合规风控优化：学一学番茄风控独创的体系内容
合规风控优化：学一学番茄风控独创的体系内容R =Resource of Data定价与模型M =Model of Data数据模型A =A price&A product
SMART英文中是漂亮的、聪明的意思，可以说是热词，引申到风控中，对应本文的五大风控内容。今天我们来详细讲讲风控中相关的SMART内容，希望本次内容在新的一年里帮助您进步提升。这里的“S”、“M”、“A”、“R”、“T”五个字母分别对应了以下五个英文单词。
这5个字母分别是5个英文单词的首写字母，代表风控中最重要的五大基本元素，它们的含义分别是：
S = Strategy of Credit
信贷策略
M =Model of Data
数据模型
A =A price&A product
定价与模型
R =Resource of Data
数据资源
T=Tool of Decision Engine
决策引擎工具
下面按照字母顺序，详细描述风控中SMART的关键内容：
一.S = Strategy of Credit，信贷策略
在产品风控体系中，根据开发方式与应用角度的不同，可以分为策略与模型两个模块。其中，策略可以理解是一个规则集合，信息维度越丰富，阈值划分越精细，策略规则应用效果越好。若根据规则应用节点进行区分，规则类别可以包括信息准入、要素核验、欺诈识别、客户分层、风险评级、额度授信、产品定价等。
某金融机构风控部门整年在策略规则的研发方面，上线应用的规则分布如下图所示，根据规则决策结果的风险等级区分，规则共分为刚性、高柔、低柔三个类别，风险由高到低，若用户命中刚性规则的阈值直接拒绝，若仅命中高柔或低柔规则的阈值可进入后续环节。由图中数据分布可知，低柔类别规则占比相对较小，其原因是规则识别高风险主要集中在刚性、高柔规则的使用。
编辑
添加图片注释，不超过 140 字（可选）
【图 策略规则开发情况】
策略规则的开发，离不开有效数据源的获取，一方面来自产品流程生成的数据，如基本信息、联系人信息、设备信息等；另一方面来自三方征信机构引入的数据，如银联交易、多头信息、电商消费、交通出行等信息。通过多个维度数据标签的数据挖掘与分析，可以开发出多种类别的规则。表1为产品策略规则集的部分规则样例，包括不同类型不同纬度的规则。
编辑
添加图片注释，不超过 140 字（可选）
【表：策略规则示例】
二.M =Model of data
信用风险模型，简单地说就是通过历史数据，抓取坏客户显著区别于正常客户的特征，并以此为标准去预测未来会有很大概率出现这种行为的人。所以在模型中“坏” 的定义就显得尤为重要，也就是未来究竟想把哪些人拒之门外。
在信用评分领域，一般用客户拖欠欠款的时间来刻画客户的行为，逾期时间越长，逾期等级越高，客户风险也就越高。但是由于收益与风险的正比关系，银行为了找到平衡，不会认为所有发生过逾期的客户都是坏客户，并且“适当” 的逾期不仅不会带来损失，反而带来了可观的逾期利息收入，所以对于银行来说，他所关注的坏客户是坏到某一程度，也就是逾期等级较高且不还款的客户。
目前在信贷评分模型中，开发流程是标准化的，大体为：
编辑切换为居中
添加图片注释，不超过 140 字（可选）
而模型按照场景化划分可以细分为以下内容：
编辑切换为居中
添加图片注释，不超过 140 字（可选）
在评分的使用上，可以参考：
编辑切换为居中
添加图片注释，不超过 140 字（可选）
三.A =A price&a product
信贷中政策内容关键因素是产品设计与定价。如定价，市面上两大类产品的定价的逻辑，主要分为两大类分别是先还本金还是本金后还，分成这两类的原因是因为他们暴露的风险敞口，完全不一样：
编辑
添加图片注释，不超过 140 字（可选）
1.第一种：先息后本的产品
先息后本的产品，在我们风险定价里，相对是较容易做的一种产品定价，因为它主要的风险都集中在最后一期，只要我们把每个客群的风险的等级逐一分析，分析出某个客群的违约率，然后逐一相加，就能得相应的整个风险产品的损失值。具体的风险计算方式可参考之前做过的项目的，如下：
编辑切换为居中
添加图片注释，不超过 140 字（可选）
比如对于上面这个情况中，计算总的估计损失比的数值，将每个等级的客群的预估损失值分别计算，再加总求和，得到的值再跟客群的总敞口做商，得到总的预估损失比。
2.本金跟利息同时还款产品
而对于等额本息或者等额本金，这样的产品跟第一种不太一样的。因产品期数不同， 需对产品进行相同的周期转换后，比如通常转化为年化率，才能进行总体损失加权预估。
比如我们以一个还款12期的产品为例，请看：
编辑
添加图片注释，不超过 140 字（可选）
四.R =Resource of Data
信用风险管理发展呈现出数据化、模型化、系统化、自动化和智能化的特点。传统的人工专家经验正逐步被模型与算法替代。目前，对于信贷审核来说主要基于的风控模式为IPC、信贷工厂、大数据三种。而在大数据的使用上，目前最重要的数据资源就是外部三方数据以及征信数据。
其中三方数据最重要的就是用于补全目标客户画像
编辑切换为居中
添加图片注释，不超过 140 字（可选）
目前市面常见产品：
编辑切换为居中
添加图片注释，不超过 140 字（可选）
另外如前面所述，目前各位金融机构上最重要使用的还有人行征信数据。2021年以来，各家金融公司都基本上线了二代征信内容，那二代征信包括内容有哪些？
4.1.二代征信概要
编辑切换为居中
添加图片注释，不超过 140 字（可选）
4.2.具体报告解析部分
4.2.1.报告头：
编辑切换为居中
添加图片注释，不超过 140 字（可选）
4.2.2.个人基本信息
编辑切换为居中
添加图片注释，不超过 140 字（可选）
4.2.2.信息概要部分
编辑切换为居中
添加图片注释，不超过 140 字（可选）
编辑切换为居中
添加图片注释，不超过 140 字（可选）
编辑切换为居中
添加图片注释，不超过 140 字（可选）
4.2.3.信贷交易明细部分（含非循环贷/循环贷产品等）
编辑切换为居中
添加图片注释，不超过 140 字（可选）
编辑切换为居中
添加图片注释，不超过 140 字（可选）
编辑切换为居中
添加图片注释，不超过 140 字（可选）
.....
五.T=Tool of Decision Engine
决策引擎就是为了公司所有的决策条件而产生，它的本质是一个个规则流 它主要是为了决策的使用而架在主业务流程之上的。如果有兴趣可以戳一下这篇文章：点滴风控系统
编辑切换为居中
添加图片注释，不超过 140 字（可选）
所以在使用决策引擎过程中，跟风控部门相关的便是我们平常最多的工作便是如何去调试这一套决策系统。
编辑切换为居中
添加图片注释，不超过 140 字（可选）
首先我们先需要强调的一个很重要的点是：决策引擎是以流程流为依据的一个部件，所有的工作判断都是将策略设计创建为流程流：
编辑切换为居中
添加图片注释，不超过 140 字（可选）
比如在上图中，我们一共经过了3个流程判断，最后才结束我们整个流程。
那在流程节点中，我们如何操作具体的节点呢？如果在这里我们以上图中的评分节点来判断：
编辑切换为居中
添加图片注释，不超过 140 字（可选）
那如果对这里详细的评分卡节点，这里我们又可以输出以下的信息：
编辑切换为居中
添加图片注释，不超过 140 字（可选）
在完成整个评分卡的设计后，其实我们还需要做一个评分的测试验证：
编辑切换为居中
添加图片注释，不超过 140 字（可选）
我们经常上线部署的评分卡也好策略也好，往往都是非常多的变量进行衍生组合的。难的就是当多个模型策略一起组合的时候，变量如何输出、如何衍生、如何分配不同的流程流等。
以上所提到的风控Smart，即S(策略)-M{模型)-A(产品定价)-R(数据)-T(引擎)，这五大块风控相关内容，可关注2022年春节档：
编辑切换为居中
添加图片注释，不超过 140 字（可选）
~原创文章
...
end
