风险评估模型怎么建？

      很多企业都知道自己公司需要风险评估模型，但风险评估模型怎么建，怎么用，却不知其所以然。那今天我们先来分享一下模型怎么建的问题。

      按照操作经验，建模型一般分为三个步骤：一是建模的选择方法；二是构建模型主体部分；三是评估模型的效果认定，只要模型效果达到预期标准，则判断模型可用。

具体用法如下：

       一、构建模型的一般方法。一般建模方法分为专家法、统计法和深度学习或强化学习等高阶算法。在企业信控模型的应用方面，一般以前两种方法为主。企业构建模型时，如何判断采用何种方法，主要判断依据是自己公司的数据量，数据质量及客户群体的大小，这三个维度判断采用何种算法构建。一般客户数量或数据量少于10,000条的，建议采用专家法建模，达到十万或以上的可以尝试高阶算法。

       二、构建模型主体部分。传统意义上我们把一个模型分为，指标、权重、区间三个核心部分。在专家法建模下，一般企业就直接拍脑袋，直接上指标、权重、区间，但正规的做法还是要采用诸如德尔菲法、层次分析等方法进行指标、权重、区间的选择；而统计法中，一般是通过统计运算，就可以直接获得指标及相关权重和区间，形成传统意义上统计评分卡，同时可以获取不同的分值。如果数据量大的高维模型，一般采用特定的神经网络模型，随机森林、决策树等方法，这种方法相对较为复杂，在企业信控方面使用较少。

      三、评估模型的效果认定。一个模型构建完成后，一般都需要对模型的效果进行验证。而且无论采用什么方法建模，都需要进行效果验证，这是保证模型可用性最核心的步骤，哪怕你是拍出来的指标，只要检验效果达标，才能投入业务端使用。目前很多企业最大的问题是正在使用的模型，不知道效果怎么样？因为不知道怎么测试，所以只能被动的使用。

          三种方法除了建模算法的差异外，还有一个特点：专家法、统计法模型一般可以解释，但深度学习、机器学习等算法，都无法给出所得结果的原因，类似一个黑匣子。所以一般企业端构建模型，采用前两种方式的居多。

          今天的分享就这么多，后续文章会持续分享模型怎么用哦，敬请关注。