打字猴:1.703655294e+09
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
1703655307 互联网信贷风险与大数据:如何开始互联网金融实践 [:1703653499]
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;
1703655325
1703655326
1703655327
1703655328 •分期行为;
1703655329
1703655330
1703655331
1703655332 •逾期情况;
1703655333
1703655334
1703655335
1703655336 •额度使用情况。
1703655337
1703655338
1703655339
1703655340 行为收益模型在存量客户管理中应用也非常广泛,金融机构管理客户无外乎从风险和收益两方面进行考虑。在存量客户管理中,风险由行为风险模型来衡量,而收益则由行为收益模型来评价。金融机构的资源通常会向低风险、高收益的客群倾斜,并清退或压缩高风险、低收益客户的比例,以保证资产结构的合理性。
1703655341
1703655342 例如,在信用卡的额度调升策略中,客户准入门槛常常由行为风险模型来控制,但是在设计调额策略时,不仅会考虑客户风险还会考虑客户收益。可依据风险收益矩阵,结合客户的额度占用情况来确定客户的额度调升幅度,从而提高金融机构的收益率,并优化资产结构。
1703655343
[ 上一页 ]  [ :1.703655294e+09 ]  [ 下一页 ]