根据经验判断的某些风险规则对于识别风险特征有重大的提升作用
合理的额度策略、定价策略可以有效的提升客户的体验和粘性,进行实现收益的最大化
风控引擎支持评分卡、风险规则、风险策略的自定义配置,最大限度帮助客户控制风险
根据经验判断的某些风险规则对于识别风险特征有重大的提升作用
合理的额度策略、定价策略可以有效的提升客户的体验和粘性,进行实现收益的最大化
风控引擎支持评分卡、风险规则、风险策略的自定义配置,最大限度帮助客户控制风险
通过评分卡建模只是量化风险的其中一种方式
将现有风控手段转化为系统识别、引擎计算是业务初期的最重要的一环
通过这种方式逐渐完善自己的风控体系,沉淀数据积累风险指标,让风控引擎在过程建设中发挥最大价值
在业务发展初期、数据积累有限的情况下,将风控重点放在风险规则的自动过滤
通过条件组合判断及多种运算方式、对比方式,我们可以在引擎上动动手指就可以配置好复杂的规则
评分卡的建立比较困难,更多的是通过简单的分类来区分评分结果
部分企业在业务初期,也尝试建立基于AHP (层次分析法) 的评分卡模型
还可以通过逻辑回归来拟合评分卡
三种评分卡的结构支持,模型建立更加自如
评分卡的建立比较困难,更多的是通过简单的分类来区分评分结果
部分企业在业务初期,也尝试建立基于AHP (层次分析法) 的评分卡模型
还可以通过逻辑回归来拟合评分卡
三种评分卡的结构支持,模型建立更加自如
通常可能建立上百条规则,风控人员维护修改可能会浪费大量时间
风控规则分组管理,即使规则再多也不会感觉到麻烦
审批额度、风险定价更加清晰规范,针对风险等级来区分对待客户,让信用的重要性根入客户
审批结果有据可查,缩短评审会议时间,风险控制力度加大的同时仍可以大幅提高效率
很多企业短时间内不会引进专业的建模人员,仍需走向数据风控的道路
模型测算可以预计算单一变量的分布情况,以及过往数据根据评分卡配置的计算结果
针对结果进行逐步的调整,让评分卡结果可以顺利达到目标效果
模型的效果也需要进行相应的掌握
建模初期的指标比例分布以及评分结果的比例分布是否发生了变化?
引擎同时通过监控功能,利用实际结果和常用的评判指标让你对模型情况了若指掌
模型的效果也需要进行相应的掌握
建模初期的指标比例分布以及评分结果的比例分布是否发生了变化?
引擎同时通过监控功能,利用实际结果和常用的评判指标让你对模型情况了若指掌
随着业务的不断发展,随时都有可能会有新的风险指标变为风控的考核关键
我们通过「变量管理」来减少定制开发的成本损耗,让新增指标变得轻松又简单
同时,数据短缺也是大多数公司开展业务的重要瓶颈,在风控引擎中我们加入了一键购买、使用外部数据的功能
让引入第三方数据不再变得繁琐、漫长
很多时候引擎只能通过业务系统进行模型运算的触发,在企业业务系统尚未成熟,业务仍需继续的情况下
通过模型查询功能,让调用模型不再依赖业务系统
同时历史查询结果也进行统一保存,操作人、调用来源一目了然。