现金贷风控模式剖析.docx

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

风雨将至,探路小额线上现金贷款风控模式

盈灿咨询袁鑫强

近段时间,对于现金贷的监管已经箭在弦上。一方面,许多中小型现金贷平台的实际借款利率过高;另一方面,局部平台对于现金贷业务的风控更像是“皇帝的新衣”,以至于整个行业的坏账率居高不下。

从监管层面看,现金贷业务为了继续经营,将不得不大幅削减贷款利率,减少各类手续费。因此,通过提高风控水平,减少坏账损失,成了保证现金贷业务经营利润的唯一出路。

一、浅析现金贷风控体系:点——面——点的过程

第一个“点”是指起点。现金贷风控体系的设计需要以产品本身作为起点。现金贷产品无外乎四个要素:利率〔包括各种费率〕、期限、额度、目标人群。对于每一类目标人群而言,他们在流动性需求、未来可预期现金流、消费观念、收入水平以及信用状况等维度上都具有一定的规律和共性,进而影响其申请额度、贷款利息的接受水平、还款能力和还款意愿等。因此,合理地设计产品,能在有效降低风控难度的同时,将收入最大化。例如,对于白领人群,其按月发薪的特点更适合一个月及以内的借款期限。

另外,除了现金贷产品本身的特性之外,其推广渠道也颇为重要。如果通过某一推广渠道引入了大量非目标人群,那么这不仅仅降低了推广本钱的使用效率和后期风控流程的判断精度,还会产生大量有偏数据,不利于风控模型的迭代升级和产品的再设计。

“面”是指具体的风控流程。从时间段区分:风控流程包括贷前、贷中、贷后三个阶段。其中贷前阶段是整个风控流程的核心阶段。这一阶段包括申请、审核和授信三个步骤。形象地说,贷前阶段是一个过滤杂质的阶段。而第三方的征信数据、黑名单、反欺诈规那么、风控模型那么是一层层孔径不一的滤网。贷中阶段主要是对借款人个人信息的跟踪和监控。一旦有异常信息的产生,风控人员可以及时地发现、联系该借款人,尽可能保证这笔借款的平安。贷后阶段的工作集中在催收上。此外,如果借款人申请展期或者续贷,那么需要在这一阶段结合历史数据,使用行为评分卡等重新进行审核,并作相应的额度调整和风险分池管理。而在整个风控流程中,需要对借款的集中度作妥善管理,防止因为集中借款和集中逾期带来的资金流动性缺乏的问题。

图1风控流程示意图

资料来源:盈灿咨询

第二个“点”是指重点。整个现金贷风控体系的重点有二。

其一、反欺诈。相较于传统借贷模式下的风控,现金贷风控是一种轻度风控。由于其小额短期的特点,现金贷风控更重视的是借款人的还款意愿而非还款能力。适度的逾期不仅不会影响平台的正常运营,反而可以通过逾期费用提高其营收。

因此,反欺诈是现金贷风控的首要课题。目前,线上贷款的欺诈行为有中介代办、团伙作案、机器行为、账户盗用、身份冒用和串联交易等。针对这些欺诈行为,常用的反欺诈规那么包括勾稽比对、交叉检验、强特征筛选、风险关系以及用户行为数据分析。

表1常用反欺诈手段介绍

常用反欺诈手段

解释说明

作用

缺点

黑名单

黑名单指平台或者其他合作机构积累的有过欺诈行为的借款人信息列表

在最大程度上防止了重复欺诈行为的发生

覆盖群体较小,需要时间积累

人工电核

与申请人或者申请人的联系人通话,提问问题

对于绝大多数欺诈行为都有效

高昂的人力本钱

人脸识别

通过视频画面截取申请人脸部特征,与身份证等证件照片作匹配

实现申请人身份的远程验证

对于图片识别有较高技术要求

业务逻辑限制

指申请人必须先成为投资用户才有借款资格

大大提高了欺诈本钱

仅适用于有投资理财业务的平台,而且会过滤掉局部有实际借款需求的人

勾稽比对

检验个人信息多个维度之间的逻辑关系是否合理,例如工作地点与GPS信息

降低了以伪造、冒用身份欺诈的成功概率

受到信息复杂程度的限制,局部信息较难量化

交叉检验

检验个人信息与外部数据是否匹配,例如借款人提供的工作单位地址和外部查到的工作单位所在地

进一步提高了伪造个人信息的本钱

信息匹配较难,另外需要查找外部数据

强特征筛选

指通过与欺诈有强相关关系的变量过滤欺诈行为,例如催收机构的通话记录

防止了多变量之间的匹配,提高了审核效率

有监督模型,需要频繁进行历史数据回测和阈值调整

关系网络

将所有申请人按照年龄跨度、性别比例等维度分群,检测异常群体

对于识别团伙欺诈行为有明显作用

数据维度较丰富需要进行降维处理,但目标维度选择较难

行为数据判断

目前主要应用借款人的申请行为数据,如申请时间、填写资料的时间等

能识别出异常申请行为,对于机器行为欺诈有明显效果

规那么比拟复杂,而且判断结果较为粗糙

资料来源:盈灿咨询

其二、多头借贷行为的识别。多头借贷是指同一借款人在多个贷款机构有过贷款行为。目前,多头借贷行为的识别包括两个方面:〔1〕获取多头借贷数据。由于现金贷的目标人群大多都是不被传统借贷机构覆盖的长尾人群,缺少完整的央行征信数据,因此,一些从事现金贷业务的平台会相互合作,实现贷款申请数据的共

文档评论(0)

寒傲似冰 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:8071104010000026

1亿VIP精品文档

相关文档