提款被风控 老风控的心声:风控的“痛”与“恨”|内卷当下,单做好风控已远远不够
![](http://419ai.oss-cn-beijing.aliyuncs.com/2023/07/20230726191152761.png)
信贷风险部的同事,相信最常关注的当属客群的信用风险。一笔贷款放出去能否收回,当然是最需要考虑的就是客户是否有较好的还款能力。但从事风险的工作久了,慢慢地发现,风险管理工作除了信用风险外,却也常常跟各式各样的风险打交道,比如大家熟知的有操作风险、政策风险,市场风险等等。
如上所述,也正因为需要考虑的风险种类比较多,我们除了关注信用风险,也往往考虑与市场环境相关的市场风险。无市场,不信贷。
也正因为此,风控人常常会将市场风险作为最重要的考虑因素,现在很多公司有专属的针对突发市场变化的风控制度应对市场风险,这在疫情期间各家金融机构的处理方式都有所体现。关于信用风险,在我们以往的项目中,我们也曾在因忽略市场风险真实吃过亏,今天我们也是基于对市场风险等相关内容,说说我们在这上面的“痛”与“恨”。
关于市场风险,给大家举一个简单的例子就明白了。以目前如火如荼的海外现金贷打比方,当市场市场上放款的甲方个数处于上升的过程中,标志着市场有热度,风险管理也会更容易些。毕竟击鼓传花的游戏中,只要鼓声不停,总会有人在接棒。反之市场甲方递减的过程中,活下来的就是要靠敏锐的市场判断和专业的风控团队了。
以下真实跟大家分享一个市场下行过程中的一个项目,在整个项目中因为风控策略的调整不当差点就让整体业务崩塌的案例,希望对各位风控人都有所启示。
在我们经历了整个项目中,可以清楚看到,策略的部署与调整不当,真的差点导致了公司破整个业务线的崩塌,也差点就“卷”死了业务。
一. 按照惯例,先介绍该项目的背景与问题:
1.1.项目的背景
1、海外某市场处于甲方递减的过程中,市场热度也在降低;整体全球面临着金融危机,客户件均授信已经很难提升;
2、公司整体运营成本居高不下,其中重要的就是投放成本,投放成本受到产品整体转化过程的影响;
3、现金循环贷产品会有一个授信-提款的过程转化,也就是所说的授信提款率的转化,这部分客群是风控授信未提款的用户,经验分析是相对优质的。(因为授信后未提现,在信贷业务观察就是对资金需求不饥渴的客群,在以往的经验判断中,这部分客群偏向优质)
在项目初期开展后,发现有部分用户是授信通过未提款的用户,于是我们要做的工作便是:在产品端做自动提款业务提醒。所有的未提款用户,只要没有触发取消打款按钮,都会进行自动打款,图示如下:
对以上所有的流程中,相关的名词解释,分别是:
①手动提款:客户通过授信后自发进行提款或借款动作;
②自动提款:客户通过授信后未进行提款且在产品页面未触发“取消打款“按钮,则系统会自发对该客户进行打款行为;
在经过这波提款操作后,通过整体的分析和优化,授信提款率得到了明显提升。
二.项目发展、数据的沉淀与策略评估
过了一个产品周期后,风控策略针对这部分客户:手动取款(客户自发提款)和自动取款(客户未取消打款,系统自动打款)进行了逾期情况分析:
从上图可以看到,自动打款用户逾期率相较手动提款的用户的逾期率低了11.77%,风控逾期率的差距真的非常显著。
于是在差异化的风控策略中,我们即可针对不同提款方式的用户执行差异化的风控策略,具体策略规则给大家演示如下:
其中TK-056为七天多头数。此差异化的策略为:
①对于手动提款用户,结合cut-off切分,执行:七天多头=4的客群,统一拒绝
②对于自动提款用户,执行:七天多头=5的客群,拒绝
所以这个差异化的策略中,自动提款相比手动提款松一个档位。
三.差异后策略后的数据观察与客群
既然有了这样一个差异化风控策略思路,那么后面执行起来就有了方向。差异化策略分析调整后,第一个产品周期的贷后数据整体有了很大的降幅,两种提款方式的贷后也有了变化,具体如下:
对比前后数据表现有如下发现:
1、手动到期量在减少,首逾率在降低;
2、自动到期量在提升,首逾率略微升高;
3、两种策略逾期率的差异是6%(自动提款逾期率26.88%优于手动提款逾期率32.65%);
当我们看到这样前后对比的数据和策略效果,相信各位风控童鞋一定兴奋的,一定自认为找到一个相对优质的差异化策略。于是,作为手操风控策略的我们,一定会继续加强如此的策略调整力度,目标是将手动提款和自动提款的逾期率打平为止。
四、策略调整,数据继续观察,内卷化的开始
差异化的策略,必定会带来不同通过率的差异。如上所述,手动提现与自动提现的这两客群的差异率已经有所差别。
之后的一个产品周期关键数据表现是:
1、投放成本逐步升高;
2、手动提款方式通过率逐步下降,自动提款通过率也在下降;(大家可以思考为什么通过率会下降厉害?)
当前通过率表现:
当我们沉浸在风控策略模块管理上时候,这种数据情况就会归结于客群的质量变差导致的,各项数据指标和报表也支撑这样的判断。当因为通过率的同步下降,与投放成本的提升,让我们开始有一些感觉整体的盈利似乎越来越差,而这才是内卷的开始。
五、数据指标恶化,业务差点崩塌
在下一个产品周期风控策略继续执行了手动提款收紧,而自动提款放宽的策略。但该过程在进展过程中,不知不觉一直在拉高整体对市场投放成本,最终的数据结果是:
1、投放成本进一步恶化增加;
2、风控整体通过率继续走低且不稳定;
3、提款方式的通过率变化幅度加大,授信环节通过率涨幅增大;
当前通过率表现是:
可以看到如果策略再不反馈,在以上的各项成本中已经慢慢不能兜住成本(因为投放成本一直恶化增加)。
公司部门会议后,认识到市场的严重性后,因为当前状况找不到问题所在,后续只能暂停该策略的继续推行。
六、及时止损,业务总结
终于在公司领导的要求下,投放部门组织跨部门会议,阐述了当前投放困境:投放广告因无法进行模型学习和判定。
原因是:当前在风控通过的客户在提现反欺诈环节中,因为做了差异花授信拒绝很大一部分,所以投放模型无法很难判定目标客群。
做过市场推广的同事,会比较清楚:投放广告策略,也是有类似于风控策略的模型,类似于营销响应。营销效果的效果判断,其实在策略上有一个目标判定是:风控是否授信(我们也称之为Y值定义)。也正因为策略干扰到了目标客群,影响数据,最终造成了市场策略同事的误判。
说到此,本周就有一个营销响应模型的课程,重点讲解这个内容,可以重点关注:
最终,公司上下认识到了该问题所在,总结了以下几点供大家参考:
1、风控策略上的差异化导致投放广告无法识别目标客群,导致机器学习上的偏差将大量的授信通过用户认定为好客户(提现反欺诈环节会差异化);
2、随着风控策略上的差异化幅度加大,由此导致了投放广告寻找的用户越来越差;
3、由于投放进产品的用户越来越差,导致整体业务数据指标越来越差;
在后续改进的策略中,自然优化的方向就:取消差异化策略的方向,回规原本的策略运行了就好了。
到此及时发现问题并及时止损,若不然这个市场就被风控策略内卷到“死“了。
最后有几条工作建议,与大家共勉:
1、不要局限于风控模块无法自拔,业务中期需要跨部门的沟通协作;
2、逾期率和通过率的波动变化,不只是风控策略的调整因素,要拓宽思维分析前后影响;
3、主动了解信贷业务上下环节链上的工作因果,是做风控策略的必经之路。
end~
感谢Landy分享。我们对外征稿,如果您有风控相关内容想要分享,欢迎来投:
以上内容来源至真实内容,若大家对策略跟风险等相关内容感兴趣,可以进一步来学习番茄社区的内容。
以上内容参考至:
《》
《盈利模型策略内容》
还想学习更多信贷风控中更多的干货知识,来报名番茄风控的会员社区吧
双十一期间报名番茄风控知识课程,还有一年一度的优惠活动,来了解下吧:
番茄风控继续各位会员童鞋相关的会员直播课程学习,历史的课程已经有88门课程,目前这些内容仍在不断更新中,请看:
除了以上内容,番茄风控的会员课程也为大家提供已有88门视频课程!本周末将上线第89期会员课程!
当然在税票票模型的内容上,本周末也即将有一节关于财税票数据使用给到大家来学习,课程详情请看:
番茄风控,干货满满,承载着各位会员童鞋的学习热情,我们在本月的课程即将上线至90期了,感谢各位支持
往期回顾
第1期 信用卡风控的基础知识介绍
第2期 催收场景与目标变量定义
第3期 第三方外部征信数据和各家拳头产品
第4期 汽车风控介绍与**经验分享
第5期 信用卡分期利率与利息介绍
第6期 税务类数据在小微风控的基本应用
第7期 纯线上审批流程进行资产组合分配
第8期 场景金融介绍与风险节点部署分析
第9期 风控数据分析指标全接触
第10期 信贷政策大数据安全与供应商选择
第11期 信用卡套现的整治
第12期 商业银行小微企业风控实务
第13期 设备欺诈风险防范-黑产欺诈工具
第14期 设备反欺诈供应商选择及应用策略
第15期 微众联邦学习
第16期 特征工程介绍
第17期 特征工程模型挖掘
第18期 贷前策略-风控策略部署与调优
第19期 贷前策略风控策略数据埋点与采集
第20期 贷中管理-电销外拨优先级策略
第21期 贷中风险管理-额度调整策略模型
第22期 贷中提降额方法与策略
第23期 东南亚现金贷产品及相关风险策略
第24期 信贷业务中的风险定价—基础端
第25期 信贷机构的智能语音应用实践
第26期 信贷机构智能语音供应商选择指标
第27期 贷后催收策略-M1名单催收管理
第28期 信贷风控模型——中小企业的额度模型探索
第29期 人行征信报名数字分解读
第30期 银行卡失联修复与清收手段介绍
第31期 信贷风险经营
第32期 信贷风控系统
第33期 反欺诈讲解之设备指纹实操与演练
第34期 决策引擎的决策流层次及策略架构
第35期 ECL模型与评级简介
第36期 设备关联数据在金融风控的应用
第37期 ECL系列之评级模型及财报解析
第38期 数据清洗与特征选择
第39期 小微风控之 策略方向与风险管理体系搭建
第40期 小白入职大数据工程师之银行金融大数据系统实战
第41期 小微风控策略体系的优化与调整
第42期 巴塞尔协议银行零售及资产分池上
第43期 巴塞尔协议下篇资本管理风险价值
第44期 二代征信报告与规则构建
第45期 征信规则的衍生技巧与避坑指南
第46期 实战篇|风控策略效率的测试、调优与评估
第47期 数据生命周期管理— 数据的引入、监控与管理
第48期 贷中反欺诈之 商户欺诈防范
第49期 策略分析之 数据监控与用户画像
第50期 银行中后台数据的建设——基于信用卡进件系统需求与扩展
第51期 模型训练/机器学习平台
第52期 精细化运营探索——运营着手点及响应模型场景化应用
第53期 基于SAS的三方数据风控产品测试评估
第54期 SAS的策略&模型之决策矩阵分析
第55期 基于二代征信的信用评分模型开发
第56期 基于二代征信的信用模型与策略的使用与监控
第57期 金融机构风险与预算评估
第58期 催收板块:逾期账款催收管理
第59期 二代人行征信的深度解读(上):二代征信异议和接入及发展历程
第60期 二代人行征信的深度解读(下)——循环贷与非循环贷与衍生变量加工
第61期 风控人必学资产分析课—坏账预估
第62期 商户端风险定价—— 基于成本收益模型的风险定价
第63期 差异化的贷前进阶策略讲解━━拒绝捞回策略制定
第64期 拒绝捞回的效果评估与策略二次调用
第65期 风控人应该懂的金融知识
第66期 风控人必备的风险知识——贷款利率、还款方式与常用风险指标
第67期 金融人必知--市场风险入门:金融衍生品
第68期 拒绝演绎实战--拒绝推论描述、方法介绍与案例分享
第69期 银行信用卡拒绝推论的场景实操
第70期 逾期催收管理流程优化与催收系统配置——汽车金融逾期案件催收实操
第71期 海外现金贷产品形态及风控措施
第72期 海外现金贷提降额原理及思路
第73期 巴塞尔协议—发展历程、资本充足率、拔备率、杠杆率、流动性
第74期 巴赛尔协议—市场风险及信用风险度量
第75期 金融小伙伴必备知识—信用卡损益
第76期 黑产与业务安全的前世今生
第77期 销风控策略应对篇——裂变活动与反羊毛党
第78期 信贷场景多维特征交叉策略实战分析
第79期 信贷风控策略体系效果评估与全面调优
第80期 海外与国内评分卡对比与应用场景介绍
第81期 智能推荐系统应用
第82期 风控策略中的模型须知-逻辑回归评分卡分箱与模型评估
第83期 多规则决策策略的搭建与实操
第84期 多规则决策策略实操与练习讲解
![](http://419ai.oss-cn-beijing.aliyuncs.com/2023/07/20230726191152761.png)