风控策略产品经理:金融风控的业务规则和策略模型(七)

我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  
这篇文章主要从金融+风控PM的角度,重点分析几个金融风控策略模型,帮助大家消化这些内容。下面就来看看吧,同时大家也要多多思考哦,这样才能真正掌握这些内容。
风控策略产品经理:金融风控的业务规则和策略模型(七) 下面以金融+风控PM角度去看,重点分析几个金融风控策略模型

 重要金融风控策略模型1:A卡(贷前信用风险模型)

(1)PM要分析会遇到的风险问题

贷前主要解决用户准入和风险定价问题(大白话去理解就是:即面对一个新申请的进件用户,判断用户是否符合产品的放款条件及相应的放款额度、价格、期限等问题。)

补充1:(面试会经常问答的)

PM面试,回答从来离不开业务+业务遇到的问题,没有这个为前提的任何思考和需求都是比较虚的,没有支撑点。

细分问题,PM所重点关注侧策略模型,要解决的关键点:

反欺诈识别:根据用户提交的材料进行身份核实,确保用户不存在欺诈行为;

信用评级:与传统银行的信用评分卡原理类似,数据维度更加丰富,综合用户的社交数据、行为数据、收入数据等,判定用户的信用风险等级,评估用户的履约能力;

风险定价:根据用户的负债能力和收入稳定性,判断用户可承担的月供金额,确定用户的放款额度、偿还期限等,并根据用户风险等级确定用户的费率。

这三个问题往往是互相影响、互为前提的。

(举个简单的例子,对一个月收入3000的用户来说,月供在1000左右,用户可能履约良好,信用等级良好;但如果月供提高到4000,严重超出了其收入水平,即便不是有意欺诈,也可能出现断供的情况,从而得到比较差的信用等级)

(2)模型举例分析

从PM角度去看,以携程金融为例,看看信用风险建模(A卡)做了关键点。

首先从模型的源头,建模开始。

PM会对A卡建模工作的侧重点,主要包括如下几方面:(前两点比较口水话,个人价值一般般,面试也比较少深挖的。第三和第四点重要,此类PM实践工作会较多的,遇到问题也是这些环节出现较多,可以重点mrak)

1.确保策略的一致性。就是尽量减少人工干预,并利用机器学习的优势提升决策效率;

2.准确反映并量化用户的风险级别。策略人员可以控制和减少风险损失,因此对评分卡等级的排序能力、稳定性要求会比较高。

3.对好坏用户定义。(这部用户画像PM会参与进来的)这个很有意思,因为风控是对抗性,所以这里的用户心理和传统PM所想的不一样。(这个我在后面补充了)

4.样本规模筹备、算法迭代推进。简单说就是不断找新的数据去测试,测试好了又不断升级。同时不仅仅是数据量不断更新,当有了新的业务,那么发展起来的风控也是需要不同的。(这个也比较核心,后面补充了)

那么,该如何定义好坏用户呢?下篇文章继续给大家分享干货,都是自己的经验总结,希望能帮助到大家。

以上就是“风控策略产品经理:金融风控的业务规则和策略模型(七)”的内容了,如果你还想了解其他相关内容,可以来 产品壹佰 官方网站。

随意打赏

提交建议
微信扫一扫,分享给好友吧。