? ? ? ?前幾天在群里看到一張風控策略框架的腦圖，文檔為18年的，覺得整理得很棒，于是將腦圖中的內容搬運下來記錄成文章。

? ? ? ?這張風控策略導圖一共涉及準入、反欺詐、信用評分、人行征信、額度、行為評分和催收評分這幾塊。之前整理過一篇策略類的文章：最全貸前策略整理

?

一、政策準入

? ? ? ?準入階段使用自有數據做規則，數據服務商提供的數據后置。

1.年齡

? ? ? 確定年齡段和是否為學生群體。

2.職業

? ? ? 主要來自人行征信職業，但并不準確，一般需要工資為代發放。特定職業不做或者限額。

3.地域

? ? ? ?新疆、西藏、青海以及其他特定敏感或者高風險區域不做。

4.學歷

? ? ? ?學信網可查。

5.行業

? ? ? ?特定行業不做或者限額。比如單位名稱中含有"貸"字。

6.民族

? ? ? ?可考慮漢族及部分少數民族通過，其余少數民族有學歷的通過。

?

二、反欺詐

? ? ? ?反欺詐分為身份核實、要素驗證(銀行卡、運營商)以及反欺詐策略和模型。

?

2.1反欺詐-身份核實

? ? ? ?優先用活體識別+公安聯網核查，如果沒有公安聯網核查則使用活體識別+人證對比+實名認證。

1.活體識別：

如：FACE++人臉比對結果小于誤識率為0.00001的置信度閾值

2.公安聯網核查

? ? ? 本人照片與公安公安系統照片比對，且核對身份證號碼和姓名。此外還有身份證號與姓名在公安系統是否存在、身份證是否在有效期。

3.人證對比

? ? ? ?本人照片和身份證照片進行比對。

4.實名驗證

? ? ? 身份證、姓名是否一致。

?

2.2反欺詐-要素驗證

? ? ? 要素驗證有運營商三要素驗證和銀行要素驗證。

1.運營商三要素驗證

? ? ? 姓名、身份證、手機號是否一致。

2.銀行要素驗證

? ? ? 三要素驗證：姓名、身份證、銀行卡。

? ? ? 四要素驗證：姓名、身份證、銀行卡、手機號。

?

2.3反欺詐策略

? ? ?它這里的反欺詐和黑名單混在了一起，都放在反欺詐策略里面。

1.黑名單

? ? ? 法院失信、法院執行、信貸逾期、欠稅名單等。

2.多頭借貸

? ? ? XX時間內申請人在多個平臺申請借款數。

3.手機在網時長、在網狀態、消費檔次

4.穩定性評估

? ? ? 如申請人身份證6個月內關聯的手機號過多。

5.欺詐行為識別

? ? ? 如申請人手機號3個月內關聯的設備中檢測到隱身模式。

6.聯系人風險

? ? ? 如第一聯系人手機號命中虛假號碼。

7.IP畫像

? ? ? 如使用代理IP申請、申請人IP地址歸屬國外。

8.設備畫像

? ? ? 設備缺失、設備獲取異常、短時間移動距離位置異常、近24小時內設備關聯過多身份證或手機號、

9.地址核驗

? ? ? 家庭地址以及工作地址核驗。

10.運營商規則

? ? ? 運營商消費統計(網絡費用、話費)、月均消費—排除小號、靜默狀態(三天內是否有無通話行為)、通話高峰時間段(是否為12點以后)、通話地區、判斷手機號對應賬戶是否處于正常使用狀態。

11.復雜網絡—團體關聯欺詐

? ? ? ?一方面可以將某盾關聯風險分應用于策略，另一方面可測試用于復雜網絡規則的策略。比如身份證命中信貸逾期名單群體核心節點、身份證命中法院犯罪名單群體核心節點、身份證命中信用異常群體核心節點。

12.知識圖譜

?

2.4反欺詐模型

1.基本信息—年齡、性別

2.申貸信息

3.其它行為—注冊、還款、綁定等

4.位置信息—IP/WIFI、基站

5.關聯信息—朋友圈、黑名單

6.設備信息

?

三、人行征信策略

1.客戶基礎信息

? ? ? 一般和反欺詐策略結合在一起。

2.逾期類信息

? ? ? 包括貸款以及信用卡(貸記卡、準貸記卡)。當前逾期情況、歷史逾期情況(近24個月連3累6)、逾期金額(針對下沉類產品)。

3.賬戶狀態信息

? ? ? 是否為止付、呆賬、凍結。

4.賬戶五級分類。

? ? ? 是否為關注、次級、可疑、損失。

5.對外擔保

? ? ? 出問題容易被其它銀行追償，關注的點同234。

6.特殊交易

? ? ? 是否出現過以資代償、擔保人代償以及展期。

7.信貸需求

? ? ? 申請次數(近24個月超過4次)、額度使用率(超過80%)、多頭借貸(貸款機構數超過5個)、信用卡賬戶數(賬戶數超過20個)、經營性貸款筆數(大于2筆)、公共信息欠稅、民事判決、強制執行、行政處罰(大于0次)。

8.歷史還款情況

? ? ? 是否出現過B(違約)、D(擔保人代還)、Z(以資抵貸)、G(結束)。

9.小額貸款貸款記錄。

?

四、信用評分模型

1.多頭類數據

2.社交、關聯類數據

3.經濟能力類數據

4.設備類異常類數據

5.地理活動類數據

6.信貸生命周期類數據

?

五、額度模型

? ? ? 有場景的一般不干預額度，無場景的額度影響因素如下。

1.收入

? ? ? 代發工資、金融資產、大額存單、住房貸款、公積金、消費指數。

2.多頭結合學歷

? ? ? 有學歷，7天內多頭>=20或者無學歷，7天內多頭>=15客戶限額或者拒絕。

3.是否為農村地區

4.機型—IOS/Andriod

5.性別

6.城市風險等級—自有數據

7.智信分

8.公積金數據

? ? ? ?公積金是否斷繳以及斷繳月數。

9.社保數據—同公積金數據。

10.航空消費等級、鐵路出行信息、房產及車輛價值評估等。

11.職業穩定性

? ? ? ?近期職業穩定性(12個月)及長期職業穩定性(36個月)，主要根據社保公積金繳納情況進行評估。

12.授權爬取

? ? ? ?主要包括電商數據、資產信息以及學歷認證信息。

?

六、行為評分

1.客戶還款行為類數據

2.多頭類數據

3.關聯性類數據

4.經濟能力類數據

?

七、催收評分

分為賬齡滾動模型和失聯模型。

7.1賬齡滾動模型

1.性別、年齡等信息

2.在全信貸行業的借貸信息

3.在全信貸行業的注冊行為

4.歷史征信記錄

5.互聯網行為偏好

?

7.2失聯模型

1.常用聯系人信息等

2.位置行為變動信息等

3.銀行卡類信息、資產類信息等

4.性別、年齡等信息

5.線上注冊、登錄等信息

6.歷史征信行為

>【作者】：Labryant ?
>【原創公眾號】：風控獵人 ?
>【簡介】：某創業公司策略分析師，積極上進，努力提升。乾坤未定，你我都是黑馬。 ?
>【轉載說明】：轉載請說明出處，謝謝合作！~

?

?

?

?

?

總結

以上是生活随笔為你收集整理的风控策略导图整理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。