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: