银行风控模型

风控催生原因

对于银行来说，现今互联网贷款和信用卡办理面临的主要难题是数据和风控。站在银行或金融机构角度，自然而然是想获得更多的信息和数据，但是在收集数据这方面又是比较无力的。加上当下的发展趋势，消费贷以及贷款审批速度都要求快。如何在快的的过程中对客户进行一个全面的审查，得出一个合理的结果呢？如果没有详细的数据对客户进行评估，这势必会提高放贷的风险。

风控概述

所谓风控，是指多银行贷款资金的风险把控，是对风险的一个评估。

主要体现在两个方面：

1、贷款前的风险评估，主要针对申请贷款或者信用卡的用户，银行风控中心会对你的个人情况和征信进行调查核实，从而分析是否可以将贷款发放给你，发放多少额度。

2、放款后的风险监控，发放贷款以后银行也会定期的对贷款人的情况进行跟踪了解，能够及时的掌握资金的流向性，保证资金能够安全回收。另外在理财投资过程中也是会运用到风控体系，投资者可以向银行申请对自己所投资的理财产品进行风险评估，选择比较有保障的理财方式。

整体思路

在业务开展初期需要引入海量跨行业数据作为风控模型的基础，建立全面的风险管理体系。并在自有数据不足的情况下，建立反欺诈模型、评分模型、授信策略模型、定价模型等风控模型。

例如：通过海量数据分析得出模型变量，这些模型变量用于风控模型，得出一个评分评级结果。

数据源

1、政府类公共数据：包括社保、公积金、税务、水电缴费、地税、月日均等等。

2、平台数据：如微信、支付宝。

3、第三方数据：专业数据厂商。

风控模型

1、基本准入规则：对一些好客户开放某些业务，根据注册年限和消费次数等设置一个基本的准入门槛，对于后期可以分层次分批次的制定不同的风控策略。

2、反欺诈政策：从申请反欺诈、行为反欺诈、设备反欺诈等多维度制定反欺诈规则，确保及时侦测和处置可疑警告，维护黑名单数据库及时性、准确性、有效性，熟悉了解贷前、贷中、贷后业务全流程对反欺诈功能的需求。

3、评分模型：根据风险策略设置相应的权重，指定出完整的评分模型，并依据评分结果指定出审批策略、授信策略等。

4、审批流程管理：将不同的客群进行细分，采用决策树或规则组的方式对不同的客群制定不同的策略和规则，实行精细化审批。

5、贷后检测：对信贷客户进行日常贷后监测，及时发现风险信号，对于触发风险预警的客户采取一定的措施，如电话核实、提前收回贷款等。

6、模型优化与验证：跟踪、监测、维护及优化风控策略，确保风控策略的效能及其提升。