1. 互联网金融中需要关注的风控逾期指标有哪些
正常资产用C表示Mn表示逾期N期:M1逾期一期,M2逾期二期,M3逾期三期,M4逾期四期,M5逾期五期,M6逾期六期Mn+表示逾期N期(含)以上，M7+表示逾期期数 >=M7
3、贷款余额 ENR</p><p>至某时点借款人尚未偿还的本金，即：全部剩余本金作为贷款余额
4、月均贷款余额 ANR
月均贷款余额 = (月初贷款余额 + 月末贷款余额)/2，月初贷款余额即上月月底贷款余额</
5、C,M1,M2,M3…的贷款余额根据逾期期数(C,M1,M2,M3…)，计算每条借款的当时的贷款余额贷款余额 = 放款时合同额 –已还本金</p><p>已还本金 = (放款日次日 ~ T-1)的还款本金总额
6、核销金额</p><p>贷款逾期M7后经审核进行销帐，核销金额即在核销日期当天的贷款余额
7、回收金额 Recovery</p><p>来自历史所有已核销合同的全部实收金额
8、净坏账 NCL</p><p>当月新增核销金额 – 当月回收金额</p><p>9、在账月份 MOB</p><p>放款后的月份</p>
2. 常见的金融大数据风控有哪些
主要场景有：P2P 、 小贷 、 现金贷 、 分期 、 第三方支付 、 汽车消费金融风控等等
目前国内大数据风控领域做的比较好的企业有通付盾等企业。
3. 求能做金融风控数据的
如果你是需要这种的可以去找一下慧科讯业。
他们主要是做这种类型的，而且有很多银行和金】融企业都是他们合作伙伴。
比如建设银行，广发银行信用卡，中国农业银行，浦发银行等等，找他们合作应该是比较靠谱的。
4. 金融风控数据分析难吗
要看是哪方面的金融数据分析，如果是量化型分析，还是有些许难度的，如果只是sql导数据，再通过excel进行的数据分析就相对简单许多。
5. 金融的风控分几个方面
贷前核查：法院网 工商网 信用报告（详细版）通话详单询问有没有欠钱。。。。。。
贷中审查：查看比对和分辨客户提供的资料。
贷后管理：催收。
风险管理手段：。。。。。。
6. 在金融公司工作的人来说说风控怎么做。
风控并不是个新职业，不过近几年它的发展势头变得越来越好。无论在传统金融还是互联网金融领域，它都成了一个紧俏的职业。这跟近几年金融领域形态的多样化有关，用户对于风险控制变得越来越关注。
总体来说，风控岗位涉及到的工作包括业务审查（业务发生前的审核，通常未通过审核，业务不能执行）、风险监测（业务发生后的持续风险监测，包括预警及应对等）以及业务综合管理（数据的统计分析等）。
一、工作内容（在银行、保险、信托、期货、P2P互联网金融平台内部，风控的工作侧重不尽相同。）
1.银行
相比其他类型的金融机构，银行的风险管理部门更为成熟。“巴塞尔委员会”1988年7月制定的《巴塞尔协议》里为全球商业银行确立了明确的风险管理标准，确定了管理哪几类风险。尤其对怎么管控信用风险、市场风险、操作风险说得非常清晰。
贷款业务是占银行风控日常工作比重最高的一类业务。处于中端的风控部门往往在客户阅读贷款细则时就开始进入风险审核，看贷款对象的个人风险评估是否符合要求，经过风险评估后的业务才会被提交到更高管理处审批—也就是说，风控的工作存在于交易的过程中。
银行风控的这种运作方式也成为许多金融机构风险管理的母本。比如保险行业大多是参照银行的做法。
2.期货、信托、小额贷款、融资租赁企业
从风险管理的角度来说，期货、信托、小额贷款、融资租赁企业都算是比较新兴的类型。它们的风险管理以风险为核心，侧重信用风险、操作风险、市场风险、交易对手风险等等。
这些行业的新兴之处还体现在业务的复杂和创新需求上。比如信托，以房地产作为信托产品和以汽车作为信托产品是不一样的，某种程度上来说每个项目都需要开发一套创新的金融产品。当一个创新产品出来的时候，这个产品是不是能变成一只基金，或者变成某一种产品推到市场上去，它们的风险管理部就要进行审核。这种情况下，风险管理部需要判断这个新产品的风险是否可控？风控敞口有多大？万一出现问题，项目坍塌了，储户或者是投资者来向公司要钱时，刚性兑付的资金压力有多大？有多少可能性这个项目就有多少可能收不回来钱？
风险管理部对于新产品的审批意见非常重要，如果风险管理部或风险管理委员会不批的话，这个新业务真的可能会被否掉。这是一个权力很大的部门。
3.网上个人信贷（P2P）
相对传统金融领域来说，P2P还处于初期阶段，因此风险管理工作可能并不是很完善。有一些企业在做这类金融产品的时候，可能只是从金融企业挖一两个人来就开始管理风险，他们的风险管理主要集中在信用风险审核。
二、岗位要求（论传统金融还是互联网金融，风控都算是一个硬性技能要求比较高的岗位，但根据工作内容的不同，对公司人的要求也有所不同。）
在传统金融领域及P2P中，金融行业相关的知识和经验是很重要的。
对于毕业生来说，尽管大部分金融机构和企业都抱着一种“反正都是白纸，我可以用我们的体系来培养”的观念，但如果是金融专业同时具备一些比如FRM金融风险管理师、CFA特许金融分析师等专业证书会更有竞争力。
对于社会招聘来说，风控人才主要来自两个渠道，一个是从其他类似机构找人；另一个则来自于大会计事务所或咨询公司，后者出来的公司人往往有一些金融企业审批或企业风控的外部服务经验。
三、工作状态及挑战
不同类型的金融机构及企业的风控因为其职能的不同，所呈现出的工作状态会有所不同。
通常，一些大型银行的风控部门由于业务稳定，规模较大，人员充足，因此工作负荷不大，属于行业中工作压力较小的部门。不过一些跨国银行的风控职能往往集中在国外总部或区域中心，中国的风控部门更多地扮演执行的角色，个人的能力体现和成长空间都会受到一定的局限。
在一些大型金融机构，风控的工作重点在于如何将领导的风险偏好转化为合理的风控工作指标，凸显自身价值。
一些中小型金融企业，以及非银行金融机构的风控，由于业务类型复杂、创新性高、变化大，原本就不够充沛的风控人员，往往需要承担更大的工作负荷。这类风控人员的职能压力往往来自于不仅要控制风险，同时还要提高工作效率，即：不错杀好项目，不漏杀坏项目，同时也不能延误业务时机。这种时候还有可能受到来自业务部门的压力，如何在业务发展和风险管理之间找到平衡，如何在压力下，坚持风控的专业判断，都是一个好的风控人需要考虑的。相对来说，这类企业的风控人员压力更大，能力的提升也更快。
不管是传统金融还是互联网金融都面临着不断发展和迭代的挑战，这使得风控人员必须保持很强的学习能力和好奇心。
四、职业发展方向
在大部分金融机构里，风控岗位的职业晋升往往通向首席风险官，最终可能成为银行的副行长，或是其他金融机构的副总经理，主要还是偏重风险管理和控制类的工作。
五、薪酬状况
根据统计数据表明，在金融行业各职能部门的薪酬涨幅里，尽管中后台部门仍然没有前台部门的15％高，大约在5%至10%之间，不过风控在中后台其他职能部门中算是涨幅比较高的。
之所以能有这样比较有优势的涨薪，主要有两方面原因。原因之一在于人才贮备不足。过去很多人都没能认识到风控工作的重要性，所以大家不太愿意入行，另一方面这又是一个需要专业技能的工作，因此整体而言从业者不多。原因之二是因为这两年互联网金融发展非常迅速，大大小小的P2P平台的出现催生了风险控制人才的需求。加上银行、保险、期货、信贷、小贷、小微贷、PE、VC这些行业本身也都有很大的风控人才需求，所以使得这类人才出现缺口。这些企业之间的人才竞争也把风控人员的收入拉到了一个比较高的位置。
从具体行业来说，银行业风控的薪资涨幅平均在5%至10%之间；保险业相对平稳，因为保险业圈子狭窄，风控流动率较小，薪资涨幅不大。证券基金业内中资外资风控的薪资涨幅有非常大的差异，所以没法得出一个明确的参考标准。P2P行业的风控人员大多是来自银行或是同行业。在跳槽的过程中，他们的薪资会得到一个比较大的提升，增长幅度可达30%至50%。
从区域上来说，风控人员的需求主要集中在一线城市。二三线城市需求量虽大，但薪酬偏低。
一线城市有5年到10年经验的银行风控人员平均年薪在30万到60万元之间；保险业有10年以上工作经验的风控在外企的薪资约为70万元，在本土企业为60万元；证券基金业有5年至8年工作经验的风控经理在本土企业的年薪一般在30万至80万元之间
7. 金融行业的风控主要的核心是什么
由于广大农村地区的情况比较复杂，又受小农经济背景影响深远。历史原因导致农村地区没有合适的抵押物。所以发展农村金融存在一定的困难。诸多入驻农村的金融机构都面临农村金融风控问题。不同金融机构应对风控问题的方法也不同，都要仔细分析，农村金融的风控其实有三个关键点，掌握了这三个点，就能够有效的把控风险，做好了才能真正的控制风险。
一、风险处置
有信用的存在就相应的有风险控制，对于三农领域的风险一般就是变现处置。农民朋友手里可以质押的只有土地，而土地对金融机构又没有实际的用处，而可以变换思维把土地质押给农业大户，一旦出现坏账即可流转到农业大户来处理。所以，风险处置的位置和变现能力，也很关键。
二、信息透力
由于农村地区自身存在的问题，信息不对称，信息缺乏等问题。导致很多金融机构的信息透力很差，在三农金融链条中，谁掌握信息越多、谁越能够承担风险或者控制风险。所以控制风险的前提是先掌握更多的信息，越透明越好，这个操作会存在很大难度，但也是必然的发展形势。
三、产业链位置
要获得信用，农户和合作社、农场就要要参与到大型涉农企业的价值链条中，参与到这些核心企业的价值链条中，你就有了信息流或者资金流，或者商品流。这样就可能是因为往来的数据和交易，获得了产业链里面的信用。
8. 如何利用大数据做金融风控
风控体系：事前、事中、事后调控整个风控体系包括几个环节：事前：在风险发生之前就要通过对风险舆情的监控发现风险，比如在某些恶意的欺诈团伙即将发动欺诈攻击前就采取措施来提前防御，例如通过规则加紧，把模型阈值调高等方法；事中：信贷借款申请，在线上注册激活的过程中，根据自动风险评估，包括申请欺诈，信用风险等来选择是否拒绝发放贷款；事后：贷款发放以后的风险监控，如果借款人出现与其他平台的新增申请，或者长距离的位置转移，或者手机号停机等信号，可作为贷后风险预警。如何提前在网络中把骗子揪出？最基础的技术：设备指纹在介绍整个风控体系时我认为，对于网络行为或者线上借贷，最最基础或者最最重要的技术是设备指纹。为什么呢？从上图中我们可以看到，网络上的设备模拟或攻击，比如各种各样的自动机器人，实际上是对网络环境造成极大的干扰，在信贷中会导致信用风险的误判。这个是第一道。网络设备最关键的地方是要实现对设备唯一性的保证，第二是抗攻击，抗篡改。网上有各种高手会进行模拟器修改，修改设备的信息和干扰设备的定位等以各种手段来干扰设备的唯一性认定。所以对抗这样的情况的技术要点在于：抗攻击、抗干扰、抗篡改。另一方面能够识别出绝大部分的模拟器。设备定位：基站和WiFi三角定位a.非GPS定位值得注意的是，在模拟器或者智能设备系统里面它可以把GPS定位功能关掉。而如果通过将基站的三角计算或者WIFI的三角计算定位结合起来，定位的精度较高，且不受GPS关闭的影响。这可以应用在信贷贷后管理，用来监测借款人的大范围位置偏移。b.地址的模糊匹配对于位置来讲还有一个重要方面是地址的模糊匹配。在信用卡或者线下放贷中，地址匹配是一个重要的风险审核因素，但是地址审批过程存在一个问题：平台与平台之间因为输入格式不同或者输入错误等问题造成难以匹配，那就需要模糊算法来进行两两匹配，以及数个地址之间进行比对，或者在存量库中搜索出历史中的风险或者相关性名单来进行比对。这其中涉及的技术包括模糊匹配算法和海量地址的管理和实时比对。复杂网络复杂网络有时候大家称之为知识图谱，但这中间有点区别：复杂网络更偏向于从图论的角度进行网络构建后进行实体结构算法分析，知识图谱更偏重于关联关系的展现。网络分析最重要的一点是具有足够的数据量，能够对大部分网络行为进行监控和扫描，同时形成相应的关联关系，这不仅是实体与实体之间、事件与事件的关系，并且体现出“小世界（7步之内都是一家人）”、“幂分布”等特征。