XX 银行风控模型建设方案
一、风控搭建整体思路
对于本行来说，开展互联网贷款面临的主要难题是数据和风控，特别是对于平台引流的消费金融客户，银行能获得的信息和数据极少。银行在收集数据这方面是很无力的，由于是消费信贷，贷款审批速度要求较快，无法对顾客进行一个全面的审查，没有一份比较详细的数据对顾客就没法形成完整的画像，这会大大提高贷款的风险。
因此在业务开展初期需要引入海量跨行业数据作为风控模型的基础，并借助专业咨询公司的力量建立起本行的全面风险管理体系，同时建议在本行自有数据不足的情况下，采取专家模型冷启动的方式建立起本行的反欺诈模型，评分模型，授信策略模型，定价模型等风控模型。并针对不同的网贷产品制定清晰的风险管理策略，明确网贷产品的风险偏好，按照小额分散的原则，从行业、区域、产品等维度设定互联网贷款的风险限额，审慎确定单一客户授信额度上限。
在产品正式上线后，试运营期间逐步积累充分的数据，需要专业的大数据风控团队和技术团队，对数据源进行清洗、整合、分析，对各环节的风控模型进行持续监督、验证、优化、再开发，在经历一个较为完整的周期后再与专业厂商采取联合建模的方式建立更适合本行产品情况的风控模型。
建立风控模型的全过程本行遵循以下原则：严格保密的原则、循序渐进的原则、合作建设的原则、先易后难的原则、迭代更新的原则、
审慎发展的原则。同时应由专业团队专人跟进风控建模全过程，切实防范本行的风控模型核心数据外泄。
在选择合作机构方面，本团队将风控体系的建立分成三大板块：一是聘请专业的咨询公司对本行进行全面风险管理辅导，形成高效、有序、切合本行发展方向的完整风控体系。目前备选的厂商有：XX 、XX 、XX 、XX 、XX 等；二是与专业的数据公司进行合作，确保风控模型具备良好的基石。目前备选的厂商有：XX 、XX 、XX 、XX 等；三是选择实用性强的产品厂商，挑选可扩展性强、兼容性强、界面友好、操作便捷的决策引擎，为本行后续全线上审批产品的推出做铺垫。目前备选的厂商有：XX 、XX 等。
目前本部接触的厂商包括专业咨询公司、专业数据源公司、咨询和产品兼具的公司和提供三大板块整体解决方案的公司。本部将会仔细研究每一家厂商提供的解决方案和报价，并挑选出几家较具竞争优势的厂商入场做POC ，力争选择出性价比高、实用性好、兼容性强的厂商。
二、具体工作
针对本行目前的业务方向和产品需求，确定当前的工作重心在于为结合具体场景的消费贷量身打造一整套风控方案，主要工作包括以下几个方面：
（一）数据源
1. 政府类公共数据：包括社保、公积金、税务、水电缴费等信息。
目前工作进度：已发请示到XX ，等待其回复。
后续工作安排：取得XX 回复后，我部将会积极跟进，尽快与各政府部门取得联系，争取年内至少完成一到两类公共数据的对接工作。
2. 平台类数据：包括XX 、XX 、XX 等平台数据。
目前工作进度：目前已建微信群，各业务部门已知晓相关需求，本团队将会每周收集一次进度情况。
后续工作安排：相关业务部门与平台就数据对接事项进行商谈得出合作意向后，我部会牵头科技部等相关部门具体落实对接事项。近期准备和业务部门一起前往XX 就数据共享、具体风控手段等方面进行商谈。
3. 第三方数据：目前已有XX 、XX 、XX 、XX 等多家专业数据公司与我部对接。在外部数据源的选取上，我部打算采用1+N的模式，即以一家数据厂商为主，N 家数据厂商为辅，在主数据厂商无反馈的情况下，调用其他数据源的数据进行补充。
目前工作进度：XX 目前已选定以XX 作为主数据厂商，其他备选的数据厂商本部仍在测试阶段。
后续工作安排：力争获取到部分坏样本数据后对多家数据厂商进行测试、对比、评估，为本行消费贷产品的上线做准备。
（二）风控模型
1. 基本准入规则。在业务推出的初期，可以先面向一部分较好的客户开放该业务，根据客户在XX 上的注册年限、消费次数等设置一个基本的准入门槛。后期可分层分批陆续放宽，同时制定不同的风控
政策。
2. 风控策略。根据该产品和客群的风险特点、业务流程、征信资源、风险模型等制订风控策略，包括反欺诈策略、审批策略、额度策略、定价策略、贷后监测策略等。并将风控策略转化为具体规则部署在决策系统。
3. 反欺诈政策。从申请反欺诈、行为反欺诈、设备反欺诈等多维度制定反欺诈规则，不断丰富侦测方式和调查手段，确保及时侦测和处置可疑警告，维护黑名单数据库及时性、准确性、有效性，熟悉了解贷前、贷中、贷后业务全流程对反欺诈功能的需求。
4. 评分模型。结合产品特点选择适宜的参数，根据风险策略设置相应的权重，制定出完整的评分模型。并依据评分结果制定出审批策略、定价策略等。
5. 审批流程管理。将不同的客群进行细分，采用决策树的方式对不同的客群设计不同的策略和规则，实行精细化审批。
6. 贷后监测。对信贷客户进行日常贷后监测，及时发现风险信号，对于触发风险预警的客户采取一定的措施，如电话核实、提前收回贷款等。
7. 模型优化与验证。跟踪、监测、维护及优化风控策略，确保风控策略的效能及其提升。
（三）厂商管理
负责第三方专业反欺诈机构、咨询公司、决策引擎的筛选、合作洽谈，合作之后的日常应用质量效果评估管理，做好协调、沟通和监
督管理工作。
三、时间进度表
XX 银行风控模型建设方案
一、风控搭建整体思路
对于本行来说，开展互联网贷款面临的主要难题是数据和风控，特别是对于平台引流的消费金融客户，银行能获得的信息和数据极少。银行在收集数据这方面是很无力的，由于是消费信贷，贷款审批速度要求较快，无法对顾客进行一个全面的审查，没有一份比较详细的数据对顾客就没法形成完整的画像，这会大大提高贷款的风险。
因此在业务开展初期需要引入海量跨行业数据作为风控模型的基础，并借助专业咨询公司的力量建立起本行的全面风险管理体系，同时建议在本行自有数据不足的情况下，采取专家模型冷启动的方式建立起本行的反欺诈模型，评分模型，授信策略模型，定价模型等风控模型。并针对不同的网贷产品制定清晰的风险管理策略，明确网贷产品的风险偏好，按照小额分散的原则，从行业、区域、产品等维度设定互联网贷款的风险限额，审慎确定单一客户授信额度上限。
在产品正式上线后，试运营期间逐步积累充分的数据，需要专业的大数据风控团队和技术团队，对数据源进行清洗、整合、分析，对各环节的风控模型进行持续监督、验证、优化、再开发，在经历一个较为完整的周期后再与专业厂商采取联合建模的方式建立更适合本行产品情况的风控模型。
建立风控模型的全过程本行遵循以下原则：严格保密的原则、循序渐进的原则、合作建设的原则、先易后难的原则、迭代更新的原则、
审慎发展的原则。同时应由专业团队专人跟进风控建模全过程，切实防范本行的风控模型核心数据外泄。
在选择合作机构方面，本团队将风控体系的建立分成三大板块：一是聘请专业的咨询公司对本行进行全面风险管理辅导，形成高效、有序、切合本行发展方向的完整风控体系。目前备选的厂商有：XX 、XX 、XX 、XX 、XX 等；二是与专业的数据公司进行合作，确保风控模型具备良好的基石。目前备选的厂商有：XX 、XX 、XX 、XX 等；三是选择实用性强的产品厂商，挑选可扩展性强、兼容性强、界面友好、操作便捷的决策引擎，为本行后续全线上审批产品的推出做铺垫。目前备选的厂商有：XX 、XX 等。
目前本部接触的厂商包括专业咨询公司、专业数据源公司、咨询和产品兼具的公司和提供三大板块整体解决方案的公司。本部将会仔细研究每一家厂商提供的解决方案和报价，并挑选出几家较具竞争优势的厂商入场做POC ，力争选择出性价比高、实用性好、兼容性强的厂商。
二、具体工作
针对本行目前的业务方向和产品需求，确定当前的工作重心在于为结合具体场景的消费贷量身打造一整套风控方案，主要工作包括以下几个方面：
（一）数据源
1. 政府类公共数据：包括社保、公积金、税务、水电缴费等信息。
目前工作进度：已发请示到XX ，等待其回复。
后续工作安排：取得XX 回复后，我部将会积极跟进，尽快与各政府部门取得联系，争取年内至少完成一到两类公共数据的对接工作。
2. 平台类数据：包括XX 、XX 、XX 等平台数据。
目前工作进度：目前已建微信群，各业务部门已知晓相关需求，本团队将会每周收集一次进度情况。
后续工作安排：相关业务部门与平台就数据对接事项进行商谈得出合作意向后，我部会牵头科技部等相关部门具体落实对接事项。近期准备和业务部门一起前往XX 就数据共享、具体风控手段等方面进行商谈。
3. 第三方数据：目前已有XX 、XX 、XX 、XX 等多家专业数据公司与我部对接。在外部数据源的选取上，我部打算采用1+N的模式，即以一家数据厂商为主，N 家数据厂商为辅，在主数据厂商无反馈的情况下，调用其他数据源的数据进行补充。
目前工作进度：XX 目前已选定以XX 作为主数据厂商，其他备选的数据厂商本部仍在测试阶段。
后续工作安排：力争获取到部分坏样本数据后对多家数据厂商进行测试、对比、评估，为本行消费贷产品的上线做准备。
（二）风控模型
1. 基本准入规则。在业务推出的初期，可以先面向一部分较好的客户开放该业务，根据客户在XX 上的注册年限、消费次数等设置一个基本的准入门槛。后期可分层分批陆续放宽，同时制定不同的风控
政策。
2. 风控策略。根据该产品和客群的风险特点、业务流程、征信资源、风险模型等制订风控策略，包括反欺诈策略、审批策略、额度策略、定价策略、贷后监测策略等。并将风控策略转化为具体规则部署在决策系统。
3. 反欺诈政策。从申请反欺诈、行为反欺诈、设备反欺诈等多维度制定反欺诈规则，不断丰富侦测方式和调查手段，确保及时侦测和处置可疑警告，维护黑名单数据库及时性、准确性、有效性，熟悉了解贷前、贷中、贷后业务全流程对反欺诈功能的需求。
4. 评分模型。结合产品特点选择适宜的参数，根据风险策略设置相应的权重，制定出完整的评分模型。并依据评分结果制定出审批策略、定价策略等。
5. 审批流程管理。将不同的客群进行细分，采用决策树的方式对不同的客群设计不同的策略和规则，实行精细化审批。
6. 贷后监测。对信贷客户进行日常贷后监测，及时发现风险信号，对于触发风险预警的客户采取一定的措施，如电话核实、提前收回贷款等。
7. 模型优化与验证。跟踪、监测、维护及优化风控策略，确保风控策略的效能及其提升。
（三）厂商管理
负责第三方专业反欺诈机构、咨询公司、决策引擎的筛选、合作洽谈，合作之后的日常应用质量效果评估管理，做好协调、沟通和监
督管理工作。
三、时间进度表