风控第一道安全线——黑白名单策略详解
名单库筛选就是我们常说的黑白名单，经常作为互联网反欺诈的第一道过滤网使用。随着互联网金融、大数据的崛起，名单库的数据源和规则定义更加多元与广泛。一般通过平台内部进行积累，或与三方机构合作获取。
白名单策略
白名单，一般指平台内部的优质客户列表，建立白名单库可以有效且降低公司的成本和信用风险，提高放款效率，使得后续的风控流程利润最大化。白名单作为信用风险管理的第一道门槛，与整个平台贷款产品的设计和定位有紧密的联系。
针对不同的业务场景会有相应的白名单类型，一般业务上经常使用的白名单有以下两种业务场景：
A.在存在自有存量数据的前提下，金融机构想开展信贷业务，前期需要通过白名单控制入口，此类场景多存在于业务初期，或者是内部员工贷的业务场景。
B.在业务开展中期，需要部分进件客户走特殊贷前审批流程，满足特殊审批的要求，此类场景多存在于较大的金融公司。
黑名单策略
黑名单，顾名思义是性质极其恶劣的坏客户，出现如长时间逾期、屡次催款不还、非法套现等行为。
作为风控第一道安全防线，建立黑名单库，在很大程度上是为了避免重复欺诈行为的发生，是一种逻辑简单、成本较低的反欺诈手段。
目前市面上常见的黑名单，类型如下：
黑名单的主要来源渠道包括：
-
内部黑名单，即商业银行通过客户周期数据表现，建立自身的黑名单数据库；
-
外部黑名单，一般为三方黑名单收集、爬虫收集、公共库直连、设备数据等。
黑名单效果评估：
金融机构在使用黑名单前，通常会随机放过5%或者10%的触碰黑名单的客户，去测试黑名单数据质量，评估该黑名单客群是否适于自身业务。
而在评测三方黑名单数据源的优劣，考察名单是否准确时，通常会使用以下5个指标公式进行衡量：
-
查得率：通常查得率(Search rate)计算公式为=查得数/样本量
-
覆盖率(Cover rate)=查得命中黑名单数/样本中命中黑名单量
-
误拒率(Error reject rate)=查得命中黑名单数/样本中通过且为Good量
-
有效差异率(Effective difference rate)=查得命中黑名单数/样本中通过且Bad量
-
无效差异率(Invalid difference rate)=查得命中黑名单数/样本中其他拒绝量
通过观测指标可以得出：黑名单类一般用在反欺诈环节，所以主要考虑到查得率和覆盖率，即命中的用户逾期概率比较高。
如果有效差异率、无效差异率都很高，表面该数据源定义是一种广撒网式的黑名单，说明该黑名单质量不高。
除此之外，黑名单需要从从数据源、评估方法、成本优化、动态管理角度等进行细致的针对性的详细了解和分析，达到最佳使用决策。