修改密码

Input error
Input error
Input error
提交

修改昵称

当前昵称:
提交
信贷反欺诈指的是在贷前、贷中、贷后三个阶段对每一笔信用贷款的资金流向在整个流水交易与信贷资金流转的网络中进行分析与挖掘,避免出现伪冒申请、团伙骗贷、循环贷、企业经营贷、消费贷违规流入房市、股市、基金、理财产品等违规行为。监管机构对于防止经营用途贷款违规流入房市有着明确的监管规定,如2021年的“六加强”——加强贷款抵押物管理、加强贷中贷后管理、加强银行内部管理(对分支机构经营用途贷款的监测分析)、加强贷款期限管理、加强信贷需求审核(贷前)、加强借款人资质核查等。

痛点

层出不穷的欺诈风险和不断翻新的欺诈手段,传统的信贷风控系统面临的挑战

能力差

对交易流水与信贷资金融合的关联数据网络挖掘得不够深、不够广、不够快,难以对账户交易与信贷资金的流转、转账链条、路径、网络进行深入、快速、全量的计算与追踪。本质上是因为基于数仓或大数据框架的反欺诈系统不具备深度穿透、关联计算的能力,反欺诈的规则繁琐、低维、效率低下、准确性差。

实时性差

难以实时处理海量数据,现有的线上系统无法实时化处理包含至少6个月的全量历史交易数据。

模型风险

基于AI深度学习的很多信贷反欺诈解决方案存在黑盒化、不可解释、不可追溯、难以审计等模型风险

系统复杂、资源利用率低

一套商业银行的信贷风控系统动辄几十台服务器,各种大数据、数据库、AI机器学习框架,整个系统的开发、维护、使用流程繁琐、复杂、低效。

创新:Ultipa图计算信贷风控系统

银行拥有海量交易及第三方融合数据,对于风控系统最关键的原则有6条:快、稳、准、深、多、溯(如何能算得快、系统稳定、算得准、下钻得深、关联查询维度多、结果可溯源可审计),基于传统数仓、大数据平台的风控反欺诈系统无法满足以上原则。Ultipa依托自研高性能分布式图数据库系统,对信贷与交易数据进行精准建模,通过挖掘资金流向,定位消费贷、经营贷等贷款资金是否存在流向房地产、股市、购买理财、基金,以及假首付、假按揭等违规行为,帮助银行提升信贷反欺诈决策能力,实现“早发现”、“早预警”、“实时拦截”,将信贷欺诈行为扼杀在早期,实现满足“内增效+外监管”的双重诉求

意义:图计算信贷风控决策系统取得的效益

Ultipa图计算信贷风控系统通过将银行海量交易数据、信贷数据及第三方数据集进行综合与融合,依托Ultipa的智能图计算、图数据深度查询能力,针对信贷风控业务需求构建了图模型,挖掘深度、广度、效率、准确率较传统的专家规则或大数据风控框架有明显提升。图系统可以灵活、高效地根据不同的风险等级、业务与监管判定规则采用不同的风险防控逻辑和措施。与动辄几十台机器的其它信贷风控解决方案相比,Ultipa图数据库用20%的集群规模、计算与存储资源可以实现更高效的产出,真正对银行客户做到了低投入高回报。

完成以下信息后,可下载此案例
*
公司名称不能为空
*
公司邮箱必须填写
*
你的名字必须填写
*
你的电话必须填写
*
你的电话必须填写