• 一张图弄懂海外模型的有效特征


    国内金融机构的模型特征,大部分依赖征信等相关金融属性特征,许多之前能使用的个人数据较之前少了不止一个维度。特别是在个保法出来之后,公民的信息能获取的颗粒度已经较之前收敛了许多,分析了下,常规上国内模型特征常常使用的维度有以下内容:

    ①国内模型有效特征
    征信24个月内查询次数
    征信24个月内最大查询机构数
    征信24个月内最大借款金额
    征信5年内查询次数
    征信5年内查询机构数
    征信5年内最大借款金额
    三方通讯录/通话数据分
    三方京东支付宝消费分
    三方数据信用分
    个人信息分数
    资产信息分数
    信用分数
    三方学历验证

    可以看到,征信是占比权重最高的数据源。相比国内模型的特点,海外模型的特征还是有许多不同,本次我们跟大家直接讲讲海外模型的相关特征。说到海外,其实每个国家的政策都有些不同,本次我们稍微将海外的模型,分成两大类,分别是拉美国家与东南亚国家。

    ②拉美国家
    拉美国家模型较有效特征:
    短信词频抓取分数
    applist抓取分数
    注册申请时间间隔
    年龄
    发薪日
    性别
    婚姻
    通讯录个数
    共享gaid,device人数
    设备分数
    工作时长
    职业
    行业
    手机归属州
    重复放款银行卡
    多张人脸对比结果

    ③东南亚国家
    东南亚国家模型较有效特征:
    applist抓取分数
    年龄
    发薪日
    性别
    婚姻
    三方设备同盾
    三方征信advance
    三方数据充值数据,手机运营商数据
    三方多头数据
    共享gaid,device人数
    设备分数
    职业
    行业
    重复放款银行卡
    多张人脸对比结果
    三方数据学历数据

    综上:
    拉美国家,基本没有三方数据,没有征信,没有多头,没有卡三卡四闭环验证;
    东南亚,限制相对严格,目前有一些可用好用的三方数据,但是不允许抓取通讯录、短信等,没有卡三卡四闭环验证;
    国内,限制非常严格,对比海外,基本没有设备信息等,也不需要手机归属地等信息;
    在这里插入图片描述

                                                           【完整版本内容,可参考直播课程】
    
    • 1

    关于国内与还在风控模型上的细则,有兴趣的童鞋可关注:
    在这里插入图片描述

    ~原创文章

  • 相关阅读:
    华为程序员,985本科36岁,被公司解约:中年人路在何方?
    Diffie-Hellman的C++语言描述简单实现
    智乃酱的平方数列(线段树维护2次函数)
    对比服务器,进行正确配置
    volatile 类型变量提供什么保证?能使得一个非原子操作变成原子操作吗?
    Kotlin 1.5新特性记录
    适配器模式适配出栈和队列及优先级队列
    从0到1搭建redis6.0.7续更~
    k8s学习--利用helm部署应用mysql,加深helm的理解
    iptables学习
  • 原文地址:https://blog.csdn.net/weixin_45545159/article/details/126575478