所在位置:首页 > 最新动态 > 信和动态

情感分析首揭秘,信和大金融智能风控大解析!

发布日期:17-10-11 16:24:19    来源:搜狗    作者:信和大金融

 

  纯干货!信和大金融带你深入探讨大数据风控的数据、特征、模型等,并介绍平台自身风控模式,以及最新研究成果——情感分析风控模型,供感兴趣的用户参考。

 

  数 据

  data

 

  要理解大数据风控,首先要把传统金融风控搞清楚。以银行的信用卡部门为例,一般分为五步,申请、初审(内外数据、公安核查)、复审(人工审核、电话审核、发欺诈数据)、终审、结论。由此可以看出,大数据风控在原理和方法论上与传统风控无本质区别。

  大数据风控的核心在于侧重于更多维度的数据、互联网足迹,以及传统风控未触及的数据,如电商的网页浏览、APP的行为轨迹、GPS的位置信息等,这些另辟蹊径的数据维度可以产生非常重要的用户画像。

  例如,信和大金融的大数据风控模型之中就有内外数据以及公安核查这几块。另外增加的外部数据又包含了运营商三要素验证、被执行人信息、企业工商信息、学历验证、授权类数据,此外还会抓取电商信息、社交网络信息、应用场景信息等非金融数据。

  由此可以看出,传统风控与大数据风控一个显著的区别是,对于数据运用的不同。传统金融侧重于收入、借贷等金融数据,而互金公司的大数据风控则大量运用了非传统金融数据;二者另外一个显著区别就是,传统风控强调因果关系,大数据风控注重统计学相关性。

 

  反欺诈

  Anti-Fraud

 

  信和大金融将二者做对比,并不是要做出优劣之分。传统风控的优势在于对于大额资产风险的认定,大数据风控优势则在于小微资产风险的管控。可以这么说,对于小微资产,还款能力不是问题,主要风险在于还款意愿,因此大数据风控大部分的价值在于反欺诈。

  这里先普及下我国发欺诈的大环境,目前我国征信体系不完善、团伙欺诈频发、征信黑产猖獗等等。黑产规模非常庞大,刷单、薅羊毛、密码爆破、扫号、发帖机、灌水等等时时刻刻都在发生。因此,模型快速更新同时又是大数据风控的一个显著特征。

  基于反欺诈现状,大数据风控模型基本上会运用交叉验证、聚类分析、逻辑回归等模型。交叉验证主要是依靠人工提前制定好的规则,由系统验证是否符合实际情况,如通讯录、电商纪录、设备指纹验证、多信息源地理位置验证等;聚类分析则是根据结构反向推导的过程,如根据历史履约情况推导年龄层风险。

  信和大金融风控的反欺诈模型同样也在运用交叉验证、聚类分析、逻辑回归模型,亮点在于将三者结合在一起,如审核借款人信用状况之外,系统会搜索该客户所提供的信息以及设备的信息、住址、房产信息,审查之前有没有别人拿这些资料进行申请过。如果有,那么这个申请人的信用状态是怎么样,有没有逾期历史,进行反向推导。

  此外,信和大金融风控部门携手澳大利亚GBG,引入instinct反欺诈系统,共同开发了All instight智能反欺诈平台,将instinct的规则管理融合进AI系统里,并结合实际的业务特点和处理流程,打通了风控的前、中、后多个环节,形成完善的中央反欺诈操作系统。

 

  授 信

  Credit Extension

 

  反欺诈实际上就是一个准入机制,如果系统并未将测到申请到借款人有欺诈风险,那么会自动进行到授信模型,授信的核心是量化定价,包括授信额度、期限、利率等,这里运用的主要工具就是评分卡。

  授信模型的重点在于对用户需求和风险的合理预估,保证优质的用户得到更低的费率和更高的额度,而数据表现较差的用户需要用更高的费率来覆盖风险。调整各个用户群体的费率和额度档次,实则是资金在不同风险回报的分配,使得在一定的风险下,总体风险收益最大化。

  授信用到的数据包括传统的金融数据(收入水平、社保公积金、信用卡记录、第三方支付记录、基金证券保险交易记录、多头借贷等)以及非金融数据(电商数据、互联网行为、应用场景信息等)。常用的模型包含LR、Xgboost、FFM等,不同模型的选取由是否需要在线更新、可解释性、线上部署环境等多种因素决定。

  由于每家的评分机制不同,则划分的风险等级也不尽相同,如Lending Club分为A1—G5共35个等级,利率水平也由6%—26%不等,宜人贷则分为ABCD类客户,风险等级不同执行不同利率,具体大家可以自己去查一下。

  信和大金融大数据风控的审核在涵盖了以上数据维度之外,更加通过大数据分析设备指纹信息,识别出该设备的唯一设备特征,结合用户申请数据、行为数据、信贷数据、行业数据等,运用多种指标和系数套算至相应的授信模型之内,计算出用户信用评分,再给出授信额度、风险等级等数值。

  该套系统采用全程自动决策,充分利用了人工智能的优势,将繁琐复杂的数据套算交给机器来执行,降低审核误差,提升排查效率,准确甄别信用风险。

 

  智能风控

   Intelligentize Risk Management

 

  人工智能运用到大数据风控领域是未来的一大发展趋势,也是金融业进入智能化快速化的标志,目前一些互金平台积极布局智能风控领域。这里不得不重点说一下,信和大金融正在研发的一款基于情感分析的风控模型。

  通过信和大金融研究发现,每个人的行为举止,都会传递出大量的信息。因此,只要能准确识别出用户脸部肌肉表情单元的变化,来识别出真假表情,再设定出相应的规则,就能运用摄像头、麦克风分析出这个人的情绪变化,再结合语境就能判断出这个人是否在说谎或者有所隐瞒。

  例如,说谎的方式包括隐瞒、捏造、误导、虚假说出真相、半隐瞒、敷衍搪塞等,同样说谎者会有惊恐感、内疚感、得意感等情绪,而如果从说谎者的言辞、停顿、语调、表情、头部动作、手势、姿态、呼吸等方面进行测试,那么就可以准确的判断出该用户提供的资料是否属实,可信度多少,甚至可以判断出该用户是否为欺诈用户。

  信和大金融情感分析模型的开发,将数据分析、活体认证、反欺诈审核结合在一起,摆脱了过去简单的静态审核,用更加精准、智能地方式解决了动态反欺诈的征信难题,在行业大数据风控审核领域打开了另外一扇大门。

折标计算器

投资金额:

投资期限:个月

开始计算

折标金额:0.00
折标系数 折标金额=投资金额*投资期限对应折标系数
关闭

风险揭示书

尊敬的投资者:

为使您正确全面理解投资风险,信和大金融特向您做出风险揭示。本风险揭示书(以下简称“揭示书”)旨在向您揭示投资风险,并且 希望您完成信和大金融为您设置的风险偏好及风险承受能力测评以确定自身的风险承受能力。鉴于投资风险的存在,在您进行相关投资 前,请您仔细阅读本揭示书。

投资人需具备的条件及需履行的义务:
  • 1.投资人应实名注册,不得借用非本人的资料注册;
  • 2.投资人应当拥有非保本类金融产品投资的经历并对互联网有基本的熟悉;
  • 3.投资人须了解融资项目信贷风险,确认具有相应的风险认知和承受能力;
  • 4.投资人须自行承担借贷产生的本息损失;
  • 5.投资人须向大金融平台提供真实、准确、完整的身份等个人信息;
  • 6.投资资金为本人合法拥有;
  • 7.借贷合同及有关协议约定的其他义务。
投资人风险提示:
  • 1.投资人知晓平台作为依法成立的互联网资产交易服务平台,从事投融资顾问服务;
  • 2.投资人知晓平台主要为投资人提供信息搜集、信息公布、信息交互、借贷撮合等居间服务,不提供增信服务,不设立资金池,不进行 非法集资,不损害国家利益和社会公共利益;
  • 3.投资人了解融资项目信贷风险,掌握相关的行业知识,理性谨慎量力而行,具有相应的风险认知和承受能力;
  • 4.投资人需了解根据《最高人民法院关于审理民间借贷案件适用法律若干问题的规定》,民间借贷年利率不超过24%的,法律予以保护;
  • 5.投资人按照“投资自愿、诚实守信、责任自负、风险自担”的原则承担借贷风险,树立风险意识;
  • 6.投资人应增强自我保护能力,远离非法集资活动,谨防上当受骗,积极主动地行使自己的权利,依法维权;
  • 7.不同产品的风险程度不同,请投资人投资前认真阅读相关产品条款中的风险提示。

以上风险并不能揭示各类特定资产收益权投资的全部风险。请您在做出交易决定前,应根据自身的交易目标、风险承受能力和资产 状况等谨慎决策,并自行承担全部风险。

本人已认真阅读以上风险说明并完全理解和同意,自愿承担由此造成的风险,及由此带来的一切可能的损

同意
同意

您正在前往资产家存管平台

2s后自动跳转

x 立即跳转