这12个风控模型，你知道吗？
大家好，我是FAL的学员Zhang，下面是我通过在FAL听课后，整理的贷前、贷中客户管理阶段、贷后催收阶段一些常见模型以及模型的主要作用。
贷前阶段
用户响应模型：一般针对互联网，数据来多样，类似漏斗模式，分析获客阶段的用户转化情况，如：引流、导流、注册成功等信息，以及在某个阶段进行埋点分析流失状态。
申请评分卡模型：即A卡，主要侧重贷前风控，在客户获取初期，建立申请评分卡模型，预测未来客户在放款后逾期与违约的概率。
申请反欺诈模型：识别欺诈风险高的客户，捕捉各类欺诈行为，如身份造假，非客户本人的行为等。一般分为第一方反欺诈和第三方反欺诈。
风险定价模型：根据客户的历史情况分析，应该制定多少初始额度和初始利率比较合适。
用户价值模型：在风险评分难以决策的灰分区域，制定置入置出策略，预测客户在开户后能够为机构带来潜在收益。在相同风险等级客户里，可以筛选收益等级高的客户，最大化挖掘其收益潜力。
贷中客户管理阶段
行为评分卡模型：也就是我们常说的B卡，通过分析不断去挖掘客户的各种需求，去推荐一些差异化的信贷产品，主要是给我们的客户交叉销售产品和提额。
交易反欺诈模型：交易阶段，识别一些羊毛党刷单、薅羊毛和套现行为。
客户流失模型：对客户流失的原因进行分析，提前知道哪些客户会流失，及时采取挽回措施。
贷后催收阶段
早期催收预警模型：预测出来一些轻度逾期的客户，这类客户可能只是单纯的忘记还款而已，这个时候就不需太多人工催收参与进来，先进行短信提醒等简单的催收工作即可。
还款率预测模型：预测经过催收之后，最终收回的欠款比率。
迁徙率模型：评估客户短期内会不会违约，可以预测逾期的人群从轻度逾期发展到重度逾期的概率。
失联修复模型：逾期阶段，客户本身联系不上，通过数据库挖掘新的联系方式（如，身边的亲戚朋友等），修复客户失联状态。
看到这里，如果你想了解更多风控模型的类型以及作用，与模型的搭建方法以及应用场景，加强风控建模业务模型技巧经验、提升建模能力，推荐学习「量化风控模型机会创造营」⬇️
导师总结自己实际建模工作中用到的Python和Sql代码，求同存异，第一周教给你能完成工作中约80%模型代码的“套路”模版。
第一周通过学习单特征构建、多特征筛选、四类主流特征构造方法以及第二周学习TF-IDF方法，教会你特征构建的“套路”。
我们知道很多人算法基础差，自己读书也难以理解枯燥的数学公式，风控模型训练营2.0版本中，我们会这样教你学算法。
第二周通过先学习银行类金融机构风控模型中最常用的逻辑回归算法，把最常用最基础的逻辑回归算法真正学懂学会，让你求职银行这类相对传统的金融机构风控建模岗完全Hold住。
第二周通过再学习GBDT、Xgboost等几个常用二分类机器学习算法，让你遇到一些求创新的银行风控建模岗面试官，或者互联网金融科技公司如某阿某讯某东，也能游刃有余的介绍和使用算法。
第二周通过学习前沿算法，让你对算法新方向有所了解，面试或工作中展现自己超前学习力，面试加分。
不论是面试还是工作中，模型体系的建立和掌握是至关重要的。尤其是在求职中，面试官对求职者有没有体系性的模型理解是极为看重，有体系性的理解代表着将来他能有无限的可能性。
风控模型训练营2.0版本中，第三周我们会让你学到最全的风控模型。
申请类（贷前）评分卡与各种A卡子模型
行为类（贷中）评分卡与各种B卡子模型
催收类（贷后）评分卡与各种C卡子模型
如何恰到好处的使用不同模型