七欺诈风险评分模型的开发与应用.pptVIP

欺诈风险评分模型的开发与应用 申请欺诈 信用卡丢失 信用卡被盗 信用卡伪造 信用卡机密信息被盗 信用卡邮寄被盗 账户被窃取 欺诈风险评分模型的开发与应用 欺诈风险评分模型包括： 申请欺诈风险评分模型 交易欺诈风险评分模型 一、申请欺诈风险评分模型 申请欺诈是欺诈分子盗取、仿冒他人身份信息给银行带来巨大损失，给被冒名的消费者带来纠纷。 申请欺诈风险评分模型常用的预测信息有 申请表填写的地址与信用局档案地址不符； 申请表填写的地址在信用局档案里第一次存档时间小于90天； 申请表填写的地址在信用局档案里仅为新信用账户所用； 申请表填写的地址在信用局档案里不存在； 申请表填写的地址被信用局记录认定为高风险地址； 申请表填写的地址被信用局记录认定为非住宅性地址； 申请表填写的地址在信用局曾有欺诈活动的记录； 信用局档案中地址为高风险地址； 信用局档案中地址为非住宅性地址； 信用局档案中地址曾有欺诈活动的记录； 信用局记录显示该申请人(姓名或身份证号码)曾被仿冒； 信用记录最早确立的时间在该身份征号码发行之前。 二、交易欺诈风险评分模型的开发 利用信用卡当前交易信息和历史交易行为模式对比来预测当前交易为欺诈的概率的模型，为智能反交易欺诈授权策略提供科学依据，对欺诈风险高的交易可以拒绝授权和展开调查。 表现变量是“交易为欺诈与否”的二元性显示变量。 所有的预测信息主要是来自实时交易授权的信息和历史交易授权的信息。 欺诈者不能完全模仿真实用户的用卡行为模式。 二、交易欺诈风险评分模型的开发 常用的预测信息的原始数据元素包括 信用卡账号(用于作公共码键，不用于提炼预测变量)； 账户持有人的国家号码和邮政编码； 商户号码； 商户的国家号码、货币代码和邮政编码； 交易的日期和时间； 交易数额； 交易种类(购物、提现等)； 商户种类； 密码核对结果； CVV核对结果； 信用卡过期日； 信用额度和可支配剩余额度； 信用卡使用途径。 二、交易欺诈风险评分模型的开发 简单的预测变量只运用当前交易的信息： 一维性的变量： 如交易金额(一般金额高的交易嫌疑较高)。 商户种类(如珠宝店、赌场、高档消费品商场交易的嫌疑较高)。 交易发生地离卡用户家庭住址的距离远近(一般利用商户所在地邮政编码和卡用户家庭住址的邮政编码所对应的经度和纬度来计算距离)。 交易发生时间(一周7天，每天24小时，共168种可能的值)。 二维性的变量，把两种数据元素组合在一起，例如： 把商户种类和交易金额组合在一起。 把交易发生的时间与距离远近组合在一起等。 二、交易欺诈风险评分模型的开发 复杂的预测变量把当前信息与历史信息相联系、对比： 以时间为基础的变量，例如： 过去30分钟交易的次数或平均金额。 过去1小时、2小时、3小时、半天、1天、2天、1周等时间段交易的次数或平均金额。 当前交易金额与过去若干时间段的交易金额的均值和标准差的对比等。 以事件为基础的变量，例如： 过去2次、3次、4次、N次交易的平均金额。 过去2次、3次、4次、N次交易的最大金额。 当前交易与过去若干次交易金额的均值、标准差以及最大值的对比等。 二、交易欺诈风险评分模型的开发 变量的提炼涉及的数据存储有两种方式： 一种是把相关的整个交易历史的数据保存起来，精确地按定义来计算变量值。 另一种方式是把过去的交易信息总结起来，只保留相关的总结性信息，而不保留具体的历史交易信息。 三、交易欺诈风险评分模型的评估与应用 账户伪阳性比例 账户发现比例 价值发现比例 三、交易欺诈风险评分模型的评估与应用 账户伪阳性比例 指错误地被模型评分判定为欺诈的账户数除以正确地被模型评分判定为欺诈的账户数的比例。 该评分是分数越高，欺诈的风险越大 账户伪阳性比例越低，模型的预测效果就越好，为了抓住欺诈账户而带来的负面影响就越小。 AFPR(S)=(NFS)/(FS) 三、交易欺诈风险评分模型的评估与应用 账户发现比例 指在某一分数线以上模型正确判定为欺诈的账户数目除以总共的欺诈账户数目。 反映依赖评分能够正确发现的欺诈账户的比例。 账户发现比例越高，模型效果越好。 ADR(S)=(FS)/F 三、交易欺诈风险评分模型的评估与应用 账户伪阳性比例与账户发现比例对照 账户伪阳性比例与账户发现比例一一对应，也就是应用交易欺诈风险评分模型来与反欺诈的成本与收益一一对应。 随着成本的增加，收益相应增加，但收益增加的幅度逐渐减小，说明边际收益递减。 三、交易欺诈风险评分模型的评估与应用 价值发现比例 指模型评分正确判定为欺诈的交易总额除以欺诈交易总额的比例。 VDR(S)=(FVS)/(FV) 价值发现比例的高低受模型贯彻方式的影响。 三、交易欺诈风险评分模型的评估与应用 交易欺诈风险评分模型的贯彻使用主要有三种方式： 第一是实时实施 它在交易批准以前