互联网金融风控中的数据科学 (part1) ： 金融科技企业面临的欺诈⻛险
金融科技企业面临的欺诈⻛险介绍 , 互联网金融 主要是通过互联网平台，连接 出借方 和 借款方
1. 金融与科技的结晶
- 金融的本质 : 资源的最合理化应用
- 互联网技术 : 交易的边界成本趋向“零”
- 金融科技 : 用大数据、云计算等技术实现的资金融通、支付、投资和信息中介服务
我们国家没有覆盖度很全的所有人的征信，虽然有央行，但是还远远不够…
授权抓取的用户的数据，(百融、同盾、芝麻信用 等，工作中可能都会对接到这些平台)，这些平台会通过很多渠道收集用户，然后给用户打一些风险标签和欺诈的评分.
2. 中国信用贷款行业
网贷之家 收集P2P网贷平台的运营数据，并为行业排行, 以下为 2018年3月数据做的行业排行 :
网贷之家 : http://www.wdzj.com/pingji.html
现在消亡的 P2P 公司逐渐消亡的也很多，之前 3000 多家，行业大洗牌之后，现在 2000 多家…
在整个行业的体量上，陆金所 一定是体量非常大的，整个网贷的市场大概有万亿级别.
3. 中国信用贷款行业分层
APR (Annual Percentage Rate) 年利率, 对银行信用卡来说，一般 APR 在 16% ~ 18%, 那么日利率为 0.04%~0.05% 之间
举个栗子🌰 :
银行是按日收利息的。简单介绍一下利息是如何计算的 :
假设用信用卡提现1000刀，20天后还清，这张卡的Cash Advance APR是25.49%.
一年有365天（部分银行按360天算（不要问我闰年怎么算Orz））日利率应该是25.49%/365=0.07%.
20天后产生的利息为1000 * 20 * 0.07% = 14刀
APR 可以划分人群，APR 不同级别，贷前贷后的审核，催收的制度 也是不同的
APR越低，人群是越好的. 在 APR 低的人群，是基本不需要催收的，在 APR 高的人群，是要催收的.
高 APR 人群:
对于 APR 在 40% ~ 80% 的，比如 拍拍贷，这种小额的现金贷，5000 以下，7天~1个月，贷款的时间也短，多还的利息用户是不感知的，但是如果变成年化，APR 就会非常高
在 APR > 80%, 是 现金巴士，用钱宝，这些存在也是有人们的需求存在的
APR 低的用户，就是信用好，APR高的话，就是信用没有那么好，或者还款能力没有那么好
做金融最大的本质就是在控制风险，在风险可控的情况下获得最大的利润.
4. 个人对个人的信用贷款
5. 急速信任-自动化信用评估
国内外 P2P 网贷的比较 :
国家金融环境存在较大区别,在信用体系建设等方面也都存在很大的差异，国外拥有较为完善的信用评估体制,中国在这方面却非常缺失，所以国内的借贷平台在用户信用评估方面都做出自己的努力，构建了不同形式的评价方法.
国外有完善的信用评估体质，有 FICO官方的评分. 国外80%都是信用风险，20%是欺诈风险.
中国更多的是欺诈风险.
FICO 成立于1956年，为纽交所上市公司，市值52亿美金，提供跨多个行业的分析软件和工具.
国内黑产业链 :
国内不还钱的话惩罚的措施跟不上，国内有些中介我不还钱的话，你找不到我的话，这个钱就是我空手套白狼的利润，这样催生了越来越多贷款的欺诈的情况，他们有一个黑产业链，从账号的获取到恶意的注册，再到互联网金融公司的平台申请贷款，有的中介会有一些现象.
举个栗子🌰:
他们会到燕郊找一批老人妇女，然后说我给你3000元钱，你跟着我走一趟。还有一些客户对自己的资质没有信心，然后找中介包装一些材料。有好中介，有坏中介，如果坏中介带你贷了5W元钱，然后给你2.5W告诉你爱还不还，然后还可以带你的信息再去其他家平台再贷款，这样用户在不知情的情况下会背负很多债务信息.
中介做的事，就是不停的去试各个P2P平台产品，发现其中漏洞，这些中介比产品经理还要了解这个产品，然后他帮助他的客户去做包装，这样比如一下子可能进来 100 个欺诈用户，每个用户5W，这样一下子就是500W，对企业来说损失很大，然后在这种高额收入的诱惑下，这些中介会升级不断自己的伪造技术.
6. 金融科技企业面临的欺诈风险
对于线上反欺诈来说，你看不见用户，只面对数据，要发现数据之间的异常、用户与用户之间有没有异常相似度联系等.
7. Reference
Checking if Disqus is accessible...