常用的风控模型有哪些?

冰鉴科技
 
新兴技术近年来正在全面渗透金融行业,行业在传统金融业态的基础上,开启了一场由内而外的深刻变革。而金融与风险往往始终相伴,使用大数据智能风控也成为金融行业的共识。那么到底常用的风控模型有哪些呢?
 
一般来说金融信贷中的风险主要集中于信用风险及欺诈风险。我们具体将风控模型分为以下三个阶段来进行讲解:
 
一、贷前阶段:
 
这一阶段的数据来源主要分为申请信息、历史消费信息、外部信息(例如多投借贷、公积金等)。常用风控模型包括:
 
1、用户响应风控模型:针对互联网,数据来源多样,类似漏斗模式,分析获客阶段的用户转化情况,如:引流、导流、注册成功等信息,以及在某个阶段进行埋点分析流失状态。
 
2、申请评分卡风控模型:即A卡,主要侧重贷前风控,在客户获取初期,建立申请评分卡模型,预测未来客户在放款后逾期与违约的概率。
 
3、申请反欺诈风控模型:识别欺诈风险高的客户,捕捉各类欺诈行为,如身份造假,非客户本人的行为等。一般分为第一方反欺诈和第三方反欺诈。
 
4、风险定价风控模型:根据客户的历史情况分析,应该制定多少初始额度和初始利率比较合适。
 
5、用户价值风控模型:在风险评分难以决策的灰分区域,制定置入置出策略,预测客户在开户后能够为机构带来潜在收益。在相同风险等级客户里,可以筛选收益等级高的客户,最大化挖掘其收益潜力。
 
二、贷中阶段:
 
和贷前阶段不同,这个阶段用户已经有过至少一次的还款行为,所以在数据维度会加入借贷数据,进入到贷中客户管理阶段。常用风控模型包括:
 
1、行为评分卡风控模型:也就是我们常说的B卡,通过分析不断去挖掘客户的各种需求,去推荐一些差异化的信贷产品,主要是给我们的客户交叉销售产品和提额。
 
2、交易反欺诈风控模型:交易阶段,识别一些羊毛党刷单、薅羊毛和套现行为。
 
3、客户流失风控模型:对客户流失的原因进行分析,提前知道哪些客户会流失,及时采取挽回措施。
 
三、贷后阶段:
 
经过以上两个阶段,还有一小部分用户会逾期进入催收阶段。常用风控模型包括:
 
1、催收预警风控模型:预测出来一些轻度逾期的客户,这类客户可能只是单纯的忘记还款而已,这个时候就不需太多人工催收参与进来,先进行短信提醒等简单的催收工作即可。
 
2、还款率预测风控模型:预测经过催收之后,最终收回的欠款比率。
 
3、迁徙率模型:评估客户短期内会不会违约,可以预测逾期的人群从轻度逾期发展到重度逾期的概率。
 
4、失联修复风控模型:逾期阶段,客户本身联系不上,通过数据库挖掘新的联系方式(如,身边的亲戚朋友等),修复客户失联状态。
 
常用的风控模型主要就是以上这些。作为大数据智能风控领域的龙头企业,冰鉴科技基于领先的技术研发能力和优异的风控模型能力,为银行、持牌消金及其他金融机构搭建全流程的智能风控体系,帮助客户防范风险、改善用户体验,提升业务决策的灵活性、敏捷性和准确性,实现数字化转型,目前冰鉴科技业务已覆盖所有头部金融机构。