![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
风控之路
文章平均质量分 91
水木流年追梦
清华大学计算机研究生,专研算法工程
展开
-
【35分钟掌握金融风控策略32】贷后催收
其实催收策略的制订是很简单的,无非是在对客群精细化分层的基础上对低风险且逾期时间较短(如逾期时间小于7天)的客群弱化催收,因为这些客群随着时间的推移极可能主动还款,没必要投人过多的资源进行催收,对风险一般且逾期时间不是很长(如逾期时间为7~30天)的客群正常催收,这部分客群往往正常催收就能取得不错的催收效果,对高风险客群或者逾期时间较长(如逾期时间超过30天)的客群加强催收,若不加强对这部分客群的催收,则通常很难催回欠款。催收策略是贷后催收的核心,有效的催收策略往往能够取得事半功倍的效果。原创 2024-05-17 20:37:43 · 927 阅读 · 0 评论 -
【35分钟掌握金融风控策略31】贷后管理2
贷款五级分类将贷款质量划分为正常、关注、次级、可疑、损失五类,其中前两类称为优良贷款,后三类称为不良贷款,在此基础上,不良贷款率是衡量金融机构资产质量的重要指标。正常来讲,不良贷款是需要算入金融机构成本里的,若不良贷款规模过大,则需要较多的贷款损失准备金,甚至会影响正常业务的开展,所以,及时对不良贷款进行合理处理的意义重大。关注类贷款是指尽管借款人有能力偿还贷款本息,但存在一些可能对偿还产生不利影响的因素,如果这些因素继续下去,那么借款人的偿还能力将受到影响,贷款损失的概率不会超过5%。原创 2024-05-16 21:35:09 · 740 阅读 · 0 评论 -
【35分钟掌握金融风控策略30】贷后管理1
贷后是风控的最后一道防线,到了贷后阶段,风控的重点工作就变成了贷款回收和不良贷款处置。上文讲到的贷前和贷中风控主要影响放贷资产的人催率,通常情况下,若风控做得好,入催率会比较低,若风控做得差,入催率会高一些,但是,在贷款逾期后,贷前和贷中风控就无能为力了,这时就只能依靠贷后对逾期资产进行回收和处置了。在整个风控过程中,贷前、贷中和贷后分别侧重客户不同阶段的风控,只有将各个阶段的风控都做好,才能减少损失,增加收益。原创 2024-05-16 21:35:04 · 924 阅读 · 0 评论 -
【35分钟掌握金融风控策略29】贷中模型调额调价策略
贷中阶段涉及的风控场景较多且复杂,想要做好贷中风控,需要先梳理清楚贷中风控框架和不同风控场景要做的事情,做到“知己知彼,百战不殆”。贷中风控主要包括客户风险管理和客户运营体系两大部分内容,两部分内容联系非常紧密且经常会相互交叉,相对来讲,用信审批和贷中预警两个风控场景更侧重客户的风险管理,调额、调价、客户营销、续授信等风控场景更侧重客户的运营。原创 2024-05-15 22:21:35 · 1343 阅读 · 0 评论 -
【35分钟掌握金融风控策略28】贷中模型体系策略应用
在贷前模型部分已经讲过,贷前开发的很多模型是可以在贷中直接使用的。贷中与贷前的不同点在于,贷中阶段可以使用更多的客户交易行为数据,基于这些数据可以额外开发客户行为相关模型以及客户营销相关的模型。贷中模型体系主要分为三大块,分别为信用模型体系、反欺诈模型体系和贷中营销模型体系,在贷中模型开发完成后,同样需要由风控策略来运用这些模型进行决策,模型在运用的过程中才能体现其价值。原创 2024-05-15 22:21:31 · 1008 阅读 · 0 评论 -
【35分钟掌握金融风控策略26】定价策略
定价是对授信审批通过的客户给予合适利率的过程。如何定价、定价多少是由定价策略来决定的。定价策略的制订要遵循“收益覆盖风险”原则,对于优质客户,可以适当降低利率;对于风险偏高的客户,可以适当提高利率。通过差异化定价来覆盖风险的方式,可以在一定程度上让更多的人得到金融服务,达到普惠金融的目的。原创 2024-05-14 21:31:27 · 1073 阅读 · 2 评论 -
【35分钟掌握金融风控策略27】贷中风控策略与客户运营体系
贷中是风控的第二道防线,贷中阶段风控的重点工作就是存量客户风控及运营。在当下,新客市场趋于饱和且获客成本越来越高,所以,在做好存量客户风控的同时,对存量客户进行运营,可以更大程度地增加客户黏性、挖掘存量客户的价值。相较贷前,除要继续做好风控,贷中还多了存量客户运营的工作。贷中风控在循环额度类信贷产品中涉及较多,这类信贷产品的授信有效期较长且客户在授信有效期内可以多次用信,但是,随着时间的推移,很多客户的资质往往会发生较大的变化,这时,通过贷中风控管控存量客户风险就变得很有必要了。原创 2024-05-14 21:31:22 · 1156 阅读 · 0 评论 -
【35分钟掌握金融风控策略25】定额策略实战2
在实际生产中,客户的收入和负债数据大多无法直接获得,假设现在已知客户的风险评级、收入和负债信息、产品相关信息以及其他需要的信息等数据,要基于上述数据开发定额策略,如何进行呢?答案很简单,还是套用上文提到的定额策略开发固定格式进行分析。原创 2024-05-13 00:37:11 · 924 阅读 · 2 评论 -
【35分钟掌握金融风控策略24】定额策略实战
假设现在基于A卡模型分进行了客户风险评级,评级越高,客户风险越高,当前已知不同客户评级对应的A卡模型分区间、不同客户评级对应的工论值(假设工i 值基于历史数据回溯后计算得到,Lift 值=该评级区间客户的Badrate/所有客户的Badrate),则最终可以将Li值的倒数作为定额策略中的风险系数,具体示例见表。在正常确定客户的基础额度时,通常是结合每个客户的收入和负债情况给予不同客户不同的基础额度,但是当前无法获取客户的收入和负债信息,则可将预期的该信贷产品的平均授信额度作为所有客户的基础额度来使用。原创 2024-05-13 00:37:06 · 684 阅读 · 0 评论 -
【35分钟掌握金融风控策略23】定额策略
定额是对授信审批通过的客户给予合适授信额度的过程。如何定额、定多少额度是由定额策略来决定的。定额的多少与客户未来的动支情况、逾期情况和最终的收益情况息息相关,,所以,为客户合理定额显得尤为重要。原创 2024-05-12 10:28:57 · 1269 阅读 · 0 评论 -
【35分钟掌握金融风控策略22】授信审批策略
授信审批是贷前进行风险管控时的一个重要风控场景。授信审批的主要目的是审核进件客户资质,从中识别出资质差的客户并拒绝其授信申请,对于识别出的资质相对较好的客户,通过其授信申请。授信审批主要是基于授信审批策略来完成的,。通常将授信成功时间小于或等于30天的客户定义为新客,将授信成功时间大于30天的客户定义为老客,也就是说,一个客户的授信中请通过没多久,他就是新客,过了一段时间后,他就变为了老客。原创 2024-05-12 10:28:52 · 1155 阅读 · 0 评论 -
【35分钟掌握金融风控策略21】贷前额度策略
贷前包含了多个风控场景,这些风控场景的策略在执行时是否存在先后顺序呢?在贷前,除上述主要的风控场景,还有没有需要重点注意的事项呢?原创 2024-05-11 20:06:44 · 917 阅读 · 0 评论 -
【35分钟掌握金融风控策略20】贷前风控策略详解-5
GPS评分卡模型主要用来识别具有地域集中度的欺诈团伙,该模型以GPS点为单位对观察点(通常为切面时间点)前一段时间授信申请客户的信息进行整合,基于整合后的信息构建模型,模型的目标变量可基于该GPS点表现期内的欺诈率或首逾率来确定,欺诈率或首逾率超过某个阈值,则为坏,小于或等于该阈值则为好,模型最终输出的结果为GPS点对应的模型分,模型分越低,该GPS点越可能存在团伙欺诈,模型分越高,该GPS点越正常。在完成融合模型开发后,该模型在策略中的应用与A卡基本上是一样的,具体可参考A卡在策略中的应用。原创 2024-05-11 20:06:38 · 686 阅读 · 0 评论 -
【35分钟掌握金融风控策略19】贷前风控策略详解-4
风控过程中需要开发的模型主要包括分类模型、回归模型和聚类模型,这些模型主要是为了解决目标明确的特定问题而构建的。在构建分类模型的过程中,常采用决策树、逻辑斯谛回归、随机森林、GBDT、XGBoost、LightGBM等有监督机器学习算法,通过对成千上万个风控变量进行降维和组合,最终输出针对不同类别的预测概率,为了应用方便,通常会基于特定公式将概率值转换为风险评分;原创 2024-05-10 23:26:30 · 1239 阅读 · 0 评论 -
【35分钟掌握金融风控策略18】贷前风控策略详解-3
在金融风控过程中,金融机构通常会引入一些第三方的风控数据(或第三方金融技术)来辅助识别贷款个人或贷款企业的风险状况,帮助金融机构进行风控决策,达到控制风险的目的。9)基于各个维度的第三方数据构建风控子模型,基于构建的子模型进行极差贷款客户拦截;3)基于企业的税务评级(如评级不为A、B、C、M的企业)对纳税行为不佳的企业进行贷款拦截;1)基于企业的工商信息对注册时间短、法人变更时间短的企业进行贷款拦截;2)基于企业的涉诉信息对涉诉情况严重的企业进行贷款拦截;6)基于客户的涉诉信息对贷款风险客户进行拦截;原创 2024-05-10 23:26:25 · 700 阅读 · 0 评论 -
【35分钟掌握金融风控策略17】贷前风控策略详解-2
在贷前阶段,金融机构自身拥有的可用数据相对较少,主要有放贷过程中积累的个人和企业维度的黑/灰名单数据、内部多头数据、关联关系数据等。在贷前,主要基于上述数据拦截存在黑/灰名单记录、在金融机构多头借贷、疑似欺诈的风险客群。2)基于黑/灰名单(通常包括逾期名单)并结合客户贷前各种维度的数据,开发客户贷前反欺诈、信用申请评分卡模型进行风险管控;4)基于客户、设备指纹、电话(申请人和联系人电话)、GPS、IP地址等信息构建关系网络以识别欺诈团伙。3)基于客户在本金融机构的近期多头申请记录拦截高风险再贷客群;原创 2024-05-09 00:24:29 · 870 阅读 · 0 评论 -
【35分钟掌握金融风控策略16】贷前风控策略详解-1
俗话说,良好的开端是成功的一半,而贷前是风控的开端,其重要程度不言而喻。贷前风控的好坏会对贷中、贷后甚至整体风控目标的实现产生重要影响,而贷前风控做得好不好,风控策略是关键。原创 2024-05-09 00:24:24 · 1562 阅读 · 0 评论 -
【35分钟掌握金融风控策略15】基于Swap Set分析新旧策略更替的影响
在对新旧策略更替时,新旧策略会分别圈定相应的通过和拒绝客群,这些客群两两交叉就形成了图所示的SwapSet矩阵。新旧策略将客群划分为四个不同的子客群,不同子客群对应的含义如下。1)All in(A):矩阵中字母A对应的格子,指同时被新旧策略通过,审批状态没有变化的客群。2)Swap in(C):矩阵中字母C对应的格子,指旧策略拒绝但新策通过的态群,即换入客群。3)Swap out(B):矩阵中字母B对应的格子,指旧策略通过但新策略拒绝的客群,即换出客群。原创 2024-04-30 21:38:48 · 713 阅读 · 0 评论 -
【35分钟掌握金融风控策略14】AB测试和随机测试策略调优
风控策略中的AB测试是从服从同一分布的客群中进行随机抽样,将客群分为A组(对照组)和B组(实验组,虽然实验组要求不少于一组,但大多数情况下都是一组),A组和B组的样本量需要足够支持分析且A组和B组样本占比之和为100%,然后通常基于控制变量法执行A组和B组策略,待测试完成后,对比A组和B组策略的效能,基于分析结果舍弃效能差的策略,选择效能好的策略进行应用的过程。在贷前授信审批场景,被策略拒绝的样本是没有风险表现的,所以贷前授信审批策略整体和授信审批策略中具体的每一条策略是否有效都是要打上间号的。原创 2024-04-30 21:38:43 · 1600 阅读 · 2 评论 -
【35分钟掌握金融风控策略13】单维度策略监控和调优
若贷前授信审批环节上线的是基于决策树开发的多维度策略,那么如何监控多维度策略效能呢?很简单,将多维度规则拆分成多条单维度规则,利用单维度策略效能监控方法分析每一条单维度规则效能,若单维度规则效能同时在变差,就近似认为多维度规则效能变差了,可适当进行策略放松;若单维度规则效能同时在变好,就近似认为多维度规则效能在变好,可适当进行策略收紧;若有些单维度规则效能在变好,有些在变差,有些效能稳定,则可暂不对多维度规则进行调优,继续进行监控即可。原创 2024-04-28 00:02:38 · 922 阅读 · 0 评论 -
【35分钟掌握金融风控策略12】风控策略监控调优
授信审批策略主要涉及对具体规则触碰指标、风险表现指标的监控。在监控策略触碰指标时,主要监控策略触碰量、触碰率有没有出现陡升或陡降的情况,可设计如策略触碰率环比、策略触碰率离散系数等指标对策略进行监控;在监控策略风险表现指标时,主要监控随机样本中策略触碰样本的Lift 或策略使用变量拒绝阈值附近分箱的Lift等指标。原创 2024-04-28 00:02:32 · 1017 阅读 · 0 评论 -
【35分钟掌握金融风控策略11】风控策略监控及调优
风控策略监控和调优是两个联系非常紧密的课题。在策略上线决策后,需要持续对策略运行情况进行监控,主要监控策略决策结果是否存在异常,若出现异常,则要马上分析策略异常的原因,基于分析结果对策略进行版本回退、问题修正、收紧、放松、下线、重新开发等调优操作,确保线上运行的策略保持效能最大化。原创 2024-04-27 02:19:26 · 944 阅读 · 0 评论 -
【35分钟掌握金融风控策略10】风控策略部署2
决策引擎是风控策略和风控模型部署并进行集中决策的平台,也是金融机构所有风控系统中的核心系统,它可以被看作智能风控的“大脑”,支撑着贷前、贷中、贷后大多数风控场景的风险评估和决策。决策引擎系统往往具有可视化、操作简单等优点。它具有以下四个核心功能。1)变量接入和整合。决策引擎实现了对底层变量的接入和整合,将所有来源的变量汇总到一起,为模型和规则的计算奠定了基础。2)实现模型和规则计算。决策引擎基于整合的变量对模型和规则进行计算,并输出计算结果。3)实现决策流配置。原创 2024-04-27 02:19:22 · 758 阅读 · 0 评论 -
【35分钟掌握金融风控策略9】风控策略部署
在策略评审通过后,需要将策略部署到决策引擎上进行决策,这样才能发挥其作用。策略部署是策略全生命周期管理中的重要一环。原创 2024-04-21 13:52:34 · 978 阅读 · 0 评论 -
【35分钟掌握金融风控策略7】基于CART模型进行多维度策略开发
贷前授信审批、贷中用信审批、贷中预警、贷后催收等多个风控场景都涉及多维度策略的开发。在开发上述场景多维度策略的时候,通常基于CART 模型进行。为什么基于CART 模型进行多维度策略开发呢?因为CART模型是二叉树,生成的决策树规则简单易懂,方便快速部署到决策引擎上进行风险管控。当然也可以基于如C4.5模型进行多维度策略的开发,但是模型是多叉树,比二叉树更复杂,所以应用没那么广泛。原创 2024-04-21 13:52:29 · 873 阅读 · 0 评论 -
【35分钟掌握金融风控策略8】策略评审
当策略开发完成后,策略开发人员将策略评审文档和相关分析结果文档以邮件的形式发送给策略评审委员会成员,在策略评审委员查看策略分析内容后,由策略评审委员会秘书处人员询问各位评审委员是否需要组织策略评审会进行策略评审。若需要进行策略评审,那么,在进行策略评审时,由策略开发人员介绍策略调整背景、调整内容、分析思路、分析方法、分析结果、策略上线后的影响、数据源成本变化等内容,策略评审委员在策略开发人员讲解的时候提出问题,策略开发人员对评审委员的疑问进行解答。待策略评审会结束后,秘书处人员撰写并同步会议纪要。原创 2024-04-20 12:17:28 · 954 阅读 · 0 评论 -
【35分钟掌握金融风控策略6】决策树风控策略开发
常见的数据清洗工作是缺失值处理。若缺失的样本较多或者缺失值是关键的特征值,则抛弃有缺失值的样本将造成较多有用信息的浪费,并且最终构建的决策树可能存在较大偏差,在这种情况下,抛弃缺失样本的方法是不可取的。通常的做法是基于业务情况了解产生缺失值的原因,对有缺失值的特征进行插补或者不处理缺失值,直接将有缺失值的样本纳人建模样本集中来构建决策树模型。由于采用贪心算法生成决策树,因此最终得到的决策树往往非常庞大且冗余,很容易在训练样本上产生过拟合,即在训练样本上的准确率非常高,但是在验证样本上的准确率比较差。原创 2024-04-20 12:17:13 · 1077 阅读 · 0 评论 -
【40分钟速成智能风控16】模型训练
optimizer 是指神经网络模型中所运用的各类梯度下降的计算方式,常见的有SGD、RMSprop、Adam等,这些优化器都是在传统SGD的基础上,围绕动量(momentum)和学习率衰减因子(decay)展开,目的是平衡梯度下降的效率和精度,需要根据实际数据来选择和尝试不同的optimizer。其中,训练集是用来训练模型的参数;对于这种超参数不多的情况,可以利用网格搜索(GridSearch)方法,遍历出不同超参数下验证集上的模型效果,选取验证集上效果最优的一组超参数训练模型,并在测试集上测试。原创 2024-04-15 22:03:43 · 1197 阅读 · 0 评论 -
【40分钟速成智能风控15】特征工程
假设第i个样本为x,第i个样本的第j个特征为x,模型对第i个样本的预测值为yi,模型的基线(通常是所有样本的目标变量的均值)为。对于统计学流派中的逻辑回归,由于没有正则化的处理方式,特征之间的相关性会对模型的稳定性和可解释性造成比较大的影响。特征筛选的最后,还需要业务人员从解释性的角度出发,对筛选后的特征进行最终的确认。这里举两个例子,比如信用模型和反欺诈模型通常会在贷前策略中交叉使用,因而业务人员希望这两个模型的入模变量能够尽量正交,信用模型集中在长期稳定的特征,而反欺诈模型更偏重短期内的变化。原创 2024-04-15 22:03:38 · 893 阅读 · 0 评论 -
【40分钟速成智能风控13】智能模型数据处理1
在处理海量数据的过程中,不可避免地会遇到“脏数据”的问题,这些“脏数据”不仅会影响线上模型的准确性,更严重的甚至会导致线上服务的报错和停止,因此数据清洗是大数据建模过程中需要进行的第一项工作。对于手机号,除了必须满足“^1[3-9][0-9](9}S”这类规范之外,还需要清洗连续8位相同数字或者12345678这种明显异常的手机号,否则会出现一个手机号对应过多的客户ID的情况,造成下游任务的数据倾斜,以及关联图谱中的异常聚集。因此对于缺失值,我们要先明确数据缺失的原因,再根据不同的情况采取相应的处理方式。原创 2024-04-14 15:49:06 · 975 阅读 · 0 评论 -
【40分钟速成智能风控14】数据处理和特征工程
保证数据的唯一性也是数据清洗过程中需要关注的问题,过多重复数据会导致存储冗余,并且在表与表关联过程中,可能出现笛卡儿积造成内存溢出。去除重复数据的前提是确定该表对应的唯一主键,基于唯一主键再去做重复值的处理。原创 2024-04-14 15:49:02 · 792 阅读 · 0 评论 -
【40分钟速成智能风控12】风控指标体系(详细版)
【代码】【40分钟速成智能风控12】风控指标体系(详细版)原创 2024-04-13 10:27:21 · 795 阅读 · 0 评论 -
【40分钟速成智能风控11】数据测试与应用
智能风控模型的搭建离不开机构内外部的数据源,如何从海量数据源中挑选出最合适的部分进行特征工程和风控建模,是风控人员在实际工作中所面临的问题。线上每个数据源的引入,都需要先通过一套完整的数据测试和应用流程。原创 2024-04-13 10:27:14 · 582 阅读 · 0 评论 -
【40分钟速成智能风控10】风控大数据体系2
在模型圈内有这么一句俗话,“特征决定了模型的上限,而算法只是逼近这个上限”,由此可见特征工程在风控建模中的重要程度。特征工程的本质是基于原始数据的信息提炼,风控场景中的很多数据源,单独来看可能和风险表现关联性并不强,但是加工成特征后,却会与我们想要预测的目标产生紧密的联系。特征工程的方法有很多,有效的风控特征是建模人员通过历史经验和长期探索积累而来的,也是一家互联网金融公司最核心的数据财富。以下是笔者总结的一些在智能风控模型中常见的特征工程方法。原创 2024-04-12 20:51:31 · 1058 阅读 · 0 评论 -
【40分钟速成智能风控9】风控大数据体系
基本信息的获取一般也分为两类,事实类和挖掘类。而挖掘类的基本信息,则是基于客户填写的四要素,关联机构内外部数据,通过规则和模型的方式构建完整的客户画像标签,从而指导后续的模型建立。信贷交易信息明细是详版征信报告中最核心的数据,记录了借款人每笔贷款/贷记卡/准贷记卡2年内的还款记录和5年内的逾期记录,还包括截止到查询日的账户状态、五级分类、余额和剩余还款期数、本月应还实还、当前逾期期数和金额、不同逾期阶段的未还本金等,基于这些原始数据,建模人员可以衍生出上百个定制化的特征,构建征信数据模型。原创 2024-04-12 20:51:25 · 728 阅读 · 0 评论 -
【40分钟速成智能风控8】智能反欺诈模型2
图计算(Graph Computing)是以关联图谱为基础引申出来的一类算法的统称,主要解决了图数据模型的表示和计算问题。图计算是目前比较热门的一个研究方向,比较成熟的应用场景有社区发现、标签传播、图嵌入等。社区发现(Communication Detection)主要用于关联图中社区的划分,与聚类算法的目标类似,我们也希望社区划分后每个社区内部节点联系密切,而社区之间的连接较为稀疏,因而这里定义了模块度的概念。原创 2024-04-11 00:56:46 · 975 阅读 · 0 评论 -
【40分钟速成智能风控7】智能反欺诈模型
在人工配置规则和模型的过程中,难免会存在一些操作上的失误,有了版本管理功能,就可以快速定位配置中的问题,并且在必要的时候回滚到上个版本的策略,减少线上的损失。风控人员首先通过离线回溯的方式制定几套实验策略,然后通过决策引擎中的“冠军挑战者”模块部署相应的规则和模型,通过观察一段时间内各个实验组的逾期率和核准率,来决定是否替换当前线上的对照组。传统的反欺诈技术主要依赖于案调人员的事后调查和业务专家总结的黑名单库及规则集,对于欺诈案件的发现相对滞后,且召回率低,错过了很多潜在的欺诈风险。原创 2024-04-11 00:56:41 · 665 阅读 · 0 评论 -
【40分钟速成智能风控6】智能风控体系
决策引擎是媒介,承载了风控人员部署的模型和策略,输出客户的决策结果以及额度利率;评分卡模型的部署相对较为简单,只需要在决策引擎中选择最终人模的标签,同时设置每个标签的分箱及对应的分数,这样对于每一个借款人的申请,决策引擎都可以实时计算出该客户的评分,并且将模型分数作为一条规则。最后想补充说明的是,由于大数据平台的计算链条较长,且充斥着大量的数据处理步骤,在实际生产中平台的监控和预警机制至关重要,例如对于上下游依赖关系的判断、每个时间分区数据量的监控、邮件和短信报警等,都是把控数据准确性和时效性的必要手段。原创 2024-04-09 23:34:20 · 1205 阅读 · 0 评论 -
【40分钟速成智能风控5】评分卡模型
在评分卡模型中,逾期的定义即为模型学习的目标,不同的逾期定义会导致模型适用的场景发生变化。对于银行来说,通常M3+(历史最大逾期天数超过90天)会被定义为逾期。而对于互联网金融机构来说,由于贷款产品普遍期限较短,客户的逾期表现就会暴醒得更导,因而需要通过滚动率分析(Roll Rate Analysis)找出最适合的逾期定义。滚动率分析通过观察客户在各个贷款状态间的转移概率提前我出稳定的逾期定义。原创 2024-04-09 23:34:14 · 999 阅读 · 0 评论 -
【40分钟速成智能风控4】传统风险管理体系
随着大数据和机器学习技术的发展与成熟,智能风控已经逐步取代传统风控,成为国内互联网金融机构主流的风险管理模式。一方面,传统风控是智能风控的基础,只有了解了传统风控的方法论,才能帮助大家更好地学习智能风控的相关内容;另一方面,传统的风险管理体系中有许多值得我们借鉴的理念和思想,并且它们在一些特定的风控场景中仍然适用。因此,作为风控领域的从业人员,只有同时掌握了传统风控和智能风控两方面的知识,才能够因地制宜,面对不同的问题制定最合适的解决方案。原创 2024-04-08 22:02:30 · 1017 阅读 · 1 评论