金融風(fēng)險(xiǎn)管理余舶，就是一門(mén)藝術(shù)∏绿剩“金融科技”聽(tīng)起來(lái)高端大氣上檔次，實(shí)際上對(duì)這個(gè)行業(yè)存在不少的思維誤區(qū)赠制。
下面赂摆，總結(jié)一些金融機(jī)構(gòu)（甚至包括一些銀行、持牌消金）都可能犯的錯(cuò)誤钟些。

• 誤區(qū)：金融科技烟号，就是用“科技手段”解決“金融風(fēng)險(xiǎn)問(wèn)題”。

有時(shí)候金融科技太強(qiáng)調(diào)技術(shù)了政恍。實(shí)際上汪拥，并非什么都是能用技術(shù)手段解決的，未來(lái)隨著金融窗口的擴(kuò)大篙耗，金融屬性會(huì)越來(lái)越強(qiáng)迫筑，金融風(fēng)控經(jīng)驗(yàn)一定會(huì)越來(lái)越重要。風(fēng)險(xiǎn)管理非單純機(jī)器學(xué)習(xí)宗弯，而是搭框架脯燃；至于建立模型等等的手段，只是在幫助優(yōu)化框架內(nèi)的細(xì)節(jié)蒙保。如果最初對(duì)風(fēng)險(xiǎn)偏好的定義辕棚、產(chǎn)品定價(jià)、額度制定等等本身都設(shè)計(jì)得不對(duì)邓厕，那么后續(xù)風(fēng)控怎么做都難以做好逝嚎。

• 誤區(qū)：風(fēng)控就是風(fēng)險(xiǎn)控制，做好控制不讓風(fēng)險(xiǎn)發(fā)生详恼。

（這是外行容易有的誤區(qū)）風(fēng)險(xiǎn)是一定存在的补君，本身是一定無(wú)法避免的。所謂風(fēng)控昧互，不是指控制住風(fēng)險(xiǎn)赚哗，而是降低風(fēng)險(xiǎn)概率。我們永遠(yuǎn)不可能做到消滅臟水的存在硅堆，但我們可以把自家的門(mén)檻提高屿储。臟水流不到咱家門(mén)口，就會(huì)流往別家了渐逃。

• 誤區(qū)：要使用額度模型够掠，將好人、壞人的額度差距盡可能拉開(kāi)茄菊。

風(fēng)控調(diào)額疯潭，要盡力將好人赊堪、壞人的額度差距拉開(kāi)，這個(gè)思路沒(méi)毛病竖哩。假若讓壞人的額度成為好人額度的60%哭廉，還算是做得不錯(cuò)的。

但是假如壞賬率特別低的時(shí)候（比如<1%）相叁，人群都偏移到質(zhì)量特別好的群體上遵绰，那么耗費(fèi)成本將額度拉開(kāi)是沒(méi)有太大意義的，因?yàn)榧热贿@么低的壞賬率我是可以接受的增淹，為何不干脆全部都給同樣的額度呢椿访？

• 誤區(qū)：整體來(lái)說(shuō)，安卓流量的風(fēng)險(xiǎn)都要大于ios的虑润。

對(duì)于下沉流量來(lái)說(shuō)成玫，安卓風(fēng)險(xiǎn)>ios，多數(shù)為中介形式攻擊（714高炮類(lèi)app基本無(wú)法上架ios應(yīng)用商店）拳喻；

對(duì)于優(yōu)質(zhì)流量來(lái)說(shuō)哭当，ios的風(fēng)險(xiǎn)反而比安卓上升，因?yàn)楣粜问綄儆趥€(gè)體（ios的數(shù)據(jù)更難獲热叱骸）荣病。

• 誤區(qū)：關(guān)注客群風(fēng)險(xiǎn)，通過(guò)自家客群樣本定制化建模渗柿，能較好地降低風(fēng)險(xiǎn)概率个盆。

風(fēng)險(xiǎn)分為量化風(fēng)險(xiǎn)和政策性風(fēng)險(xiǎn)。政策性風(fēng)險(xiǎn)就像一顆定時(shí)炸彈（比如美國(guó)的次貸危機(jī)）朵栖。因此對(duì)甲方機(jī)構(gòu)而言颊亮，居安思危非常重要，接入一些能反映政策性風(fēng)險(xiǎn)的風(fēng)控?cái)?shù)據(jù)產(chǎn)品是一種手段陨溅，比如高危借貸人群標(biāo)簽（714高炮名單類(lèi)產(chǎn)品）终惑。即使眼前風(fēng)平浪靜，但未來(lái)風(fēng)險(xiǎn)大面積爆發(fā)的時(shí)候门扇，潛在風(fēng)險(xiǎn)會(huì)優(yōu)先在這一批客群上暴露雹有。甲方若能提前關(guān)注，則能有效地防備臼寄。

• 誤區(qū)：獲客時(shí)霸奕，要選擇風(fēng)險(xiǎn)盡可能低的客群，這樣后續(xù)發(fā)生風(fēng)險(xiǎn)的概率更低吉拳。

風(fēng)險(xiǎn)低的客戶质帅，未必有強(qiáng)烈的借款意愿，響應(yīng)率未必高，因此獲客時(shí)的客群未必風(fēng)險(xiǎn)越低越好煤惩。

• 誤區(qū)：【對(duì)乙方】某金融機(jī)構(gòu)在使用某第三方風(fēng)控?cái)?shù)據(jù)產(chǎn)品后嫉嘀，區(qū)分度效果不好，所以該數(shù)據(jù)不適用魄揉。

某甲方測(cè)了某乙方的“財(cái)富指數(shù)”產(chǎn)品剪侮，覺(jué)得區(qū)分度不好，沒(méi)法將有錢(qián)人區(qū)分出來(lái)洛退。

具體分析瓣俯，原來(lái)甲方是做裝修貸業(yè)務(wù)，該業(yè)務(wù)人群本身就屬于高端人群不狮，買(mǎi)房都是有錢(qián)人，因此要將更加有錢(qián)的人區(qū)分出來(lái)難度會(huì)更大在旱。對(duì)于人群特別集中的樣本摇零，區(qū)分度不好本來(lái)就是大概率的事情。

因此桶蝎，1乙方賣(mài)產(chǎn)品還要針對(duì)性地賣(mài)驻仅，像這種客群特殊的機(jī)構(gòu)，就沒(méi)必要推“財(cái)富指數(shù)”產(chǎn)品登渣，更沒(méi)必要測(cè)噪服；2測(cè)試效果區(qū)分度不好，要首先了解清楚甲方業(yè)務(wù)是什么胜茧、客群的情況粘优，分析是不是樣本特殊的原因。

• 誤區(qū)：【對(duì)甲方】某金融機(jī)構(gòu)在使用某第三方風(fēng)控?cái)?shù)據(jù)產(chǎn)品后呻顽，區(qū)分度效果不好雹顺，所以該數(shù)據(jù)不適用。

甲方在使用某個(gè)第三方風(fēng)控?cái)?shù)據(jù)產(chǎn)品后廊遍，分析人數(shù)的逾期率沒(méi)有發(fā)生變化嬉愧，但若該數(shù)據(jù)能用于拉開(kāi)額度的差距，也產(chǎn)生了價(jià)值喉前。

• 誤區(qū)：小額貸款產(chǎn)品没酣，模型效果不好，可能是算法沒(méi)選對(duì)卵迂。

根據(jù)目前業(yè)務(wù)經(jīng)驗(yàn)裕便，小額貸款產(chǎn)品的模型風(fēng)控效果和模型算法其實(shí)并無(wú)太大聯(lián)系。對(duì)小額貸见咒，決定風(fēng)險(xiǎn)的一般不是借款者的償還能力闪金，而是償還意愿。

• 誤區(qū)：模型在線上正式使用后發(fā)生衰減，說(shuō)明模型效果下降了哎垦。

建議分析：

1客群有沒(méi)有產(chǎn)生變化囱嫩；

2線上風(fēng)控策略有沒(méi)有收緊。

另外漏设，不一定真的是模型產(chǎn)生了衰減墨闲，有一種可能性是把模型用在了策略里面，比如策略上設(shè)定了某個(gè)閾值cutoff郑口，該分?jǐn)?shù)后的人都被拒絕了鸳碧，故在策略上這部分人群質(zhì)量會(huì)很高，模型的區(qū)分度效果肯定沒(méi)之前總?cè)巳旱暮茫ńr(shí)候用的是總?cè)巳旱臉颖荆?/p>

case：某業(yè)內(nèi)頭部金科給某互聯(lián)網(wǎng)大廠的金融業(yè)務(wù)做模型犬性，測(cè)試時(shí)KS達(dá)到40+瞻离，正式用在線上變成了13左右。業(yè)務(wù)方分析原因乒裆，再次用ABtest留下樣本做空跑套利，KS依舊是40，即測(cè)試期間的區(qū)分度鹤耍。后來(lái)分析原來(lái)是模型線上用在了策略里面肉迫。

• 誤區(qū)：壞賬率上升，是因?yàn)閴目蛻粼谠龆唷?/strong>