- 综合排序
- 最热优先
- 最新优先
金融风控的力量
引言 在数字化时代，金融行业正经历着前所未有的变革。随着大数据、云计算和人工智能技术的不断发展，金融风控成为了维护金融稳定、保护投资者利益的关键。 下面我们将深入探讨金融风控的重要性，以及如何利用云技术提升风控能力。 金融风控的定义与重要性 定义 金融风控，全称为金融风险控制，是指金融机构通过一系列方法和手段，对可能出现的风险进行识别、评估、监控和控制，以减少损失、保护资产和确保业务的持续发展。 信誉维护：良好的风控能力可以增强客户和市场对金融机构的信任。 业务决策支持：风控数据可以为金融机构的业务决策提供支持，帮助制定更有效的策略。 结语 金融风控是金融行业的核心能力之一。随着云技术的不断进步，金融机构可以更加高效、智能地进行风险管理。鼓励金融机构拥抱云技术，提升风控能力，以应对日益复杂的金融环境。
27410编辑于 2025-07-29- 来自专栏数据科学与人工智能
金融科技|风控建模技术方案
风控建模的技术方案 1 逻辑回归模型 在银行的传统评分卡建模中，应用的也是逻辑回归模型。逻辑回归本质上是一个线性分类模型。 对于金融科技公司在建模所遇到的大量的弱特征，如何挖掘多个特征之间的互补性，产生组合的分箱特征是一个技术挑战。 一方面，深度学习模型都有很高的模型复杂度，需要大规模的样本数据，而风控领域要获取大规模的样本数据的成本极高。 另一方面，如前所述风控特征数据的维度间是平行的，不存在邻近关系，较难利用CNN和RNN这样具有较好物理含义的深度学习模型，而简单的堆砌若干个全连接层在高维特征数据上是很难得到一个稳定的模型。 总之，金融风控模型是一个既传统又新鲜的技术问题。银行的风控模型已经随着银行业的发展应用了数十年。
2.5K30发布于 2021-07-15 - 来自专栏数据科学与人工智能
【金融数据】消费金融：大数据风控那点事？
相对于传统金融来讲，互联金融面对的客户风险较高，其风控面临的挑战更大，对数据风控对要求就会更高。 三、互联网金融行业的风控挑战 中国的互联网金融企业愿意从美国挖一些风控人才来提高自身风控水平。 很多风控模型到了中国之后并不适合，因此很多中国领先的互联网金融公司并没有采用美国的风控模型，大多是自己开发风控模型。 恶意欺诈的共性信息较少，即使有大量的坏种子，也不好建立风控模型来实施控制， 互联网金融公司只能依靠风控经验、客户信息验证、部分行为数据来实施反欺诈。 5.风控模型冷启动问题 每年都有大量互联网金融公司出现，风控成了所有互联网金融公司的核心竞争力。每一家互联网金融公司都会建立风控模型，实施信用风险管理。 大数据风控的优势： 1、用户行为数据成为风控数据 风控最好的数据还是金融数据，例如年龄、收入、职业、学历、资产、负债等信用数据，这些数据同信用相关度高，可以反映用户的还款能力和还款意愿，这些数据因子在风控模型中必不可少
5.1K51发布于 2018-02-28 - 来自专栏点滴科技资讯
消费金融风控创新白皮书
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
5.4K50发布于 2018-07-31 - 来自专栏数据猿
蚂蚁金服风控总监王黎强：智能风控助力新金融
本文为数据猿现场直播“蚂蚁金服风控总监王黎强：智能风控助力新金融”的发言实录。 作为安全风控部门，我们的职责比较明确，就是要为业务保驾护航，保障每一个客户的账户跟资金的安全，帮助整个金融业务拓展到全球的每一个角落，服务于每一个普通消费者，这是蚂蚁金服智能风控和业务走过的路。 因为我们所有的交易是在线上发生的，与传统金融机构的区别在于，我们所有的风险也都是暴露在线上的。通过多年的努力，我们构建了一套全方位立体化智能的风控体系，这里我可以分享几个数据： 第一个数据是一百毫秒。 举个例子，我们整个风控体系就像人的骨骼，数据是人的血肉，AI是人的大脑，三者有机结合在一起，构成了我们整个智能风控体系的框架。然后高效实时的运作起来，是蚂蚁金服智能风控体系的第一个优势。 随着整个国家的消费升级，给这部分客户带来了巨大的金融服务市场。 目前蚂蚁金服的安全风控能力已经成熟，以产品化“蚁盾”的形式输出和服务更多的行业合作伙伴。
3.4K61发布于 2018-04-25 - 来自专栏Datawhale专栏
金融风控评分卡建模全流程！
一、评分卡的分类 在金融风控领域，无人不晓的应该是评分卡（scorecard)， 无论信用卡还是贷款，都有”前中后“三个阶段。 根据风控时间点的”前中后”，一般风评分卡可以分为下面三类: A卡（Application score card）。目的在于预测申请时（申请信用卡、申请贷款）对申请人进行量化评估。 风控评分卡种类 美国fico公司算是评分卡的始祖，始于 20世纪六十年代。Fico的评分卡的示例如下（这是个贷前评分卡，也就是A卡）： ? 我们最熟悉的，莫过于支付宝的芝麻信用分，又或者知乎盐值（虽然知乎盐值不是评估金融风险的，但也算是评分卡的应用之一） 但是，随着信贷业务规模不断扩大，对风控工作准确率的要求也逐渐提升。 因为实际业务里，分数也高风险越低，当然你也可以设计个风险越低分数越低的评分卡，但风控里还是默认高分高信用低风险。 计算出A、B的方法如下，首先设定两个假设： 基准分。
11.3K62发布于 2021-03-11 - 来自专栏云计算行业
供应链金融及产业风控
在政府发布的相关政策中，不少都提及了供应链金融。2月19日，工信部发布了关于运用新一代信息技术来支撑服务和疫情防控的通知，其中第11条就写到了要运用基于生产数据的供应链金融来保障企业的复产复工。 很明显核心企业的平台在此类场景的配合、资产的把控和风控的能力上具有一定的优势。 往深处讲，再一个就是金融机构。金融机构有更多的供给层面的资金，可以形成快速有效低成本的供给，甚至还具有一定的风控能力。 这四类角色要紧密地协同在一起，才能够把供应链金融这个事情做的更好。 腾讯云在供应链金融中则是担任了金融科技的角色。那么，金融科技能够在供应链金融中起到一些什么作用呢？ 从供应链金融的场景出发，我们正在筹备金融科技支持供应链金融蝶变的白皮书。白皮书的主题面向国内金融助力、支持小微企业融资、推动实体经济发展。 ---- 在后续课程中我们会继续为大家介绍 腾讯云对供应链金融科技解决方案、产业风控的相关内容 感兴趣的小伙伴可以点击“阅读原文”观看完整视频噢！
4.2K20编辑于 2023-05-29 - 来自专栏云+直播
供应链金融及产业风控
在政府发布的相关政策中，不少都提及了供应链金融。2月19日，工信部发布了关于运用新一代信息技术来支撑服务和疫情防控的通知，其中第11条就写到了要运用基于生产数据的供应链金融来保障企业的复产复工。 另一方面我们又经常会听到产业链金融，其实产业链金融是金融的延伸，是一种观念。在场景中去优化像信用支付的服务之类的服务从而实现节约成本、提升运营效率之类都可以被称作产业链的金融。 很明显核心企业的平台在此类场景的配合、资产的把控和风控的能力上具有一定的优势。 往深处讲，再一个就是金融机构。金融机构有更多的供给层面的资金，可以形成快速有效低成本的供给，甚至还具有一定的风控能力。 这四类角色要紧密地协同在一起，才能够把供应链金融这个事情做的更好。 腾讯云在供应链金融中则是担任了金融科技的角色。那么，金融科技能够在供应链金融中起到一些什么作用呢？ 从供应链金融的场景出发，我们正在筹备金融科技支持供应链金融蝶变的白皮书。白皮书的主题面向国内金融助力、支持小微企业融资、推动实体经济发展。
7.8K01发布于 2020-06-07 - 来自专栏数据科学与人工智能
金融科技|普惠金融下的智能信贷风控
一 普惠金融及智能风控 普惠金融是一种以较低成本为社会各界人士（尤其是欠发达地区和社会低收入者）提供较为便捷服务的金融服务体系。 风险管理是商业银行经营发展的关键因素。 四 普惠金融智能风控发展路径建议 目前，国内大部分商业银行对智能风控系统的建设尚处于初级阶段，即线下为主，线上为辅。 就国内商业银行普惠金融的智能风控系统的建设发展，我们提供如下几点思路。 （五）建设人才队伍，完善风控体系 人才队伍是建设智能风控体系的核心力量，同时也是金融机构风控的核心竞争力。 只有将智能风控放在商业银行普惠金融经营发展的大环境中，才能真正处理好普惠金融中传统风控和智能风控的关系，综合评估和运用两者的优势，以一种更加平稳、循序渐进的方式推动风控智能化的平稳转型。
3.9K10编辑于 2022-12-22 - 来自专栏PaddlePaddle
金融风控的护航员——聊聊ERNIE在度小满用户风控的应用
这意味着金融行业的风控需求异常迫切。面对更加下沉的客户群体、更加复杂的用户信息，既需要保证业务安全合规，也需要把控风控尺度和客户体验之间的平衡。 那么现在的金融机构是如何做这些的呢？ 传统金融机构里会请金融风控师、审核员等对借贷资质进行人工审核，但该工作对相关从业人员的要求极高，既要有相关的背景知识能够对客户的资信状况做全面了解，又要求严谨认真，有独立的判断能力。 在度小满用户风控场景中，通过ERNIE对用户行为信息进行语义层面深度建模，定制化产出一个用户风控ERNIE模型。 利用ERNIE模型的长文本建模能力和预训练语义知识，结合小规模用户行为文本和用户风控标签的标注数据进行ERNIE精细Fine-tune，在训练2轮左右的时间内即可完成用户风控模型的收敛，而传统模型动辄需要训练 基于ERNIE的度小满金融风控模型KS指标绝对提升1.5，AUC指标绝对提升1.5，优化了21.5%的用户排序，有效地提升了优质客群人数，有效地降低了贷款风险并且大幅度减少审核人力。
2.5K10发布于 2019-11-11 - 来自专栏全栈程序员必看
互联网金融风控模型「建议收藏」
一、市场调研 目前市面主流的风控模型 1、互联网金融前10名排行榜(数据截止日期2017-09-12) 互联网金融公司排名分别是蚂蚁金服、陆金所、京东金融、苏宁金融、百度金融、腾讯理财通、宜信、钱大掌柜 1.3 京东金融风控调研 1.3.1 用户支付瞬间需要做的事情 如判断用户的设备信息、登录行为、访问特征、信用状况、商品信息、商家特征、配送区域、银行卡状态等。 数据风控还有很长的路要走，如量化投资风险评估与运营也属风控范畴，风控也可和推荐领域相结合。 总之，互联网金融风控核心还是服务客户，提升产品价值，最大程度的做到差异化的防范，智能化是风控的发展方向，京东金融从开始就致力于打造智能化的风险管控解决方案。 因此风控显的更加尤为重要。通过风控模型获取优质的资产。 二、风控模型 风控模型应该是从两个角度去考虑，第一个角度是资产端风控策略，第二个角度是资金端风控策略。
3.3K10编辑于 2022-07-01 - 来自专栏数据科学与人工智能
互联网金融风控7个问题
风控模型是在良好的建立风控体系、风控评定方式、评分机制等基础上，进行有效的数据分析及评分体系，就是建立常用的风控模型方式； 首先，金融公司设计的任何形态的风控模型，都要符合自身企业的业务发展及市场需求， 通过市场分析后不难发现，基础借贷产品还是市场主流，还有一些类似资本类产品或衍生产品，目前很多平台还是具有传统业务特点的，每个公司都是有自己的衡量‘风控点’的尺度，传统金融行业、民间金融或者互联网金融，本身因为其独特的形式活跃 纯互联网背景出身的互联网金融公司，应从哪几个方面去把关风控？ 其实互联网金融公司和是不是纯互联网背景没有直接关系。关键是从事了互联网金融你怎么去经营。 首先，你的风控体系的建立是打算以哪种形态存在？ 首先贵公司考虑进入市场方向、目标客户群体，打算以金融产品为市场导向，再去考虑风控掌握方向，先要把战略目标确定了，才能去确定有效的风控体系建立、市场推广方向等，现在就有很多家互联网背景的公司，他们的风控方向 关于风控市场现状，因为每个金融公司核心的就是风控部门，所以它一般为隐形部门，人员也是隐形人员 所以现状是很多大的公司的风控人员，其实还是有行业经验、法律经验或者其他行业精英，也不能一概说风控人员就怎么乱
3.4K50发布于 2018-02-28 - 来自专栏程序媛驿站
综述 | GNN金融风控领域业界进展调研
前言： 本文重点： 工业界 金融欺诈风控领域上 GNN的应用及进展 注： 本文仅针对 可用「深度图神经网络解决」的 - 「金融风控」相关的任务论文 「除深度图神经网络之外，业界常用经典图算法」 & 「除金融欺诈风控领域之外 - 数据集现状 3⃣️金融风控方向GNN进展 阿里蚂蚁 【网络结构设计】自动选择邻居的GNN 【淘宝】运费险诈骗识别「反欺诈」 运费骗保 GeniePath算法 【支付宝】恶意账户识别 / 高危账户识别 WordNet是一个覆盖范围宽广的英语词汇语义网 金融风控类 - 数据集现状 总述： 图深度学习技术应用在风控领域已经证明是有效且必要的，但发展时间较短，整体进程还处在发展初期阶段。 （都和我们预期的银行金融数据不同，且蚂蚁金服数据未开源） 3⃣️金融风控方向GNN业界进展 3.1 阿里蚂蚁 由于蚂蚁金服为上亿级的个人用户提供服务，产生的金融数据从一开始就是海量且极其复杂的。 主要应用于以下场景： 金融风控场景：万亿级边资金网络，存储实时交易信息，实时欺诈检测。 推荐场景：股票证券推荐。 蚂蚁森林：万亿级的图存储能力，低延时强一致关系数据查询更新。
4.6K20编辑于 2022-04-11 - 来自专栏腾讯大讲堂的专栏
金融风控数据管理——海量金融数据离线监控方法
作者：housecheng 腾讯WXG工程师 |导语 解决金融风控数据监控“开发门槛高”“重复工作多”的痛点，实现PSI计算性能十倍速提升。 背景 在金融业务上，质量和稳定是生命线，我们需要对所有已经上线的风控要素，如策略、模型、标签、特征等构建监控。 在过去，我们部署监控的方式为： 风控要素负责同学在要素上线前，通过spark\sql完成对监控指标的运算并例行化； 将监控指标运算结果出库mysql\tbase，用于指标的展示和告警； 告警系统轮询指标是否异常 这种模式主要的问题在于： 开发门槛高，要素负责同学需要掌握spark离线计算、mysql等数据库的增删数据，还需要手动配置例行化任务，在告警系统上登记注册等，耗时费力； 重复工作多，要素指标相似、重合度很高，如多数风控要素都涉及 小结 针对金融风控要素监控的“开发门槛高”“重复工作多”等问题，本文提出了“统一监控计算与检查工具”这一解决方案，本文详细论述了该方案TaskMaker、 Calculator、 Checker等各个模块的设计实现
3.6K10发布于 2021-04-12 - 来自专栏数据猿
金融科技&大数据产品推荐： 数美金融风控—构建立体的全业务流程风控体系
从设备、注册到信贷申请，再到贷后预警等各个环节进行全方位的欺诈风险、信用风险控制，提升金融机构企业的风控能力，减少资金与品牌损失。 的产品投递 1、产品名称 数美全业务流程风控体系 2、所属分类 金融科技 · 风控、反欺诈 3、产品介绍 数美依托强大的AI技术与海量基础数据，为金融机构提供覆盖全业务流程的完整风控解决方案。 从设备、注册到信贷申请，再到贷后预警等各个环节，进行全方位的欺诈风险、信用风险控制，提升金融机构企业的风控能力，减少资金与品牌损失。 作为反欺诈领域专业品牌，数美经过2年的实践与积累，构建了立体的全业务流程风控体系，可有效帮助金融机构进行反欺诈与风控。 这让金融企业面临着来自市场与黑灰产的双重挑战，并因此催生了对新金融风控的需求。 数美将企业沉淀数据与自身数据库相结合，一站式的帮助企业解决欺诈问题。
3.4K30发布于 2018-04-24 - 来自专栏算法进阶
金融风控的迁移学习及实践(Tabular Data)
二、风控的迁移学习 回到金融风控任务，需要寄望于迁移学习的场景还是挺多的。很经常的，业务有扩展，引入了新的一个经营客群，而新的客群样本量刚开始肯定是很少的，这时就很需要借助下旧客群的数据。 而难点在于，风控领域很难像NLP领域那样的文字表示直接迁移，NLP中一个任务的文本表示可能就很适用另一文本任务。 下面结合风控的信用评分卡的任务，具体介绍迁移学习方法及项目代码实践。 首先先做下任务的背景介绍。 信用评分卡是风控领域的核心任务之一，依据如个人基本信息、经济能力、贷款历史信息，用于判断借贷用户的按时还款的概率。 本文数据来源github.com/aialgorithm/Blog《一文梳理金融风控建模全流程(Python)》 2.1 基于样本的迁移 基于样本的迁移，是通过迁移源域的某些样本或设定样本权重到目标域学习
1.3K30编辑于 2023-08-28 - 来自专栏IT大咖说
互联网金融风控中的数据科学
宜人贷数据部数据科学家王婷根据自己在行业的实践经验和专业知识，从三方面来分享互联网金融风控中的数据科学。 ? 背景 有了互联网之后，大家可以在线上进行理财借款。 传统金融面临的信用风险比较大，主要是还款能力的问题。而在线上进行欺诈普遍是利用一些黑科技，国内的欺诈手段非常的复杂。 传统风控都是使用一些基于规则的风控手段。 知识图谱在金融风控中的应用场景 互联网金融中的风控是一种机器学习的过程 互联网金融中风控和机器学习一样要定义Y目标和X变量。 Y目标和普通机器学习Y目标的区别就在于正负比例非常悬殊。 风控建模中的数据科学 ? 在整个风控中，它是一个标准的机器学习流程。除了样本和数据与普通互联网机器学习不一样之外，其它基本都是一致的。 FinGraph是线上风险控统中关键的一环 ? 总结：数据科学在互联网金融风控中发扬 图挖掘技术可以把风控工作，从局部考量提升到全局考量。
3.3K50发布于 2018-04-03 - 来自专栏AI SPPECH
58：Agentic在金融风控中的应用实战
通过本文，您将了解如何构建金融风控Agentic系统。 目录 1. 本节为你提供的核心技术价值 2. 金融风控的痛点与挑战 2.1 传统金融风控的痛点 2.2 技术挑战 3. Agentic在金融风控中的应用，可以帮助金融机构提高风险识别能力，降低风险损失，提升风控效率，为金融业务的健康发展提供保障。 本文将深入分析Agentic在金融风控中的应用实战，重点介绍金融风控Agentic的构建过程和应用案例，为金融行业的风控数字化转型提供参考。 2. 结论 Agentic在金融风控中的应用，为金融行业的风控数字化转型提供了新的可能。通过构建智能的风控系统，可以提高风险识别能力，降低风险损失，提升风控效率，为金融业务的健康发展提供保障。 未来，我们可以期待看到更多智能风控产品的出现，为金融行业的发展注入新的活力。 Agentic在金融风控中的落地，不仅是技术的创新，更是风控模式的创新。
17810编辑于 2026-04-08 - 来自专栏活动
DeepSeek 在金融风控中的特征工程实践
DeepSeek 作为一款强大的 AI 驱动平台，通过创新的特征工程实践，为金融风控提供了全新的解决方案。 1.1 金融风控的现状与挑战金融风控的核心目标是通过分析客户行为、交易模式和市场动态，预测潜在风险并采取相应措施。 特征工程在金融风控中的重要性2.1 特征工程的核心地位特征工程是机器学习流程中的关键环节，其质量直接影响模型性能。根据研究表明，特征工程对模型最终效果的贡献占比高达 60%-70%。 在金融风控场景中，特征工程的重要性更为突出，原因如下：数据噪声高：金融数据往往包含大量噪声和异常值样本不平衡：欺诈交易、违约事件等风险样本占比极低业务可解释性要求高：模型特征必须能被业务人员理解和信任2.2 ：特征存储成本随数据量增长而增加跨部门协作仍存在数据权限和理解差异新兴欺诈模式的特征捕捉能力需进一步增强DeepSeek 在金融风控中的特征工程实践展示了特征工程作为机器学习核心环节的价值。
1.4K22编辑于 2025-04-01 - 来自专栏AI SPPECH
智能金融风控中的大模型实践_01
引言 金融风控是金融行业的核心竞争力之一，直接关系到金融机构的资产安全和稳健运营。 传统金融风控的痛点与挑战 1.1 传统金融风控的工作模式 传统的金融风控主要依赖于规则引擎、统计模型和专家经验，其工作模式通常包括以下几个环节： 数据收集：收集客户的基本信息、交易数据、信用记录等。 复杂欺诈检测、异常交易监控、智能风控决策等 大模型在金融风控中的核心应用场景 3.1 智能信贷风控 智能信贷风控是大模型在金融风控中的重要应用场景，主要包括： 客户信用评估：利用大模型分析客户的多维度数据 跨领域风控：将大模型应用于跨领域的风控场景，如供应链金融风控、跨境交易风控等，提高风控的广度和深度。 智能风控决策自动化：实现风控决策的全自动化，减少人工干预，提高决策效率和一致性。 7.3 对金融行业的影响 大模型在金融风控中的广泛应用将对金融行业产生深远影响： 风控模式变革：从传统的规则驱动、经验驱动的风控模式，向数据驱动、模型驱动的智能风控模式转变。
1.8K20编辑于 2025-11-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号