首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

实时风控指标

实时风控指标是指在金融、保险等行业中,对客户的信用风险进行实时监控和评估的指标。这些指标可以帮助企业及时发现潜在的风险,并采取相应的措施来降低风险。实时风控指标通常包括以下几个方面:

  1. 信用评分:信用评分是对客户信用风险的量化评估,通常采用一定的评分标准和算法来计算。信用评分可以帮助企业快速评估客户的信用风险,并制定相应的信贷政策。
  2. 负债比率:负债比率是指个人或企业的负债总额与其资产总额之间的比率。负债比率可以反映客户的偿债能力,帮助企业评估客户的信用风险。
  3. 流动比率:流动比率是指个人或企业的流动资产与流动负债之间的比率。流动比率可以反映客户的短期偿债能力,帮助企业评估客户的信用风险。
  4. 速动比率:速动比率是指个人或企业的速动资产与流动负债之间的比率。速动比率可以反映客户的短期偿债能力,帮助企业评估客户的信用风险。
  5. 资产负债率:资产负债率是指企业的资产总额与负债总额之间的比率。资产负债率可以反映企业的负债水平,帮助企业评估客户的信用风险。

在实时风控指标的监控和分析中,企业可以使用大数据技术和人工智能技术来进行数据挖掘和模型建立,从而更好地评估客户的信用风险。同时,企业还可以通过实时风控指标来制定相应的信贷政策,降低信贷风险。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

钱大妈基于 Flink 的实时风实践

摘要:本文作者彭明德,介绍了钱大妈与阿里云 Flink 实时计算团队共建实时风规则引擎,精确识别羊毛党以防营销预算流失。...钱大妈与阿里云 Flink 实时计算团队共建实时风规则引擎,精确识别羊毛党以防营销预算流失。...图一:钱大妈实时风流程示意图 二、业务架构 钱大妈风业务架构如图二所示总共分为四个部分:事件接入、风险感知、风险应对、风险回溯。...通过 Flink 在线 ETL 加工处理的实时用户画像标签和销售事实指标,除了作为线上 BI 指标和实时大屏数据展示,也为实时规则引擎的事件接入提供重要的数据支持。 事件接入。...图六:社区Flink动态CEP规则表 五、回顾展望 基于 Flink 的实时风解决方案已接应用于钱大妈集团内部生产环境,在此解决方案里未引入新的技术组件和编程语言,最大化复用 Flink 资源实现实时风场景需求

2.2K20

携程是如何把大数据用于实时风的?

目前携程利用自主研发的风系统有效识别、防范这些风险。携程风系统从零起步,经过五年的不断探索与创新,已经可以有效覆盖事前、事中、事后各个环节。...主要分三大模块:风引擎、数据服务、数据运算、辅助系统。 风引擎:主要处理风请求,有预处理、规则引擎和模型执行服务,风引擎所需要的数据是由数据服务模块提供的。...由于携程的业务种类非常多,而且每种业务都有其特性,在进入风系统(Aegis)后,为了便于整个风系统对数据进行处理,风前端有一个适配器模块,把各个业务的数据都按照风内部标准化配置进行转换,以适合风系统使用...风系统要进行数据的合并。举个例子,当有一笔支付风校验,支付BU只抛过来支付信息(支付金额、支付方式、订单号等)。...由于每个风Event请求,都需要执行数百个规则,以及模型,这时,风引擎引入了规则执行路径优化方法。

2.4K80
  • 基于 Apache Flink 和规则引擎的实时风解决方案 ​

    这要求风系统一定要有实时性。本文就介绍一种实时风解决方案。 1.总体架构 风是业务场景的产物,风系统直接服务于业务系统,与之相关的还有惩罚系统和分析系统,各系统关系与角色如下: ?...该系统有三条数据流向: 实时风数据流,由红线标识,同步调用,为风调用的核心链路; 准实时指标数据流,由蓝线标识,异步写入,为实时风部分准备指标数据; 准实时/离线分析数据流,由绿线标识,异步写入,...2.1 实时风时风是整个系统的核心,被业务系统同步调用,完成对应的风判断。 前面提到规则往往由人编写并且需要动态调整,所以我们会把风判断部分与规则管理部分拆开。...前边提到,做规则判断需要事实的相关指标,比如最近一小时登陆次数,最近一小时注册账号数等等,这些指标通常有一段时间跨度,是某种状态或聚合,很难在实时风过程中根据原始数据进行计算,因为风的规则引擎往往是无状态的...Flink 把汇总的指标结果写入 Redis 或 Hbase,供实时风系统查询。两者问题都不大,根据场景选择即可。

    5.6K20

    干货 | 携程基于大数据分析的实时风体系

    性能和复杂度可以兼得 携程的风系统,和大部分第三方支付平台一样,也是以实时风系统为主: 支付环节一般留给风校验的时间不会超过1s,业务风点上更是希望风能在100ms内就能通过;对性能的追求,也是对极致用户体验的追求...在实时风场景里大量部署复杂模型,使模型也能和规则一样能直接拒绝交易;平均来看、执行一个模型以及相关的变量计算所需的资源可能与200条普通规则相当,对系统的架构和性能都是很高的挑战。...携程风架构变迁简史 ? 携程自建风系统开始于2011年左右,直到2015年正好赶上公司技术栈从.Net往Java平台转变,风系统也迎来了一次完全的重写。...支撑风系统的高可用、高性能,离不开强大的基础设施,下面我向大家展示一下携程风的几个核心服务和组件: ? 风引擎: ? 我们给他起了一个名字叫 Matrix,意思是像魔方一样灵活多变。...设备指纹的架构及关键指标: ? CDNA: 我们需要完整且深入的了解对于同一个人或同一类欺诈团伙在携程“一生”的行为以及“足迹”。

    2.5K50

    微分享回放 | 携程是如何把大数据用于实时风

    目前携程利用自主研发的风系统有效识别、防范这些风险。携程风系统从零起步,经过五年的不断探索与创新,已经可以有效覆盖事前、事中、事后各个环节。...图1 主要分三大模块:风引擎、数据服务、数据运算、辅助系统。 风引擎:主要处理风请求,有预处理、规则引擎和模型执行服务,风引擎所需要的数据是由数据服务模块提供的。...由于携程的业务种类非常多,而且每种业务都有其特性,在进入风系统(Aegis)后,为了便于整个风系统对数据进行处理,风前端有一个适配器模块,把各个业务的数据都按照风内部标准化配置进行转换,以适合风系统使用...风系统要进行数据的合并。 举个例子,当有一笔支付风校验,支付BU只抛过来支付信息(支付金额、支付方式、订单号等)。...由于每个风Event请求,都需要执行数百个规则,以及模型,这时,风引擎引入了规则执行路径优化方法。

    1K80

    闭环管体系与数据指标管理

    1.2 闭环业务管流程(PDCA) 闭环业务流程管理中有4个关键环节是非常重要的,它们分别是:计划、实施、检查、改善,即PDCA循环,如下图所示。...以上4个环节就构成了现代生产管理中所要求的PDCA循环,业务流程管理的核心也是对这4个关键环节的把。 1.3 闭环业务管流程下的数据指标管理 业务管的实施需要用数据做支撑。...数据化管理让企业的业务管回归到商业的本质,回归客户价值,在为客户创造价值的过程中获得成长。任何商业活动背离了客户价值都将是暂时的繁荣。...②实施阶段的数据化管理 在计划实施阶段,要关注各种数据化指标的完成情况,每个计划对应的数据指标都要进行量化,确保有全面的衡量指标。...当外部环境变好了,企业要顺应情况提高相关指标,不要错过快速增长的市场机会。 在计划实施阶段,要及时分析数据指标,不能因为企业的赢利状况、业务发展看上去很好,就将数据化管理放到一边。

    73040

    资源利用率提高67%,腾讯实时风平台云原生容器化之路

    导语 随着部门在业务安全领域的不断拓展,围绕着验证码、金融广告等服务场景,腾讯水滴作为支撑业务安全对抗的实时风系统,上线的任务实时性要求越来越高,需要支撑的业务请求量也随之增加。...对于业务快速上线和资源快速扩缩容的需求,且公司自研上云项目往全面容器化上云方向推进,水滴风平台开始进行自研上云的改造。...水滴后台架构 水滴平台主要是用于业务安全对抗的高可用、高性能、低延时的实时风策略平台,提供一系列的基础组件给策略人员进行构建策略模型,能够帮忙策略人员快速地完成策略模型的构建和测试验证。...水滴系统架构如下图所示: 水滴实时风平台系统主要由配置处理模块和数据处理模块两部分组成。 配置处理模块主要由前端 web 页面、cgi 、mc_srv 和 Zookeeper 等组成。...Monitor 系统的单属性指标思路需要转换到多维度指标下,需要对智研维度和指标概念有一定的理解和指标设计。

    69720

    “规则集”的性能测试(Python操)

    本篇更新策略篇的规则集性能测算及Python操,内容选自《100天风专家》第57期。 首先介绍规则集的完整分析流程,包括五个步骤。 一、规则集分析流程 1....规则评估:计算规则效果指标,如命中率、召回率、精准率等,筛选备选规则。 3. 规则集线下性能测试:将备选规则组成规则集,进行性能测试和评估 4....三、案例分析Python代码操 通过配置决策树参数以及入模变量数量,自动化生成规则100多条,通过规则评估指标如命中率、精准率、召回率、lift进行初步筛选,组成为规则集进行初步的性能测试。...然后通过相互覆盖率、单一命中率对内部规则进行二次筛选,得到最终的有效规则组合,最后再计算规则集的综合性能指标。 以下是通过相互覆盖率筛选内部规则的案例结果。...-end- 以上内容节选自《100天风专家》从0到1的信贷风训练营

    32910

    资源利用率提高67%,腾讯实时风平台云原生容器化之路

    陈建平,后台开发工程师,现就职于TEG安全平台部-业务安全中心,主要负责中心实时策略风平台开发。...导语 随着部门在业务安全领域的不断拓展,围绕着验证码、金融广告等服务场景,腾讯水滴作为支撑业务安全对抗的实时风系统,上线的任务实时性要求越来越高,需要支撑的业务请求量也随之增加。...对于业务快速上线和资源快速扩缩容的需求,且公司自研上云项目往全面容器化上云方向推进,水滴风平台开始进行自研上云的改造。...水滴后台架构 腾讯水滴平台主要是用于业务安全对抗的高可用、高性能、低延时的实时风策略平台,提供一系列的基础组件给策略人员进行构建策略模型,能够帮忙策略人员快速地完成策略模型的构建和测试验证。...水滴系统架构如下图所示: 水滴实时风平台系统主要由配置处理模块和数据处理模块两部分组成。 配置处理模块:主要由前端 web 页面、cgi 、mc_srv 和 Zookeeper 等组成。

    1.1K61

    模型:PSI 稳定性指标详解(Python)

    模型人员在做模型时可能更关注效果AUC/KS等评估指标,效果胜过一切。但其实对于模型而言,稳定性的重要程度要胜过效果。...本文将介绍风中稳定性指标PSI的概念和理解,以及A卡模型上线后如何对模型分及入模变量进行稳定性观测。...PSI的理解 作为一名风人员,相信对IV指标并不陌生,它可以代表一个变量的信息价值,或者可以理解为与目标变量的相关程度,是一个变量好坏的效果指标。...如果你是一个老风人员,就会发现PSI和IV指标的计算公式是非常相似的,因为二者的本质是相同的,都是计算两个分布之间的距离。...一般情况下,PSI稳定性指标的参考值如下: PSI的Python操 下面我们用Python代码来操一下PSI指标的计算,以及PSI指标逐月的计算。

    3.8K11

    模型—WOE与IV指标的深入理解应用

    业务背景 在评分卡建模流程中,WOE(Weight of Evidence)常用于特征变换,IV(Information Value)则用来衡量特征的预测能力。...风建模同学可能都很熟悉这两者的应用,但我们仍然可能疑惑诸如“如何调整WOE分箱?“、“WOE与LR之间的关系?”这些问题。...IV(Information Value)是与WOE密切相关的一个指标,常用来评估变量的预测能力。因而可用来快速筛选变量。...在信贷风中,识别好人和坏人也是同样的道理。我们根据历史样本数据形成一个先验认知: 当Odds小于1时,预测为Good的概率更高,此时我们认为一般情况下都是好人。...IV指标是在从信息熵上比较好人分布和坏人分布之间的差异性。 图 4 - 好人与坏人分布对比 2.

    2.6K63

    引擎如何快速接入不同的数据源?

    数据是风引擎的重要组成数据是风决策引擎中不可或缺的组成部分,包括历史数据、实时风险数据、行为数据等等,不仅提供关键的信息和指示,更有助于做出明智的决策。...顶象风引擎的数据接入风引擎接入数据的方式有多种。...以顶象Dinsight实时风引擎为例,首先在控制台接入,然后就可以在引擎配置。...接入控制台 (console) ,在application.properties中配置:接入引擎 (engine), 在application.properties中配置:顶象Dinsight实时风引擎可以在营销活动...,并快速应用于复杂策略与模型;能够基于成熟指标、策略、模型的经验储备,以及深度学习技术,实现风自我性能监控与自迭代的机制;集成专家策略,基于系统+数据接入+指标库+策略体系+专家实施的实战;支持对现有风流程的并行监测

    35510

    快速开启专属的风系统

    顶象Dinsight实时风引擎,支持私有化部署和SaaS服务。以SaaS接入为例: 第一步,注册/登陆 顶象防御云,开通实时风险决策服务。...第二步,访问 [实时风险决策] - [应用管理] 菜单,新增应用。用来标识用户入口,比如:App、Web等。 第三步,访问 [实时风险决策] - [事件管理] 菜单,新增事件。...第四步,访问 [实时风险决策] - [风策略] - [策略管理] 菜单,添加一条简单策略。 第五步,业务后台开始集成。...detail/const-id#doc-h2-1 集成验证码:https://www.dingxiang-inc.com/docs/detail/captcha#doc-h2-1 顶象Dinsight实时风引擎可以在营销活动...,并快速应用于复杂策略与模型;能够基于成熟指标、策略、模型的经验储备,以及深度学习技术,实现风自我性能监控与自迭代的机制;集成专家策略,基于系统+数据接入+指标库+策略体系+专家实施的实战;支持对现有风流程的并行监测

    1.8K20

    数据赋能,高效防:蚂蚁数据智能如何守护金融安全

    在 7 月 21-22 日深圳 ArchSummit 全球架构师峰会上,来自蚂蚁集团的高级技术专家马希民分享了,基于信贷实时风,构建数据智能的高可用实时风决策系统实践。以下是演讲内容整理。...我们团队主要负责的是消费金融产品的实时风,例如支付宝收银台中花呗、花呗分期、信用卡分期等贷记产品显示时,表示这笔交易已经通过了我们的实时风系统,被视为无风险交易,我们实时的决策系统面临的主要问题有以下四方面...与此同时,如果说实时风的架构简单来说是数据 + 计算,那么这里数据和计算的维度是非常丰富的,就数据来说,数据来源各不相同,有离线基础数据、准实时数据、实时数据;就计算来说,计算的复杂度也各不相同,有简单的统计类指标...,来将实时风的响应时间和拦截率始终维持在一个合理的水位。...今天我主要分享了如何使实时风决策系统实现极速响应和高可用性。实时风决策系统的在性能方面的核心优化手段是降低 IO,我之前提到的多级决策、分层决策、预决策和规则精简,本质上都是为了减少 IO。

    31730

    顶象为中国移动打造高效风系统

    集成顶象智能设备指纹、顶象Dinsight实时风引擎以及三方反欺诈数据等技术。 顶象智能设备指纹支持安卓、iOS、H5、公众号、小程序,可有效侦测模拟器、刷机改机、ROOT越狱、劫持注入等风险。...顶象Dinsight实时风引擎可以在营销活动、支付下单、信贷申请等场景,对业务前端发送的请求进行风险判断,并于毫秒内返回决策结果,以提升业务系统对风险的防能力。...日常风策略的平均处理速度仅需20毫秒,聚合数据引擎,集成专家策略,支持对现有风流程的并行监测、替换升级,也可为新业务构建专用风平台;聚合反欺诈与风数据,支持多方数据的配置化接入与沉淀,能够进行图形化配置...,并快速应用于复杂策略与模型;能够基于成熟指标、策略、模型的经验储备,以及深度学习技术,实现风自我性能监控与自迭代的机制;集成专家策略,基于系统+数据接入+指标库+策略体系+专家实施的实战;支持对现有风流程的并行监测...上线一年多来,该风系统已沉淀13万+反欺诈指标,6万+风策略,日均请求量超过60亿次,每日有效拦截黑灰产攻击近300万次,逐步构建起自主可控的专属业务安全体系。

    2.2K20

    TiDB 帮助万达网络科技集团实现高性能高质量的实时风平台

    万达网络科技集团的技术团队,建设和维护着一套实时风平台。这套实时风平台,承担着各种关键交易的在线风数据的写入和查询服务。...实时风平台后端的数据库系统在高性能,可靠性,可扩展性上有很高的要求,并且需要满足如下核心功能和业务要求: 风相关业务数据实时入库 实时风规则计算 通过 BI 工具分析风历史数据 ETL 入库到...但这些方案,无论是高可用安全性,强一致性,还是对业务应用所需要的复杂事务/JOIN 操作以及横向扩展能力上,都无法满足实时风平台的业务要求。...在实时风平台的高并发高性能的对外服务过程中,在线灵活扩容的相关工作在 MySQL Proxy 中间件架构中无法高效和可靠的实施。...TiDB 针对分布式事务和强一致性的完善设计以及对各种 JOIN 模式的支持,使得实时风类和 BI 分析类的业务应用能够高效运行。

    1.2K10
    领券