風控體系的一般架構
談到互聯網金融，風控體系是繞不開的一個話題。那麼，什麼是風控體系？
簡單地說，風控體系就是能夠達成風險管理量化目標、邊界清晰、結構清楚、動態持續的風險管理體系。
量化目標：逾期率、壞賬率可控是基本要求，檢驗風控體繫有效性需要幾個完整的信貸週期，結合公司盈利目標確定逾期率和壞賬率的合理區間。
邊界清晰：所有因風險存在而產生的環節和流程都需要納入風控體系來進行量化動態管理，風控體系的邊界就是風險產生的範圍。
結構清楚：為了量化管理各類風險（欺詐風險、信用風險、操作風險、市場風險等），需要基於業務流程進行合理的結構設計，風控體系一般包括電審系統、催收系統、風險決策引擎、黑名單庫、敏感詞庫、數據監測中心等結構。
電審是指信貸機構在對申請人進行初審時，往往會通過電話方式就貸款申請和調查基本信息與借款人、借款人家屬和保證人等一一進行核實。
動態持續：當風控體系出現偏差時，需要通過人工檢查和演算法自查完成負反饋，保證風控體系平穩運行，最終實現風控目標。
風控體系的一般架構
1. 風險決策引擎
風險決策引擎是實現風險決策的核心模塊，早期建模時需要考慮為後期迭代留下空間，早期模塊包括三層結構：元素（風險因子）、規則（執行閾值與執行動作）、事件（規則歸類組合）。對於最底層的參數而言，可以新增埋點以進行數據採集，也可以進行增減以及閾值調整。規則的執行順序和組合方式可以自己配置優化，當它擁有周期性數據後可以基於演算法進行評分決策，前期在沒有訓練數據的情況下需要依賴風控專家經驗。後期在風控參數足夠的情況下可以開發中小模型協助審核和催收，並進行決策。
2. 電審系統
針對黑白名單，對邊界外的數據進行適當人工介入，隨著大數據的發展，電審比例在下降。同時，電審也可以包含其他交易過程中的異常行為（包括異常交易攔截等）的風險控制，不僅僅指貸前電審。一般電審系統評估用戶信息、認證情況、關聯信息網路關係圖、網查信息、訂單情況、電審記錄等，每個平臺可以根據自己的情況進行差異化設計。其中，關聯信息網路關係圖有助於電審專員進行團夥識別，可以通過郵箱、手機號、身份證號等進行多維度關聯。
3. 數據監測中心
目前，數據監測已經成為風險研究、風險識別的必要手段，也是跟進金融財務盈利情況的必要工具，其涵蓋了以下子版塊：
1. 風控規則命中分佈：對風險決策引擎系統的執行情況進行統計歸類分析，可以清晰地瞭解近期及歷史客戶的風險特點分佈，這可能涉及數百條風控規則的命中情況；
2. 金融交易數據：涉及申請量、電審量、通過量、取現額度、取現訂單量、分期金額、分期訂單數據和貸款餘額等，涉及資產屬性分析；
3. 信用狀況信息：涉及信用管理核心欄位，顯示用戶整體信用狀況，跟進用戶授權的信息進行核心歸類，主要包括信用額度、信用評級、資產狀況、逾期情況、負債情況等；
4. 金融財務信息：涉及本金、利息、服務費、違約金、罰息以及外部數據調用費等模塊，可以實現對盈利能力及流動性風險的量化評估；
5. 外部數據監測：當前的大數據風控涉及大量的外部第三方數據的調用，包括身份認證信息、電子簽名信息、運營商解析、信用卡解析、央行徵信報告解析、電商賬戶解析等，風控體系需要對調用量、有效性、成本和穩定性等進行持續監控，並對數據質量進行動態管理，具體統計項目需要視具體場景而定；
6. 資產轉讓信息：對於涉及外部資金的平臺，需要對資產轉讓數據進行統計及管理，涉及受讓方、金額、訂單量、債權類型、期限、折扣、結算方式以及保證金比例等，具體統計條目視合作交易條件而定。
4. 風險庫
風險庫是對風險標籤的積累，黑白名單可以基於身份證號、手機號、郵箱、用戶名、固定電話等多維度進行積累及關聯，使用黑名單過濾直接風險，使用外部黑名單命中是要及時存儲黑名單數據。敏感詞庫可以通過大量的文本挖掘來完成，早期的行業經驗可以完成部分積累，敏感詞庫可應用於通訊錄分析、運營商數據解析、自媒體內容解析等環節。
5. 黑名單庫
在申請人提出貸款申請時，金融機構會考察申請人的個人信用、流水、社保、所屬行業、職業等各項申貸條件，其考察標準涉及多種黑名單，包括：
行業黑名單，即房產中介、醫院、學校等禁入行業；
徵信黑名單，包括存在連續逾期（無論金額多少）超過90天記錄的申請人；
網貸黑名單，包括在其他金融機構有逾期信息的申請人；
法院黑名單，即失信被執行人；
凍結黑名單，即涉及官司或因違反政府有關規定導致個人銀行賬戶被凍結的申請人；
止付黑名單，包括因銀行加強管理、持卡人連續多次逾期或間斷性逾期導致信用卡止付的申請人；
……
6. 催收系統
催收系統涉及不良資產的處置，涵蓋簡訊提醒、電催、上門催收、法院訴訟、網路仲裁等眾多環節，還涉及資產分配、線下還款、催收記錄、借款人信息、逾期費用覈算等眾多功能。
慧安金科：現金貸風控生命週期——貸前風控
慧安金科：現金貸風控生命週期——貸中和貸後推薦閱讀：
