他用几个公式解释了现金贷业务的风控与运营 (下) 2017-09-18 22:04 风控/运营/违约 “金额如此小的业务,成本极度敏感,刚开始的时候我们在数据成本和坏账成本之间特别纠结。” 以上是许

本文主要是介绍他用几个公式解释了现金贷业务的风控与运营 (下) 2017-09-18 22:04 风控/运营/违约 “金额如此小的业务,成本极度敏感,刚开始的时候我们在数据成本和坏账成本之间特别纠结。” 以上是许,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

他用几个公式解释了现金贷业务的风控与运营 (下)

“金额如此小的业务,成本极度敏感,刚开始的时候我们在数据成本和坏账成本之间特别纠结。”

以上是许多朋友现金贷业务的真实感受。在这一章中,我不打算像上一章那样做很多计算,我们聊聊关于a%(新贷客户损失率)及它的影响因素还有风控上如何掐头去尾取中间的事儿。

我们先来看下损失率是什么和如何界定,然后我们再探讨影响因素都有哪些。

一、关于新贷客户违约率

先看张图:

这是笔者截取的一份数据,内容是某个业务月的应还款新贷、续贷及汇总客户的逾期变化趋势、截取至逾期60天、续贷客户占比为60%。

在实际业务中我们会发现,新贷客户逾期率高、续贷客户逾期率低、汇总值居于两者之间、这个图更直观的解释了我们的公式一。

再来统一下关于逾期率损失率的口径:

简单来说,我们的业务面临的损失率实际上是在某业务月过完后,一批应还款客户中达到我们界定为损失的逾期天数的账户数或者金额,在这段还款周期内所占的比率。根据业务口径不同,可以是30、60、90或者更长,最粗暴的认定方法是在哪个时间点开始你基本催不回来了,那高于这个时间点的你就算成损失好了。

对逾期率、损失率的算法视角如图:

上述表格中的即期跟延期算法都可以看出,在业务平稳增长的阶段内,我们会发现即期指标跟延期指标是接近的,但是在每月业务大幅增长的时候,即期指标会显得过小,延期指标的算法这时则更容易反映业务“质量”,所以本文探讨这些指标时所说的逾期30天以上,一般是以逾期30天以上的账户数为分子、30天前对应的应还款账户数为分母统计的。

影响新贷客户损失率的指标(这里我胡写了个公式……):

P(新贷客户损失率)=[P(欺诈)+P(过度多头借贷)+P(不想还)+P(看起来可以不还)]*P(系统抽风的概率)*P(规则懵了的概率)

但是意思是对的,其实一群新贷客户的违约率取决于这个人群的违约率本身与现金贷系统识别能力的相互作用。

除了这里列明的,现金贷新贷客户的损失率跟申请及放款后的还款教育、短信提醒、还款前的早期提醒、用户对于还款后再借的“口子稳定程度”的心理预期、客服态度、催收压力等也有不小的关系。

欺诈受产品欺诈成本的影响,比如我们使用人脸识别或者在申请过程中强制实名或银行卡鉴权,都会在形式上提高欺诈成本,在业务早期我们需要通过细致的反欺诈规则来实现,在业务中期数据丰富后我们需要补充关系反欺诈,如共用设备、共用申请手机等简单规则,以及通过图算法实现一些风险标签传播。

二、简单的几个示例

1.三个人共用设备

2.多个人共用手机号

3.典型团贷风险

过度多头借贷并不是一个无法识别到的信息,过度的多头借贷一定会导致用户最终的偿还能力出现问题,但是客户能跟其他家借到钱有的时候是“利于”拆东补西的,这里我们也会发现一个问题----现金贷客户中那些跟固定的几家机构借钱的用户的违约率和最终彻底陷入恶性债务螺旋的比例要比那些无节制的撸口子的用户小的多。

看起来可以不还这个事情其实对于我们的产品来说有时候不受关注但又很重要,我个人一直认为借款应该是有门槛,并且让客户切实“感觉”是有一定的难度和压力的事情,过度的考虑客户的体验,反而让客户感觉借到钱太容易,而“看起来可以不还”,跟多家机构的沟通和对比后我们发现,提示和一些强制措施并没有严重降低用户发起借款申请的转化率。或许,借得到钱才是最好的体验。

三、关于掐头去尾取中间

其实现金贷业务针对新贷客户主要的风控动作可以归结为“掐头去尾取中间”。

① 去尾的能力是业务早期启动及隔离风险的核心能力,0-1必须做好

② 掐头的能力是决定业务如何快速走通和迭代的核心能力,0-1-30阶段必须做好

③ 取中间的能力是业务发展过程中的核心能力,往往是30-60阶段才要花大精力做好的的事情

去尾的能力在业务风控中最典型的做法是通过“规则”实现,如反欺诈规则、风险评判规则、黑名单规则。掐头的能力在风控中早期往往通过“人”来实现,也有机构是规则拒绝后就通过的,会在积累了一定的用户表现后通过机器学习等方法训练模型来获得提升。当通过模型训练完成建模后,我们就可以通过不断的迭代模型和调整cutoff的节点来解决取中间的问题。

文章来源:公众号“放得出去收得回来”

这篇关于他用几个公式解释了现金贷业务的风控与运营 (下) 2017-09-18 22:04 风控/运营/违约 “金额如此小的业务,成本极度敏感,刚开始的时候我们在数据成本和坏账成本之间特别纠结。” 以上是许的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/670815

相关文章

Java利用JSONPath操作JSON数据的技术指南

《Java利用JSONPath操作JSON数据的技术指南》JSONPath是一种强大的工具,用于查询和操作JSON数据,类似于SQL的语法,它为处理复杂的JSON数据结构提供了简单且高效... 目录1、简述2、什么是 jsONPath?3、Java 示例3.1 基本查询3.2 过滤查询3.3 递归搜索3.4

MySQL大表数据的分区与分库分表的实现

《MySQL大表数据的分区与分库分表的实现》数据库的分区和分库分表是两种常用的技术方案,本文主要介绍了MySQL大表数据的分区与分库分表的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有... 目录1. mysql大表数据的分区1.1 什么是分区?1.2 分区的类型1.3 分区的优点1.4 分

Mysql删除几亿条数据表中的部分数据的方法实现

《Mysql删除几亿条数据表中的部分数据的方法实现》在MySQL中删除一个大表中的数据时,需要特别注意操作的性能和对系统的影响,本文主要介绍了Mysql删除几亿条数据表中的部分数据的方法实现,具有一定... 目录1、需求2、方案1. 使用 DELETE 语句分批删除2. 使用 INPLACE ALTER T

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

Redis 中的热点键和数据倾斜示例详解

《Redis中的热点键和数据倾斜示例详解》热点键是指在Redis中被频繁访问的特定键,这些键由于其高访问频率,可能导致Redis服务器的性能问题,尤其是在高并发场景下,本文给大家介绍Redis中的热... 目录Redis 中的热点键和数据倾斜热点键(Hot Key)定义特点应对策略示例数据倾斜(Data S

Python实现将MySQL中所有表的数据都导出为CSV文件并压缩

《Python实现将MySQL中所有表的数据都导出为CSV文件并压缩》这篇文章主要为大家详细介绍了如何使用Python将MySQL数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到... python将mysql数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到另一个

SpringBoot整合jasypt实现重要数据加密

《SpringBoot整合jasypt实现重要数据加密》Jasypt是一个专注于简化Java加密操作的开源工具,:本文主要介绍详细介绍了如何使用jasypt实现重要数据加密,感兴趣的小伙伴可... 目录jasypt简介 jasypt的优点SpringBoot使用jasypt创建mapper接口配置文件加密

使用Python高效获取网络数据的操作指南

《使用Python高效获取网络数据的操作指南》网络爬虫是一种自动化程序,用于访问和提取网站上的数据,Python是进行网络爬虫开发的理想语言,拥有丰富的库和工具,使得编写和维护爬虫变得简单高效,本文将... 目录网络爬虫的基本概念常用库介绍安装库Requests和BeautifulSoup爬虫开发发送请求解

Oracle存储过程里操作BLOB的字节数据的办法

《Oracle存储过程里操作BLOB的字节数据的办法》该篇文章介绍了如何在Oracle存储过程中操作BLOB的字节数据,作者研究了如何获取BLOB的字节长度、如何使用DBMS_LOB包进行BLOB操作... 目录一、缘由二、办法2.1 基本操作2.2 DBMS_LOB包2.3 字节级操作与RAW数据类型2.

MySQL使用binlog2sql工具实现在线恢复数据功能

《MySQL使用binlog2sql工具实现在线恢复数据功能》binlog2sql是大众点评开源的一款用于解析MySQLbinlog的工具,根据不同选项,可以得到原始SQL、回滚SQL等,下面我们就来... 目录背景目标步骤准备工作恢复数据结果验证结论背景生产数据库执行 SQL 脚本,一般会经过正规的审批