Smart英文中是漂亮的、聰明的意思，可以說是熱詞，引申到風控中，對應本文的五大風控內容。今天我們來詳細講講風控中相關的SMART內容，希望本次內容在新的一年裡幫助您進步提升。這裡的“S”、“M”、“A”、“R”、“T”五個字母分別對應了以下五個英文單詞。
這5個字母分別是5個英文單詞的首寫字母，代表風控中最重要的五大基本元素，它們的含義分別是：
S = Strategy of Credit
信貸策略
M =Model of Data
資料模型
A =A price&A product
定價與模型
R =Resource of Data
資料資源
T=Tool of Decision Engine
決策引擎工具
下面按照字母順序，詳細描述風控中SMART的關鍵內容：
一.S = Strategy of Credit，信貸策略
在產品風控體系中，根據開發方式與應用角度的不同，可以分為策略與模型兩個模組。其中，策略可以理解是一個規則集合，資訊維度越豐富，閾值劃分越精細，策略規則應用效果越好。若根據規則應用節點進行區分，規則類別可以包括資訊准入、要素核驗、欺詐識別、客戶分層、風險評級、額度授信、產品定價等。
某金融機構風控部門整年在策略規則的研發方面，上線應用的規則分佈如下圖所示，根據規則決策結果的風險等級區分，規則共分為剛性、高柔、低柔三個類別，風險由高到低，若使用者命中剛性規則的閾值直接拒絕，若僅命中高柔或低柔規則的閾值可進入後續環節。由圖中資料分佈可知，低柔類別規則佔比相對較小，其原因是規則識別高風險主要集中在剛性、高柔規則的使用。
編輯
新增圖片註釋，不超過 140 字（可選）
【圖 策略規則開發情況】
策略規則的開發，離不開有效資料來源的獲取，一方面來自產品流程生成的資料，如基本資訊、聯絡人資訊、裝置資訊等；另一方面來自三方徵信機構引入的資料，如銀聯交易、多頭資訊、電商消費、交通出行等資訊。透過多個維度資料標籤的資料探勘與分析，可以開發出多種類別的規則。表1為產品策略規則集的部分規則樣例，包括不同型別不同緯度的規則。
編輯
新增圖片註釋，不超過 140 字（可選）
【表：策略規則示例】
二.M =Model of data
信用風險模型，簡單地說就是通過歷史資料，抓取壞客戶顯著區別於正常客戶的特徵，並以此為標準去預測未來會有很大機率出現這種行為的人。所以在模型中“壞” 的定義就顯得尤為重要，也就是未來究竟想把哪些人拒之門外。
在信用評分領域，一般用客戶拖欠欠款的時間來刻畫客戶的行為，逾期時間越長，逾期等級越高，客戶風險也就越高。但是由於收益與風險的正比關係，銀行為了找到平衡，不會認為所有發生過逾期的客戶都是壞客戶，並且“適當” 的逾期不僅不會帶來損失，反而帶來了可觀的逾期利息收入，所以對於銀行來說，他所關注的壞客戶是壞到某一程度，也就是逾期等級較高且不還款的客戶。
目前在信貸評分模型中，開發流程是標準化的，大體為：
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
而模型按照場景化劃分可以細分為以下內容：
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
在評分的使用上，可以參考：
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
三.A =A price&a product
信貸中政策內容關鍵因素是產品設計與定價。如定價，市面上兩大類產品的定價的邏輯，主要分為兩大類分別是先還本金還是本金後還，分成這兩類的原因是因為他們暴露的風險敞口，完全不一樣：
編輯
新增圖片註釋，不超過 140 字（可選）
1.第一種：先息後本的產品
先息後本的產品，在我們風險定價裡，相對是較容易做的一種產品定價，因為它主要的風險都集中在最後一期，只要我們把每個客群的風險的等級逐一分析，分析出某個客群的違約率，然後逐一相加，就能得相應的整個風險產品的損失值。具體的風險計算方式可參考之前做過的專案的，如下：
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
比如對於上面這個情況中，計算總的估計損失比的數值，將每個等級的客群的預估損失值分別計算，再加總求和，得到的值再跟客群的總敞口做商，得到總的預估損失比。
2.本金跟利息同時還款產品
而對於等額本息或者等額本金，這樣的產品跟第一種不太一樣的。因產品期數不同， 需對產品進行相同的週期轉換後，比如通常轉化為年化率，才能進行總體損失加權預估。
比如我們以一個還款12期的產品為例，請看：
編輯
新增圖片註釋，不超過 140 字（可選）
四.R =Resource of Data
信用風險管理發展呈現出資料化、模型化、系統化、自動化和智慧化的特點。傳統的人工專家經驗正逐步被模型與演算法替代。目前，對於信貸稽核來說主要基於的風控模式為IPC、信貸工廠、大資料三種。而在大資料的使用上，目前最重要的資料資源就是外部三方資料以及徵信資料。
其中三方資料最重要的就是用於補全目標客戶畫像
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
目前市面常見產品：
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
另外如前面所述，目前各位金融機構上最重要使用的還有人行徵信資料。2021年以來，各家金融公司都基本上線了二代徵信內容，那二代徵信包括內容有哪些？
4.1.二代徵信概要
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
4.2.具體報告解析部分
4.2.1.報告頭：
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
4.2.2.個人基本資訊
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
4.2.2.資訊概要部分
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
4.2.3.信貸交易明細部分（含非迴圈貸/迴圈貸產品等）
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
.....
五.T=Tool of Decision Engine
決策引擎就是為了公司所有的決策條件而產生，它的本質是一個個規則流,它主要是為了決策的使用而架在主業務流程之上的。如果有興趣可以戳一下這篇文章：點滴風控系統
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
所以在使用決策引擎過程中，跟風控部門相關的便是我們平常最多的工作便是如何去除錯這一套決策系統。
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
首先我們先需要強調的一個很重要的點是：決策引擎是以流程流為依據的一個部件，所有的工作判斷都是將策略設計建立為流程流：
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
比如在上圖中，我們一共經過了3個流程判斷，最後才結束我們整個流程。
那在流程節點中，我們如何操作具體的節點呢？如果在這裡我們以上圖中的評分節點來判斷：
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
那如果對這裡詳細的評分卡節點，這裡我們又可以輸出以下的資訊：
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
在完成整個評分卡的設計後，其實我們還需要做一個評分的測試驗證：
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
我們經常上線部署的評分卡也好策略也好，往往都是非常多的變數進行衍生組合的。難的就是當多個模型策略一起組合的時候，變數如何輸出、如何衍生、如何分配不同的流程流等。
以上所提到的風控Smart，即S(策略)-M{模型)-A(產品定價)-R(資料)-T(引擎)，這五大塊風控相關內容，可關注2022年春節檔：
編輯切換為居中
新增圖片註釋，不超過 140 字（可選）
~原創文章
...
end
