风控模型体系框架

风控模型是风控系统的核心，应用模型进行风险决策是识别风险的主要途径，也是控制风险的主要手段。风控模型一般涉及的全流程包括基本方法论、样本构建、模型构建、智能算法、模型迭代优化、监控和模型体系搭建。

构建好样本是开发好模型的基础，构建好样本是指从项目需求中定义问题，定义标签，选择合适的建模数据集，以及对数据进行分析和预处理的过程。

基于好样本构建出好模型是主要目标，构建好模型是指在经过预处理的数据中进行特征选择、特征提取、模型训练、分数转化和效果评估等。

通过智能算法搭建风控模型是通过构建不同的假设空间定义目标函数，通过优化目标函数在假设空间中寻找最优的映射关系，本质可以归结为最优化问题。在风控中包括基础学习算法、集成算法、深度学习算法。

模型上线后，客群的变化，数据维度的增加、业务调整等会使得模型效果发生变化甚至无法使用。模型迭代优化的目的是提升线上模型效果，使得模型在近期表现更好。模型迭代可以从模型融合、建模时效和拒绝推断三个角度。

为了能够在及时发现模型中的异常，减少对业务的影响，对模型的监控和异常处理必不可少，主要需要从模型的准确性、稳定性和有效性三个方面监控。

本文思维导图简略介绍了以上所涉及的基本框架以及相关内容。