消费金融的反欺诈模型受限因变量模型怎样定义

反欺诈模型的因变量就是欺诈/非欺诈,这说话不完全正确。

反欺诈不是非黑即白,与各公司自己的风控策略相关。即便是同一个公司,在不同发展阶段,由于战略目标的不同,对同一用户反欺诈策略都不同。可以说:反欺诈也是一门艺术,需要平衡风险与收益。

反欺诈模型涉及黑名单/白名单/灰名单概念。

对明确属于黑名单的用户,意味着用户有较大的欺诈风险,一般策略是直接拒绝掉。需要强调一下:对黑名单用户的处理策略依赖于各公司的规则。例如现金贷中的多头借贷用户。

对白名单用户,属于优质可信用户,一般策略是直接过。

对灰名单用户,是反欺诈最大挑战,怎么依据有限的用户数据,准确勾画出用户画像?

对用户画像,一般会采用信用评分模型(score card评分卡)。依据内部数据源、外部数据源数据,运营信用评分卡模型,对用户进行信用评分,看用户评分属于哪个区间及对应风控策略。例如信用评分小于600分,直接拒绝,600-700分,借款额度3000 。700分以上,额度5000 。

对题主提到的首逾30天的用户,不是直接归为黑名单,而是根据用户的行为、催收情况,采用B卡、C卡,对用户重新评分并打标签。

信用评分模型在信贷领域用得较多,原因在于能够要求用户提供较多资料数据,例如电商、社保公积金、运营商、社交、芝麻分等,通过上百乃至上千个特征去建立对应的评分模型。

但在其他反欺诈领域,例如第三方支付的在线支付/POS收单、在线广告、金融薅羊毛等领域的反欺诈,很难获取完整用户数据,从而无法建立用户完整画像的评分模型,此时候会采用规则引擎方式,对用户各种数据的采用聚类分析、交叉验证、勾稽关系比对、强特征筛选等手段,通过风险决策引擎进行决策判断。

我要回帖

更多关于 受限因变量模型 的文章

 

随机推荐