《基于大数据的金融企业风险控制.pdf》由会员分享，可在线阅读，更多相关《基于大数据的金融企业风险控制.pdf（27页珍藏版）》请在金锄头文库上搜索。
1、基于大数据的金融企业风险控制 以百融金服为例 毛基业 中国人民大学 商学院 2016 2 26 通过解决金融企业的信息不对称 大数据可以 帮助金融企业解决由于信息不对称而带来的营 销 定价 风险 欺诈以及催收等问题 大数据之于金融企业的价值 大数据时代 金融机构之间的竞争将在网络信息 平台上全面展开 说到底就是 数据为王 谁 掌握了数据 谁就拥有风险定价能力 谁就可以 获得高额的风险收益 最终赢得竞争优势 案例背景 百融 北京 金融信息服务股份有限公司 简称 百融金服 是一家专业提 供大数据金融信息服务的公司 百融金服依托大数据技术及来自互联网 金融机构 线下零售 社交 媒体 航空 教育 运营
2、商 品牌商等多维数据源 创新性地为信贷 保险 投资 理财等行业企业提供获客引流 精准营销 客群分析 风控管理 反欺诈 贷前信审 贷后管理等服务 提升金融行业整体运营管理水平 百融金服坚持开放 互补的数据联盟战略 致力于运用新技术 新手段 为 金融机构搭建营销与风控体系 立志成为国内金融领域最大的第三方风控及 营销服务提供商 线上线下融合的大数据金融建模及实践效果 传统的风险与营销建模思路 线上线下融合的大数据风险与营销建模思路 实践效果 01 02 03 01 传统的风险与营销建模思路 传统的信用评分卡变量 采用的变量 信用记录时间 信用额度 借款逾期记录 房屋按揭还款记录 用款占信用额度的比
3、例 坏账记录 最重要的变量 各种还款逾期 坏账数据 之前没有与金融机 构发生借贷关系的 用户无法被金融机 构有效地评估信用 传统的信用建模方法 金融机构的方法 使用金融数据进行金融建模 大概10 20个强变量 Y 还款违约概率 F X1 X2 Xn Y 0 32 银行现状 申请表 人行报告 0 38左右 申请表 百融报告 0 49 KS值 注 KS值被用来评判模型区分好坏客户的能力 是银行界统一使用的标准 KS值越大模型越好 信用风险评估模型 某银行信真实模型 假设模型预测一批客户会产生逾期 其中a 预测正确 的确产生了逾期 b 预测错误 事实上 没有逾期 则 KS a b 百融评分介绍 评分
4、模型是基于真实的贷款违约数据建出来的 评分即 百融信用申请分 将来会拓展到百融评分体系 涉及 信用申请分 信用行为分 欺诈评分 催收评分等 信用申请分主要基于个人最客观的行为偏好数据 利用机器学习 和大数据技术 从几千个原始的弱变量中提取出能够有效识别好 坏客户的强变量 再运用国际上流行的个人信用评分模式 以使 模型具备有效性 稳定性和高预测能力 信用申请分 在保证数据真实 客观 全面的前提下 综合评估 了百融库的关键信息匹配数据 稳定性数据 商品消费偏好数据 媒体阅览偏好数据 资产数据 申请信息核查数据等 以更加准 确的评价个人的信用风险 百融评分介绍 百融评分 评分分值在300 1000分
5、 之间 分数越高代表信用 风险越低 违约的可能性 越小 不同的评分区间与信用风 险等级对应如下 300 500 高风险 500 550 中风险 550 1000 低风险 入选变量变量取值信用分值 发生交易次数最多的项 目类别 娱乐 游戏 动漫 3C 数码 餐饮食品 出差旅行 穿衣打扮 居家生活 36 46 64 51 发生访问次数最多的项 目类别 娱乐 游戏 动漫 时政新闻 文学 艺术 财经 生活 地方类社区 历史 社会 人文 科学 教育 财经 管理 汽车 旅游 交通 健康 医药 母婴育儿 知识 问答 游戏 动漫 33 48 56 40 匹配类型 只有ID或者邮箱匹配 ID和邮箱匹配 or 只
6、有手机匹配 ID和手机匹配 手机和邮箱匹配 or ID 手机和邮箱都匹配 35 39 45 49 用户在娱乐类目的消费 级别 0 48 and 0 68 and 0 96 69 56 52 50 用户3C数据类目的消 费金额 550 and 4400 39 51 54 申请评分卡 评分卡示例 数据安全资质保障 已经获得公安部信息系统安全等级保护二级资质 符合征信法规对征信企业的 安全性资质要求 365天每天都有人值班 每天都向公安系统发送安全报告 正在申请 公安部信息系统安全等级保护三级资质 与银行同等级的资质 ISO 27000 国际标准化组织信息安全管理体系 参照国际大数据公司的最佳实践 对关键数据进行加密 脱敏 分块管理和传 输加密 确保了用户身份信息的私密性和安全性 自建了包含1000多台服务器的云平台 公司运营5年多以来 拥有1000多家客 户 每天处理8000多万用户的行为数据挖掘任务 从未发生过一例安全事故和 安全投诉 谢谢
