1703654754
三、申请欺诈模型
1703654755
1703654756
在申请阶段金融机构除关注信用风险外，对欺诈风险也非常重视。虽然欺诈客户的比例较小，但如果发生损失很难追回，对金融机构会造成很大损失。申请欺诈模型即通过客户填写的申请信息来判断客户欺诈的可能性。
1703654757
1703654758
在申请阶段金融机构能够获取的信息主要是申请信息和央行征信信息，预测变量主要通过以下几方面来反映。
1703654759
1703654760
•客户单位名称是否在征信的单位列表中；
1703654761
1703654762
1703654763
1703654764
•客户家庭地址、单位地址是否在征信的地址列表中；
1703654765
1703654766
1703654767
1703654768
•过去一段时间同一联系人、同一单位地址是否有多次进件；
1703654769
1703654770
1703654771
1703654772
•申请人、单位是否曾经发生过欺诈进件。
1703654773
1703654774
1703654775
1703654776
由于央行征信的信息时效性和完备性均无法完全满足开发欺诈模型的需求，同时因为互联网创新模式在很大程度上依赖于互联网，互联网的相关数据对申请欺诈预测有很大的帮助：
1703654777
1703654778
•同一Cookie或相近IP地址是否在短时间内频繁进件；
1703654779
1703654780
1703654781
1703654782
•申请贷款的Cookie和IP地址是否为客户活跃使用的；
1703654783
1703654784
1703654785
1703654786
•申请贷款地点离客户家庭住址和单位地址的距离；
1703654787
1703654788
1703654789
1703654790
•客户以前的互联网行为是否活跃；
1703654791
1703654792
1703654793
1703654794
•电商数据、浏览数据、电信运营商等也记录了大量的客户联系方式，均可以用来预测客户是否为欺诈客户。
1703654795
1703654796
1703654797
1703654798
申请欺诈模型应用于欺诈监测，排除欺诈客户。金融机构可按欺诈风险的高低采用不同的策略。对于欺诈得分很低，欺诈风险特别高的客户直接拒绝；对于得分较低的客户，可以进行二次审核，通过专业的反欺诈审批人员对客户进行调查，如果发现有欺诈嫌疑则对客户进行拒绝；对于欺诈得分较高的客户，欺诈风险较低，可抽样进行欺诈风险排查。申请欺诈模型通常和规则一起使用，欺诈规则可以增加欺诈监测的精准性，例如金融机构利用积累的欺诈黑名单，拒绝有欺诈嫌疑的客户。
1703654799
1703654800
大数据在申请欺诈模型中的应用
1703654801
1703654802
移动传输技术与大数据的应用，为申请欺诈模型与策略提供了更多的信息。
[
上一页 ]
[ :1.703654753e+09 ]
[
下一页 ]