根据给定的搜索结果，我们可以了解到金融风控领域中数据融合的一些案例和方法。首先，在金融风控领域，大数据技术的应用可以帮助金融机构快速、全面地收集和处理大量金融数据，如交易记录、客户信息、市场动态等，以及时发现和识别潜在的金融风险。同时，大数据技术还可以通过机器学习和数据挖掘技术，对金融数据进行深度分析，挖掘隐藏的风险因素和规律，帮助金融机构准确评估和预测金融风险。
在金融风控数据融合方面，我们可以看到一些模型融合的方法，如简***均法、加权平均法、简单投票法、排序融合和stacking等。其中，stacking是一种将若干基学习器获得的预测结果作为新的训练集来训练一个学习器的方法，可以避免信息泄露的问题，并且在多人组队学习的比赛中，将不同队友的模型进行融合，可能会收获意想不到的效果。另外，blending也是一种将预测的值作为新的特征和原特征合并，构成新的特征值，用于预测的方法，但与stacking不同的是，blending只有一层。
此外，在金融风控数据融合案例中，我们还可以看到一些具体的应用场景，如信用风险识别、市场风险识别、操作风险识别、合规风险识别和反洗钱风险识别等。在这些应用场景中，金融机构可以通过分析各种数据，如客户的信用历史、财务状况、社交网络信息、市场价格、交易量、经济指标、交易记录、系统日志、员工操作行为等，来识别和评估金融风险，并制定相应的风险预警和预案。
总之，在金融风控领域，数据融合已经成为一种重要的手段，可以帮助金融机构更好地管理和应对各种金融风险。
