银行信用卡风险监控系统课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《银行信用卡风险监控系统课件.ppt》由用户(ziliao2023)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 银行 信用卡 风险 监控 系统 课件
- 资源描述:
-
1、信用卡风险监控系统信用卡风险监控系统内容介绍内容介绍1 信用卡欺诈风险监控2 信用卡欺诈风险挖掘3 信用卡交易统计分析4 特约商户关系管理5 绩效考核管理6 系统维护管理系统总界面系统总界面信用卡欺诈风险监控信用卡欺诈风险监控目标目标框架框架原理原理内容内容监控交互平台监控交互平台规则过滤规则过滤智能评分智能评分异常处理异常处理实现关键点实现关键点目标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框架原理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
2、,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 规则过滤规则过滤输入交易数据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周期监控
3、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客户/帐户预制档案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
4、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监控界面规则过滤结果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 智能评分智能评分评分需要的数据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
5、并行处理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,评分效率更高申请欺诈评分申请欺诈评分伪造信用评分伪造信用评分丢失卡评分丢失卡评分帐号盗用评分帐号盗用评分.智能评分结果智能评分结果 异常管理异常管理 异常处理原理异常处理原理 异常处理规则异常处理规则 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
6、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信用卡欺诈风险挖掘目标目标框架框架原理原理内容内容欺诈挖掘模型欺诈挖掘模型模型评分结果模型评分结果实现关键点实现关键点目的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。框架框架原理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
7、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
8、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;智能评分算法的科学性和严密性保证将欺诈商户从整体商户中辨别出来;结果展示将模型分析结果以图形表格及报告的形式进行解释,提供给用户一个友好的界面。模型构建模型构建/规则发现规则发现 专家经验统计分析挖掘分析规则规则/模型优化模型优化 自学习系统自学习系统根据不断反馈到数据集市中的数据发现新的欺诈模式,更新规则库,去除旧的无效的规则评分模型的优化,优化方法有方面:一是利用新的交易数据重新进行数据挖掘过程,产生新的监控评分模型二是根据专家的经验,对一些方法的参数、特征项进行调整重新进行数据挖掘过程,产生新的监控评分模型 模型过程随
展开阅读全文