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。
3 S6 F5 |4 J1 h. O4 ^! w i5 G/ o0 p0 K% M% P$ P; \( ~
一、什么是风控模型算法？$ u4 ^ T+ |# T0 y2 J; s6 I
. g! A; L5 H1 q6 n, j U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。
) j( M" u4 @; B c: t% C" |) I, C' J/ W6 ^, S: z5 h
二、风控模型算法有哪些？% t5 w. P0 w# ~3 v- P2 ~
. I4 Q5 R; o' p) K2 p" X1、逻辑回归模型
! x9 `1 K3 z0 n m6 o9 v: p, E; W6 Z1 }$ S
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。3 t3 i p% y1 w1 ]# S6 T7 y8 z
; ^, L L. a. L+ A% l1 t
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。( a( ~4 ^' M& ]7 e
! ^( u0 _9 E+ @2 @1 K% |8 T# P8 ~. I' w7 C. C8 o4 B
9 O. d/ r- y3 h& S4 v4 v1 d/ N2、风控模型算法—层次聚类算法（Hierarchical Clustering）7 q' }9 W) ~4 @: U$ \
% W' P( l- F, z. \, u; ~- O& V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, S* W+ }, I9 I# g+ y7 i5 o
8 V4 k3 k% |% u/ }& M) I6 P
" h# |; D( ~% Z% [+ b
4 \9 v) J! n$ z
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。! b2 W8 }5 @' A" g2 \( O9 U/ S3 V
1 ^: \/ |1 }3 y1 `% {1 {- L
0 x2 c- u: ?8 n7 x! u! W
$ H2 q5 D: g1 q/ J J3 j; B备注：Kmeans算法的所有账户聚类结果 K=3. M1 s$ u4 o% t! o
! F/ I$ J* k# _& c5 s( p/ z# g
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。! U; w$ S# G: n" j
# K2 Q) c7 G6 M3、XGBoostT3 ?& Z3 G! {1 {- k; M3 w
: i; d& L9 U8 b& V2 u$ m2 _XGBoostT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。
3 z4 E0 V3 ?- [9 n
8 a1 I- M0 j- U1 W, T: e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。
4 n9 T2 v" H0 N, k
1 T% w" e% `: ~. [' N) c好了，以上是对风控模型算法的介绍，欢迎交流。
1 V% |& P( w) ~3 z银行风控模型https://www.icekredit.com/page/1731
9 @, r# Z8 t1 k/ \, d& }1 m5 z! D |
