道——三類行為者的成本——收益分析

這次我們聊聊“違規識別”模型，在有的行里也被稱為“三反”模型。這類模型的一個共同特點是獲得明確標簽（Y）的成本很高、主要特征提取自交易（有動帳）和行為（無動帳）數據的RFM模型及其衍生變量，和通過這些交易和行為數據構建時、空、網的關聯關系而獲取的衍生特征。這里需要強調一下，申請反欺詐和交易反欺詐在以上三方面存在明顯差別。雖然申請反欺詐也會用到復雜網絡，但是僅使用聯系人、設備等信息構建的復雜網絡，而不是依據交易流水做的復雜網絡。

很多人在分析“三反”問題是都遇到難以清晰分類的問題。這是很正常的現象，因為這三者往往是伴生的。如果一定要分清楚的，不妨可以這樣來區分：洗錢的交易發起者是用戶本身，交易欺詐的發起者非用戶的其他人，舞弊的交易發起者是內部員工。

筆者曾經在和客戶溝通時，甲方反應反舞弊和反欺詐的差別很大。誠然，在業務理解上確實差別很大。但是在模型抽象的角度，這三個主題建模時，其標簽的數據特征、取數窗口的設置、特征的提取方式是沿用的一套框架。因此可以統一來討論其建模問題。

我們再強調一下建模的三個原則，即以成本-收益分析為單一分析框架、區分分析主體和客體兩個視角、全模型生命周期工作模板。

我們這里以舞弊為例，討論一下從事舞弊活動的人的成本-收益。舞弊的成本較明確，那就是事情敗露后面臨的處分、開除、經濟處罰或刑事處罰。收益也很明確，那就是從事舞弊行為獲得的收入。也就是說在舞弊行為分析中，成本-收益可以看似固定的。那為什么一個人有時候剛正不阿，而有時候禁不住誘惑呢？主要的問題是其內心發生了變換。如下所示的“舞弊三角”理論中，壓力和動機是最關鍵的，這往往是外部事件，推動者行為人心中的砝碼發生偏移，從而釀成悲劇。

法——“三反”模型的數據問題和應對方法

建立違規識別模型的一個最重要的問題是對這個業務問題認識不足。很難有業務專家可以清晰的知道所有違規類型，每一次做這類項目，總是本著抓大放小的原則，針對最關心的一些“洗錢”、“交易欺詐”或“舞弊”的類型進行識別。同時樣本的標簽也是相互混淆的，因為犯罪份子可不會每次只按照洗錢“教科書”中的一種違規行為做事，比如地下錢莊和其他洗錢類型往往是伴生的。第二個難點是PU問題，即違規份子的行為沒有被全部識別出來，也沒有明確的類罪相對應。

由于違規識別模型有以上問題，因此需要兩到三步才能處理好以上問題。比如針對第一類問題，需要使用到無監督的異常學習算法將與正常交易有明顯差異的交易提取出來供下一步分析。針對第二個問題，目前主要是依賴業務人員手工審核。清洗干凈的數據才會用于建模。

“三反”模型統一使用“黑名單”、“規則引擎”、“機器學習”、“ 復雜網絡特征構建和無監督”?？催^“越獄”的讀者可能有印象，那里在分析犯罪時就會使用復雜網絡作為分析工具。之所以現在這類技術被廣泛使用，主要得益于開源大數據分析平臺極大的降低了建設成本，使得可以基于全量的交易數據構建復雜網絡和異常識別模型。因為這兩類模型是不應該對數據抽樣的。

術——“三反”模型為什么要使用非線性模型？

之前很多人認為構建風控模型一定要可解釋，因此一定要使用邏輯回歸，甚至還要求必須制作評分卡之類的產出物。這種要求在“三反”模型中是不適宜的。因為違規交易的子類型太多了。雖然每一種違規行為和正常交易的客戶有可能是線性可分的。但是如下圖“問題4”所示，具有違規標示的樣本是按群聚集的，而不同類的群是分散的。因此使用一個邏輯回歸構建起的線性模型的精確度是很低的。需要使用組合算法構建非線性模型。

器——落地“三反”模型的系統架構

以上提到，違規識別模型需要從大量交易流水中提取交易特征和復雜網路特征。而且此類模型建模是不建議采用抽樣的方式。因此使用分布式計算平臺對數據進行加工是不可避免的。以下列出了主要模塊，即數據源采集、圖數據庫、特征工程平臺、機器學習平臺。

用——反洗錢模型的開發介紹

下面這是一家金融機構的經歷。由于傳統的“三反模型”的規則很少是數據驅動的，而且及時是數據驅動的，規則的準確性也是很低的。通過構建無監督學習模型，使用異常識別算法，在降低了原模型15%召回率的情況下，預測精度提升了60倍。在使用有監督機器學習模型，并充分提取交易網絡信息后，召回率無降低的請款下，模型精度提高了80倍。模型上線后，可以極大的減少“三反”調查人員的工作量。不過需要強調一點，本例中使用的樣本是業務人員手工梳理的，模型效果容易做到指標上好看。

數據資管出品