金融风控模型前世今生

风控模型近年来比较流行，之前银行等金融机构主要是用风控规则来识别坏客户。这是为什么呢？我们知道风控模型主要是用于识别坏客户（bad customers）。风控模型流行离不开超前消费主义盛行的大背景。

（传统银行贷款流程）

之前为了鼓励消费和规避风险，银行对优质客户发放信用卡。
信用卡办理需要审核客户诸多因素，包括目前是否工作，公司名称，工作年限，收入，住房，家庭成员数量等等。然后银行根据收集资料评估客户信用风险，最后决定是否发放信用卡以及信用卡额度。
信用卡针对优质客户，基本是满足有工作（在职），缴纳社保等条件才能办理。这些客户有一定偿还能力。
    

随着超前消费主义盛行，个人消费贷款规模不断扩张。市场逐渐从有信用卡客户扩展到无信用卡客户（略次级）。线上现金贷产品越来越多，例如借呗，微粒贷，京东白条，安逸花。传统银行也设立创新事业部，模仿市场上消费金融公司，把个人消费贷款市场扩展到无信用卡人群（次级人群）。

居民短期消费贷增速较大，2017年同比增长37.9%。

从2008年到2017年，居民短期消费贷逐年递增。

中国90后成为短期消费贷款主要群体，消费市场高达3万亿。

庞大市场引来线上消费贷款产品猛增。

中国家庭债务占总收入的比例从 2017 年的 93.40% 上升至 2018 年的 99.90%（人民银行数据）。消费贷款的体量越来越多，风险也随之上升。近年很多年轻人贷款后偿还能力不足，形成多头借贷。这无疑对中国金融系统稳定造成重要影响，甚至是一颗大的地雷。

除了偿还能力弱的客群，还有一支庞大黑产团队。他们专门在网上贷款诈骗，压根就想过要还钱。

下图展示黑产大量作弊设备，攻击软件。

危急关头，金融风控模型挺身而出，识别坏客户，承担降低金融公司信贷风险职责。

2000-2008后，全球逐步进入大数据时代，随着用户数据整合，诞生央行征信，公安人脸数据，芝麻信用分，同盾分，聚信立蜜罐分，百度黑中介分等参考数据。银行，消费金融公司，小额贷公司可以利用大数据建模，利用机器智能决策代替绝大部分人工审核，缩短信贷流程，减少贷款风险，实现利润最大化。

风控建模和数据分析从业者享有较高收入，其收入接近金字塔尖。

下图展示部分模型开发和数据分析人员就业薪酬

版权声明：文章来自公众号(python风控模型),未经许可，不得抄袭。

为了揭秘如何用python建立金融风控模型，欢迎各位学员关注系列课《python金融风控评分卡模型和数据分析》，学习更多金融建模知识：

https://edu.csdn.net/combo/detail/1927