1703654620
1703654621
在信贷工厂模式下，集约化的管理过程提高了系统智能化决策的可能性。各类信息采集与对比校验的过程完全可以让系统自动进行，并根据事先部署好的反欺诈规则和策略自动执行必要的拒贷动作。无法确定、尚需核实的案件，在审批端采用定制化问题，由作业人员执行反欺诈调查。这种定制化体现在方方面面，可根据欺诈情况的不同，采用不同的流转规则和不同技能等级的调查；可根据外部信息匹配的情况，对电话核实人员拨打电话的顺序、拨打电话的时间提出明确要求，或通过外部信息归集和处理，直接提供第三方的电话联系方式进行拨打核打；在电话核实过程中，有针对性地设计需客户回答的问题，调查人员依据系统提示询问并记录结果，系统就可给出是否欺诈的决策判断。这一系列动作都是由系统规则策略控制安排的，调查人员只需简单“傻瓜”式地执行，如操控“傻瓜”相机一样。这得益于外部数据的引入，以及评分卡对客户欺诈风险概率的衡量，实现精准到个人的反欺诈调查工具。
1703654622
1703654623
5．中文信息处理工具
1703654624
1703654625
反欺诈的主要核心是信息比对和逻辑校验，而信息比对的过程离不开对文字的识别与校验。中文文本的特点使得这个过程较为复杂，需要具有文本解析、模糊归类、特征词汇识别等技术的工具，方能在保证运营效率的同时，处理好信息过滤与比对校验的过程。
1703654626
1703654627
举例而言，在识别地址同一性时，A客户提供的地址为“北京路22号4门”，B客户提供的地址为“北京路22-4号”，C客户提供的地址为“北京路22/4”，上述三个地址是否能够识别为同一地址，就需要看各家机构的数据处理能力了。
1703654628
1703654629
反欺诈的大数据应用
1703654630
1703654631
大数据在反欺诈风险管理方面已经有了初步应用。
1703654632
1703654633
1703654634
1703654635
第一，客户申请信息的真实性验证。信息的真实性核查经常依托于客户网络关联关系及逻辑对比，对于多项申请信息中不符合关联关系或逻辑的部分进行比对校验，可以排查欺诈风险。通过大数据的引入，金融机构有了更多的外部信息作为关联关系和逻辑比对的数据基础，更容易发现隐藏着的欺诈风险。例如，互联网大数据提供的位置服务，能够将客户填写的地址信息定位为地理位置坐标，并与客户常用物流地址位置坐标进行比对，如果发现客户提供了一个距离偏差过大的地址，则该地址信息存在虚假的可能性。另外，如客户申请贷款所填写的手机号，是否在其他人的社交、交易信息中出现过，是否被多次用来申请贷款等。
1703654636
1703654637
1703654638
1703654639
第二，申请人身份的真实性验证。在申请欺诈中，即使填写的申请信息是真实的，也难以避免身份冒用的情况。特别是在网络申请的背景下，金融机构很难获知互联网背后那个申请人的真实身份。利用大数据可以对申请人身份进行隐性信息的核实。例如，通过申请信息中的身份证号，就能够索引出该人的详细户籍信息，可在身份核实的过程中询问其户籍地或户籍信息中的亲属信息，而这些信息对于伪冒者来说是较难获知的。大数据在申请人隐性信息核实方面所起到的作用，可以有效排除身份伪冒欺诈。
1703654640
1703654641
1703654642
1703654643
第三，申请资质的真实性验证。恶意的申请人往往会隐瞒对其不利的事实，如较大数额的隐形负债、公司运营存在的问题、或等待处理的法院执行案件等。大数据的应用使得申请人对自身真实资质的掩饰无所遁形。通过连接公开的互联网信息，可以获取申请人的企业经营信息、法院执行信息；通过金融机构间共建的恶意信息共享机制，也能够获知申请人的隐形负债情况和历史恶意违约的记录；对于中介机构批量编造的“优质”申请人，也能够通过黑中介信息的共享进行有效防范。
1703654644
1703654645
1703654646
1703654647
在信息爆炸的时代，越来越多的数据和信息可通过互联网获取，公共机构信息的公开透明度在逐渐提高，金融行业内部的信息共享机制在不断完善，大数据的整合程度在不断加深。在自动化决策系统的支持下，庞大的数据量以前所未有的迅猛速度得到传输和处理，辅助金融系统做出快速决策，在反欺诈风险的管理过程中得到越来越广泛的应用。
1703654648
1703654649
1703654650
1703654651
1703654652
1703654653
1703654655
互联网信贷风险与大数据：如何开始互联网金融实践 第五节 客户准入的模型支持
1703654656
1703654657
客户引入管理是金融机构控制风险的第一道重要门槛，该阶段若能对客户进行很好的管理，会为存量和逾期阶段的客户管理带来很大的便利，因此金融机构对于客户引入管理非常重视。客户引入阶段主要解决两个问题：一是引入什么样的客户；二是如何授信。该阶段用于辨识客户资质的模型主要有申请风险模型、初始额度模型和申请欺诈模型。
1703654658
1703654660
一、申请风险模型
1703654661
1703654662
申请风险模型是金融机构最常用也是最重要的模型。申请风险模型通过客户多方面的属性来对客户资质进行综合评价，全面评估客户的风险，引入优质客户，优化金融机构的资产结构，同时为金融机构制定差异化客户管理策略提供依据。申请风险模型常用Logistic回归模型进行开发。申请风险模型衡量的是客户的风险，目标变量由客户的逾期严重性来确定，表现期内逾期天数超过给定阈值的为坏客户，而没有逾期或者逾期程度较低的为好客户。
1703654663
1703654664
申请风险模型预测变量在很大程度上依赖于客户申请信息和信贷历史信息，如央行征信信息，主要从以下几方面进行考虑。
1703654665
1703654666
•家庭；
1703654667
1703654668
1703654669
[
上一页 ]
[ :1.70365462e+09 ]
[
下一页 ]