1.1 信贷与风险

1.1.1 信贷业务与互联网金融风控体系

信贷业务又称信贷资产或贷款业务，是商业银行及互联网金融公司最重要的资产业务和主要赢利手段，通过放款收回本金，获得利息，赢得利润。对于有贷款需求的用户，贷款平台首先要对其未来的还款表现进行预测，然后将资金借贷给有大概率还款的用户。

互联网金融是在互联网场景下对传统信贷业务的继承与拓展。互联网金融风控体系主要由三大部分组成：

❏ 数据信息：包括用户基本信息、用户行为信息、用户授权信息、外部接入信息。

❏ 策略体系：包括反欺诈规则、准入规则、运营商规则、风险名单、网贷规则。

❏ 人工智能（AI）模型：包括欺诈检测模型、准入模型、授信模型、风险定价、额度管理、流失预警、失联修复。

信贷模型体系如图1-1所示。

图1-1 信贷模型体系

“AI模型”这一栏中，准入模型、授信模型、额度管理、流失预警属于二分类模型，通常使用机器学习中的监督模型进行建模。本书中的大部分方法可以用于这些模型的建立。失联修复与欺诈检测模型通常需要借助贷款用户的社交关系，相关内容在第8章中进行介绍。风险定价模型涉及线性规划内容，与机器学习关系较弱，因此本书中不做过多介绍。风控系统开发每个板块所包含的内容如图1-2所示。

图1-2风控系统开发三大板块

1.1.2 信贷风险与控制

在信贷领域有两类风险：

❏ 信用风险：指借款人的还款能力和还款意愿在贷款后出现问题的风险。通常是由于不可抗力因素使用户的经济能力和思想状态发生改变导致的。

❏ 欺诈风险：指因借款人的贷款目的不正当引发的风险。这类风险下借款人在贷款初始便没有还款计划。多见于组织架构完备的中介平台。

一般情况下，金融机构可通过风险定价策略等手段对信用风险进行防范，风险可控性较大。而如果借款人在一开始就以骗贷为目的进行借贷并且贷款成功，则会给金融机构带来损失。因为平台不仅没有盈利，还会被欺诈者骗走本金。尤其在遇上团伙欺诈时，信贷业务会在短时间内遭受非常严重的打击。金融机构面对欺诈风险几乎毫无处置能力，因此欺诈检测是信贷风险管控中最重要的一环。

而风险的管控主要依靠信贷领域的两大类系统完成：一类是信用评分系统，另一类是欺诈检测系统。大多数读者较为熟悉的信用评分系统会对借款人还款能力和还款意愿进行评估，针对的是信用风险。而欺诈检测系统则会对借款人的目的是否正当进行判断，针对的是欺诈风险。本书介绍的多数模型均服务于这两大系统。

与传统的人工信审相比，基于机器学习的人工智能风控（或大数据风控）模型最主要的优点是可以批量、迅速、准确地处理贷款申请。开发人工智能的根本目的是解放劳动力。在信贷领域中，智能风控模型解放的就是信审人员在中小额贷款上的劳动力。

很多金融机构平均一天会有几万个贷款请求，人工信审的压力是非常大的。因此，智能风控的主要作用是同时处理几十万甚至几百万个贷款请求，并且输出一个人的信用分数或者欺诈分数。