收藏
课程回顾

“消费金融的大数据风控与反欺诈”高级研修班【第七期】


8月19—20日,由金融城主办的“消费金融高管研修”系列课程第七期“消费金融的大数据风控与反欺诈”高级研修班在北京开课。本次课程吸引了来自72家银行、消费金融公司和互金公司的130多位中高管。

为期两天的课程中,消费金融领军企业—工商银行牡丹卡中心、蚂蚁金服、捷信、宜人贷等机构高管现场授课,分别围绕“消费金融的大数据风控与信用卡反欺诈”、“大数据风险决策与定价在互联网金融中的实践”、“消费金融发展与风险控制”及“数据+技术驱动的风险管理”主题进行了深入、细致的讲授,并耐心回答了学员的提问。此外,近60名学员参访了第一家美国上市的金融科技公司——宜人贷。

小编特意将两天课程中的精彩片段进行了全面的梳理,供大家学习探讨!


余泉   蚂蚁金服微贷金融事业群风险管理部负责人

精彩语句分享:

其实风控模型并不是壁垒,大家的数据来源、模型差别不大,只是优秀的公司总比别人更勤奋、更精细。
风险来源主要有三个:1、信用风险 2、反欺诈风险 3、套现风险。中国跟国外不同之处在于,尤其要关注第二、第三个风险,因为中国的欺诈是团伙形式的,也是互联网化的。
风险管理到底要“严进宽管,还是宽进严管”?这个标尺的选择要分阶段,业务刚起来时,通常要更谨慎,因为产品刚上市,坏人一定先来。
产品本身带来的逆向选择是十分重要的。因为不管什么样的产品,坏人总是会用,只有好的产品,好人才会用。
利用碎片化数据做模型,首要思考的问题是要建几个类型的模型,最起码要有PD模型,要有偿债能力的模型,此外,还需要额度需求模型、生命周期模型、贷款期限模型资产负债模型等。
信用风险管理中的额度和准入并重。管理风险的主要工具是额度。
到底要“额度一步到位还是low & grow”?low & grow这种阶段性的管理是花呗风控中特别有用的策略,先给小额度试探,这跟花呗的客户群相关。
一开始是Application score card,一年之后一定要建Behavior score card,因为你自己掌握的行为数据,一定比外面的数据更有用。
对今天做的决策进行价值评估,把未来的现金流折算成今天的现值,在中国没有多少公司能做到,因为PD风险评估模型就已经伤筋动骨了,决策价值评估模型没那么容易,需要自上而下的推动。



Tomas Skoumal   捷信首席风控官 

精彩语句分享:

反欺诈策略:我们的目的不是抓住每个欺诈分子,而是要预防大规模的欺诈出现,预防风控体系中的漏洞被欺诈团伙利用。
潜在欺诈者,更容易选择现金贷。
所有的风险中信用风险对于CFC来说是最重要的。信用风险将极大影响产品的收益,因此对该风险进行管理是非常必要的。
当我在描述评分卡预测能力时,我习惯用一个词“基尼”。好的评分卡的特征是,劣质客户应该集中在低分区域,好的客户集中在高分区域,这两个曲线之间就是基尼区域,基尼区域越大,评分卡越好。
优秀的风控官,除了预测情况和实际情况应该尽可能接近,同样重要的一点,就是要预测很稳定,随着时间推移,这两条曲线不要发生很大的波动。
理想评分卡:申请只需要填一个号码,其它信息源于外部,卓越的客户体验,对优质客户有吸引力,这种评分卡可能短时间不能实现,主要原因并不是我们缺少数据,很多是因为对数据保护的限制
一个良好的审批通过率基于两点,优质评分卡和销售带来的优质客户,因此,风控和销售之间良好的沟通合作非常重要。
审批太严,导致通过率太低,会让申请者望而却步,没得可选,反而会使资产质量不好,与最初目的背道而驰。



罗榕  工商银行牡丹卡中心专家

精彩语句分享:

虽然已经有了强大的大数据技术手段,但还是要落实到人,需要大量高端知识人才来支撑,培养并打造消费金融风控精英团队。我们知道大势将至,但不知道未来已来。对于未来,可以未知,但不可以无知。
互联网放大了信息非对称的风险,犯罪分子无时无刻都在揣摩银行的风控政策,因此,数据之间的逻辑关系和交叉验证是非常关键的环节。
很多平台控制风险是通过保险,运用大数法则,在风控领域,大数法则是不一定适用的。
天下没有难借的钱:首先对客户的资质的定位是“天下人”;产品价格顺应普惠金融的要求;更好更快速,适应互联网金融的趋势。
案例分享:对存量客户高风险画像的情况分析发现,客户存在资质低、历史违约多、非日常消费高、资产少及负债高的特征。基于这些表现可以建立贷中风险监控模型,预测未来潜在违约客户名单,对存量客户进行风险评级评定,建立差异化干预措施。
在业务实践过程中,新产品没有历史数据,在这种情况下,有模型就比没模型好,对数据处理要求会大大降低。
出于防御的心理预期,相对没有征信报告的用户,有征信报告的用户欺诈风险更高。


裴益川   宜人贷首席风控官

精彩语句分享:

风险管理是一个多维化的过程,同时具有科学性和艺术性,其最高境界是取舍未来的可知和未知。
反欺诈仅靠分析关联性是存在漏洞的,建立网络化联系非常有必要。
征信本身存在的一个弱点是不包括所有多投信贷。
征信报告作为强变量的原因在于其包含还款信息,因此包含还款信息的变量,可以作为强变量。
防止团伙欺诈,可以建立有效预警系统,放大分信号到综合信号中,观察总量上的变化。



李善任   宜人贷副总裁 蜂巢负责人

精彩语句分享:

案例分享:蜂巢通过社交关系图谱,挖掘N度关系内客户重复账单的邮箱数量、借贷次数、已放款用户数及逾期用户数,找到账单直接关联的电话号码,从而分析出号码的一度二度涉黑涉灰信息。
蜂巢通过千万级爬虫并发技术,实时进行数据采集,鲜活的信用、分析特征提取以及多维度特征下的欺诈行为交叉检测等一系列科技手段,在借款申请过程中进行授信,实时进行数据采集,鲜活的信用、分析特征提取以及多维度特征下的欺诈行为交叉检测等。

 
 
开讲前,金融城CEO吴雨珊致辞
 


参访第一家美国上市的金融科技公司宜人贷

合作伙伴 中国金融四十人论坛
|
上海金融研究院
Copyright 2013 北京融城教育咨询有限公司 京ICP备15000715号-1 京公网安备11010502022720号