大数据风控案例(总结他人)

转自于:http://blog.csdn.net/liberty_xm/article/details/53185252

一、行业背景

1.1风控行业背景

当前,经济下行导致中小企业经营成本不断增加吗,产品销售价格因结构原因和市场原因相对走低,企业利润空间被进一步压缩,许多中小企业陷入经营困境,导致企业经营风险加大、连锁性风险陡增、潜在信用风险上升、企业主的道德风险聚升。一些重点领域的银行等金融机构信贷风险进入了一个暴露期,一些地区的金融机构已经出现不良贷款回升苗头,不良贷款高危行业中,钢铁与建材等行业信用风险快速上升,制造业领域新增的不良资产已占到整体不良资产的七成以上,与此同时经济下行也使得个人信贷中的逾期率陡增,不良贷款率上升,如何防控信贷风险,已成为商业银行等金融机构扼待解决的课题。

1.2国内外风控技术现状

序数衡量法:只能反映企业间信用风险的高低顺序,如BBB级高于BB级,但其间的级差无法进行客观量化。

Creditmetrics;Credit Risk+Credit PortofolioView+:是组合投资的分析方法,注重直接分析企业间信用状况变化的相关关系,但是它局限于投资组合分析。

KMV:从单个授信企业在股票市场上的价格变化信息入手,着重分析该企业体现在股价变化信息中的自身信用状况,但对企业信用变化的想关心没有给予足够的分析。

FICO:FICO在方法上通常采取逻辑回归和决策树。然而,这两类方法是存在很大缺陷的。例如,逻辑回归一般只能包含至多10-15个风险因子,且各变量必须服从正态分布;决策树要求对所有申请者的分类是完全互斥的。显然,这些要求是难以满足的,由此产生的结果是“偏误”还是“错误”也很难评价。

ZestFinance: ZestFinance包含70000个变量,利用10个预测分析模型进行集成学习或者多角度学习,并得到最终的消费者信用评分。然而,ZestFinance进行信用评估时,传统征信数据要占到至少30%清晰的用户定位,完善的征信体系支撑,是ZestFinance在美国生存的土壤。中国没有集中的征信所,金融体系也尚不完善。很难适应中国目前的信贷业务。

国内大部分中小银行信用风险管理仍停留依靠经验判断传统阶段,以感觉、经验、关系决策;缺乏对客户信用评级、统一授信风险量化信息系统;缺乏对公司类客户、个人客户优劣的判别统一标准 [缺乏对客户风险量及授信边界系统科学的模型]。

1.3风控行业发展趋势

随着近年来国 内 大数据互联网 金融的蓬勃发展, 顶尖的数据机构开始从事各种信用维度的数据收集、 分类、 查询服务, 这为在线征信与量化风险提供了 技术、 数据基础。

多维度数据分析、数学建模、机器学习算法云计算

二、YUNRISK风控在线介绍

2.1数据来源:华中大数据交易中心、万德数据库、金融界、中国人民银行、世界银行等。

2.2基于大数据进行分析

多渠道获取数据,对宏观经济,行业数据,企业数据及个人数据进行分析,多角度,全方位进行风险量化。

企业指标:宏观指标,行业指标,企业指标,财务指标

个人指标:宏观,行业,个人。

指标频率:日,月,季,年

技术特点:

物理学的布朗运动理论:分子运动无规则性、永不停歇性、温度越性。

市场是随机波动的,随机波动是市场最根本的特性。变量过去的历史和变量从过去到现在的演变方式则与未来的预测不相关。也就是说一种现价已经包含了所有信息,包括所有过去的价格记录。同时,价格与粒子运动一样,具有“温度”越高,运动越明显的特性。

蒙特卡罗模拟

基于大数据分析,由于涉及指标众多,如何构建少而精的指标体系是一个极为重要的问题。

Peason和Searman相关性检验法

通过适时检测和监控风控指的相关性来优化指标体系。

主成分分析法

主要用于统计和筛选主要相关的因素。

Probit-logit方法

(probit模型是一种广义的线性模型。服从正态分布;Logit模型(Logit model,也译作“评定模型”,“分类评定模型”,又作Logistic regression,“逻辑回归”)是离散选择法模型之一,属于多重变量分析范畴,是社会学生物统计学临床、数量心理学、市场营销等统计实证分析的常用方法。)

主要致力于分析所选因素的动态变化,预测其运行轨迹。

2.3系统介绍

个人版风控系统查询:

A个人收入

B银行流水

C负债

D汽车折旧系数

E房产折现系数

企业版风控系统查询

绝对指标

A资产总计

B负债总计

C营业总成本/营业总收入

D销售毛利率

现金收益

E净资产收益率ROE

F经营活动净收益/利润总额(TTM)

G经营性现金净流量/营业总收入

H筹资活动产生的现金流量净额占比

I投资活动产生的现金流量净额占比

偿债能力

J资产负债率

K有形资产/总资产

L权益乘数

M流动比率

N速动比率

营运能力

O存货周转率

P应收账款周转率

Q应付账款周转率

R净资产(同比增长率)

S固定资产投资扩张率

T利润总额/息税前利润

U股东权益合计/负债总计

V. EBITDA率%

三、风控流程

3.1业务流程

1.借款人进行咨询;

2.填写申请表和有关资料,提交给业务员;

3.业务员添加客户至客户室;

4.业务员为客户发起授信申请,进入授信审核,审核成功后,借款人获得授信额度。

5.业务员为借款人发起借款申请,进入借款审核,审核成功后,财务放款,借款成功.

3.2授信审核流程(贷前流程)

1.业务员为自己客户发起授信申请;

2.业务主管进行初审,审核通过进入风控委员初审,驳回返回上级,拒绝的授信失败;

3.风控委员进行初审;

4.风控主管进行复审;

5.贷审会进行审核;

6.总经理进行终审,审核通过,授信成功,借款人获得授信额度。

3.3

借款审核流程(贷中流程)

1.借款人拥有一定的授信额度,业务员为借款人发起借款申请;

2.业务主管进行初审,审核通过进入风控委员初审,驳回返回上级,拒绝的授信失败;

3.风控委员进行初审;

4.风控主管进行复审;

5.总经理进行终审;

6.审核通过的,财务放款,借款人借款成功。

3.4贷后流程

贷款到期,借款人还款。其中借款人可以提前还款,若到期未能还款,则有展期申请、强制结清、押品结清、押品处置、违约金法系处理。

借款人还清贷款,即可拿回抵押物品。

四。风险管理全面解决方案

时间: 2024-10-22 23:05:57

大数据风控案例(总结他人)的相关文章

大数据高冷?10个有趣的大数据经典案例

马云说:互联网还没搞清楚的时候,移动互联就来了,移动互联还没搞清楚的时候,大数据就来了.近两年,“大数据”这个词越来越为大众所熟悉,“大数据”一直 是以高冷的形象出现在大众面前,面对大数据,相信许多人都一头雾水.下面我们通过十个经典案例,让大家实打实触摸一把“大数据”.你会发现它其实就在身边 而且也是很有趣的. 啤酒与尿布 全 球零售业巨头沃尔玛在对消费者购物行为分析时发现,男性顾客在购买婴儿尿片时,常常会顺便搭配几瓶啤酒来犒劳自己,于是尝试推出了将啤酒和尿布摆在一起的 促销手段.没想到这个举措

大数据应用案例之——如何做生意?

数据本身不产生价值,如何分析和利用大数据对实际业务产生帮助才是关键;从事大数据的生意要重视投入与产出;许多人已经默默地通过大数据获利. 1.大数据应用案例之分析微博数据炒股 “过去往往是把数据静止到程序当中分析,但现在不可能等它停下来.”中国工程院院士邬贺铨表示,数据规模越大,处理的难度也越大,但对其进行挖 掘可能得到的价值更大,这就是大数据热的原因.华尔街德温特资本市场公司分析全球3.4亿微博帐户留言,判断民众情绪,高兴买股票,焦虑抛售股票,判断全 世界高兴的多还是焦虑多,从而判断股票抛售情况

互联网金融做大数据风控的九种维度

在互联网金融迅猛发展的背景下,风险控制问题已然成为行业焦点,基于大数据的风控模型正在成为互联网金融领域的热门战场.那么,大数据风控到底是怎么一回事呢?与传统风控相比,它又是怎样来进行风险识别的呢?本文对此进行了探讨. 大数据能够进行数据变现的商业模式目前就是两个,一个是精准营销,典型的场景是商品推荐和精准广告投放,另外一个是大数据风控,典型的场景是互联网金融的大数据风控. 金融的本质是风险管理,风控是所有金融业务的核心.典型的金融借贷业务例如抵押贷款.消费贷款.P2P.供应链金融.以及票据融资都

大数据风控质量好不好?从这几点来看

大数据风控从出世以来一直是资本关注的重点,市面上不仅有很多互联网金融公司开发了大数据风控模型,还有很多专门做大数据风控技术然后向业界输出技术能力的公司.然而,白热化的市场竞争中必然伴随着良莠不齐泥沙俱下的产品.虽然极高的技术壁垒,可靠安全的数据来源,形成了天然屏障把浑水摸鱼的产品隔离开来,但是对于那些不甚懂技术的人来说,一眼甄别大数据风控产品的成色是好还是坏还需要花不少时间. 风险控制作为金融的核心,一直备受关注.在传统金融机构中,会通过一些基础的金融逻辑来推断风险.比如收入水平越高偿还能力越高

维信小贷发布“蜂鸟”大数据风控云平台

11月23日,上海首届中国普惠金融创新发展论坛上,维信小贷公司发布了自主研发.专门针对普惠金融及小额信贷领域的“蜂鸟”大数据金融云平台,维信理财集团首席技术官金家芳做了详细介绍和解读.    自2005年联合国与世界银行提出并推行“普惠金融”以来,虽然近几年我国小额贷款.P2P机构在普惠金融领域获得快速发展,然而普遍存在缺乏数据积累.风控技术及风控能力不足的挑战.当前,各类普惠金融服务机构绝大多数仍然采用传统的线下人工审核机制,面对小额.分散.快速的业务特征,难以获取和整合分析客户多维度信息,实

大数据应用案例之医疗行业

案例一:基因推出肿瘤基因检测服务 数据源: 检测数据:患者血清.口腔黏膜数据.基因测序等. 其它数据:体检数据.电子病历.遗传记录.患者调查.地理区域以及生活条件等. 实现路径: 首先采取患者样本,通过测序得到基因序列,接着采用大数据技术与原始基因比对,锁定突变基因,通过分析做出正确的诊断,进而全面.系统.准确地解读肿瘤药物与突变基因的关系,同时根据患者的个体差异性,辅助医生选择合适的治疗药物,制定个体化的治疗方案,实现" 同病异治" 或" 异病同治" ,从而延长患

大数据应用案例

2012年大数据公司Splunk公司成功上市,对风投机构价格向大数据领域投资力度起到推波助澜的作用,数据分析和商业智能等与大数据有关的其他版块也将获得发展机会. Splunk的技术方案在于帮组IT部门监控并分析来自不同来源.设备或机器的数据,其中包括日志.性能指标.事件等等. Splunk只是是运营比较成功的大数据公司之一,还有其它更多的大数据应用在各行各业发挥其巨大的作用. 例如: 1. 梅西百货的实时定价机制.根据需求和库存的情况,该公司基于SAS的系统对多达7300万种货品进行实时调价.

消费金融大数据风控架构

1.1 信用风险 根据银行业的风险理论,信用风险是指借款人因各种原因未能及时.足额偿还债权人或银行贷款而违约的可能性. 信用风险的风控重点在于,甄别客户违约的原因究竟是还款能力,还是还款意愿问题.如果客户真的由于各方面的原因,暂时不具备还款能力,这是概率问题.即使发生了,处置起来也不会有什么损失.而如果是还款意愿问题,存在较大的资金损失概率. 1.2 欺诈风险 在风控中,欺诈风险比信用风险要大得多,所以反欺诈是重中之重.一般来说正常的客户,如果不是刻意骗贷的,只是因为家里出现突发事故.生意出现问

大数据风控模型

基本流程: 数据收集.数据建模.构建数据画像.风险定价. 数据收集:网络行为数据.企业服务范围内行为数据.用户内容偏好数据.用户交易数据.授权数据源.第三方数据源.合作方数据源.公开数据源. 数据建模:文本挖掘.自然语言处理.机器学习.预测算法.聚类算法. 数据画像:基本属性.购买能力.行为特征.兴趣爱好.心理特征.社交网络. 风险定价:申请模型.行为监控模型.违约模型.催收策略模型. 目前国内90%以上的建模团队使用logistic回归做评分卡,少数使用决策树. 应用案例: 1.欺诈风险用到的