1. 风控概述：交易风控的定义、重要性、常见风险类型与系统架构
1.1 交易风控的定义
交易风控（Transaction Risk Control）是指在金融交易过程中，通过规则引擎、模型算法与实时决策系统，对每一笔交易进行事前、事中、事后的风险识别、评估与干预，从而降低资金损失、合规处罚与声誉损害的一整套技术与管理体系。
核心公式： 交易风控 = 实时决策 × 特征计算 × 策略模型 × 处置动作
1.2 交易风控的重要性
- 资金安全： 直接拦截盗刷、伪冒交易，保护用户与平台资产。
- 合规监管： 满足反洗钱（AML）、反欺诈、KYC等监管要求，避免巨额罚单。
- 用户体验： 精准风控可减少误杀，提升交易通过率与用户留存。
- 业务可持续： 降低坏账率与赔付成本，保障平台长期健康运营。
1.3 常见风险类型
| 风险类型 | 定义 | 典型场景 | 损失形式 |
|---|---|---|---|
| 欺诈风险 | 利用虚假身份、盗用账户或技术手段骗取资金 | 盗刷、账户盗用、虚假交易、薅羊毛 | 直接资金损失 |
| 洗钱风险 | 通过交易掩盖非法资金来源或去向 | 拆分交易、空壳账户、跨境资金池 | 监管处罚、账户冻结 |
| 信用风险 | 交易对手方无法履约导致损失 | 信用卡逾期、贷款违约、先享后付坏账 | 坏账损失 |
注意： 实际交易中三类风险常交织出现。例如，欺诈分子可能利用盗用账户进行洗钱操作，同时触发信用风险中的逾期行为。风控系统需具备多标签识别能力。
1.4 风控系统整体架构
一个成熟的交易风控系统通常采用分层架构，从数据接入到决策输出形成闭环。下图展示了核心模块与数据流向：
1.5 架构关键模块说明
- 数据接入层： 负责多源异构数据的实时采集与清洗，是风控决策的“原材料”入口。
- 特征计算层： 将原始数据转化为可量化的风险指标，是模型与规则的基础。
- 决策引擎层： 核心计算单元，支持规则、模型、策略的灵活编排与实时推理。
- 处置动作层： 根据决策结果执行差异化处置，平衡风险与体验。
- 监控反馈层： 提供全链路监控、离线回测与模型迭代能力，形成风控闭环。
实践建议： 在搭建风控系统时，建议优先建设特征计算层与监控反馈层。特征质量直接决定模型上限，而监控反馈是持续优化的前提。初期可先用规则引擎快速上线，再逐步引入机器学习模型。
1.6 风控决策流程（简化版）
一笔交易从进入系统到输出处置结果，通常经历以下步骤：
1.7 本章小结
- 交易风控是保障金融交易安全、合规与用户体验的核心技术体系。
- 常见风险类型包括欺诈、洗钱与信用风险，三者常相互关联。
- 风控系统架构分为数据接入、特征计算、决策引擎、处置动作与监控反馈五层，形成闭环迭代。
- 单笔交易决策流程需在毫秒级完成，对特征工程与模型性能提出极高要求。