獨(dú)家研究 | 風(fēng)雨將至，探路小額線上現(xiàn)金貸款風(fēng)控模式
http://www.sohu.com/a/136947903_530780
近段時(shí)間典徊，對(duì)于現(xiàn)金貸的監(jiān)管已經(jīng)箭在弦上藏研。一方面哼拔，許多中小型現(xiàn)金貸平臺(tái)的實(shí)際借款利率過高；另一方面细层，部分平臺(tái)對(duì)于現(xiàn)金貸業(yè)務(wù)的風(fēng)控更像是“皇帝的新衣”惜辑，以至于整個(gè)行業(yè)的壞賬率居高不下。
從監(jiān)管層面看疫赎，現(xiàn)金貸業(yè)務(wù)為了繼續(xù)經(jīng)營盛撑，將不得不大幅削減貸款利率，減少各類手續(xù)費(fèi)捧搞。因此抵卫，通過提高風(fēng)控水平，減少壞賬損失胎撇，成了保證現(xiàn)金貸業(yè)務(wù)經(jīng)營利潤的唯一出路介粘。
一、淺析現(xiàn)金貸風(fēng)控體系：
點(diǎn)——面——點(diǎn)的過程
第一個(gè)“點(diǎn)”是指起點(diǎn)⊥硎鳎現(xiàn)金貸風(fēng)控體系的設(shè)計(jì)需要以產(chǎn)品本身作為起點(diǎn)∫霾桑現(xiàn)金貸產(chǎn)品無外乎四個(gè)要素：利率（包括各種費(fèi)率）、期限题涨、額度偎谁、目標(biāo)人群总滩。對(duì)于每一類目標(biāo)人群而言，他們?cè)诹鲃?dòng)性需求巡雨、未來可預(yù)期現(xiàn)金流闰渔、消費(fèi)觀念、收入水平以及信用狀況等維度上都具有一定的規(guī)律和共性铐望，進(jìn)而影響其申請(qǐng)額度冈涧、貸款利息的接受水平、還款能力和還款意愿等正蛙。因此督弓，合理地設(shè)計(jì)產(chǎn)品，能在有效降低風(fēng)控難度的同時(shí)乒验，將收入最大化愚隧。例如，對(duì)于白領(lǐng)人群锻全，其按月發(fā)薪的特點(diǎn)更適合一個(gè)月及以內(nèi)的借款期限狂塘。
另外，除了現(xiàn)金貸產(chǎn)品本身的特性之外鳄厌，其推廣渠道也頗為重要荞胡。如果通過某一推廣渠道引入了大量非目標(biāo)人群，那么這不僅僅降低了推廣成本的使用效率和后期風(fēng)控流程的判斷精度了嚎，還會(huì)產(chǎn)生大量有偏數(shù)據(jù)泪漂，不利于風(fēng)控模型的迭代升級(jí)和產(chǎn)品的再設(shè)計(jì)。
“面”是指具體的風(fēng)控流程歪泳。從時(shí)間段區(qū)分：風(fēng)控流程包括貸前萝勤、貸中、貸后三個(gè)階段夹囚。其中貸前階段是整個(gè)風(fēng)控流程的核心階段纵刘。這一階段包括申請(qǐng)、審核和授信三個(gè)步驟荸哟。形象地說假哎，貸前階段是一個(gè)過濾雜質(zhì)的階段。而第三方的征信數(shù)據(jù)鞍历、黑名單舵抹、反欺詐規(guī)則、風(fēng)控模型則是一層層孔徑不一的濾網(wǎng)劣砍。貸中階段主要是對(duì)借款人個(gè)人信息的跟蹤和監(jiān)控惧蛹。一旦有異常信息的產(chǎn)生，風(fēng)控人員可以及時(shí)地發(fā)現(xiàn)、聯(lián)系該借款人香嗓，盡可能保證這筆借款的安全迅腔。貸后階段的工作集中在催收上。此外靠娱，如果借款人申請(qǐng)展期或者續(xù)貸沧烈，則需要在這一階段結(jié)合歷史數(shù)據(jù)，使用行為評(píng)分卡等重新進(jìn)行審核像云，并作相應(yīng)的額度調(diào)整和風(fēng)險(xiǎn)分池管理锌雀。而在整個(gè)風(fēng)控流程中，需要對(duì)借款的集中度作妥善管理迅诬，防止因?yàn)榧薪杩詈图杏馄趲淼馁Y金流動(dòng)性不足的問題腋逆。
第二個(gè)“點(diǎn)”是指重點(diǎn)。整個(gè)現(xiàn)金貸風(fēng)控體系的重點(diǎn)有二侈贷。
其一惩歉、反欺詐。相較于傳統(tǒng)借貸模式下的風(fēng)控铐维，現(xiàn)金貸風(fēng)控是一種輕度風(fēng)控柬泽。由于其小額短期的特點(diǎn)，現(xiàn)金貸風(fēng)控更重視的是借款人的還款意愿而非還款能力嫁蛇。適度的逾期不僅不會(huì)影響平臺(tái)的正常運(yùn)營，反而可以通過逾期費(fèi)用提高其營收露该。
因此睬棚，反欺詐是現(xiàn)金貸風(fēng)控的首要課題。目前解幼，線上貸款的欺詐行為有中介代辦抑党、團(tuán)伙作案、機(jī)器行為撵摆、賬戶盜用底靠、身份冒用和串聯(lián)交易等。針對(duì)這些欺詐行為特铝，常用的反欺詐規(guī)則包括勾稽比對(duì)暑中、交叉檢驗(yàn)、強(qiáng)特征篩選鲫剿、風(fēng)險(xiǎn)關(guān)系以及用戶行為數(shù)據(jù)分析鳄逾。
其二、多頭借貸行為的識(shí)別灵莲。多頭借貸是指同一借款人在多個(gè)貸款機(jī)構(gòu)有過貸款行為雕凹。目前，多頭借貸行為的識(shí)別包括兩個(gè)方面：（1）獲取多頭借貸數(shù)據(jù)。由于現(xiàn)金貸的目標(biāo)人群大多都是不被傳統(tǒng)借貸機(jī)構(gòu)覆蓋的長尾人群枚抵，缺少完整的央行征信數(shù)據(jù)线欲，因此，一些從事現(xiàn)金貸業(yè)務(wù)的平臺(tái)會(huì)相互合作汽摹，實(shí)現(xiàn)貸款申請(qǐng)數(shù)據(jù)的共享李丰。另外，現(xiàn)金貸平臺(tái)在第三方征信機(jī)構(gòu)針對(duì)每一筆貸款申請(qǐng)記錄作查詢時(shí)竖慧，勢必會(huì)留下大量貸款申請(qǐng)人的身份信息嫌套。這部分信息經(jīng)過查詢異常檢測算法的過濾以后就會(huì)形成一個(gè)可靠的多頭借貸數(shù)據(jù)庫。（2）惡性多頭借貸行為的識(shí)別圾旨。惡性多頭借貸行為指貸款人借新還舊或者在同一時(shí)期有大筆多頭借貸踱讨。對(duì)于借新還舊行為的識(shí)別可以結(jié)合貸款申請(qǐng)間隔和貸款期限。如果貸款申請(qǐng)間隔明顯小于貸款期限砍的，說明該筆貸款申請(qǐng)有較大的借新還舊風(fēng)險(xiǎn)痹筛。
二、挑戰(zhàn)：矛盾與變化
1.欺詐手段的多元化廓鞠、技術(shù)化帚稠、互聯(lián)網(wǎng)化
欺詐與反欺詐一直以來都是借貸行業(yè)的主要矛盾體之一。隨著線上貸款業(yè)務(wù)的迅速發(fā)展床佳，基于信息技術(shù)的線上騙貸行為也愈演愈烈滋早。當(dāng)騙子們也開始玩大數(shù)據(jù)、機(jī)器學(xué)習(xí)的時(shí)候砌们，可想而知杆麸，很多風(fēng)控人員的內(nèi)心是崩潰的。
例如,手機(jī)驗(yàn)證是目前最常用的線上審核方式之一浪感。它包括兩種形式：短信驗(yàn)證碼和填寫運(yùn)營商服務(wù)密碼昔头。但是這種方式對(duì)于詐騙團(tuán)伙而言也是有機(jī)可乘的。因?yàn)樗麄冇幸环N技術(shù)裝備——貓池影兽。簡單地理解揭斧，它就是一臺(tái)具有收發(fā)短信功能的“n卡n待”的簡易手機(jī)。一臺(tái)電腦可以連接多臺(tái)貓池峻堰，一臺(tái)貓池又可以插入8-64張SIM卡讹开。與之伴隨的，又有所謂的“收卡”茧妒、“養(yǎng)卡”業(yè)務(wù)萧吠。當(dāng)號(hào)碼時(shí)間達(dá)到一定標(biāo)準(zhǔn)了，就有可能通過手機(jī)驗(yàn)證這一反欺詐手段桐筏。
除此之外纸型，一些模擬器的使用可以幫助詐騙分子輕松修改手機(jī)的IMEI、MAC、IP狰腌、GPS等設(shè)備及環(huán)境信息除破。在這一層層的偽裝與包裹之下，利用設(shè)備及環(huán)境信息的反欺詐手段就顯得有些蒼白無力了琼腔。而且瑰枫，有些個(gè)人信息，如身份證信息丹莲、社交賬號(hào)光坝、銀行卡賬號(hào)甚至U盾等都可以在網(wǎng)上被詐騙團(tuán)伙買到或者用搜索引擎搜到。很多時(shí)候甥材，一些反欺詐手段的有效并不是因?yàn)槠錈o法被破解盯另，而是因?yàn)槠平獬杀据^高，導(dǎo)致欺詐團(tuán)伙放棄了這種方式洲赵。
2.風(fēng)控模型的冷啟動(dòng)
“冷啟動(dòng)”是大數(shù)據(jù)風(fēng)控模型搭建所要面臨的首要難題鸳惯。特別是對(duì)于一些初創(chuàng)型的現(xiàn)金貸平臺(tái)，數(shù)據(jù)的積累是一個(gè)從0開始的過程叠萍。在其積累數(shù)據(jù)的前期階段芝发，勢必需要付出巨大的成本。一方面苛谷，平臺(tái)在保證正常的風(fēng)控流程之外還需投入大量人力成本去收集數(shù)據(jù)辅鲸、搭建模型、數(shù)據(jù)回測腹殿；另一方面瓢湃，平臺(tái)不得不投入高額的資金成本去購買第三方數(shù)據(jù)。相較于近10億的未被央行征信數(shù)據(jù)覆蓋的長尾用戶群體總量赫蛇，目前現(xiàn)金貸的客群規(guī)模還有限，絕大多數(shù)平臺(tái)都面臨著“冷啟動(dòng)”的問題雾叭。
目前常用的解決數(shù)據(jù)冷啟動(dòng)問題的方法是從外部數(shù)據(jù)著手悟耘。由于缺少借款申請(qǐng)人的歷史信貸記錄和個(gè)人征信數(shù)據(jù)，風(fēng)控模型失去了對(duì)于借款人違約風(fēng)險(xiǎn)直接考量的依據(jù)织狐。因此暂幼，如果能以用戶行為之類的外部數(shù)據(jù)結(jié)合Eigentaste等協(xié)同過濾算法，便可以最大限度地識(shí)別出欺詐風(fēng)險(xiǎn)較高的人群移迫，并將其過濾旺嬉。不過目前的現(xiàn)狀是大多數(shù)平臺(tái)缺少處理外部數(shù)據(jù)的動(dòng)力和能力，往往采用人工審核輔以一些簡單的反欺詐規(guī)則的方式厨埋。
3.用戶體驗(yàn)與反欺詐的矛盾
在現(xiàn)金貸的用戶眼中邪媳，用戶體驗(yàn)反映在借款的快捷程度和申請(qǐng)的簡易程度上。但是反欺詐需要用戶提供各種各樣的個(gè)人信息，大大降低了用戶體驗(yàn)的質(zhì)量雨效。在過去迅涮，許多平臺(tái)奉行“高收益覆蓋高風(fēng)險(xiǎn)”的原則，過度重視流量徽龟。而且市面上的現(xiàn)金貸產(chǎn)品五花八門叮姑，不少平臺(tái)為了保證流量，紛紛打出“只需身份證和手機(jī)號(hào)”据悔、“申請(qǐng)后XX分鐘放款”之類的標(biāo)語传透。然而，隨著監(jiān)管趨嚴(yán)极颓，“高收益朱盐、高壞賬”的運(yùn)營模式將漸漸被淘汰。為了控制壞賬讼昆，現(xiàn)金貸平臺(tái)不得不再度面對(duì)用戶體驗(yàn)與反欺詐的對(duì)立問題托享。一方面，平臺(tái)需要優(yōu)化反欺詐模型浸赫，盡可能降低入口數(shù)據(jù)的維度闰围，縮短風(fēng)控模型的審核時(shí)間；另一方面既峡，從客服羡榴、還款簡便程度等其他角度優(yōu)化用戶體驗(yàn)，也是緩解用戶體驗(yàn)與反欺詐矛盾的可行方法之一运敢。
三校仑、發(fā)展方向
1.非結(jié)構(gòu)化數(shù)據(jù)的使用
結(jié)構(gòu)化數(shù)據(jù)如個(gè)人征信數(shù)據(jù)等的稀疏性問題會(huì)在未來很長時(shí)間內(nèi)存在于現(xiàn)金貸行業(yè)。與之相對(duì)應(yīng)的是大量非結(jié)構(gòu)化數(shù)據(jù)的泛濫传惠。由于個(gè)人基本信息的泄露迄沫、盜取、販賣情況嚴(yán)重卦方，常規(guī)的結(jié)構(gòu)化數(shù)據(jù)的反欺詐效率大幅降低羊瘩。相比于結(jié)構(gòu)化數(shù)據(jù)，人們的行為數(shù)據(jù)等更難被模擬盼砍，能更全面地刻畫貸款申請(qǐng)人尘吗，對(duì)于降低反欺詐模型的錯(cuò)誤率有明顯作用。
從非結(jié)構(gòu)化數(shù)據(jù)的應(yīng)用角度看浇坐，其相互間邏輯很難統(tǒng)一睬捶，數(shù)據(jù)異常、冗余近刘、缺失的問題嚴(yán)重擒贸，處理難度較大臀晃。因此，尋求第三方如大數(shù)據(jù)公司酗宋、傳統(tǒng)互聯(lián)網(wǎng)行業(yè)巨頭的合作會(huì)是中小現(xiàn)金貸平臺(tái)的首選积仗。目前市場上已經(jīng)出現(xiàn)了一些通過提煉非結(jié)構(gòu)化數(shù)據(jù)來服務(wù)金融的產(chǎn)品，例如某款商業(yè)短信語義分析服務(wù)蜕猫。另外寂曹，作為BAT之一的騰訊也與錢牛牛合作推出了一款純模型化云風(fēng)控系統(tǒng)——“元方”。這款系統(tǒng)最大的特色就是引入了騰訊的海量社交數(shù)據(jù)回右。
2.差異化定價(jià)
差異化定價(jià)隆圆，也可以理解為精確定價(jià)。現(xiàn)金貸的差異化定價(jià)的實(shí)質(zhì)是對(duì)各個(gè)貸款申請(qǐng)人的信用及欺詐風(fēng)險(xiǎn)作精確定價(jià)翔烁。目前各個(gè)現(xiàn)金貸平臺(tái)的定價(jià)標(biāo)準(zhǔn)都過于單一渺氧，基本采用利率加雜費(fèi)的方式。部分平臺(tái)對(duì)于續(xù)貸用戶會(huì)做費(fèi)率調(diào)整蹬屹。也有少數(shù)平臺(tái)會(huì)參考貸款人申請(qǐng)時(shí)提供的個(gè)人信息維度侣背。不過總體而言，當(dāng)前的定價(jià)標(biāo)準(zhǔn)并不適合未來現(xiàn)金貸行業(yè)“低費(fèi)率”的特征慨默。平臺(tái)之間所謂的價(jià)格優(yōu)勢將微乎其微贩耐。而精確定價(jià)下的定制化小額貸款需求可能會(huì)成為平臺(tái)的亮點(diǎn)。
而大數(shù)據(jù)風(fēng)控模型的構(gòu)建為差異化定價(jià)的實(shí)現(xiàn)提供了技術(shù)保證厦取。以大量的網(wǎng)絡(luò)行為數(shù)據(jù)潮太、用戶交易數(shù)據(jù)、第三方數(shù)據(jù)虾攻、合作方數(shù)據(jù)等為基礎(chǔ)铡买，通過自然語言處理、機(jī)器學(xué)習(xí)霎箍、聚類算法等奇钞，模型能夠?yàn)槊恳晃毁J款申請(qǐng)者創(chuàng)建包括個(gè)人基本信息、行為特征漂坏、心理特征蛇券、經(jīng)濟(jì)狀況、興趣愛好等在內(nèi)的多維度數(shù)據(jù)畫像樊拓。憑借著這些維度特征和大量歷史貸款記錄，針對(duì)不同貸款人塘慕、不同額度筋夏、不同期限的差異化定價(jià)策略將成為現(xiàn)實(shí)。
總結(jié)
在行業(yè)洗牌的背后图呢，是現(xiàn)金貸平臺(tái)為了生存下去的努力条篷。如何保證合規(guī)性骗随，如何獲取低成本的資金，如何以技術(shù)替代人力赴叹，如何在風(fēng)控成本和壞賬率之間找到平衡點(diǎn)鸿染，是平臺(tái)未來需要思考和解決的問題。相信在行業(yè)政策的探照燈之下乞巧，是金子最后總是會(huì)發(fā)光的涨椒。
