供应链金融智能风控体系架构设计

1、供应链金融智能风控体系架构设计1背景介绍为解决中小企业融资难、融资成本高的难题近年来我国大力推动供应链金融的发展，根据相关预测，到2020年我国供应链金融市场规模将达到27万亿元但随着公司供应链金融业务的发展，未来供应链金融系统存在以下问题：(1) 贷款企业的信息和财务、借贷数据的真实性存在风险(2) 企业的贷款是否超过授信额度，企业的还款是否逾期都存在风险(3) 需要及时识别和预警存在风险的企业(4) 保证如期收回贷款、建立基于内外部的大数据信息风控体系，降低业务风险2智能风控系统设计目标2.1设计目标深入供应链，灵活规则设置和智能的风控模型紧密贴近业务需求，完整的风控管理体系企业视为多维度

2、组成的复合体，收取正交且不相关的数据来丰富企业画像，通过相交的数据进行交叉验证企业行为的真实性将企业数据在时间维度上进行极坐标成本的展开，通过跨周期的分析数据的规律来判断企业的业务规律支持多种数据源的接入和大数据处理能力高吞吐和及时响应2.2存在挑战2.2.1丰富的规则逻辑需要设计一套能够支持灵活多样的因子和计算规则的配置系统222据存储和计算商家数据量大，数据格式区别大，需要充分考虑数据的存储和获取，同时能够在确定时间里完成计算2.2.3高性能计算需要实时计算的场景，需要做到秒级的响应2.2.4丰富的预警和提醒机制需要提供多种途径的预警和风险提醒3智能风控的业务设计二叫.i.；#凤挖錨果-y

3、炜-11M跖叮1j宙hggitytgMI2厂念谒£g.E血：丨j机刪申5E叩月熬'1|riFs.ii)1狂GiK卑国保射审轩厂fr'11W1If一:LBSrf.f?J£阡-M*怜如弋金韭为的枝ta4智能风控业务设计说明4.1数据体系（1）对于企业基本信息、借款、还款数据、财务数据、行业数据等通用数据需要建立相应的监控和校验机制，对于没有及时同步和数据格式不规范的情况进行反馈（邮件和报表等方式）结合行业和舆情数据，可以对于不同类型数据可有配置不同的校验规则和校验模型（真实性校验、有效性校验等）4.2风控体系421贷前需要进行风险的识别，需要进行数据的完备性检查

4、、防患于未然（1）可以根据已有企业信息数据、工商数据、公检法数据等通过规则设定生成贷前灰、黑名单，并支持黑名单的人工控制（增删改查）（2）可以支持配置企业评分的规则、根据已有数据和外部数据源规则生成企业评分（3）可以支持配置企业的授信额度规则，根据已有数据和外部数据源生成企业授信额度（4）可以支持配置企业的贷前交易额预测，支持通过从机器学习平台获取预测结果（5）可以支持配置企业的贷前逾期预测，支持通过从机器学习平台获取预测结果15422贷中需要支持实时或者离线计算，同时能够及时反馈结果(1) 企业额度的计算：包括对已经发生的交易的定时计算，以及实时请求的高效计算(2) 对于企业额度有问题的可以

5、设置不同的处理策略：实时预警、实时阻断、延迟放款，支持多种策略的组合。(3) 对于预警采用不同的通知策略：通知银行、企业、贷款个体(4) 能够根据实时发生的交易、实时更新企业的额度限制（5）支持贷中交易预警规则（次数和数量）的设定，支持通过从模型（视机器学习平台对于聚类模型的支持程度再看是否用机器学习建模）获取预测结果（6）支持贷中贷款金额的预警规则的设定，支持通过从模型（视机器学习平台对于聚类模型的支持程度再看是否用机器学习建模）获取预测结果423贷后贷后预警：（1）根据规则设置，支持对于企业授信额度额度的动态调整（2）贷款逾期预警：譬如在贷款到期之前N日，通知企业或者银行（3）可以设置规则

6、，生成灰、黑名名单企业并能够对进入灰、黑名单中的企业进行预警。（4）支持自定义预警，并能够支持多种预警提醒机制（5）定时获取企业外部环境数据，并根据设定规则更新企业的相关参数（授信额度、黑白灰名单等）企业监控：进入监控规则：根据交易次数、交易金额、贷款次数、贷款金额设置相关规则，决定是否进行监控，对监控企业的交易行为决定是否进入灰、黑明单将企业从监控列表中释放：根据企业还贷等可以将企业从监控列表中释放、也需要根据企业的交易情况，从灰、黑名单中释放业务处理机制：（1）-个体逾期：例如借款个体发生逾期，则暂停该借款个体贷款业务，查明原因后可申请重启（手动）。（2）整体逾期：例如整体逾期率高于某个设

7、定值时，暂停全链整体业务，查明原因或采取措施后可申请重启（手动）5智能风控系统技术架构5.1总体技术架构5.2具体模块设计5.2.1通用网关层(1) 、主要负责和风控业务系统的对接，接受业务系统的请求，并进行权限验证，通过验证后将相关请求分发到具体的处理服务(通过负载均衡的方式分发)(2) 、异步信息收集接口，主要目的是收集数据提供风控决策依据。异步接口可以显著减少上游服务的阻塞时间(3) 、可以通过主动推送的方式将相关风控的结果返回给接入的系统。需要重点考虑以下方面：隔离部署：在对接的众多后台服务流程中，哪些是核心流程、哪些是非核心流程，需要隔离开防止相互影响。依赖降级：风控策略需要实时依赖

8、大量外部数据接口和存储，依赖越多稳定性问题发生的概率越大，相应的熔断、降级机制不可缺少。限流策略：系统需要具备识别和拒绝这些恶意流量的能力，而不是放任其消耗业务后台和风控系统的计算资源。要在全局流量入口实现整体控制。522风控核心处理层(1)规则引擎规则策略分成几个层次：场景：对应规则集合，一个场景包含若干条规则。规则：是最小的决策单元，一个规则包含多个因子。因子：因子是组成规则的最小逻辑单元。场景和规则之间都是多对多的关系。所有规则策略都套用标准化的执行过程，并能达到最大程度的配置复用，将策略配置从代码中抽离，通过配置执行策略后，执行过程也变成动态的。具体来说，运行时会根据请求来决定需要计算

9、哪些场景、规则和因子，每个元素计算且仅计算一次，没有相互依赖的部分放入多个线程并行处理。通过这样的优化，效率和性能得到大幅度提高。规则平台设计让每个场景可以应用不同策略，命中策略后的决策也可以灵活定制，甚至可以配置多个决策，并设置不同优先级配置服务策略必须立即生效，且可灰度和回滚，且都是运营人员自行配置，可调试，不依赖开发，所有的规则因子需要支持灵活的配置。(3) 对每个规则或者策略都需要支持定时执行，需要有一个灵活的定时调度系统，定时任务支持多种调度策略(循环执行或者指定时间执行等)(4) 数据计算数据计算主要指大数据及离线计算和实时计算，实时计算需要将业务系统传递的在线数据和数据库中已有数

10、据进行整合，实时计算出结果，离线计算主要是定时的计算企业的风险系数，给予预警预警模块主要是根据相关规则计算出来的结果，采取不同的响应机制，包括将数据以邮件的方式发送，报表呈现，实时接口反馈等。信息管理主要只提供对于企业信息的的查询，需要对企业的各种信息进行综合，提供360度的服务，同时可以对相似企业通过推荐算法进行关联定时任务需要支持灵活多变的定时任务的配置，譬如企业评级、企业信用度计算等，通过结合机器学习或者通过规则进行定时计算524数据存储层(1) 、数据库方案：将风险规则采用mysql的存储方式，一般分别部署在不同的服务器上，在事件触发上可以采用数据库触发器、消息队列事件等方案。(2) 、内存数据库方案：对于需要实时计算返回的规则数据，可以采用内存数据库方案进行存储，保证风险事件实时处理的性能，采用r