交數(shù)量趨勢,預(yù)估房屋總價(jià)值缘缚;

  2. 車輛產(chǎn)權(quán)
    獲取方式:
    用戶在系統(tǒng)中錄入車輛完整信息品牌型號(hào)勾笆、車牌號(hào)、車架號(hào)桥滨、購車日期窝爪、公里數(shù)等數(shù)弛车、上傳車輛行駛證、車輛發(fā)動(dòng)機(jī)銘牌蒲每、保險(xiǎn)單及車輛外觀圖片至系統(tǒng)纷跛;
    ①根據(jù)車牌號(hào)和發(fā)動(dòng)機(jī)號(hào)校驗(yàn)車輛信息(第三方接口);
    ②系統(tǒng)通過車輛關(guān)鍵信息點(diǎn)從二手車交易市場獲取車輛掛牌價(jià)估算車輛價(jià)值邀杏;
    ③通過車牌號(hào)贫奠、車架號(hào)查詢相關(guān)城市車輛違章記錄;
    ④車輛出險(xiǎn)理賠查詢(第三方接口);

  3. 金融資產(chǎn)等
    金融資產(chǎn)主要為用戶購買的債權(quán)淮阐、股票叮阅、基金銀行等理財(cái)產(chǎn)品;
    獲取方式:
    用戶提供相關(guān)認(rèn)購憑證泣特;

1.6消費(fèi)出行類

??該類數(shù)據(jù)為用常消費(fèi)數(shù)據(jù)浩姥,根據(jù)個(gè)人消費(fèi)金額,消費(fèi)周期貸前判斷用戶履約能力状您,根據(jù)通訊位置信息為貸后預(yù)期催收提供支撐勒叠;
獲取方式:

  1. 電商消費(fèi)
    用戶授權(quán)第三方購物網(wǎng)站賬號(hào)信息至平臺(tái),①通過第三方平臺(tái)獲取歷史消費(fèi)記錄信息膏孟;②后期可考慮通過自有爬蟲系統(tǒng)獲取相關(guān)消費(fèi)記錄和資金流水眯分;
  2. 銀聯(lián)交易
    獲取方式:
    ①通過郵箱授權(quán),通過分析郵箱交易郵件提取交易關(guān)鍵信息柒桑;
    ②通過獲取用戶手機(jī)短信內(nèi)容獲取銀行交易記錄數(shù)據(jù)弊决,提取關(guān)鍵信息;
  3. 通訊記錄
    獲取方式:
    ①用戶授權(quán)讀取手機(jī)聯(lián)系人魁淳、通話記錄飘诗、短信等數(shù)據(jù);
    ②通過運(yùn)營商獲取歷史通話記錄結(jié)合手機(jī)存儲(chǔ)聯(lián)系人界逛,過濾虛假騙貸人員昆稿;
    ③獲取通訊繳費(fèi)記錄,根據(jù)繳費(fèi)記錄提取出入網(wǎng)市場息拜,繳費(fèi)溉潭、欠費(fèi)情況;
  4. 地理位置信息:
    獲取方式:
    ①提升用戶使用應(yīng)用頻率少欺,頻率越高獲取數(shù)據(jù)量越多喳瓣;
    ②通過衛(wèi)星定位及基站定位(非敏感權(quán)限,無感知)獲取用戶地理位置信息赞别;

2.確定用戶數(shù)據(jù)變量畏陕,分配相關(guān)權(quán)重

對(duì)各項(xiàng)數(shù)據(jù)進(jìn)行指標(biāo)量化,分配權(quán)重氯庆,最終由系統(tǒng)輸出評(píng)測總分蹭秋;


風(fēng)控考核項(xiàng).png

3.計(jì)算指標(biāo)評(píng)分,根據(jù)歷史數(shù)據(jù)不斷調(diào)優(yōu)指標(biāo)

4.總結(jié)

??風(fēng)控系統(tǒng)通過獲取數(shù)據(jù)判斷借款用戶的人品堤撵、資產(chǎn)的押品仁讨、最終給出對(duì)應(yīng)的借貸產(chǎn)品;系統(tǒng)可用于消費(fèi)金融实昨、供應(yīng)鏈金融 洞豁、信用借貸 、P2P借貸等方面荒给;系統(tǒng)獲取數(shù)據(jù)主要通過第三方接口及python爬取數(shù)據(jù)丈挟;針對(duì)預(yù)設(shè)借款金額,對(duì)低額度借款用戶實(shí)現(xiàn)自動(dòng)審核志电、放款曙咽;針對(duì)高額借貸用戶,系統(tǒng)為人工審核提供數(shù)據(jù)支撐挑辆,特別是抵押產(chǎn)品估值例朱、產(chǎn)品未來價(jià)值趨勢提供判定依據(jù)。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末鱼蝉,一起剝皮案震驚了整個(gè)濱河市洒嗤,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌魁亦,老刑警劉巖渔隶,帶你破解...
    沈念sama閱讀 216,470評(píng)論 6 501
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異洁奈,居然都是意外死亡间唉,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,393評(píng)論 3 392
  • 文/潘曉璐 我一進(jìn)店門睬魂,熙熙樓的掌柜王于貴愁眉苦臉地迎上來终吼,“玉大人,你說我怎么就攤上這事氯哮〖使颍” “怎么了?”我有些...
    開封第一講書人閱讀 162,577評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵喉钢,是天一觀的道長姆打。 經(jīng)常有香客問我,道長肠虽,這世上最難降的妖魔是什么幔戏? 我笑而不...
    開封第一講書人閱讀 58,176評(píng)論 1 292
  • 正文 為了忘掉前任,我火速辦了婚禮税课,結(jié)果婚禮上闲延,老公的妹妹穿的比我還像新娘痊剖。我一直安慰自己,他們只是感情好垒玲,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,189評(píng)論 6 388
  • 文/花漫 我一把揭開白布陆馁。 她就那樣靜靜地躺著,像睡著了一般合愈。 火紅的嫁衣襯著肌膚如雪叮贩。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,155評(píng)論 1 299
  • 那天佛析,我揣著相機(jī)與錄音益老,去河邊找鬼。 笑死寸莫,一個(gè)胖子當(dāng)著我的面吹牛捺萌,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播储狭,決...
    沈念sama閱讀 40,041評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼互婿,長吁一口氣:“原來是場噩夢(mèng)啊……” “哼!你這毒婦竟也來了辽狈?” 一聲冷哼從身側(cè)響起慈参,我...
    開封第一講書人閱讀 38,903評(píng)論 0 274
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎刮萌,沒想到半個(gè)月后驮配,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,319評(píng)論 1 310
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡着茸,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,539評(píng)論 2 332
  • 正文 我和宋清朗相戀三年壮锻,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片涮阔。...
    茶點(diǎn)故事閱讀 39,703評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡猜绣,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出敬特,到底是詐尸還是另有隱情掰邢,我是刑警寧澤,帶...
    沈念sama閱讀 35,417評(píng)論 5 343
  • 正文 年R本政府宣布伟阔,位于F島的核電站辣之,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏皱炉。R本人自食惡果不足惜怀估,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,013評(píng)論 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧多搀,春花似錦歧蕉、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,664評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至麻削,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間春弥,已是汗流浹背呛哟。 一陣腳步聲響...
    開封第一講書人閱讀 32,818評(píng)論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留匿沛,地道東北人扫责。 一個(gè)月前我還...
    沈念sama閱讀 47,711評(píng)論 2 368
  • 正文 我出身青樓,卻偏偏與公主長得像逃呼,于是被迫代替她去往敵國和親鳖孤。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,601評(píng)論 2 353

推薦閱讀更多精彩內(nèi)容