互聯網貸款數字化風控體系課綱 ——數字風控、反欺詐與不良催收

第一模塊  互聯網貸款數字風控體系搭建

第一節：全新的數字化風控理念

一、傳統金融機構風控體系

1、銀行業傳統風控體系

2、產業系金融機構風控體系

二、互聯網貸款風控體系

1、一家專注線上業務消金公司的風控

2、一家非持牌機構的線上風控

三、風控理念的顛覆性差異

1、業務模式差異

2、客戶群體差異

3、盈利模式差異

四、互聯網貸款信用風險管理要點

1、覆蓋全系列產品的系統平臺

2、客戶全生命周期管理

3、運用3000+鮮活征信大數據

第二節：信用評分模型建立與應用 

一、SCORECARD建模方法論

1、 S = SAMPLING 

2、 C = CLEANSING

3、 O = OPTIMIZATION

4、 R = REGRESSION

5、 E = EQUALIZATION

6、 C = ConFIRMATION  

7、 A = ADMINISTRATION

8、 R = REVIEW

9、 D = documentATION

二、評分卡六大開發步驟

1、量化評分卡定義（A卡B卡C卡）

2、量化評分卡與專家評分卡

3、區別量化評分卡流程開發步驟

4、淺談驗證評分卡指標

5、評分卡衡量指標-ks值

6、專家評分卡流程開發步驟

三、大數據風控技術

1、生物特征識別

2、加速度傳感。 

3、機器學習與模型訓練

4、大數據應用場景

第二模塊  數字化風控審批策略

第一節：風控策略概要

一、多維度數據策略規則

1、社交及短信維度規則

2、移動設備維度規則

3、外部數據源規則

4、多維度評分卡規則

5、行為數據規則

二、風控審批策略的類別

1、經濟能力維度(月收入、工資流水等信息)

2、app信息維度(貸款APP安裝個數、短信命中高風險關鍵詞)

3、基本信息維度(年齡、性別、工齡等信息)

4、信用歷史(征信貸款信息、還款記錄)

5、行為表現(活動軌跡、登陸時間、注冊時間等信息)

二、風控基本量化指標

1、FPD（首期逾期）

2、CPD（當前逾期）

3、flow rate（遷徙率）

4、vintage（賬齡分析）

第二節：數據主流獲取方式

一、H5渠道

1、電腦端與移動端

2、微信公眾號與小程序

二、API渠道

三、SDK渠道

第三節：數據分析常見場景及對應分析方法

一、三方數據源測評

1、SR（查得率）

2、CR（覆蓋率）

3、ERR（誤據率）

4、EDR（有效差異率）

5、IDR（無效差異率）

PS：以黑名單測試為例    

二、準入策略的制定

1、基礎認證策略

2、貸前反欺詐策略

3、黑名單策略

4、特殊名單策略

5、信用風險策略   

三、風控白名單

1、聯合建模

2、內部數據探索

3、外部數據匹配   

四、黑名單策略    

五、規則閾值cutoff的設定

1、通過評分找到風險被低估的區間

2、評估擬拒絕人群收益風險比

六、D類調優    

七、A類調優

八、信用多頭策略    

九、評分的策略應用

第四節：策略規則VS數據模型

一、風險決策的架構

1、策略規則+評分模型

2、策略規則+模型規則

二、評分模型三大盲區

1、建模數據集VS實際貸款人

2、歷史模型數據VS未來實際情況

3、目標變量界定VS實際商業目標

第五節：一鍵式智能數據建模

一、智能建模過程

1、自動識別變量類型

2、生成最佳決策樹

3、機器學習模型迭代

4、由業務人員進行的策略管理

5、智能化策略部署

二、Sas建模流程VS智能建模流程

三、一鍵式智能建模銀行落地實際案例

1、銀行個人分期違約預測案例

2、銀行小微企業信貸客戶違約預測案例

第三模塊 欺詐黑產業與網貸反欺詐策略

第一節：欺詐黑產市場現狀

一、黑產數據

1、欺詐團伙

2、黑產從業者

3、經濟損失

4、黑產市場規模

二、欺詐客群分布

1、按行業

2、按年齡

3、按地域

4、按性別

第二節：欺詐黑產產業鏈

一、三大類型欺詐鏈

1、羊毛黨

2、信貸欺詐

3、盜號盜刷

二、信貸欺詐的主要方式

1、團伙欺詐

2、盜號盜刷

三、信貸常見五大欺詐行為

1、虛假聯系人

2、虛假信息

3、資產類虛假資料

4、偽冒申請

5、團伙詐騙

第三節：黑產如何獲取客戶信息

一、拖庫

1、技術手段

2、欺詐手段

二、撞庫

1、獲取密碼嘗試登陸

2、字典集合暴力破解

三、洗庫

1、用戶信息清洗倒流變現

2、金融賬戶盜刷

第四節：黑產工具與平臺

一、黑產如何批量制造“真實”用戶行為

1、改機工具

2、模擬工具

二、黑產“真實客戶”養成工具

1、接碼打碼集合平臺

2、貓池

3、群控

4、模擬精靈 

三、黑產如何幫客戶實現數據“整容”

1、固話轉接

2、代養信用卡

3、銀行流水制作

第五節：三大金融場景反欺詐策略

一、網絡借貸欺詐參與方、欺詐行為及反欺詐策略 

1、針對冒充他人申請

2、針對虛假信息

3、針對資產類資料虛假

4、針對虛假聯系人

5、針對團伙欺詐

二、信用卡欺詐參與方、欺詐行為及反欺詐策略

1、針對冒充他人申請

2、針對失卡冒用

3、針對惡意透支

4、針對偽造信用卡

5、針對商戶欺詐

三、電商分期欺詐參與方、欺詐行為及反欺詐策略

1、用戶進入頁面方式

2、用戶瀏覽環節

3、用戶注冊環節

4、用戶下單付款環節

5、商家套現

6、注冊用戶關聯分析

7、產品價格虛高

8、銷售額異常

9、客服交流異常

10、收貨確認異常

第六節：網貸風控的命門——互聯網金融反欺詐 

一、全面防范欺詐風險

1、搭建全流程反欺詐管理制度

2、數據監控和欺詐分析相結合

3、欺詐流程和欺詐模型相結合

4、大數據與風控系統現結合 

二、什么樣的數據可以應用到反欺詐

1、按照數據來源區分

2、按照數據類型區分

3、按照數據使用場景

4、注意事項

三、反欺詐模型和信用模型區別

1、目標變量

2、模型特征

3、實時性

4、技術實施

四、反欺詐之手機設備指紋實施

1、設備識別

——IP 地址、cookie以及移動互聯網特有的設備ID

——設備指紋（設備ID）

2、被動式設備指紋

3、主動式設備指紋

4、常見五類欺詐形式（略）

五、如何構建全流程反欺詐風控系統

1、數據接入、決策引擎、管理系統相結合

2、數據分析和反欺詐模型相結合

六、反欺詐工作落地實施方案

1、準備工作

2、部署要點

3、實施步驟

七、反欺詐方案調整解析

1、業務運營監控

2、策略模型監控

3、異常情況監控

第四模塊  網貸不良催收策略與催收實踐

第一節、網貸催收管理方法論

一、催收管理的核心競爭優勢

二、確定金融機構的風險偏好

三、數據分析的策略藝術

四、自動化催收工具提高生產力

五、平衡催收策略對信貸規模及成本收益率的影響

第二節、催收管理的生命周期

一、國際最佳實踐中，催收各階段原則與策略

二、催收管理時間軸

三、策略性催收的核心關注要點

四、催收的基本原則

第三節、催收管理的體系架構

一、將催收被設計成一個綜合管理處置體系

二、催收及回款的組織架構

三、催收的流程、策略及差異化管理

第四節、催收管理的策略實踐

一、模型開發方法論——基于決策樹模型的策略開發

二、策略設計方法論——結合數據驅動與評分卡

三、滾動率模型與冠軍挑戰者策略

四、智能催收機器人在催收中的應用

第五節、網貸不良資產處置的其他方式

一、自主核銷實踐與探索

二、持牌AMC的天然優勢