银行信用卡风险监控系统教案分析.pptVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
信用卡风险监控系统 内容介绍 系统总界面 信用卡欺诈风险监控 目标 框架 原理 内容 监控交互平台 规则过滤 智能评分 异常处理 实现关键点 目标 缩短欺诈发生和探知的时间 缩短欺诈发现和账户处理之间的时间 及早发现新型的欺诈模式 快速部署新的反欺诈策略 不断量化地优化处理的决策点 框架 原理 交易系统向监控交互平台提出交易授权请求,触发交易实时监控系统进行监控; 首先对该笔交易进行规则过滤处理,被认为可疑的交易将进行进一步的智能评分监控; 智能评分是利用监控评分模型对当前交易的欺诈可能性进行评分,分数越高欺诈可能性越大; 根据评分结果,根据欺诈预警条件对交易进行欺诈进行预警,异常处理过程结合评分结果,根据异常处理规则以及专家经验,对欺诈交易提出处理方案。 监控交互平台 负责接收信用卡交易系统对交易监控的请求 负责收集、预处理监控需要的各种数据,包括交易数据、客户数据、申请数据、帐户数据、商户数据 负责将监控结果以统一形式反馈到交易系统 规则过滤 输入交易数据 账户号码 交易点 交易额度 交易代码 密码输入次数 交易频率 交易错误类型 交易方式 周期监控预处理 周期监控预处理 客户/帐户监控预处理 商户监控预处理 预处理的周期 日、周、月 周期监控预处理会不断调整 根据数据集市数据的不断更新 周期监控预处理结果 账户预制档案 客户/帐户预制档案 基本信息 客户申请资料 帐户登记资料 帐户使用信息 近期交易量 近期交易频度 近期因密码错误被拒绝的记录 与以往欺诈案例的关联 首次使用的国际卡 账户拖欠信息 当前拖欠月数/周期数,以及拖欠数额 过去12个月中最高拖欠数目 当前超过信用限额情况 过去12个月中超过信用限额次数 …… 账户活跃程度信息 消费次数,ATM使用次数,在过去12个月中其他使用次数及数量 消费次数,ATM使用次数,在过去13到24个月中使用次数及数量 …… 利用模型评分/概率描述客户/账户行为 账户拖欠或未支付分数 账户关闭分数(客户要求的关闭)或属性分数 期望的使用分数 收入分数 概率分数(风险调整过的) …… 过滤处理 基于专家的经验对以往欺诈模式的总结过滤规则 交易大小或金额数等于或大于***元 当前超过信用限额情况超过***元 过去12月拖欠次数超过***次 与有欺诈历史的商户交易 …… 监控界面 规则过滤结果 可疑交易 可疑原因 过去3日交易频率过大 交易数额过大 超过信用限额 与有欺诈历史的商户交易 …… 智能评分 评分需要的数据 账户识别信息 账户信息 账户使用信息 账户拖欠信息 账户活跃程度信息 帐户收益性 利用模型评分/概率描述的客户/账户行为 商户信息 交易信息 申请信息 客户更新信息 智能评分并行处理 所有模型都在起作用 最终输出的是综合各个子模型的评分得到一个综合分数 评分结果的准确度更高,评分效率更高 智能评分结果 异常管理 异常处理原理 异常处理规则 异常处理规则是根据交易的监控分数、交易模式、风险收益平衡,确认的一个合适处理方案 异常处理规则制定的关键 不同处理对客户影响不同 收益和损失的平衡 速度问题 需要与数据频繁交互的处理,用存储过程在数据库端实现,减少程序与数据库之间的交互时间 规则过滤、智能评分以及异常管理每个模块的处理采用并行处理方式 通过系统程序优化提供系统处理速度 信用卡欺诈风险挖掘 目标 框架 原理 内容 欺诈挖掘模型 模型评分结果 实现关键点 目的 目前银行对欺诈的挖掘和管理主要采用人工方式,随着签约帐户和卡业务量的迅速增加,手工方式已经完全无法适应业务发展的需要,成为业务发展的重大制约因素。 为了降低风险,提高收单行欺诈风险分析能力。 框架 原理 首先交易系统将一个分析周期的交易数据传送给数据库,用户通过系统的分析交互平台提出分析请求,触发风险管理系统进行分析; 风险管理系统首先对所有交易进行数据处理,其中有一大部分交易属于非怀疑情况,不再进行下一步的分析处理,被认为可疑的交易将进行进一步的智能评分分析,在此阶段,系统将提供过滤规则的参数化设置。 智能评分是结合经验算法和数据挖掘算法,建立欺诈评分模型对商户欺诈可能性进行评级,分数越高欺诈可能性越大; 根据评分结果,根据欺诈预警条件对帐户进行欺诈分析内容预警展示。 客户档案 基本信息 账户号码 名称 所在地点 年龄 行业 信用级别 收入 欺诈记录 商户档案 基本信息 账户号码 名称 所在地点 代码 行业 信用级别 规模 欺诈记录 欺诈分析模型 风险分析模型:主要采用数据挖掘的方法,进行风险数据采集;风险数据处理(包括风险指标计算);风险模型建立(包括风险算法参数确定);风险模型评估;风险结果解释;风险挖掘结果展示。数据规则处理保证了所有的信用卡商户及交易能够进行分析处理;

文档评论(0)

三沙市的姑娘 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档