《2019年全自动动态模型更新系统在支付风控领域的实践.pdf》由会员分享,可在线阅读,更多相关《2019年全自动动态模型更新系统在支付风控领域的实践.pdf(24页珍藏版)》请在三个皮匠报告上搜索。
1、动态模型更新系统在风险管理领域的实践PayPal数据科学高级研发经理目录 PayPal 的风险管理概述 PayPal 的模型构建方案和特点 PayPal 的新一代动态模型更新系统PayPal的支付业务2.67亿活跃用户2100万商户账户覆盖全球200多个国家100多种货币付款56种货币提现25种货币余额20多种语言服务截止2018年2100万商户账户2.67亿活跃用户PayPal的全方位支付风险管理Risk Management团伙欺诈不发货假货次货卖家信用账户被盗银行卡盗刷余额不足虚假投诉PayPal基于模型的风险管理方案特征模型决策数据 超过1.5PB的内外部数据 日增10亿条以上新记录
2、10年以上的历史信息 2万多个特征构建在超过200个维度上 每年部署6000个以上新特征 包含在线,近实时和离线特征等 100个以上基于各类算法的在线模型 每年构建50个以上的新模型 综合利用神经网络,深度学习等的各类模型组合 4000条以上构建在80多个检查点的规则 实时评估,自动告警的监控系统PayPal风险模型的构建要素案例研究数据分析机器学习软件工程PayPal风险模型的标准构建流程模型开发Selection,Training,Evaluation数据准备Sampling,Simulation,Cleaning模型部署Implementation,Auditing模型监控Monitor
3、ing,Optimization风险模型的构建流程PayPal基于风险模型的策略构建流程模型选择Model Evaluation,Handshaking规则调整Portfolio Segmentation,Ramp-up,Auditing行为监控Monitoring,Alerting策略分析Trend Analysis,Strategy Evaluation模型策略的构建流程传统模型更新一个真实的案例C1C2OCT-14DEC-14FEB-15APR-15JUN-15AUG-15OCT-15DEC-15FEB-16APR-16JUN-16AUG-16OCT-16DEC-16Overall TP
4、V of P1&P2P2P1传统模型更新一个真实的案例2015/10/012015/12/012016/02/012016/04/012016/06/012016/08/012016/10/012016/12/01Model Catch Rate TrendC1C2价值就在这里动态模型更新防止模型性能衰减时间C1模型C2模型性能C1*动态更新模型PayPal的新一代动态模型更新系统设计目标更新快效果好全自动 始终利用最晚最新的数据构建模型,动态适应新产品、新模式、新特征。有机结合短期数据的适应型模型和长期数据的稳健型模型,以达成更好的性能和持久的效果。高效率、全自动的数据准备,模型开发,部署和
5、策略优化。PayPal的新一代动态模型更新系统设计方案模拟历史数据策略行为数据模型选择规则调整决策监控策略分析策略更新效果反馈和回退机制模型监控模型更新数据准备模型部署模型开发PayPal的新一代动态模型更新系统数据准备线下批量数据线上数据记录监控记录定位问题数据设定规则清洗数据模型训练数据集PayPal的新一代动态模型更新系统模型训练模型训练数据集设定训练参数模型训练结果训练集评估集训练结果评估最优参数搜索https:/ 天Normal RefreshModel building2 weeks 1 monthModel deployment 1 week 2 weeksModel audit1 weekCutoff strategy building2 weekStrategy deployment 2 weeks 1 month传统模型动态模型模型训练1 月3 天模型部署12 周1 天模型评估12 周1 天策略优化2 周1 天策略更新2 周1 月2 天23月PayPal的新一代动态模型更新系统效果评估动态模型传统模型MAYJUNJULAUGSEPOCTNOVDECRMR vs.Benchmark by Month动态模型传统模型PayPal的新一代动态模型更新系统探讨未来 小时级的模型更新?更好效果的算法?自动反馈回路?分散的策略优化?