风控模型算法常见于金融领域，包括但不限于商业银行、持牌消费金融公司、汽车金融公司、互联网金融、保险公司、互联网上市公司等各行各业。随着NLP、机器学习算法、神经网络技术等快速发展，大数据风控模型已经广泛应用于各类商业领域。
4 ~: v8 E) g' \* X
0 t, y' x( Z) d) d2 \+ _6 W一、什么是风控模型算法？0 [/ ]! n7 Z. K
+ ?; [) `/ i D
风控模型算法是一个比较泛泛的概念，包括很多内容，依据d款流程，可以分为贷前、贷中、贷后风控模型，依据风险控制的对象又可以分为企业风控模型和个人风控模型，其中企业风控模型基于场景又可以细分为财务风险模型、税务风险模型、担保风险模型、订单和库存风险模型、进出口风险模型、关联风险模型、僵尸企业识别模型等等，而这些模型中又包括各种各样的算法，其如在金融风控模型中，常用的且比较经典的算法——逻辑回归(logistic回归)、决策树、线性回归、神经网络、K均值聚类分析、极限梯度模型。
* O# f" A7 @( Q' M
6 m. I9 u% b4 H9 u/ K; U8 |二、风控模型算法有哪些？
: ^: _) @+ O0 X9 s ' [ C: Y- T: I6 t: V
1、逻辑回归模型
3 W/ D$ w- d" `( _; G2 [( e1 h+ ~4 F, G. m& s/ I8 W
逻辑回归模型最早可以追溯到 1830 年代，当时比利时统计学家 P.F. Verhulst 发明它来描述人口动态。
, C1 F1 N+ A" V0 O0 G: a
# y9 n$ S q* T6 b1 _) k3 Y' R+ i之所以常用于风控模型，主要在于其优点比较突出，包括但不限于该模型结果可解释较强，模型适用性较好，可以适用于连续性和类别性自变量，此外，预测结果是介于0和1之间的概率，因此，该算法被广泛使用。
; E, l1 ^, ^- ~, U# h# ^: r: H3 I% r* D. N
: Z0 O( t' T- k& t& [" o- d/ L8 u3 {6 f+ q7 ?
2 H( I# a5 n: I8 o5 ? B3 ]
2、风控模型算法—层次聚类算法（Hierarchical Clustering）1 ]1 C n# J: M. R# Y A. C
. ^: u5 Q2 j' u) g
层次聚类算法将相似样本合并为为一簇，并不断迭代，生成聚类的过程，如下图) z0 o ?8 J- }& x M
' W* S8 p! s- i8 S8 D
) q) s" I# n5 g- b7 t& J f5 A+ Q- Z, F
K均值（Kmeans）聚类算法是一种无监督学习聚类算法。对数据集中在某些方面相似的数据成员进行分类组织。通过指定想要划分的类别个数K，将没有标注的 M 个样本通过迭代的方式聚集成K个簇。其中，样本间的相似度以样本之间的距离作为指标来划分。' t" ^# C2 A2 |' L; d2 t+ Y. s' i
q1 o) ~6 }# d, t& F2 E- ^5 A k/ P
( `8 }- n7 s5 F% ?; e
备注：Kmeans算法的所有账户聚类结果 K=3, b- c% M# }+ B+ v
, u& t0 q# [0 Z- f/ O
冰鉴科技基于K均值（Kmeans）聚类算法开发出了经侦反洗钱解决方案，基于银行帐户交易流水数据，为经侦在线索梳理和案件侦破过程中提供更便捷、更高效、更智能的技术方案支持。9 }8 ]# n2 L( i/ `5 k I1 O
; W3 C7 ]" K" c( B2 d9 e! `; l; U
3、XGBoostT
; J$ T5 R C! L: J
. |' p* j9 R( c) MXGBoostT全称极限梯度算法，是由2016年由华盛顿大学陈天奇老师带领开发的一。XGBoost是一个可供用户轻松解决分类、回归或排序问题的软件包。它内部实现了梯度提升树(GBDT)模型，并对模型中的算法进行了诸多优化，在取得高精度的同时又保持了极快的速度。目前，已经广泛应用于各类风控模型领域。! o, u! r" y" e+ X& r h5 x2 u
+ G) o+ ~( ]" w5 g8 O: d
线性回归、神经网络等其他三类算法在金融风控、经济预测等模型搭建领域也是比较常见的，再次不一一介绍。" Q$ U" Z' a# r; a$ G7 L& s0 ^
$ Z; Z9 @( v& U
好了，以上是对风控模型算法的介绍，欢迎交流。' C* q8 v! e8 z3 o6 |( z! y
风控模型的风控策略https://www.icekredit.com/page/17315 C2 U* B. Q# C& N7 S6 m8 Q- p
|
