都说房市中充斥着泡沫，但这却丝毫不会影响大家购房的热情，现如今购置房产已经不仅是为了购买一个容身的居所，更是一种投资的方式。
市民刘先生就是这样想的。刘先生在本市已有一处房产，但仍打算在今年开盘的楼盘中再添置一套房产。不过这年头买房子全款是拿不出来的，只能贷款慢慢供房。但是刘先生却没有选择银行贷款这个传统的方式，而是选择了互联网金融平台-金豆利理财。问起为什么，刘先生表示，有了买第一套房子时从银行贷款的体验，深刻感受了银行贷款手续的繁琐，以及服务方面的懈怠，与之相比，互联网金融平台的效率和服务态度远远高于银行。
刘先生的经历其实反映出了传统金融机构一个普遍现象，传统金融几十年内在中国金融市场上所占的地位可以说是垄断性的，它在长期的发展中所形成的稳定的运营方式固然有它的优点，但也有着服务懈怠、缺乏灵活等缺点。这一点上，小编相信大多数人都曾到银行办理过各种业务，对于银行的工作效率和服务态度都深有体会。
而互联网金融平台则不同，以金豆利为例，金豆利理财平台在接到贷款申请时，会有专门的人员为申请人讲解贷款所需要的资质、材料等等信息，风控部门会对申请人的信用、资产情况进行实地考察，其中更有投资人组成的风控委员会直接参与项目的考察。在贷款申请审核通过后，会尽快将项目发布到平台官网。
另一方面，传统金融在农村和中小微金融等关键市场上长期缺席，很大程度上制约了中小微企业的发展，但正是这一方面的缺失给互联网金融留下了了广大的发展空间。从诞生伊始，互联网金融就将普惠金融放在了重要的位置，与银行等传统金融机构将国营企业、大型私营企业作为业务重点不同，互联网金融对中小微企业大力支持。在促进经济发展的同时，也给自己开辟了生存空间。而且正如金豆利与本地石墨烯产业开展金融合作，互联网金融行业注重与实体产业相结合，服务实体经济，将金融市场上的资金流转化为真正的产值。
江山代有人才出，各领风骚数百年。诚然，互联网金融行业目前还处在蓬勃发展的上升期，但它在国内金融市场上所起的重要作用已是有目共睹。在严格而规范的发展环境下，互联网金融将以更加健康强大的姿态在金融市场上发挥作用。
一、互联网金融风控的“三大难题”
风控一直是互联网金融难于解决的顽疾，也是限制互联网金融发展的最大因素之一。尤其，在P2P行业更是风控问题的重灾区，整个网贷坏账率普遍居高不下，但很少平台愿意公布自己的坏账数据，因此，很多投资人对这个坏账率并没有对少印象。现在很多P2P平台信用审核主要还是依靠线下完成，这种方式依赖于风控专员个人的业务水平与小贷公司无异，其缺点非常明显，一平台运营成本高，二对借款人的评估和预判过于依赖于风控人员的主观判断。
大家都在畅谈互联网金融的光明前途，各种新模式层出不穷，要颠覆传统金融业等言论也屡见不鲜。但绝大多数互联网金融平台为何还在使用原始的风控手段，这是为什么呢？现在风靡的大数据呢？个人信用信息够完善了吗？这些问题的存在，风控永远是互联网金融的阿喀琉斯之踵，也许是时候改变这一现状了。
一、个人征信系统未完全开放
从监管的角度来看，切断风险传导到金融机构做法无可厚非。但允许P2P平台、众筹平台等互联网金融平台查询个人信用信息，这是符合市场与社会的发现需求。虽然现在可以再一些征信公司获取相应个人信用信息，但P2P平台都在抱怨其信息不全，根本没法与中国人民银行信贷登记咨询系统相比。也有一些平台采用曲线救国的策略，通过自家相关公司获取央行个人征信信息，当然这也是权宜之计。虽然，十部委意见中对满足条件的互联网金融平台允许开展征信等业务，可似乎落地文件久久未出，影响个人征信系统完全开放的效率。
二、民间借贷还需要“个人非财务信息”
民间借贷与银行信贷不同，尤其是在互联网借贷中，个人财务信息之外其他有效信息也非常重要，因为这些非财务信息可以从侧面反映个人信用情况，如：逃票情况、闯红灯的次数等，这些信息对P2P平台做风险控制具有重要的参考意义。每家征信公司都想把“个人非财务信息”纳入系统，但没有政策和法律法规的大力支持，现在是举步维艰。没有更多的“个人非财务信息”，无疑会增加互联网金融平台风控的难度。
三、大数据一定有用吗？
现在P2P行业还难以达到大数据的逻辑标准——足够大的样本量，也就是说，覆盖的人群远远达不到样本容量要求，这样P2P行业拿什么来实现大数据风控？因此，在很长一段时间内大数据概念虽然火热，但基本上很少有P2P平台能够真正掌握。但我们不可否认大数据在互联网金融风控中的应用前景可期，与此同时也具备一定可行意义的。大数据能够改变P2P平台高成本的人工信审现状；而且数据模型的统一化、标准化能够改善当前凭个人经验预判项目风险的风控现状。
二、揭秘互联网金融做大数据风控的九大维度
大数据能够进行数据变现的商业模式目前就是两个，一个是精准营销，典型的场景是商品推荐和精准广告投放，另外一个是大数据风控，典型的场景是互联网金融的大数据风控。
金融的本质是风险管理，风控是所有金融业务的核心。典型的金融借贷业务例如抵押贷款、消费贷款、P2P、供应链金融、以及票据融资都需要数据风控识别欺诈用户及评估用户信用等级。
传统金融的风控主要利用了信用属性强大的金融数据，一般采用20个纬度左右的数据，利用评分来识别客户的还款能力和还款意愿。信用相关程度强的数据纬度为十个左右，包含年龄、职业、收入、学历、工作单位、借贷情况、房产，汽车、单位、还贷记录等，金融企业参考用户提交的数据进行打分，最后得到申请人的信用评分，依据评分来决定是否贷款以及贷款额度。其他同信用相关的数据还有区域、产品、理财方式、行业、缴款方式、缴款记录、金额、时间、频率等。
互联网金融的大数据风控并不是完全改变传统风控，实际是丰富传统风控的数据纬度。互联网风控中，首先还是利用信用属性强的金融数据，判断借款人的还款能力和还款意愿，然后在利用信用属性较弱的行为数据进行补充，一般是利用数据的关联分析来判断借款人的信用情况，借助数据模型来揭示某些行为特征和信用风险之间的关系。
互联网金融公司利用大数据进行风控时，都是利用多维度数据来识别借款人风险。同信用相关的数据越多地被用于借款人风险评估，借款人的信用风险就被揭示的更充分，信用评分就会更加客观，接近借款人实际风险。常用的互联网金融大数据风控方式有以下几种：
一、验证借款人身份
验证借款人身份的五因素认证是姓名、手机号、身份证号、银行卡号、家庭地址。企业可以借助易道博识的数据来验证姓名、身份证号，借助银联数据来验证银行卡号和姓名，利用运营商数据来验证手机号、姓名、身份证号、家庭住址。
如果借款人是欺诈用户，这五个信息都可以买到。这个时候就需要进行人脸识别了，人脸识别等原理是调用易道博识／公安局 API接口，将申请人实时拍摄的照片／视频同客户预留在公安的身份证进行识别，通过人脸识别技术验证申请人是否是借款人本人。
其他的验证客户的方式包括让客户出示其他银行的信用卡及刷卡记录，或者验证客户的学历证书和身份认证。
二、分析提交的信息来识别欺诈
大部分的贷款申请都从线下移到了线上，特别是在互联网金融领域，消费贷和学生贷都是以线上申请为主的。
线上申请时，申请人会按照贷款公司的要求填写多维度信息例如户籍地址，居住地址，工作单位，单位电话，单位名称等。如果是欺诈用户，其填写的信息往往会出现一些规律，企业可根据异常填写记录来识别欺诈。例如填写不同城市居住小区名字相同、填写的不同城市，不同单位的电话相同、不同单位的地址街道相同、单位名称相同、甚至居住的楼层和号码都相同。还有一些填写假的小区、地址和单位名称以及电话等。
如果企业发现一些重复的信息和电话号码，申请人欺诈的可能性就会很高。
三、分析客户线上申请行为来识别欺诈
欺诈用户往往事先准备好用户基本信息，在申请过程中，快速进行填写，批量作业，在多家网站进行申请，通过提高申请量来获得更多的贷款。
企业可以借助于SDK或JS来采集申请人在各个环节的行为，计算客户阅读条款的时间，填写信息的时间，申请贷款的时间等，如果这些申请时间大大小于正常客户申请时间，例如填写地址信息小于2秒，阅读条款少于3秒钟，申请贷款低于20秒等。用户申请的时间也很关键，一般晚上11点以后申请贷款的申请人，欺诈比例和违约比例较高。
这些异常申请行为可能揭示申请人具有欺诈倾向，企业可以结合其他的信息来判断客户是否为欺诈用户。
四、利用黑名单和灰名单识别风险
互联网金融公司面临的主要风险为恶意欺诈，70%左右的信贷损失来源于申请人的恶意欺诈。客户逾期或者违约贷款中至少有30%左右可以收回，另外的一些可以通过催收公司进行催收，M2逾期的回收率在20%左右。
市场上有近百家的公司从事个人征信相关工作，其主要的商业模式是反欺诈识别，灰名单识别，以及客户征信评分。反欺诈识别中，重要的一个参考就是黑名单，市场上领先的大数据风控公司拥有将近1000万左右的黑名单，大部分黑名单是过去十多年积累下来的老赖名单，真正有价值的黑名单在两百万左右。
黑名单来源于民间借贷、线上P2P、信用卡公司、小额借贷等公司的历史违约用户，其中很大一部分不再有借贷行为，参考价值有限。另外一个主要来源是催收公司，催收的成功率一般小于于30%（M3以上的），会产生很多黑名单。
灰名单是逾期但是还没有达到违约的客户（逾期少于3个月的客户），灰名单也还意味着多头借贷，申请人在多个贷款平台进行借贷。总借款数目远远超过其还款能力。
黑名单和灰名单是很好的风控方式，但是各个征信公司所拥有的名单仅仅是市场总量的一部分，很多互联网金融公司不得不接入多个风控公司，来获得更多的黑名单来提高风控，来获得更多的黑名单来提高查得率。央行和上海经信委正在联合多家互联网金融公司建立统一的黑名单平台，但是很多互联网金融公司都不太愿意贡献自家的黑名单，这些黑名单是用真金白银换来的教训。另外如果让外界知道了自家平台黑名单的数量，会影响其公司声誉，降低公司估值，并令投资者质疑其平台的风控水平。
五、利用移动设备数据识别欺诈
行为数据中一个比较特殊的就是移动设备数据反欺诈，公司可以利用移动设备的位置信息来验证客户提交的工作地和生活地是否真实，另外来可以根据设备安装的应用活跃来识别多头借贷风险。
欺诈用户一般会使用模拟器进行贷款申请，移动大数据可以识别出贷款人是否使用模拟器。欺诈用户也有一些典型特征，例如很多设备聚集在一个区域，一起申请贷款。欺诈设备不安装生活和工具用App，仅仅安装和贷款有关的App，可能还安装了一些密码破译软件或者其他的恶意软件。
欺诈用户还有可能不停更换SIM卡和手机，利用SIM卡和手机绑定时间和频次可以识别出部分欺诈用户。另外欺诈用户也会购买一些已经淘汰的手机，其机器上面的操作系统已经过时很久，所安装的App版本都很旧。这些特征可以识别出一些欺诈用户。
六、利用消费记录来进行评分
大会数据风控除了可以识别出坏人，还可以评估贷款人的还款能力。过去传统金融依据借款人的收入来判断其还款能力，但是有些客户拥有工资以外的收入，例如投资收入、顾问咨询收入等。另外一些客户可能从父母、伴侣、朋友那里获得其他的财政支持，拥有较高的支付能力。
按照传统金融的做法，在家不工作照顾家庭的主妇可能还款能力较弱。无法给其提供贷款，但是其丈夫收入很高，家庭日常支出由其太太做主。这种情况，就需要消费数据来证明其还款能力了。
常用的消费记录由银行卡消费、电商购物、公共事业费记录、大宗商品消费等。还可以参考航空记录、手机话费、特殊会员消费等方式。例如头等舱乘坐次数，物业费高低、高尔夫球俱乐部消费，游艇俱乐部会员费用，奢侈品会员，豪车4S店消费记录等消费数据可以作为其信用评分重要参考。
互联网金融的主要客户是屌丝，其电商消费记录、旅游消费记录、以及加油消费记录都可以作为评估其信用的依据。有的互联金融公司专门从事个人电商消费数据分析，只要客户授权其登陆电商网站，其可以借助于工具将客户历史消费数据全部抓取并进行汇总和评分。
七、参考社会关系来评估信用情况
物以类聚，人与群分。一般情况下，信用好的人，他的朋友信用也很好。信用不好的人，他的朋友的信用分也很低，
参考借款人常联系的朋友信用评分可以评价借款人的信用情况，一般会采用经常打电话的朋友作为样本，评估经常联系的几个人（不超过6六个人）的信用评分，去掉一个最高分，去掉一个最低分，取其中的平均值来判断借款人的信用。这种方式挑战很大，只是依靠手机号码来判断个人信用可信度不高。一般仅仅用于反欺诈识别，利用其经常通话的手机号在黑名单库里面进行匹配，如果命中，则此申请人的风险较高，需要进一步进行调查。
八、参考借款人社会属性和行为来评估信用
参考过去互联网金融风控的经验发现，拥有伴侣和子女的借款人，其贷款违约率较低；年龄大的人比年龄低的人贷款违约率要高，其中50岁左右的贷款人违约率最高，30岁左右的人违约率最低。贷款用于家庭消费和教育的贷款人，其贷款违约率低；声明月收入超过3万的人比声明月收入低于1万5千的人贷款违约率高；贷款次数多的人，其贷款违约率低于第一次贷款的人。
经常不交公共事业费和物业费的人，其贷款违约率较高。经常换工作，收入不稳定的人贷款违约率较高。经常参加社会公益活动的人，成为各种组织会员的人，其贷款违约率低。经常更换手机号码的人贷款违约率比一直使用一个电话号码的人高很多。
午夜经常上网，很晚发微博，生活不规律，经常在各个城市跑的申请人，其带贷款违约率比其他人高30%。刻意隐瞒自己过去经历和联系方式，填写简单信息的人，比信息填写丰富的人违约概率高20%。借款时间长的人比借款时间短短人，逾期和违约概率高20%左右。拥有汽车的贷款人比没有汽车的贷款人，贷款违约率低10%左右。
九、利用司法信息评估风险
涉毒涉赌以及涉嫌治安处罚的人，其信用情况不是太好，特别是涉赌和涉毒人员，这些人是高风险人群，一旦获得贷款，其贷款用途不可控，贷款有可能不会得到偿还。
寻找这些涉毒涉赌的嫌疑人，可以利用当地的公安数据，但是难度较大。也可以采用移动设备的位置信息来进行一定程度的识别。如果设备经常在半夜出现在赌博场所或赌博区域例如澳门，其申请人涉赌的风险就较高。另外中国有些特定的地区，当地的有一部分人群从事涉赌或涉赌行业，一旦申请人填写的居住地址或者移动设备位置信息涉及这些区域，也要引起重视。涉赌和涉毒的人员工作一般也不太稳定或者没有固定工作收入，如果申请人经常换工作或者经常在某一个阶段没有收入，这种情况需要引起重视。涉赌和涉毒的人活动规律比较特殊，经常半夜在外面活动，另外也经常住本地宾馆，这些信息都可以参考移动大数据进行识别。
总之，互联网金融的大数据风控采用了用户社会行为和社会属性数据，在一定程度上补充了传统风控数据维度不足的缺点，能够更加全面识别出欺诈客户，评价客户的风险水平。互联网金融企业通过分析申请人的社会行为数据来控制信用风险，将资金借给合格贷款人，保证资金的安全。
本文链接：http://www.dengper.com/huangjin/1053.html 转载需授权！
网友评论