典型风控场景与贷前中后常用数据汇总

关注 “ 金科应用研院 ” ，回复“ 礼包 ”

领取“ 风控资料合集 ”

在金融科技快速发展的今天，风控策略模型的构建和应用已成为各大金融机构的核心竞争力之一。本文简单模拟一家初创公司伴随业务启动到逐渐成熟的过程中，风控策略模型体系如何搭建和优化。 ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍

1. 贷前风控流程

贷前风控是整个风控流程的起点，其目标是识别并过滤掉潜在风险较高的申请者。贷前风控流程包括准入策略、模型前规则、授信模型、模型后规则、进件决策矩阵等多个环节。

贷前常用数据 ‍ ‍ ‍ ‍

模拟项目案例：

假设一家金融机构在 业务上线初期 希望提高贷款通过率，同时降低坏账率。首先，他们可以采用无成本或低成本的规则进行初步筛选，如身份核验和基本信息审核。通过这些规则，可以过滤掉明显的欺诈行为和不符合基本条件的申请。

数据分析：

• 在实施规则筛选后，通过率从60%提升到70%，但坏账率仅上升了1%。这表明规则筛选有效地提高了通过率，同时控制了风险。

2. 模型应用

• 信用风险评分模型： 使用内部数据和外部数据源构建的信用风险模型，可以给出申请者一个信用分数。假设有一组申请者，他们的平均信用分数为678，属于RG3级别。通过这个模型，公司可以决定是否授信以及授信额度。

模拟项目案例 ：

• 在业务上线3个月后 ，仅靠策略规则的调整发现对整体资产的通过率和逾期率影响降低，此时公司开始开发信用评分模型，通过模型将坏账率人群进一步细分和制定风控策略。模型上线后一组申请者中，信用分数在650-700之间的人群，坏账率为2.5%。而信用分数在750以上的群体，坏账率仅为0.5%。这表明信用分数对风险评估的有效性。

‍

贷中常用数据

1. 贷中行为评分

贷中管理的主要目标是持续监控借款人的行为，动态调整信用评级和风险预警。通常会采用了多种贷中模型，如信用风险模型、贷中用户行为模型等。

模拟项目案例 ：

• 业务开展到第6个月 公司发现，部分借款人在贷款期间的行为发生显著变化，如频繁提现或购物。通过贷中行为模型，这些行为被识别为潜在风险行为，导致其信用评分降低。

数据分析：

• 统计显示，行为异常的借款人逾期率为10%，而行为正常的仅为2%。此数据支持了贷中行为评分的有效性。 ‍

2. 提前结清预警

• 通过提前结清模型，可以预测借款人是否会提前还款，从而调整运营策略。

模拟项目案例 ：