金融风控如何评估

A. 供应链金融风控系统流程是怎样的

供应链金融风控系统流程是怎样的呢？依据我们供应链金融风控系统的开发经验，下面来为大家进行介绍。
前期准备
拿到足够多的数据做支撑
做足够灵活的分析平台去分析数据
产出风险事件进行阻拦风险
量化风险拦截的价值和不断分析案例进行策略优化
风控技术评估研究
日志选择：以增量日志方式记录存储，hadoop或spark做分析，集群同步到客户端机器上，做同步策略，不同纬度的数据做统计加工计算。
实时监控：监控在每一个环节的交易量和高风险操作，做阀值报警，以默认的规则做处理。
dns防范：防止http对dns的拦截，手动纪录中断被拦截掉的交易流，转向存储中心系统做处理给予用户提示。
报警提醒：在发生重大灾难的同时需要有一套完善的体系提醒风控人员近入作战，以短信或电话的形式发起通知给用户。
数据灾难：数据的历史纪录应该有完整的备库纪录，这种操作不是必须的但是必要的，防止管理员因为误操作导致的数据灾难不容小视，启东应急方案进行恢复。
日志选择：需要在原有基础上做集群数据分析后，统一有一个入口的分析平台做汇总，对不同维度的计算规则做排重，这里我们可以使用elk的方式把数据清洗完成后，做相关的分析调研，实时读库的方式不可取，增量数据库只保留历史的数据，可以对时间做相关的约定，查询的平台统一做相关的调控。
方案的选择和实施

针对现在的数据规则，需要对现有的各方数据做分析指标，做数据仓库，从不同的数据中计算对应的需要风控形成各种渠道的报表数据。如何通过查询海量的历史数据来支撑规则的运算，从分析的角度来看，又是一个IO密集型的应用；利用OLTP（online transaction processing ）和OLAP（online analytical processing）做相关的维度计算，主要针对用户、功能、数据片、存储空间、DB设计来做维度计算和方案的优化调整。

大到用hadoop做数据集群算法分析，也可以用spark、storm来做。
简而言之就是分布式框架，那么什么是分布式框架？

分布式计算框架实现了什么？简而言之，基于分布式计算框架的应用，就是一个分布式的应用；那么分布式的应用解决了什么问题？简而言之，就是将请求处理的业务逻辑和所需资源合理地分布到N台服务器上，这里就不在过多介绍。
基于C/S模式的原理，从client到server端的应用，采集需要的数据。Server之间通讯是有开销的，只不过这个开销是MS级的。系统在定位也是基于百万级的应用。
以分层的概念，针对每部的风控模块，需要在特定的时间做调整。缓存的应用：如果是历史级别的数据，可以采用redis、cache来做，防止减少对于I/O的读写操作，减少存储压力的开销。基于款时间的维度对应的风控系统计算，需要我们在处理的同时考虑数据的节点，分批次处理。对于变化多端的数据，建议利用高可用性能存储设计，基于DB设计即可，数据结构要基于范式(NF)设计，不可有冗余免得频繁返工。
数据分离的优先选择
数据库读写分离机制：在初期，风控系统一般都极为简单，此时侯一般通过数据库主从复制/读写分离/Sharding（或slave进行）等机制来保证交易系统的数据库和风控系统数据的同步及读写分离。风控系统对所需要的客户/账户数据、交易数据一般都只进行读操作。

缓存/内存数据库机制：不管是交易系统还是风控系统，高效的缓存系统是提升性能的大杀器，一般会把频繁使用的数据存放到Redis等缓存系统中。例如对风控系统，包括诸如风控规则、风控案例库、中间结果集、黑白名单、预处理结果等数据；对交易系统而言，包括诸如交易参数、计费模板、清结算规则、分润规则、银行路由策略等。对一些高频交易中，基于性能考虑，会采用内存数据库（一般会结合SSD硬盘）。
RPC/SOA架构：要降低交易系统和风控系统的耦合度，在初期系统服务较少的情况下，一般直接采用RabbitMQ/ActiveMQ之类的消息中间件或RPC方式来实现系统间服务的调用。如果系统服务较多，存在服务治理问题，会采用Dubbo之类的SOA中间件来实现系统服务调用，这个期间我们需要支持用异步消息完成rabbitMQ的消息的push/pull处理机制来处理违规数据和异常数据提取。

B. 在金融公司工作的人来说说风控怎么做。

风控并不是个新职业，不过近几年它的发展势头变得越来越好。无论在传统金融还是互联网金融领域，它都成了一个紧俏的职业。这跟近几年金融领域形态的多样化有关，用户对于风险控制变得越来越关注。

总体来说，风控岗位涉及到的工作包括业务审查（业务发生前的审核，通常未通过审核，业务不能执行）、风险监测（业务发生后的持续风险监测，包括预警及应对等）以及业务综合管理（数据的统计分析等）。

一、工作内容（在银行、保险、信托、期货、P2P互联网金融平台内部，风控的工作侧重不尽相同。）

1.银行

相比其他类型的金融机构，银行的风险管理部门更为成熟。“巴塞尔委员会”1988年7月制定的《巴塞尔协议》里为全球商业银行确立了明确的风险管理标准，确定了管理哪几类风险。尤其对怎么管控信用风险、市场风险、操作风险说得非常清晰。

贷款业务是占银行风控日常工作比重最高的一类业务。处于中端的风控部门往往在客户阅读贷款细则时就开始进入风险审核，看贷款对象的个人风险评估是否符合要求，经过风险评估后的业务才会被提交到更高管理处审批—也就是说，风控的工作存在于交易的过程中。

银行风控的这种运作方式也成为许多金融机构风险管理的母本。比如保险行业大多是参照银行的做法。

2.期货、信托、小额贷款、融资租赁企业

从风险管理的角度来说，期货、信托、小额贷款、融资租赁企业都算是比较新兴的类型。它们的风险管理以风险为核心，侧重信用风险、操作风险、市场风险、交易对手风险等等。

这些行业的新兴之处还体现在业务的复杂和创新需求上。比如信托，以房地产作为信托产品和以汽车作为信托产品是不一样的，某种程度上来说每个项目都需要开发一套创新的金融产品。当一个创新产品出来的时候，这个产品是不是能变成一只基金，或者变成某一种产品推到市场上去，它们的风险管理部就要进行审核。这种情况下，风险管理部需要判断这个新产品的风险是否可控？风控敞口有多大？万一出现问题，项目坍塌了，储户或者是投资者来向公司要钱时，刚性兑付的资金压力有多大？有多少可能性这个项目就有多少可能收不回来钱？

风险管理部对于新产品的审批意见非常重要，如果风险管理部或风险管理委员会不批的话，这个新业务真的可能会被否掉。这是一个权力很大的部门。

3.网上个人信贷（P2P）

相对传统金融领域来说，P2P还处于初期阶段，因此风险管理工作可能并不是很完善。有一些企业在做这类金融产品的时候，可能只是从金融企业挖一两个人来就开始管理风险，他们的风险管理主要集中在信用风险审核。

二、岗位要求（论传统金融还是互联网金融，风控都算是一个硬性技能要求比较高的岗位，但根据工作内容的不同，对公司人的要求也有所不同。）

在传统金融领域及P2P中，金融行业相关的知识和经验是很重要的。

对于毕业生来说，尽管大部分金融机构和企业都抱着一种“反正都是白纸，我可以用我们的体系来培养”的观念，但如果是金融专业同时具备一些比如FRM金融风险管理师、CFA特许金融分析师等专业证书会更有竞争力。

对于社会招聘来说，风控人才主要来自两个渠道，一个是从其他类似机构找人；另一个则来自于大会计事务所或咨询公司，后者出来的公司人往往有一些金融企业审批或企业风控的外部服务经验。

三、工作状态及挑战

不同类型的金融机构及企业的风控因为其职能的不同，所呈现出的工作状态会有所不同。

通常，一些大型银行的风控部门由于业务稳定，规模较大，人员充足，因此工作负荷不大，属于行业中工作压力较小的部门。不过一些跨国银行的风控职能往往集中在国外总部或区域中心，中国的风控部门更多地扮演执行的角色，个人的能力体现和成长空间都会受到一定的局限。

在一些大型金融机构，风控的工作重点在于如何将领导的风险偏好转化为合理的风控工作指标，凸显自身价值。

一些中小型金融企业，以及非银行金融机构的风控，由于业务类型复杂、创新性高、变化大，原本就不够充沛的风控人员，往往需要承担更大的工作负荷。这类风控人员的职能压力往往来自于不仅要控制风险，同时还要提高工作效率，即：不错杀好项目，不漏杀坏项目，同时也不能延误业务时机。这种时候还有可能受到来自业务部门的压力，如何在业务发展和风险管理之间找到平衡，如何在压力下，坚持风控的专业判断，都是一个好的风控人需要考虑的。相对来说，这类企业的风控人员压力更大，能力的提升也更快。

不管是传统金融还是互联网金融都面临着不断发展和迭代的挑战，这使得风控人员必须保持很强的学习能力和好奇心。

四、职业发展方向

在大部分金融机构里，风控岗位的职业晋升往往通向首席风险官，最终可能成为银行的副行长，或是其他金融机构的副总经理，主要还是偏重风险管理和控制类的工作。

五、薪酬状况

根据统计数据表明，在金融行业各职能部门的薪酬涨幅里，尽管中后台部门仍然没有前台部门的15％高，大约在5%至10%之间，不过风控在中后台其他职能部门中算是涨幅比较高的。

之所以能有这样比较有优势的涨薪，主要有两方面原因。原因之一在于人才贮备不足。过去很多人都没能认识到风控工作的重要性，所以大家不太愿意入行，另一方面这又是一个需要专业技能的工作，因此整体而言从业者不多。原因之二是因为这两年互联网金融发展非常迅速，大大小小的P2P平台的出现催生了风险控制人才的需求。加上银行、保险、期货、信贷、小贷、小微贷、PE、VC这些行业本身也都有很大的风控人才需求，所以使得这类人才出现缺口。这些企业之间的人才竞争也把风控人员的收入拉到了一个比较高的位置。

从具体行业来说，银行业风控的薪资涨幅平均在5%至10%之间；保险业相对平稳，因为保险业圈子狭窄，风控流动率较小，薪资涨幅不大。证券基金业内中资外资风控的薪资涨幅有非常大的差异，所以没法得出一个明确的参考标准。P2P行业的风控人员大多是来自银行或是同行业。在跳槽的过程中，他们的薪资会得到一个比较大的提升，增长幅度可达30%至50%。

从区域上来说，风控人员的需求主要集中在一线城市。二三线城市需求量虽大，但薪酬偏低。

一线城市有5年到10年经验的银行风控人员平均年薪在30万到60万元之间；保险业有10年以上工作经验的风控在外企的薪资约为70万元，在本土企业为60万元；证券基金业有5年至8年工作经验的风控经理在本土企业的年薪一般在30万至80万元之间

C. 互联网金融如何做风控

互联网金融公司利用大数据进行风控时，都是利用多维度数据来识别借款人风险。同信用相关的数据越多地被用于借款人风险评估，借款人的信用风险就被揭示的更充分，信用评分就会更加客观，接近借款人实际风险。比如爱财集团拥有业内领先的“人工智能专家”系统和全流程自动风控信审系统。

D. 风控专家的结果指标的衡量标准是什么

风控专家的结果只是指标的衡量标准是什么我可以给你问一下风控的研究生他应该知道这个处理的方法。

E. 金融业务的大数据风控如何识别贷前风险

金融业务的大数据风控如何识别贷前风险？
一、网贷大数据无法消除，只能利用时间慢慢恢复自己的网贷数据信用。

二、一般来说大伙儿应用人行征信纪录都是留有查看印痕，这对借款盆友而言是较为不好的，并且绝大多数网络贷款全是没有个人征信记录的，因此个人征信也查不到实际的网络贷款信息，可是如今依然也可以根据微信小程序“蓝冰数据”掌握到自身的本人数据，及其技术专业的评估讲解和诚恳的提升提议。另外也可以掌握到大量的网贷信息、申请办理纪录、失信黑名单信息、网贷黑名单等信息。

三、使用者可查询自己的大数据和信用状况，可获得各种指标，可查询自己的个人信用状况，网黑指数分，黑名单情况，网贷申请记录，申请平台类型，是否逾期，逾期金额，信用卡和网贷授信额度等重要数据信息。

F. 常用的互联网金融大数据风控方式有哪些

1：验证借款人信息
验证借款人身份的五因素认证是姓名、手机号、身份证号、银行卡号、家庭地址。企业可以通过借助银联数据来验证银行卡号和姓名。
其他的验证客户的方式包括让客户出示其他银行的信用卡及刷卡记录，或者验证客户的学历证书和身份认证。

2：大数据分析提交的信息
大部分的贷款申请都从线下移到了线上，特别是在互联网金融领域，消费贷一般都是以线上申请为主的。
线上申请时，申请人会按照贷款公司的要求填写多维度信息例如户籍地址，居住地址，工作单位，单位电话，单位名称等。如果是欺诈用户，其填写的信息往往会出现一些规律，企业可根据异常填写记录来识别欺诈。例如填写不同城市居住小区名字相同、填写的不同城市，不同单位的电话相同、不同单位的地址街道相同、单位名称相同、甚至居住的楼层和号码都相同。
3：分析客户的消费信息
从客户的电商消费记录、旅游消费记录、以及加油消费记录都可以作为评估其信用的依据。有的互联金融公司专门从事个人电商消费数据分析，只要客户授权其登陆电商网站，其可以借助于工具将客户历史消费数据全部抓取并进行汇总和评分。
4：参考客户的社会属性和行为进行评估
参考过去互联网金融风控的经验发现，拥有伴侣和子女的借款人，其贷款违约率较低；年龄大的人比年龄低的人贷款违约率要高。经常不交公共事业费和物业费的人，其贷款违约率较高。经常换工作，收入不稳定的人贷款违约率较高。经常参加社会公益活动的人，成为各种组织会员的人，其贷款违约率低。经常更换手机号码的人贷款违约率比一直使用一个电话号码的人高很多。

5：调查客户是否进入黑名单
市场上有近百家的公司从事个人征信相关工作，其主要的商业模式是反欺诈识别，灰名单识别，以及客户征信评分。反欺诈识别中，重要的一个参考就是黑名单，市场上领先的大数据风控公司拥有将近1000万左右的黑名单，大部分黑名单是过去十多年积累下来的老赖名单，真正有价值的黑名单在两百万左右。
涉毒涉赌以及涉嫌治安处罚的人，其信用情况不是太好，特别是涉赌和涉毒人员，这些人是高风险人群，一旦获得贷款，其贷款用途不可控，贷款有可能不会得到偿还。

G. 金融风控如何做到严谨

1、风险政策制度框架体系：所有交易对手和产品引入都制定了明晰的风险政策指引，所有业务必须在制度框架内运行。
（说白了就是自己风控业务流程，对于投资人者以及融资用户进行风险等级划分）
2、信用评级：交易对手和产品进行主体评级及债项评级。(对于投资人者、融资用户、产品进行风险等级划分)
3、信息披露：针对每一个不同的产品，将其内部评级、底层资产、主要风险、还款来源、保障措施。
（就目前风险披露数据只是按照国家要求进行风险披露，但是并没有标的产品进行风险披露，没有融资企业进行风险披露，这个披露系统可以做成风险评估报告，后期也可以利用，企业供应链关系库一定会用到）
4、投后预警监控：所有在售资产至少每三个月进行一次检视。
(对于融资周期过长的企业可以每三个月进行企业经营状况的上报，重点在于资金用途，回款方式以及周期；如果企业够强大的话，可以利用大数据征信对于那些未按时回款融资企业用户的企业进入黑名单系统)
5、风险管理系统：陆金所的风险管理系统覆盖全产品线、整个产品生命周期，实现风控的标准化、智能化、模型化，大幅提升陆金所风险管理工作的效率和效果。(这些东西都太虚了)
6、风险评价体系：不同的风险程度给予业务部门不同的业绩评价。
7、资产、资金的精准匹配：投资者进行风险分类，产品与投资者风险适配系统，确保投资者都能买到适合其投资风格与风险偏好的产品。

H. 汽车金融风控应该怎么做

对于汽车融资租赁公司来说风控最重要的是能够通过软硬件结合实现智能的“反欺诈”。

1、车贷征信风控：车贷征信风控分为对人的征信和对车的征信，对人的征信除了弓|用央行征信数据以外，还需收集个人职业、收入、住所、资产以及亲属等数据维度，从而生成极具参考性的个人信用评估报告，在此基础上判定贷款人是都具备贷款资格，预防因个人征信不足，贷款者无还款诚信，所造成的车贷风险；对车的征信则需引用和建立车辆黑白名单数据库，在此基础上决定车辆是否具备贷款资格，预防黑名单车辆抵押、一车多贷等风险。

I. 互联网金融的风控是什么要如何去观察一个公司的风控体系是否安全

互联网金融领域本质上还是金融，风险控制仍是互联网金融发展的核心。目前我国互联网金融理财平台的几种风控模式。
一、担保机制
二、大数据构建风控模型
三、风险准备金模式
四、分散模式
主要看公司的网贷风控人员是否专业，风控体系是否健全和透明。合理的投资是以安全为前提，注意考察平台的风控体系. 一个平台的风控是核心，归根结底就是安全第一，只有安全得到保障才能再考虑收益和标的期限，也就是资金的流动性