【35分钟掌握金融风控策略1】场景概述1

水木流年追梦

已于 2024-04-04 00:53:32 修改

阅读量1.6k

点赞数 54

分类专栏：风控算法风控之路文章标签：算法机器学习人工智能自动化深度学习大数据

于 2024-04-04 00:53:14 首次发布

本文链接：https://blog.csdn.net/qq_32146369/article/details/136311637

版权

风控算法同时被 2 个专栏收录

112 篇文章

订阅专栏

风控之路

105 篇文章

订阅专栏

本文详细阐述了风控策略在金融中的重要性，解释了策略与模型的区别，强调了策略的全局视角和模型的局部优化作用。策略与业务紧密相关，模型则作为策略需求的支撑。风控策略与模型在项目发展中存在先后关系，策略依赖模型但又引导其发展。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

风控场景概述

金融的核心是风控，风控的核心是策略和模型，所以，要做好风控，就不得不提到风控策略。对于风控的绝大多数场景，都需要基于风控策略直接进行风险管控，如授信审批场景中需要授信审批策略，定额与定价场景中需要定额和定价策略，用信审批场景中需要用信审批策略，调额与调价场景中需要调额和调价策略，催收场景中需要催收策略等。

风控策略的定义

风控策略是指策略开发人员基于风控政策、业务场景、风控抓手，针对目标客群，通过一系列规则的设计、组合和应用，对客户进行筛选、分类、评估、处置，在尽可能实现业务增长的前提下控制风险、平衡损失、提升效率，最终达到利润最大化的目的。

在实际工作中，有些人觉得风控策略的最终目标是降低风险，其实这是不正确的。风控策略的最终目标是平衡损失和收益的关系，从而实现利润最大化。在风控过程中，风险低不一定意味着利润高，以贷前授信审批策略为例，如果将批核率降至非常低的水平，风险必然下降，但是这样把很多借贷客户都拒绝了，从而导致放贷规模大幅下降，进而导致利润下降。风险高可能利润也高，还是以贷前授信审批策略为例，我们适当将批核率调高，放贷规模势必上升。但是随之而来的是风险也会出现一定程度的上升，此时，只要能确保增加放款带来的收足够覆盖损失，最终必然会增加利润。需要说明的是，平衡损失和收益的前提是使用的风控策略要足够精准和有效。

可以把通过风控策略实现利润最大化看作一个求全局最优解的过程，在这个过程中，只有综合考虑和应对与风险相关的方方面面的事情，才有可能逼近这个全局最优解。本书主要讲的是为了逼近利润最大化这个全局最优解，风控策略在贷前、贷中和贷后具体要做什么、怎么做。

风控策略是由一系列规则组成的。策略是一个偏宏观的概念，规则是一个偏微观的概念。但是，在日常工作中，我们经常不区分这两个概念，很多时候提到的策略其实指的就是规则。

策略和模型的区别与联系

在风控领域，策略和模型经常被同时提及，那么它们究竟有什么区别与联系呢？风控模型是金融机构针对特定风控场景的风控问题，基于一定的前提假设，通过统计学习和最优化方法求解出最优参数的一种结构，最终达到解决问题的目的。

风控策略和风控模型的区别主要体现在以下三个方面：

解决的问题不同

策略是由一系列规则组成的，主要用来解决某一方面的问题（如平衡贷前损失和收益，尽可能实现收益最大化)，而模型主要用来解决定义清晰的某一个问题（如精准识别贷前逾期率高的客群)。策略就像一个将军，它解决问题是从全局出发的，最终想要的是实现全局最优化；而模型就像一个特种兵，它基于策略达到局部目标，实现局部最优化，只有重要的局部均实现最优化，才能最终实现全局最优化。