1703655216
1703655218
一、行为风险模型
1703655219
1703655220
行为风险模型是存量客户管理中最常用也是最重要的模型之一。行为风险模型是金融机构控制风险的利器，在进行再贷客户营销、市场活动、额度管理等活动中均起到重要作用。行为风险模型通过客户历史行为预测客户未来出现坏账的可能性，是对客户风险全面、准确的评价，目前业内用来开发行为风险模型的方法通常是利用Logistic回归模型。
1703655221
1703655222
另外，行为风险模型是申请风险模型很好的补充。在申请端可以获取的数据较少，而当客户成为金融机构的存量客户，可以观测到客户更多的行为，利用行为风险模型可以对客户的风险情况进一步评估，对客户的风险把握得更准确。同时，随着外部环境的变化，客户的资质也会发生改变，对客户的风险评价也需要动态调整。
1703655223
1703655224
行为风险模型是预测客户风险的模型，其目标变量和客户逾期的严重性相关，客户逾期多少天被认为是坏客户呢？这个由多方面因素决定：一方面，可通过数据分析，分析逾期天数和客户未来变成损失的相关性，作为坏客户的判断标准。另一方面，可结合历史数据长度判断，如果金融机构积累得数据时间长度较短，那么选为坏客户判断标准的逾期天数较短，如果数据积累的足够充分，坏客户的判断标准更依赖于数据分析的结果。此外，如果金融机构的风险容忍度低，坏客户的判断标准就会更加严格。常见的坏客户判断标准通常有逾期30天、60天、90天以上的客户。
1703655225
1703655226
行为变量的预测变量主要由客户的交易行为组合而成，行为风险模型预测变量可以基于以下几方面进行考虑。
1703655227
1703655228
•还款行为；
1703655229
1703655230
1703655231
1703655232
•消费行为；
1703655233
1703655234
1703655235
1703655236
•信用卡取现行为；
1703655237
1703655238
1703655239
1703655240
•欠款情况；
1703655241
1703655242
1703655243
1703655244
•资金的使用情况。
1703655245
1703655246
1703655247
1703655248
对于信用卡产品，由于交易行为频繁且被完整地记录下来，可用的预测变量较多。但是对于其他个人消费贷款，金融机构通常只能看到客户的还款情况，对于客户的其他信息了解太少，这对行为风险模型的开发造成很大困难，故金融机构需引入第三方数据进行补充。相对有价值的数据包括央行征信数据、互联网交易数据和浏览数据、银联流水数据等。
1703655249
1703655250
行为风险模型用来衡量客户风险，在多种业务中使用行为评分作为客户的准入条件，排除高风险客户。此外，行为风险模型经常和其他模型如行为收益模型、市场响应模型、行为流失模型结合，制定客户的精益化管理策略。行为风险模型还可用来对高风险客户提前预警。对于行为评分很低的客户，风险较高，可结合客户的贷款余额或者额度，建立回访机制，了解客户的实际情况，并更新客户的联系方式，为逾期催收做准备，降低金融机构的损失。
1703655251
1703655253
二、交易欺诈模型
1703655254
1703655255
交易欺诈指对于信用卡产品，利用伪卡、盗卡、账户盗用等方式进行账户接管，盗取持卡人资金的行为。现在移动支付的兴起给不法分子带来可乘之机，他们通过钓鱼网站、无线Wi-Fi等渠道获取持卡人的账户和密码信息，进而盗取持卡人资金，对持卡人和金融机构造成损失。交易欺诈模型指根据客户的历史交易行为预测当笔交易为欺诈的可能性。
1703655256
1703655257
银行卡交易的欺诈占总交易的比例较低，但是呈现出多样性、复杂性的特点，对交易欺诈模型的开发带来很大的影响。因其稀疏性，从海量正常交易中找出欺诈交易犹如大海捞针，对模型的精确性要求非常高，通常利用神经网络的复杂性去模拟欺诈的行为特征。由于神经网络具有很强的自学习能力，可以适应欺诈手段日益丰富、复杂的特点，所以这种统计方法经常被用来开发交易欺诈模型。
1703655258
1703655259
交易欺诈的目标变量很容易定义，当笔交易为欺诈则为1，否则为0，但在实际情况中会面临一些问题。一般情况下，金融机构很难对每笔交易和客户都一一核实，通常只会标识金额较大有异常的交易，但当笔欺诈发生前的一段时间内的交易是否应标注为欺诈交易要视实际情况而定，这对目标变量的定义造成一定的影响。
1703655260
1703655261
交易欺诈模型的预测变量通常会比较多，模型的出发点就是通过客户欺诈以前的历史行为特征去对客户进行客户画像，而利用当笔发生的交易特征去和历史行为进行对比。如果当笔交易的行为特征和以前差异很大，那么欺诈的嫌疑比较大，比如预测变量有：
1703655262
1703655263
•当笔交易金额；
1703655264
1703655265
[
上一页 ]
[ :1.703655216e+09 ]
[
下一页 ]