1703655275
•当笔交易商户；
1703655276
1703655277
1703655278
1703655279
•当笔交易地点；
1703655280
1703655281
1703655282
1703655283
•过去N次交易的密码输错次数；
1703655284
1703655285
1703655286
1703655287
•过去N次交易的交易失败次数；
1703655288
1703655289
1703655290
1703655291
•过去N分钟内的交易次数；
1703655292
1703655293
1703655294
1703655295
•过去N分钟小额刷卡次数。
1703655296
1703655297
1703655298
1703655299
交易欺诈模型可构造的变量很多，一般都是通过当笔交易的交易金额、交易时间、交易币种、交易商户类型、交易地点、交易方式等单一变量或者多变量组合在一起，和历史的交易数据进行对比，看是否有差异。
1703655300
1703655301
现在创新支付工具兴起，在给人们带来便利的同时，欺诈现象也比较普遍。互联网数据的加入对于用户刻画将有很大的帮助，结合客户的IP地址、上网时间、上网地点、浏览和消费的网站等信息可更加全面和准确地刻画用户特征，这有助提高交易欺诈模型的精确性。
1703655302
1703655303
交易欺诈模型的实施依赖于信息系统，通常需要大量的历史交易数据，对于时效性要求比较高，需要系统能支持大量的运算。交易欺诈的实施主要分为实时实施、准实时实施和事后实施三种方式。实时实施指交易欺诈模型参与当笔交易的授权，系统对当笔交易进行评分，对于欺诈风险高的进行授权拒绝或者电话排查。这种方式对系统要求很高，时效性非常强，否则会影响客户感受。准实时实施指根据上笔交易的评分来对当笔交易的欺诈风险进行判断，系统会把上笔交易的评分保留下来，参与下一笔交易的授权，如果欺诈风险高则进行授权拒绝或电话排查。这种方式对系统要求低一些，但只能防范下一笔交易的欺诈风险，对金融机构会造成一定损失。事后实施指的是通过每天跑批的形式对当天的交易进行评分，然后排查高欺诈风险的交易，这种方式对系统要求最低。这种方式实现起来比较简单，对金融机构的银行卡交易影响很小，是金融机构最常用的方式。
1703655304
1703655305
此外，交易欺诈模型的实施总会结合交易欺诈规则，这是因为欺诈手段层出不穷，对于新出现的欺诈模式，交易欺诈模型通常不适用，需要借助于欺诈规则进行补充。模型总是具有一定的误判率和缺陷，可通过规则尽量弥补模型在这方面的不足。
1703655306
1703655308
三、行为收益模型
1703655309
1703655310
对于信用卡等产品而言，金融机构的收益通常来自于少部分客户，基本遵循二八定律。因此准确识别高收益客户对信用卡公司来说是非常重要的。行为收益模型是通过客户的历史行为来预测客户未来收益的高低。
1703655311
1703655312
金融机构总是希望用有限的资源创造最多的利润。所谓高收益客户指高收益率的客户，金融机构通常用资产收益率来衡量。当然，不同的金融机构会采用不同的方式定义收益率，不同方式下的目标变量定义通常会影响模型的应用策略，在确定目标变量定义时需要考虑模型未来的应用方向。
1703655313
1703655314
客户收益的高低由客户自身属性和行为属性决定，通常从以下几方面考虑。
1703655315
1703655316
•客户属性：性别、年龄、学历；
1703655317
1703655318
1703655319
1703655320
•消费行为；
1703655321
1703655322
1703655323
1703655324
•取现行为；
[
上一页 ]
[ :1.703655275e+09 ]
[
下一页 ]