新兴技术近年来正在全面渗透金融行业，行业在传统金融业态的基础上，开启了一场由内而外的深刻变革。而金融与风险往往始终相伴，使用大数据智能风控也成为金融行业的共识。那么到底常用的风控模型有哪些呢？
一般来说金融信贷中的风险主要集中于信用风险及欺诈风险。我们具体将风控模型分为以下三个阶段来进行讲解：
一、贷前阶段：
这一阶段的数据来源主要分为申请信息、历史消费信息、外部信息（例如多投借贷、公积金等）。常用风控模型包括：
1、用户响应风控模型：针对互联网，数据来源多样，类似漏斗模式，分析获客阶段的用户转化情况，如：引流、导流、注册成功等信息，以及在某个阶段进行埋点分析流失状态。
2、申请评分卡风控模型：即A卡，主要侧重贷前风控，在客户获取初期，建立申请评分卡模型，预测未来客户在放款后逾期与违约的概率。
3、申请反欺诈风控模型：识别欺诈风险高的客户，捕捉各类欺诈行为，如身份造假，非客户本人的行为等。一般分为第一方反欺诈和第三方反欺诈。
4、风险定价风控模型：根据客户的历史情况分析，应该制定多少初始额度和初始利率比较合适。
5、用户价值风控模型：在风险评分难以决策的灰分区域，制定置入置出策略，预测客户在开户后能够为机构带来潜在收益。在相同风险等级客户里，可以筛选收益等级高的客户，最大化挖掘其收益潜力。
二、贷中阶段：
和贷前阶段不同，这个阶段用户已经有过至少一次的还款行为，所以在数据维度会加入借贷数据，进入到贷中客户管理阶段。常用风控模型包括：
1、行为评分卡风控模型：也就是我们常说的B卡，通过分析不断去挖掘客户的各种需求，去推荐一些差异化的信贷产品，主要是给我们的客户交叉销售产品和提额。
2、交易反欺诈风控模型：交易阶段，识别一些羊毛党刷单、薅羊毛和套现行为。
3、客户流失风控模型：对客户流失的原因进行分析，提前知道哪些客户会流失，及时采取挽回措施。
三、贷后阶段：
经过以上两个阶段，还有一小部分用户会逾期进入催收阶段。常用风控模型包括：
1、催收预警风控模型：预测出来一些轻度逾期的客户，这类客户可能只是单纯的忘记还款而已，这个时候就不需太多人工催收参与进来，先进行短信提醒等简单的催收工作即可。
2、还款率预测风控模型：预测经过催收之后，最终收回的欠款比率。
3、迁徙率模型：评估客户短期内会不会违约，可以预测逾期的人群从轻度逾期发展到重度逾期的概率。
4、失联修复风控模型：逾期阶段，客户本身联系不上，通过数据库挖掘新的联系方式（如，身边的亲戚朋友等），修复客户失联状态。
常用的风控模型主要就是以上这些。作为大数据智能风控领域的龙头企业，冰鉴科技基于领先的技术研发能力和优异的风控模型能力，为银行、持牌消金及其他金融机构搭建全流程的智能风控体系，帮助客户防范风险、改善用户体验，提升业务决策的灵活性、敏捷性和准确性，实现数字化转型，目前冰鉴科技业务已覆盖所有头部金融机构。
