互金线上产品风控流程

小编之前接触较多的是大额产品风控流程。在大额产品中，由于额度动辄十万以上，我们要求用户提供征信报告，对征信数据的使用占了很大的比例。而低额度产品，则对征信报告的要求不高，很多人可能没有征信报告或获取难度较高。对于这类额度相对较低的产品而言，客户体验往往是第一的，强调快速下款，所以要求流程简单，通常只要客户完成核身即可申请。

我们目前主要产品的额度在1000-50000之间，期数有单期及多期。这里以多期的产品为例，探讨一下这类金融风控业务的特征及风控流程。

贷前环节

贷前主要包括用户准入、核身、反欺诈、授信评估、放款。

1.准入

用户准入主要分为强准入规则和弱准入规则。

一般来说，强准入规则是相对固定、不易改变的，比如一些地域、民族、年龄以及内外部黑名单等，又比如年龄必须满足20-45周岁才可以申请等。

弱准入规则主要是进行风险下探的，可以进行调整。比如灰名单的设置，不同于黑名单，灰名单是通过一些准确率较高的规则或者黑名单通过多级关联产生的，这些名单没有黑名单准确率高，但是在一定准确率条件下补充了黑名单的覆盖情况。

2.核身

主要包括实名认证、人脸识别和电子签章。

实名认证主要是身份证、姓名二要素认证、加上手机号码的三要素认证、还有加上银行卡的四要素认证。

3.申请反欺诈

对于低额度产品而言，重点是识别出欺诈用户，将他们拒之门外。

欺诈是操作风险的一种，主要包括：第一方欺诈、第二方欺诈、第三方欺诈。

第一方欺诈是申请人自己欺诈，身份是真实的，申请者本人是知情的，比如自己或通过中介包装信息进行申请。

第二方欺诈主要指内部欺诈，或内外部人员勾结进行欺诈。

第三方欺诈是使用、盗用冒用他人身份进行欺诈，申请者本人不知情，比如团伙利用农村收集的身份证进行欺诈。

目前反欺诈常用的手段有名单库（内外部黑名单）、专家策略、机器学习、关联图谱等。

4.授信评估

授信评估首先要对客群进行分类，或者按照渠道分类，或者根据客群本身的一些属性进行分类，比如有无信用卡客群等。

对分群之后的用户进行一些策略规则的制定，这时候可以用一些三方的分数或者对特征进行分析，找出重要度较大的特征，此处重要度可以根据IV、XGB、RF等多种算法综合排名，或者最优分箱，找出坏账率大于平均坏账率三倍左右的特征段进行策略规则的制定等等吧。

制定完规则后就是对客户的收入进行评估制作收入模型了，收入模型可以根据银行卡流水数据、公积金数据来做。

再接下来就是申请评分卡了，这里需要注意的是要把欺诈风险和信用风险区分开来做评分卡模型。

做完收入模型和申请模型后，就可将收入模型和申请模型做一个二维矩阵，对于矩阵中每个单元格设定一定的额度水平，在此基础上授予相应的额度。

5.放款

用户在授信后，会发起取款消费等操作。在这个过程中，我们需要保持对用户的持续监控，对客户进行鉴权认证，并保证用户的信息没有发生较大的变化，以及排除欺诈交易等。

贷中环节

放款之后，进入到贷中环节。在贷中环节，我们仍需对客户贷款进行严密监控，这样做的主要的目的有两个：

1.对异常账户的用户进行提前预警、催收；

2.对额度进行调整或冻结。

用户在提款之后，根据客户的借还款行为表现，通过统计或机器学习算法建立起模型，并使用模型去评估是否有逾期风险或者是否应该授予更高/低的额度。

模型通常会采取定期跑批的方式打分。比如说每月跑批，对符合条例规定的人，给他提前预警或者调额。同样地，根据模型分也可以制定若干强规则和弱规则。

贷后环节

贷后这块主要是逾期贷款催收的内容。主要包括：

1.使用贷后数据和三方数据制作催收评分卡，根据催收评分的结果，对可催人群进行差异化人工入催，优化催收成本，提升客户体验；

2.对失联客户的交易前后行为特征进行分析，结合社交信息建立起关联图谱网络，通过图谱中的社交节点进行失联修复。

来源|风控建模

作者|小溪1005

更多精彩，戳这里：