互联网金融风控模型

① 互联网金融风控模式都有哪些

目前国内互联网金融的风控模式不尽相同，通常来讲，互联网金融公版司风控体系一权般包含以下几种：1，出借人自担风险模式
2，平台保证模式
3，风险备用金模式
4，债权转让，风险备用金模式
5，抵押，风险备用金模式
6，担保机构担保模式
7，金融机构信用，担保机构担保模式
8，小额贷款担保模式。同时，为了尽可能降低风险，目前国内主流互联网金融平台大多选择了和专业的第三方风控软件提供商合作的模式，将自有模式和三方结合起来，比如国内的主流互联网金融平台都在使用的同盾风控风控反欺诈服务。

② 互联网金融风控要搞清7个问题：常用的模型有哪些

风险来识别、风险估测、风险评源价、风险控制和风险管理效果评价等环节。
目前最常用的风控模型是哪些？
风控模型 常用于担保公司测算最高能够承受的风险并且根据市场与资本建立最有效的风控模型进行风险手段
风控模型 是在良好的建立风控体系风控评定方式评分机制等基础上进行有效的数据分析及评分体系就是建立常用的风控模型方式

③ 现在互联网金融的风控模式主要有哪些

一、担保机制
二、大数据构建风控模型
三、风险准备金模式
四、分散模式
比较成熟而且安全的是履约保证保险类，我用的米缸就有

④ 互联网金融风控怎么做

中国互联网金融抄风控一般都是袭线下专业风控团队进行风控的，像精融汇，借款需求都是由专业风控团队把关，针对每个贷款客户，都会进行线下考察、资料审核、背景调查以及还款能力测试等，确保融资项目的真实可靠性，然后再移植至线上让投资人进行投资。

⑤ 互联网金融风控模型一般是如何搭建的

风控模型是在良好的建立风控体系、风控评定方式、评分机制等基础上，进行有效的数据分析及评分体系，就是建立常用的风控模型方式。目前来看，国内的互联网金融平台搭建风控模型主要有两种方式：一是自己搭建，二是直接使用三方供应商。比如目前互联网金融公司广泛使用的杭州同盾的风控产品和服务。当然，更多的互联网金融公司都会选择将两者结合起来，优化模型，提升效果。

⑥ 互联网金融风控模型一般是如何搭建的

风控模型是在良好的建立风控体系、风控评定方式、评分机制等基础上，进行有效回的数据分析及评答分体系，就是建立常用的风控模型方式。目前来看，国内的互联网金融平台搭建风控模型主要有两种方式：一是自己搭建，二是直接使用三方供应商。比如目前互联网金融公司广泛使用的杭州同盾的风控产品和服务。当然，更多的互联网金融公司都会选择将两者结合起来，优化模型，提升效果。

⑦ 互联网金融风控模型，需要多大的数据

1、基于某类特定目标人群、特定行业、商圈等做风控

由于针对特定人员、行业、商圈等垂直目标做深耕，较为容易建立对应的风险点及风控策略。
例如：
针对大学生的消费贷，主要针对大学生人群的特征
针对农业机具行业的融资担保。
针对批发市场商圈的信贷。

2、基于自有平台身份数据、历史交易数据、支付数据、信用数据、行为数据、黑名单/白名单等数据做风控

身份数据：实名认证信息（姓名、身份证号、手机号、银行卡、单位、职位）、行业、家庭住址、单位地址、关系圈等等。
交易数据/支付数据：例如B2C/B2B/C2C电商平台的交易数据，P2P平台的借款、投资的交易数据等。
信用数据：例如P2P平台借款、还款等行为累积形成的信用数据，电商平台根据交易行为形成的信用数据及信用分（京东白条、支付宝花呗），SNS平台的信用数据。
行为数据：例如电商的购买行为、互动行为、实名认证行为（例如类似新浪微博单位认证及好友认证）、修改资料（例如修改家庭及单位住址，通过更换频率来确认职业稳定性）。
黑名单/白名单：信用卡黑名单、账户白名单等。

3、基于第三方平台服务及数据做风控

互联网征信平台（非人行征信）、行业联盟共享数据（例如小贷联盟、P2P联盟） FICO服务
Retail Decisions(ReD)、Maxmind服务
IP地址库、代理服务器、盗卡/伪卡数据库、恶意网址库等
舆情监控及趋势、口碑服务。诸如宏观政策、行业趋势及个体案例的分析等等

4、基于传统行业数据做风控

人行征信、工商、税务、房管、法院、公安、金融机构、车管所、电信、公共事业（水电煤）等传统行业数据。

5、线下实地尽职调查数据

包括自建风控团队做线下尽职调查模式以及与小贷公司、典当、第三方信用管理公司等传统线下企业合作做风控的模式。
虽然貌似与大数据无关，但线下风控数据也是大数据风控的重要数据来源和手段。

⑧ 互联网金融风控模型都有哪些

以P2P网贷为例

一、销售环节

了解客户申请意愿和申请信息的真实性，适专用于信贷员模式属，风控关键点。

风控关键点：不同类型的借款申请调用不同的信用评分规则引擎。

二、贷后存量客户管理环节

存量客户授信调整是存量客户管理中的重要一环

风控关键点：

1、违约情况观察，比如是否发生早期逾期，连续多期不还欠款、联系方式失效等

2、信息关联排查，比如存量客户中是否有与新增的黑名单、灰名单数据匹配

三、贷后逾期客户管理环节

还款意愿差和还款能力不足是客户逾期的主要原因，这个环节主要涉及逾期客户管理与失联客户管理

风控关键点：

1、催收模型、策略优化。

2、失联客户识别与修复失联客户信息。

四、资金流动性管理环节

流动性风险是P2P网贷平台的主要风险，跑路P2P网贷平台的一个重要原因就是发生了挤兑。大数据下的流动性管理其实是实时BI的一个应用。传统BI数据T+1，大数据是实时BI。

风控关键点:

1、资金维度

2、业务维度

⑨ 互联网金融风控模型，需要多大的数据

互联网金融各大资产端都是都是需要大数据支撑的，不同的资产端对应的风控可能会不太一样。特别是做个人消费贷，风控是最难的，更需要有专业的大数据来做金融风控。

⑩ 互联网金融风控体系是如何搭建的

从技术的角来度来讲，互联网源金融风控体系的搭建需要配置相应的人员，搭建技术体系，设置流程，配置规则和模型等等。从方式方法上来讲，有直接自己搭建的，也有直接采用第三方风控体系的，这主要看平台的大小和自身的需求。不过从目前来看，大多数的公司都选择了两者的结合，即在自建风控体系的同时，选择三方反欺诈供应商如杭州同盾科技的合作。