信贷风控

第四范式信贷风控解决方案以AI为核心技术支撑,用全新的方式构建欺诈识别与信用评估能力,实现业务冷启动、业务AI化,助力金融机构在AI时代取得先发优势,获得更广阔的业务发展空间

某国内领先股份制银行 – 信用卡进件审批

背景与挑战

作为省内领先的零售银行,该行已经开展个人信用卡多年,并积累了大量的用户。然而新信用卡的申请审批仍然处于效率低、准确率低的水平。为了提升风控水平,并提高信用卡发卡量,扩展业务量,该行需要新的方法来构建信用卡申请审批。

业务目标

采用机器学习等AI技术,建立高维度A卡评分模型。此后,对于新信用卡开卡申请,使用该模型对进行预估评分,并结合基础专家规则,自动做出最终的审批决策。

难点与关键成功因素

诸如信用卡申请的个人信贷贷前审批往往需要结合第三方外部数据才能进行,而外部数据的质量甄别成本较高,且稳定性、准确性经常波动。此外,外部数据的获得需要付出可观的成本,因此在模型的建设时,通常需要对这些外部数据进行细致地选择,并且充分地利用以发挥其最大价值。另一方面,部分银行因发卡规模的原因,数据量较少,进一步给模型建设带来挑战。因此,传统的做法主要依赖于专家规则,效果难以显著提升。
第四范式采用基于机器学习模型交叉分析的评估方法,对外部数据进行了科学有效的筛选,只保留了最有价值的几个外部征信数据。同时,借助AutoML自动化建模技术,对约150个的原始字段进行了海量特征衍生探索,深度至5~6阶,充分挖掘了有限数据中的最大价值。

业务成果

基于高维机器学习的信用卡申请模型评分,其AUC惊人地达到了0.9。相比之下经验规则的申请评分,其AUC低于0.7。从提升通过率的角度看,在保持同等60%召回率下,通过率提升25%。在80%召回率下,通过率提升57%。从降低逾期率的角度看,减少30%通过率,模型能够将10天逾期率从0.18%降至0.025%。应用该解决方案相对于传统申请审批,将能实现扩大信用卡发卡量、减少不良申请的目标。

展望未来

现阶段,第四范式信贷风控解决方案已经实现了从申请进件到贷后监控的全流程风控能力,并已能够实现零数据的规则+模型冷启动。随着业务系统、知识库建设、AI技术的不断完善,第四范式将持续不断地提升风控能力,支持更多的业务合作模式,为客户创造更大的价值。