（網(wǎng)友見解）目前大數(shù)據(jù)風(fēng)控主要分為三類：
反欺詐模型
二元好壞模型
資產(chǎn)包風(fēng)控模型
一、反欺詐模型
大數(shù)據(jù)風(fēng)控只能用于小微資產(chǎn)（現(xiàn)金貸、消費貸、小微企業(yè)貸），而不可能用于基建、政信。對于小微資產(chǎn)，還款能力不是核心問題，主要風(fēng)險是還款意愿。因此目前市面上大數(shù)據(jù)風(fēng)控90%的價值在于反欺詐。
反欺詐的大數(shù)據(jù)風(fēng)控主要基于兩套工具：交叉驗證、聚類分析。
交叉驗證主要是由人工判斷規(guī)則，系統(tǒng)校驗是否符合實際情況。如通訊錄和通話記錄校驗、電商記錄校驗、設(shè)備指紋校驗、多信息源地理位置校驗。以現(xiàn)金貸產(chǎn)品為例，大多數(shù)現(xiàn)金貸產(chǎn)品的基礎(chǔ)風(fēng)控邏輯就是兩個攝像頭，后攝像頭識別身份證，前攝像頭做人臉的活體識別，人臉對上身份證，就做好了反欺詐，之后就扔到二元好壞模型做評估。
聚類分析和交叉驗證的區(qū)別是，交叉驗證很多時候根據(jù)一些人工的規(guī)則，但是聚類分析主要是根據(jù)結(jié)果反向推導(dǎo)。比如通過歷史資產(chǎn)的履約情況，發(fā)現(xiàn)在19-25歲區(qū)間的人群風(fēng)險較低、發(fā)現(xiàn)輸入地址時間比較長的人群風(fēng)險較高、發(fā)現(xiàn)填寫收入在30000以上的風(fēng)險比3000以下還高。有的規(guī)則最后可以通過邏輯解釋，有的規(guī)則最后根本也無法理解為什么。但是如果一個新的進(jìn)件，和之前的「壞客戶」比較相似，那么他大概率是壞客戶。
以同盾為例，主要向資產(chǎn)、資金、支付、場景四方輸出反欺詐SaaS，提供：
交叉驗證工具
聚類分析報告
黑（灰）名單數(shù)據(jù)庫
二、二元好壞模型
二元好壞模型的核心價值是量化定價，包括授信額度、貸款期限、利率等。主要工具就是評分卡，先給用戶信用評分定級，然后不同級別不同利率。宜人貸分為ABCD類客戶，利率分別為17%、27%、34%、40%；Lending Club分為從A1-G5共35個級別，利率水平從6%到26%不等。（16年初數(shù)據(jù)）
至于貸款額度，一般隨行就市。
個人現(xiàn)金貸：小額現(xiàn)金貸以隨行就市為基礎(chǔ)，通過拍腦袋決定，在1000-5000不等。
個人消費貸：由于中國居民杠桿率較低，基本上3C、醫(yī)美、教育的資金需求都低于客戶授信額，因此直接使用交易金額就行。對于車貸行業(yè)，一般也是簡單分檔，30萬以上車審核較嚴(yán)，10萬以下車分36期，客戶還款壓力也不大。
小微企業(yè)貸：目前大數(shù)據(jù)應(yīng)用不多，主要因為小微企業(yè)造假動力強(qiáng)，基礎(chǔ)數(shù)據(jù)都難以確保真實性。目前小微企業(yè)還是以抵押貸款、法人貸款、供應(yīng)鏈融資為主，信用貸主要還是依靠IPC方式通過線下業(yè)務(wù)員重制報表實現(xiàn)。電商類企業(yè)的風(fēng)控模型基本上是根據(jù)流水的比例來。
三、資產(chǎn)包風(fēng)控模型
上述都是基于單筆資產(chǎn)的方法論，但是從資產(chǎn)包層面的風(fēng)控有不同的考慮。
假設(shè)還款是1，逾期是0，不同的客戶有不同的表現(xiàn)：
A：1111111111
B：0000000000
C：0011011101
A是好人，B是壞人，這兩個問題沒有異議。很多時候，基于前兩種模型我們會認(rèn)為C是壞人，但是從資產(chǎn)包層面，他提供了不菲的罰息收益。
此外，資產(chǎn)包的風(fēng)控還要考慮不同資產(chǎn)的相關(guān)性，考慮優(yōu)先劣后配比后的預(yù)期風(fēng)險改變，考慮流動性的風(fēng)險。
四、目前的市場格局和問題
第一個問題，長尾征信公司的價值。
放貸市場是碎片化的，但是征信服務(wù)提供商有規(guī)模效應(yīng)，應(yīng)當(dāng)是集中的。也就是百融同盾兩家爭天下，芝麻信用、騰訊信用作為兩個數(shù)據(jù)庫對外輸出和輸入數(shù)據(jù)。
我搞不懂，在one or zero的市場環(huán)境下，為什么現(xiàn)在冒出那么多小的征信公司，還拿到融資，商業(yè)價值在哪里？尤其是像某些單一數(shù)據(jù)源的征信公司，我感覺被收購的價值都沒有，大公司不如坐等你死然后收編團(tuán)隊？這個問題我沒有答案，向各位專家請教。
第二個問題，過擬合問題。
信貸是周期性的，大周期小周期一堆。科技也是有周期性的，學(xué)生貸火起來，所有公司干學(xué)生貸，2年吃完整個市場，其他任何資產(chǎn)都面臨創(chuàng)業(yè)公司蜂擁而上的局面。
數(shù)據(jù)量有限的情況下，模型可能過度地學(xué)習(xí)訓(xùn)練數(shù)據(jù)中的細(xì)節(jié)和噪音，以至于模型在新的數(shù)據(jù)上表現(xiàn)很差，這意味著訓(xùn)練數(shù)據(jù)中的噪音或者隨機(jī)波動也被當(dāng)做概念被模型學(xué)習(xí)了。而這件事，在市場環(huán)境發(fā)生變化之前可能沒有任何人知道。
第三個問題，系統(tǒng)性風(fēng)險。
目前大數(shù)據(jù)風(fēng)控應(yīng)用最廣的是小額現(xiàn)金貸，因為他的數(shù)據(jù)反饋快（30天一反饋），因此比較容易做機(jī)器學(xué)習(xí)。市場上所有現(xiàn)金貸看下來，壞賬率約為4-8%，都是一開始8%或者更高，通過機(jī)器學(xué)習(xí)降低到4%左右。但這個數(shù)據(jù)其實意義不大，依然無法反駁復(fù)貸的擔(dān)憂：現(xiàn)金貸的借款人重復(fù)借款，本質(zhì)上每個借款人都成為一個小的龐氏騙局池。就像當(dāng)初和泛亞一起玩的經(jīng)紀(jì)公司都盈利，但是最后還是免不了崩盤，過度相信科技和數(shù)據(jù)也許是金融領(lǐng)域更大的風(fēng)險。
