首页 热点 业界 国际新闻 数码 电子消费 通信 前沿动态 电商

探智立方金融解决案例:联合建模+驻场服务及自动建模平台合作模式

2020-10-16 17:15:06 来源 : 榕城网

在消费金融行业,风控能力、资金成本、放款利率是各消金机构能力差异的关键表现;

因2020年8月20日最高法发布民间借贷利率司法保护上限下调至4倍LPR新规,放款利率一项被严格限定,后续将无明显差异。资金成本受消金机构(本文中消金机构主要为银行、消金、助贷平台等经营消费金融信贷业务公司的统称)背景影响较为明显,也与消费金融放款机构的风控能力相辅相成;

因此,在当下市场环境中,风控能力的强弱将影响消费金融放款机构的营收水平,甚至决定其能否持续经营的关键。

众所周知,线上消费金融中,数据决定风控能力天花板;2019年9月,多家以爬虫技术提供数据服务的公司被调查,标志着“爬虫”数据时代的终结。数据公司为“合规”作业,开启联合建模方式,一般是由消金机构到数据公司进行建模,数据公司向消金机构输出评分以便金融机构对借款用户进行评估。这种合作模式,可能因以销售“评分”为诉求,让“评分”当下效果更好,但却忽略了模型衰退周期骤减的可能性,进而影响整体风控的成效。

探智立方作为一家专业人工智能解决方案提供商,经过两年迭代,研发出自有专利的DarwinML平台,实现了机器全自动建模、全自动生成规则、自动数据特征提取、拒绝推断以及模型一键运维管理的功能。该平台价值一:建模效率是原来的5倍(人工建模并发布时间一般要半个月,使用DarwinML平台可将该周期缩短至1-2天,且仅需建模人员花几分钟进行参数配置即可实现全自动建模,建模完成后一键发布即可完成部署)。价值二:模型逼近全局最优解,传统的建模效果受建模人员经验及建模技能影响,机器建模可以使建模技能达到最高水平,从而使模型效果更佳。价值三:通过DarwinML平台赋能并结合专家经验,可以使消金机构风控性能有显著提升。

案例一:自动建模平台合作模式。

某集团旗下涵盖支付业务、互联网金融信贷业务,为提升团队效率、扩大利润,采购了DarwinML平台。支付业务中通过使用DarwinML平台,建立了商户风险预测模型,进而可提前预测并及时发现风险商户、实现减少损失的目的。信贷业务中通过使用DarwinML平台,建模团队效率大大提升,模型开发与应用由原来的1个月降低到1周时间,模型迭代周期从4个月降低到2个月;信贷业务的首逾率降低了30%。在信贷业务中通过使用拒绝推断功能,在未增加获客成本且首逾率基本不变的情况下,通过率提升2%、每天放款量提升10%。

案例二:联合建模+驻场服务

探智立方在与一家互联网金融公司合作联合建模的过程中,使用DarwinML平台建模后,KS能够提升3%-5%。当使用时间外样本进行评测时,KS,AUC的变化都能够很好的控制在5%以内。 模型上线后,对于模型输出分值,使用变量的PSI监控也全部控制在0.03以内。通过3个月的贷中监测,整体FPD,SPD和TPD也优于以前的人工建模效果。以上的效果得益于DarwinML平台在自动设计最优模型的同时,会主动压制过拟合,平台并不会一味的寻找最高分值的计算图和超参数。而是在不同分布下,不同动态数据扩增的同时寻找最稳定同时也是最优解的模型结构。而当模型上线后,DarwinML数据融合模块可以提供可视化的自动监控服务。用户通过拖拽功能,快速完成自定义监控配置和告警策略,把单条业务线的上线时间从几天缩短到几小时。

为能更好的服务消金机构,探智立方基于DarwinML平台,推出自动建模平台服务、联合建模服务、风控咨询服务及驻场服务,消金机构可以根据自身需求自由选择单一或组合的合作方式。探智立方作为一家开放的人工智能公司,在实现消金机构快速上线新产品的同时,并赋能核心技术于客户,以提高客户对机器学习建模的能力,使消金机构最终实现控制或降低坏账且人才能快速成长的发展模式。

探智立方还将不断进行产品创新,为更多的消金机构提供更好的产品和服务。

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。

关键词:
相关文章

最近更新