全部产品
Search
文档中心

风险识别:策略实验室

更新时间:Nov 18, 2022

策略实验室的使用场景:策略实验室提供策略还原,策略仿真,变量推荐,风险打标,变量/模型定制功能与服务,借助这些功能可以进一步强化和提升策略的指标效果。

1)策略还原 通过策略实验室的策略还原,可将决策引擎运算后的某个风险请求进行过程还原。策略还原需要输入API请求决策引擎所返回的requestId。该策略还原功能基于SLS日志服务实现,决策引擎会将策略还原所需的日志数据打点至当前登录账号的SLS资源中。

  • 返回值示例

  • requestid查询示例

系统根据requestId 进行的决策引擎运算过程及结论的还原,详细提供请求详情,事件入参及决策出参,策略命中详情。点击单个策略详情时,可以进一步下探该策略的运算过程。

  • 策略详情示例

策略运算过程下探后,可查看到逐条规则条件的执行情况,方便做案例分析及策略优化方案定位。

  • 命中详情示例

2)策略仿真 通过策略实验室的策略仿真,可将历史事件流量进行回放并执行最新更新后的策略,可用于将历史问题(包括风险遗漏、业务打扰等)的快速回放,并验证优化或调整后的策略对于历史问题的解决程度的评估。

创建仿真任务需要选定某个时间窗口内的事件以及需要仿真的策略,系统会将该仿真任务排队并启动运算。仿真任务运算的耗时与事件运算量大小有关,量级越大运算时间越长。通常一个不超过1万条事件记录的任务,仿真任务运算时间不超过1个小时。仿真运算所使用的策略,如果其中选配了收费变量,可能会存在用量扣减。系统根据事件量进行了最大用量预估,实际运算中因存在条件树的设定,会低于最大预估。

策略仿真01

仿真运算后,系统会将仿真结果的日志打点到SLS(日志服务)project中,除系统提供的对比报表外,可以前往SLS进行个性化的日志分析。

3)变量推荐 通过策略实验室的变量推荐,可基于任意风险样本选定风险场景的情况下,引擎系统的模型模块会自动进行样本学习、模型训练、变量挑选、策略智能生成。通过变量推荐功能,无需建模开发投入,即可获得具有类比定制建模、模型可解释、策略可运维的风控策略推荐。

我的样本:可在此页面上传样本集,样本文件会上传到当前登录账号所拥有的OSS资源中,可能会产生OSS费用,费用情况详情参考OSS定价。样本的质量情况会直接影响训练与推荐的效果,建议样本量级大于2000,风险与无风险的比例为1:2,也可以根据实际的业务风险率参考设置样本构成比例。

变量推荐01

样本创建后,创建推荐任务,选择所相关的风险变量,并勾选关注的效果指标,设置任务名称后,系统会开启此推荐任务的运算。通常运算任务需要分钟到小时不等的时间,运算时间与样本数量、变量数量相关。

策略推荐02

任务运算中,可以进入详情进行阶段性结果的查看。支持变量IV查看,系统推荐策略的详情与指标表现查看。 对于符合预期的规则策略,可以选择“加入候选策略”,支持添加多个策略。

策略推荐03

针对已选中的候选策略,可以指定创建到某个事件下。如该策略中的某些变量所需入参,在原事件中缺失,系统会自动补全,请在接口传参时注意缺失参数的补全与调整。系统创建的策略,出于操作风险考虑,默认置为“草稿”状态,且默认设置的标签输出为“test”。可在策略详情页中根据业务预期,进行自助调整。

策略推荐04

4)风险打标 针对于存在聚集性、规模性的风险场景,使用图计算技术、算法绘制社群关系,风险打标功能可以使用客户反馈的风险标签对于社群进行风险染色,获取社群风险浓度并且运用于策略模型中,以此提升风险识别效果。风险打标系统支持文本或文件的形式反馈风险标签,文件格式支持Excel、TXT、CSV。用户反馈风险标签后系统后台自动使用此风险标签对于社群进行风险染色,并通过变量中心透传社群风险浓度变量,用户可以使用此变量在策略管理功能中配置风控策略。