说到风控业务中被标准化的定义问题，作为风控人最应该来谈谈这个内容，尤其是在数字化的风控内容上。数字化风控的标准化程度较高，在互金经过了一番喷薄的发展后，对于SOP守则，业务问题的定义及留给后续从业者可借鉴的资料、项目经验相对丰富，也使得这个行业的数据从业者相比其他的行业更"幸福"一些。
就拿欺诈的内容而言，常规的衡量指标是首逾，FSTQPD的概念(分别对应FPD，SPD，TPD，QPD等的概念)。
FPD=First Payment Deliquency
SPD=Second Payment Deliquency
TPD=Third Payment Deliquency
QPD=Quarter Payment Deliquency
当然这非绝对概念。因为就欺诈而言，有些线下渠道会有逾期考核率的指标，表现出来的数据情况是逾期后不会马上失联，而是先还个两三期后再直接失联。
说完互金，再来谈谈银行。银行的卡业务中也有些场景较难把控，比如套现业务。套现是非常特殊的场景，像是欺诈而非欺诈，大部分人套现是有借款意愿也有还款意愿，只是没有借款渠道而走向套现。只有少部分人是属于欺诈的套现分子，根本没有还款意愿的人群。套现的治理就是找到这部分人。
套现在信用卡的整治也十分棘手。套现市场据说是个万亿市场，网上讨论套现的内容也非常多：信用卡套现可以投资买房、套现可以生意资金周转等等。曾几何时，银行内部也有类似套现应该适当鼓励，没有套现银行的卡业务无法存活。似乎在潜规则上，套现被暗暗打上了定义：合规且低息的现金贷款，大家心知肚明。
那我们是否应该鼓励套现？这是个老生常谈问题，要想得知结论还是一切从数据出发。
(网络公开的某银行的套现数据，套现指标=套现金额/总金额)
从这份银行的套现数据可看出来，套现指标较高的3、4、5行中，其逾期率跟坏账率也随之攀升。套现跟逾期有着一定的相关性。根据目前的一些统计资料也显示，通过分析套现金额与预期的相关性，发现相关系数达0.75+。总体而言，逾期金额随着套现金额的攀升陆续走高。
从数据的分析上也可以看出来，套现的确实该防该治。但套现的风险也应该需要区分，这里的套现我们可以划分为不同等级的套现。高风险套现、中风险套现、低风险套现。比如对于高风险套现，可能是资金极度饥渴，存在跟黑灰产相关联的套现用户或商户，在数据表现上表现为多头极高，地区在频繁活跃的黑产地域地带。而低风险套现，只是因为资金稍微紧张，不充裕而偶尔的套现行为。
对于不同风险的套现，在治理上手段也颇为不同：常见的有永久封禁、临时封禁、永久降额、临时降额等方式，对于不同等级的套现是需要处以差异化的对待。
这里提到的差异化风险定义，就是需要每家机构自行划分的标准线。具体的数据阈值也是每家机构自行划定。虽大同小异，但机构的风险能力跟水平也就是看谁能将这个差异化做得更优秀些。实力间的差距，就是体现在每一个小小的差异累加，然后这些小小差异累加形成了风险化的巨大的Gap。
信贷风控的问题的定义，对欺诈、对套现套现除了上面提到的内容外，在具体把控方面，还可以通过一些量化指标不断修正数据，如逾期率、不良率(常见的还有通过率指标)。以上这些都是有相关的量化指标可以辅助来将问题逐渐定义清晰的。
在金融信贷领域，因为发展的历史相对较久，已经发展了一套套完整的方法论可以衡量相关风险。对于风险区分了贷款五级风险；在量化指标上，我们有量化风控指标的方法：资产减值法；对比不同的资产表现，我们可以用MOB+Vintage进行分析不同的资产质量，甚至金融学者还发明了lagged的算法，来削弱增不同期限的放款月份的增量数据来衡量资产情况；对于坏账定义，还区分了信用风控坏账和欺诈风险坏账，对应的指标更有dpd90+和首逾的概念。对于评分还有从业者还发明了风控评分卡、z-sorce等内容。以上种种的发展，真的是一代代金融从业者的呕心沥血的经验总结。
以上部分我们给大家带来了行业概况与风控涉及的一些内容，以下我们将运用这些概念，这些标准化的指标的内容，为大家分享下实际工作的一些落地的案例内容：
本次我们仍以开头提到的FSTQPD，为大家介绍相关案例：反欺诈中有一个非常重要的量化指标称为首逾，与之相关的就是。这几个指标分别指是啥意思？请看：
FPDX：第一期的还款日首次发生逾期
SPDX：第二期的还款日首次发生逾期（第一期的还款日已还款）
TPDX：第三期的还款日首次发生逾期
QPDX：第三期的还款日首次发生逾期
FSTQPD指标之间有互斥性，这个指标需要特别注意的就是这个【首】字，计算首二逾的时候，要把首逾客户排除，因为在首逾中出现过的客户不可能在第二期又是首次逾期。
同理，计算首三逾时要把在首逾和首二逾的客户排除。
计算口径通常有2种：
•第一种 FPDX%:第一期第一次逾期X天客户的当期贷款金额/表现第一期X天客户的当期贷款金额(即第一期到期X天客户的贷款金额)
•第二种 FPDX%:第一期第一次逾期X天客户的剩余本金/表现第一期X天客户的放款金额(即第一期到期X天客户的放款金额)
那在具体的商户风控的反欺诈中，如何应用？请看今天给大家带来的具体的案例分享，案例的实操分享中一共涉及六个步骤：
步骤1：运用欺诈指标FSTQPD监测商户数据波动情况
步骤2：分析数据波动原因
步骤3：进一步定位欺诈原因
步骤4：欺诈案件复核
步骤5：综合调查案件资料
步骤6：案件结论与最终处置方案
本文我们以医美商户为案例，来细细拆分每一个反欺诈监控步骤：
步骤1：运用欺诈指标FSTQPD监测商户数据波动情况
分析情况：在2020年8月2日的时候，突然发现2020年7月1的订单的FPD1异常，这时候先去排查 扣款渠道是不是有问题(1号或者31号由于月初月末，极易发生扣款失败问题等，故需要优先排除)，发现扣款渠道没问题，故非机器bug引起7月Fpd1偏高。
步骤2：分析数据波动原因
分析情况：去看客群质量,通过模型分等观察指标，发现该商户进件客群极其稳定,故排除进件客户质量差引起的FPD偏高。
步骤3：考察数据波动原因商户还是BD(渠道)欺诈造成
商户欺诈或者BD欺诈(医美存在前端销售同事帮客户代还情况，故将BD欺诈考虑进去)，先拉取该商户关联BD下的所有商户2020年7月FPD1数据以及其他指标维度数据，为快速定位，目前只看fpd1数据。
该bd总共7家商户，与商户A量相当的商户B的fpd1并未发现异常，若BD发生欺诈，骗取客户钱财代还，不可能只集中一家商户未还款，故大概率排除BD欺诈。
步骤4：欺诈案件复核(电核等进一步确定)
反欺诈同事分别对2020年fpd1逾期客户进行电核，运用相关话术发现客户每月并未自己还款。电核主要以下2个方向：
1）确定客户是否真正手术
2）客户还款方式
3）客户通过什么方式去商户A进行手术（是否存在中介等渠道，或者是否发生联合骗贷情况）
步骤5：综合调查案件资料
与此同时，重新调取客户贷前贷中信息，如：术前、术后照片（需注意是否ps），病历本（病历本造假成本极高），客户还款账户（是否发生一个账户多客户还款）等。
步骤6：案件结论与最终处置方案
暗访同事对该商户进行暗访，同时去查询该商户有没有发生股权变动的情况。
代还款会有2种情况
1、商户打钱到客户，客户自己还款。这种情况比较难以排查，只有电话回访或者暗访等方式知道
2、商户直接帮客户还款，这种可以通过系统的还款账户来判断
结论：最终判断为商户欺诈。商户A刚开始（2020年1、2、3月）合作时候为正常营业，客户均为正常客户，在2020年4月，随着进件量的上涨，商户开始发生欺诈情况。即正常进件+给客户一定钱财，骗一些客户假装贷款，承诺商户会帮还，以此商户大量套现，故商户帮了客户前几期，在2020年7月时候商户捐钱跑路，导致商户FPD1开始突增。
最终处置方案
1、针对商户：报警处理；
2、针对客户：向客户解释情况，说明逾期后果（征信受影响），适量减免利息，让客户继续还款，以此来尽量挽回损失；
…
~原创文章
