近日，算話征信與知名智能信貸服務(wù)商完成欺詐及早期風(fēng)險(xiǎn)識(shí)別聯(lián)合建模項(xiàng)目。該信貸產(chǎn)品基于移動(dòng)互聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)技術(shù)實(shí)現(xiàn)全流程線上信貸服務(wù)，聯(lián)合建模項(xiàng)目有效實(shí)現(xiàn)了預(yù)期風(fēng)控效果。

在當(dāng)前普惠金融的市場環(huán)境下，線上欺詐風(fēng)險(xiǎn)變化非常頻繁，以往單一的個(gè)體欺詐已迅速演變成有組織、有規(guī)模的團(tuán)體欺詐和相應(yīng)的關(guān)聯(lián)風(fēng)險(xiǎn)。對(duì)于信貸機(jī)構(gòu)來說，傳統(tǒng)的欺詐及早期風(fēng)險(xiǎn)識(shí)別手段包括身份驗(yàn)證、客戶信息邏輯校驗(yàn)、外部信息的對(duì)比校驗(yàn)、黑名單過濾等方式主要還是在識(shí)別個(gè)人風(fēng)險(xiǎn)，無法根據(jù)千絲萬縷的關(guān)系挖掘潛在的群體欺詐，這就需要基于網(wǎng)絡(luò)的全局風(fēng)險(xiǎn)識(shí)別能力來覆蓋風(fēng)險(xiǎn)漏洞，算話征信利用關(guān)系網(wǎng)絡(luò)來識(shí)別群體欺詐風(fēng)險(xiǎn)的技術(shù)十分貼合當(dāng)前的風(fēng)控需求。

雙方此次合作項(xiàng)目是欺詐及早期風(fēng)險(xiǎn)識(shí)別產(chǎn)品，以識(shí)別高風(fēng)險(xiǎn)人群為目標(biāo)，通過聯(lián)合建模的方式實(shí)現(xiàn)模型定制化，通過算話征信的專業(yè)風(fēng)控技術(shù)為合作金融機(jī)構(gòu)提供更精準(zhǔn)且高效的風(fēng)險(xiǎn)解決方案。據(jù)觀察，產(chǎn)出的模型結(jié)果在開發(fā)數(shù)據(jù)集和時(shí)間外樣本測試上，均獲得了顯著且穩(wěn)定的效果。

雙方合作的聯(lián)合建模方式，是以相關(guān)產(chǎn)品的申請(qǐng)數(shù)據(jù)為基礎(chǔ)，利用算話數(shù)據(jù)庫中的復(fù)雜關(guān)系網(wǎng)絡(luò)，衍生出一系列反映欺詐及早期風(fēng)險(xiǎn)的變量，由算話模型團(tuán)隊(duì)運(yùn)用隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)技術(shù)，為信貸產(chǎn)品定制個(gè)性化風(fēng)險(xiǎn)識(shí)別模型。該團(tuán)隊(duì)擁有豐富的跨行業(yè)國際建模經(jīng)驗(yàn)，成員參與過國家征信、國內(nèi)外銀行、互聯(lián)網(wǎng)金融、銀聯(lián)、保險(xiǎn)、能源、高端市場等領(lǐng)域的眾多數(shù)據(jù)分析、建模、策略及BASEL合規(guī)項(xiàng)目。

算話建模團(tuán)隊(duì)專家介紹，聯(lián)合建?？梢詾楹献鳈C(jī)構(gòu)提供更符合自身業(yè)務(wù)特點(diǎn)的定制模型，比如通過分析用戶行為（User Behavior）和貸后表現(xiàn)之間的關(guān)系，建立相關(guān)信用評(píng)分模型。所謂用戶行為包括APP下載來源、APP跳轉(zhuǎn)頻次、APP停留時(shí)間、填寫資料時(shí)間及準(zhǔn)確度等全方位的用戶使用情況；而貸后表現(xiàn)就是用戶的還款情況。其實(shí)用戶行為和貸后表現(xiàn)這兩類數(shù)據(jù)都是長期存在的，且隨著業(yè)務(wù)的發(fā)展，這兩類數(shù)據(jù)也會(huì)越發(fā)的完善和全面。但目前缺少的是通過正確的視角和方式建立精準(zhǔn)的信用評(píng)分模型，把一直被當(dāng)作弱變量的用戶行為變?yōu)閺?qiáng)變量，從而更好地輔助信貸審批流程。算話征信的服務(wù)介入恰好彌補(bǔ)了這一環(huán)節(jié)。

雙方的聯(lián)合團(tuán)隊(duì)歷時(shí)數(shù)月梳理了海量的用戶行為數(shù)據(jù)，共同完成了定制信用評(píng)分模型。建模采用傳統(tǒng)評(píng)分卡的方式，經(jīng)過模型設(shè)計(jì)、變量處理、邏輯回歸、分?jǐn)?shù)轉(zhuǎn)換等過程后，可以得到評(píng)分值表。最終結(jié)果顯示，該模型表現(xiàn)優(yōu)異，評(píng)分結(jié)果穩(wěn)定性很高。

據(jù)介紹，算話欺詐及早期風(fēng)險(xiǎn)識(shí)別產(chǎn)品自投入市場以來，很快取得客戶認(rèn)可，合作機(jī)構(gòu)數(shù)量現(xiàn)已超過160家，在隊(duì)列中申請(qǐng)進(jìn)行聯(lián)合建模合作的機(jī)構(gòu)達(dá)到21家。在供不應(yīng)求的情況下，為滿足客戶意愿，算話征信已對(duì)產(chǎn)品線再度進(jìn)行擴(kuò)充，目前欺詐及早期風(fēng)險(xiǎn)識(shí)別項(xiàng)目包括以下方式：

合作機(jī)構(gòu)普遍認(rèn)為，算話欺詐及早期風(fēng)險(xiǎn)識(shí)別服務(wù)更側(cè)重于團(tuán)伙欺詐的防范，通過知識(shí)圖譜、風(fēng)險(xiǎn)信息交叉挖掘等技術(shù)，同時(shí)將個(gè)人信息與行為大數(shù)據(jù)相結(jié)合，通過多種欺詐形態(tài)樣本，訓(xùn)練出多個(gè)有針對(duì)性的模型，最后結(jié)合多年反欺詐實(shí)戰(zhàn)經(jīng)驗(yàn)的專家策略加以整合；通過每筆信貸申請(qǐng)的具體資料，得出其欺詐概率，以及懷疑欺詐的具體原因點(diǎn)，使算話的服務(wù)與機(jī)構(gòu)自身的風(fēng)控策略更好地結(jié)合起來，達(dá)到最佳防范效果。

算話欺詐及早期風(fēng)險(xiǎn)識(shí)別服務(wù)正式上線以來，服務(wù)月均增長指數(shù)超過100%，截至2017年7月，已有超過160家機(jī)構(gòu)使用，系統(tǒng)日訪問量超過70萬。