1.1 信用風險
根據銀行業的風險理論，信用風險是指借款人因各種原因未能及時、足額償還債權人或銀行貸款而違約的可能性。
信用風險的風控重點在於，甄別客戶違約的原因究竟是還款能力，還是還款意願問題。如果客戶真的由於各方面的原因，暫時不具備還款能力，這是概率問題。即使發生了，處置起來也不會有什麼損失。而如果是還款意願問題，存在較大的資金損失概率。
1.2 欺詐風險
在風控中，欺詐風險比信用風險要大得多，所以反欺詐是重中之重。一般來說正常的客戶，如果不是刻意騙貸的，只是因為家裡出現突發事故、生意出現問題、暫時失業等等原因而導致資金周轉不過來而逾期的，這畢竟是少數，而且借款只是逾期，能夠還款的概率還是比較高。
消費金融行業絕大多數不良是因為欺詐引起的，如果反欺詐能夠比較有效的情況下，信用風險控制在5%以內沒有太大問題。
消費金融發放的借款都就小額分散的，沒有任何抵押和擔保的情況。隨著消費金融行業的崛起和規模擴大，整個行業面臨的欺詐問題越來越嚴重，一批批的羊毛黨和欺詐等黑產團體接踵而來。黑產團隊的規模越大，意味著消費金融機構的損失越大。
欺詐風險目前是整體消費金融風控的重點，目前整個行業75%甚至以上的風險都是來自欺詐風險。形式有很多種，如常見的身份偽冒、中介黑產、偽造材料、惡意套現等。欺詐主體一是申請本人或親戚朋友，二是借用或盜用別人的身份資訊進行欺詐。欺詐主體的不同，防範風險的手段和形式也不同。
架構實踐
• 自動決策
風控流程自動處理案件，訪問第三方合作夥伴的介面，獲取使用者黑名單、欺詐資料和多頭借貸等資料，查詢名單資料，決策引擎輸出各環節處理結果。自動決策後出三個結果，自動通過、轉人工、拒絕。
• 人工信審
根據決策引擎輸出的結果進行轉人工處理，人工通過初審和複核崗，給出具體信審結果，信審通過的案件給出風險等級和具體額度。
• 拒絕
被自動或者人工拒絕的案件通知到使用者，建議補充資料、過段時間重新申請或者推薦到第三方機構
分布式、微服務架構
分布式架構目前是網際網路行業成熟應用的架構，這裡不詳細討論。
微服務架構下，比較成熟的使用spring framework，使用mybatis、hibernate等資料對映框架。
rpc架構
rpc是分布式架構的核心，解決服務分布和服務解耦問題，目前我們使用的是dubbo, rpc框架解決序列化、反序列化、網路框架、連線池、收發執行緒、超時處理、狀態機等「業務之外」的重複技術勞動。
分布式訊息
分布式系統中重要的元件，解決應用耦合，非同步訊息，流量削鋒等問題，是分布式系統不可缺少的中介軟體。目前在生產環境，使用較多的訊息佇列有activemq，rabbitmq，zeromq，kafka，metamq，rocketmq等。
分布式快取
高併發環境下，大量的讀寫請求湧向資料庫，磁碟的處理速度與記憶體顯然不在乙個量級，從減輕資料庫的壓力和提高系統響應速度兩個角度來考慮，一般都會在資料庫之前加一層快取。由於單台機器的記憶體資源以及承載能力有限，並且，如果大量使用本地快取，也會使相同的資料被不同的節點儲存多份，對記憶體資源造成較大的浪費，因此，才催生出了分布式快取。常用的分布式快取是redis。
分布式日誌
分布式情況下，每個日誌分散到各自服務所在機器，日誌的收集和分析需要統一處理。日誌框架主要這幾塊內容：
• 業務日誌埋點
• 日誌收集處理系統
• 日誌處理系統
• 日誌分析系統
elk（elasticsearch, logstash, kibana）平台可以實現日誌收集、日誌搜尋和日誌分析的功能。
金融風控資料
anthor 小李江湖 date 2020 9 15 好記性不如爛筆頭！最近報名參加阿里天池金融風控貸款違約 大賽，學習資料分析方法，以賽學習，在此記錄學習的過程，總結參加大賽的方法。1.1 參賽目的阿里天池平台為初學者提供學習平台，為大神提供展示才華平台。本人一直在學習的門口遲遲徘徊無法入門，藉此...
金融風控專案
一 問題定義 金融的核心是風險控制。自然而然地，ai的主戰場也變成了如何使用ai技術精準的做風險控制。在風控領域，有乙個很重要的問題是 如何通過使用者的資訊來判斷使用者的逾期與否？我們通過收集使用者的基本資訊 地域資訊 社交資訊等來判斷乙個人的逾期概率。資料如下 二 roc與auc 特徵工程 第一 ...
金融風控模型
工作中暫時未涉及。此處為有幸得到的ppt。記錄學習內容，還有些心得，有錯誤請指出，感激 什麼是欺詐風險 網路借款人是否是本人 網路借款人提交的資料是否真實 什麼是信用風險 網路借款人是否有還款的能力 是否是沒有還款意願的老賴，多次違約 貸款公司如何防範以上兩種風險 針對乙個p2p借款的流程來說，借款...