大数据在传统贷款风控中应用.docVIP

大数据在传统贷款风控中应用 　　摘 要 当前互联网金融高速发展的背景下，在地区性贷款主体中，始终存在无法准确应用大数据提升自身经营发展的现象，制约着自身的业务规模和风控质量。大数据在传统贷款中的应用，重点在于第三方反欺诈准入、信用风险规范、贷中预警管理等方面。除了构建传统信贷模型，还要构建非金融数据的风控模型，多种强弱变量结合进行风险建模，降低变量缺失给模型带来影响，同时最大程度解决传统贷款存在的制约问题。 　　关键词 传统贷款风控；大数据风控 　　中图分类号 G2 文献标识码 A 文章编号 1674-6708（2018）204-0119-02 　　1 传统贷款风控模型缺点 　　1）传统贷款风控模型基于人行征信数据建立，构建了客户与金融机构间的借贷关系，包括信用额度、逾期记录、还款记录、使用额度比例、坏账记录、记录时间等，其中最为重要的变量是各种还款逾期、不良及坏账的数据。但是金融数据模型中仅有十几项变量，任何变量的缺失，可能都会导致模型失效。 　　2）截至2015年4月底，人行征信系统已经收录的自然人数达到8.64亿，企业及其他组织数量达到2 068万户，其中有信贷记录的自然人有3.61亿人，有中征码的企业及商户组织有1 023万户，全国仍有近10亿无借贷记录的个人无法进行有效信用评估。 　　所以，需要通过大数据将消费、日常阅读、娱乐、社交等相对较强或较弱的变量相结合，进行风险建模，延伸征信数据的广度，以及降低部分变量的缺失或失真对模型的稳定性影响。 　　2 数据来源与存储 　　2.1 大数据的来源 　　数据获取的类别包含3类，分别是客户黑名单数据、客户行为数据、客户基本社会特征数据。其中客户黑名单数据包含了客户的风险名单信息、多头借贷信息、黑产信息、黑中介信息、第三方信用评分以及失信被执行和人行征信的数据，客户行为数据通过分析客户的运营商数据、社交数据及消费数据判断客户行为状况，客户基本社会特征数据将通过公开可查询到的社保信息、公积金信息、公检法公开数据等方面获取。 　　其中在客户黑名单数据获取方面，结合企业自身切实的科技实力，采用对接第三方大数据风控平台及申报对接人行征信系统的方式，快速、全面、集中的查询客户黑名单信息；在客户行为数据方面，可通过运营商、电商数据爬取授权，分析客户的还款能力与消费习惯，同时也以此确定客户的生活圈、真实住址、紧急联系人等数据；在客户基本社会特征数据方面，采用对接已实现爬取不同地区政府公开数据的服务商，快捷满足政府公开数据的收集。 　　在上述这些数据来源获取和合作的同时，要注意只能通过合规的手段获取数据，并与客户之间建立清晰的权利义务说明，保护客户隐私以及正确使用合作来源的数据。当线上数据获取受限时，通过线下由客户主动提供数据的方式仍是有效的一种，此时尽职调查、外访核实、资料鉴真工作将是重点。 　　2.2 客户唯一标识与标签化存储 　　在数据获取之后，如何合理组织客户数据与建立存储模型是大数据存储过程中的关键。该过程中，客户唯一标识、数据整合规则是首先要确定的。一般以客?舻拿?称、证件类型、证件号码的组合为关键识别属性，通过关键识别属性的对比确定唯一客户或者相似客户，之后结合信息覆盖与归并的规则，将客户信息更新与整合。除此之外，黑名单的建立与旧数据标识要同步进行，只有这样才能在数据整合过程中保证客户信息的时效与健全。 　　当客户数据增长以千的单位时，对客户的标签化分类是精准管理客户的必经阶段。可以通过设置维度的不同分值，系统自动评判部分维度分值，如消费能力、收入、社交偏好、家庭结构等。最终会成总分值，比对模型分值的区间特点预测用户的还款能力与消费需求。 　　3 实际应用 　　3.1 反欺诈准入 　　一旦审批通过恶意欺诈的借款，那么该笔借款的不良逾期风险极高，还款意愿也极低。通常情况下，因为违约成本的存在，以恶意欺诈为出发点的客户，提交的资料不是与自己相关、真实的。并且现在贷款进件中的欺诈行为，往往是多人配合、有计划进行。所以，通过大数据识别恶意欺诈客户，是大数据建立风控模型的重中之重，也是进件准入标准的重要组成部分。 　　3.1.1 客户唯一标识是反欺诈的前提 　　因为贷款违约成本的存在，客户填写自身的真实资料，再将欺诈作为目的的借款只占到极少数，毕竟国家在社会信用体系的建设越来越完善，自身的信用重要程度越来越高，没有人会不关心自身的信用状况。所以通过大数据识别出进件信息是借用、伪造他人的信息是先行条件，以此过滤掉绝大多数的欺诈申请。因为客户唯一标识是反欺诈的前提。 　　3.1.2 客户唯一标识在反欺诈中的运用 　　客户唯一标识初级的组合是客户名称、证件类型、证件号码的搭配，之后通过实名手机号、银行卡号或人脸数据等其他唯一ID扩展客户唯一标识，丰富