金融风控笔记-业务概念等

风控流程
信用刻度好处
- 随时调整通过率
- 信用评级
- 监控模型效果

• 数据采集#爬虫
• 反欺诈#A\B\C卡
• 策略
• 模型
• 催收
  数据采集：涉及到埋点和爬虫技术，基本上业内数据大同小异。免费的运营商数据、安卓可爬的手机内部信息（app名称，手机设备信息，部分app内容信息）、以及收费征信数据、各种信息校验、外部黑名单之类的。还有一些特定的场景的现金贷和消费金融会有自有的数据可供使用，比如阿里京东自己的电商数据、滴滴司机数据、顺丰中通的快递数据等等。
  反欺诈引擎：主要包括两个部分，反欺诈规则和反欺诈模型。很少使用传统监督模型，涉及到的算法以无监督算法、社交网络算法、深度学习居多。大部分的公司都使用的时反欺诈规则，这也是主要提倡的。一个原因时欺诈标签不好的大，很难做进啊都学习的训练。还有一个原因时传统的机器学习对欺诈的监测效果很差。因为所谓欺诈，就是一些黑产或者个人将自己包装成信用良好的用户，进行借款后失联或者拒不还钱。既然伪装成了好客户，基于风控人员主观思考建立的统计模型，又怎么可能又好的效果。但实验发现深度学习有意想不到的效果。基本思想理解为：简单评分卡解释性强，坏处是可以被逆向破解，而复杂模型的黑箱操作虽然解释性差，却又一定的安全性。
  规则引擎：策略，主要通过数据分析、挖掘手段以及一些监督、无监督算法，得到不同字段、各个区间的坏账率，找到最佳分段区间，然后得到筛选后信用较好的一批特定人群进行放款。这一块主要有单变量分析和一些关键指标的计算和监督，比如rollrate, psi, ks ,auc，等等。通产规则和模型时组合使用的，尤其在反欺诈场景中。
  风控模型：通过监督算法构建违约概率预测模型；风控模型其中包含了A//C卡。模型算法之间可以没有显著区别，而是根据其发生的时间点不同而进行划分的（贷前/贷中/贷后），也就是y产生的方式不一样。通常信贷领域都是用逾期天数来定义y。A卡可以用客户历史逾期天数最大的天数。B卡则可以多期借款中逾期最大的一次。C卡因为用途不同有不同的建立方法。比如有内催，有外催。外催回款了低，单价贵。那么就可以根据是否被内催催回来定义y。
  催收：最终手段，产生很多数据，如催收记录的文字描述，触达率，欺诈标签等等。主要算法与催收模型相关，可能是监督、无监督算法，也有基于社交网络算法构造的失联模型等等。
  几个概念：
• Badrate:坏人占比
• MOB(month on book):开卡时长
• Vintage分析法是一种动态分析法，用来分析不同时期资产的表现情况，它以贷款的账龄为基础，观察每批放款贷后1、2、3、4…N个月的逾期情况。
• Roll-rate分析追溯贷款状态之间的每月的迁移情况，展示了每批贷款进入下一个逾期状态的概率。