獨(dú)家|多維度解析現(xiàn)金貸風(fēng)控模式（附表格）

近段時(shí)間，對(duì)于現(xiàn)金貸的監(jiān)管已經(jīng)箭在弦上。一方面，許多中小型現(xiàn)金貸平臺(tái)的實(shí)際借款利率過(guò)高；另一方面，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”，以至于整個(gè)行業(yè)的壞賬率居高不下。

從監(jiān)管層面看，現(xiàn)金貸業(yè)務(wù)為了繼續(xù)經(jīng)營(yíng)，將不得不大幅削減貸款利率，減少各類(lèi)手續(xù)費(fèi)。因此，通過(guò)提高風(fēng)控水平，減少壞賬損失，成了保證現(xiàn)金貸業(yè)務(wù)經(jīng)營(yíng)利潤(rùn)的唯一出路。

一、淺析現(xiàn)金貸風(fēng)控體系：點(diǎn)——面——點(diǎn)的過(guò)程

第一個(gè)“點(diǎn)”是指起點(diǎn)?，F(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)。現(xiàn)金貸產(chǎn)品無(wú)外乎四個(gè)要素：利率（包括各種費(fèi)率）、期限、額度、目標(biāo)人群。對(duì)于每一類(lèi)目標(biāo)人群而言，他們?cè)?a id="neilianxitong" style="border-bottom: rgb(0,0,0) 1px dashed; padding-bottom: 0px !important; padding-left: 2px !important; padding-right: 2px !important; color: rgb(0,0,0) !important; text-decoration: none !important; padding-top: 0px !important" target="_blank">流動(dòng)性需求、未來(lái)可預(yù)期現(xiàn)金流、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，進(jìn)而影響其申請(qǐng)額度、貸款利息的接受水平、還款能力和還款意愿等。因此，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)，將收入最大化。例如，對(duì)于白領(lǐng)人群，其按月發(fā)薪的特點(diǎn)更適合一個(gè)月及以?xún)?nèi)的借款期限。

另外，除了現(xiàn)金貸產(chǎn)品本身的特性之外，其推廣渠道也頗為重要。如果通過(guò)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，還會(huì)產(chǎn)生大量有偏數(shù)據(jù)，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。從時(shí)間段區(qū)分：風(fēng)控流程包括貸前、貸中、貸后三個(gè)階段。其中貸前階段是整個(gè)風(fēng)控流程的核心階段。這一階段包括申請(qǐng)、審核和授信三個(gè)步驟。形象地說(shuō)，貸前階段是一個(gè)過(guò)濾雜質(zhì)的階段。而第三方的征信數(shù)據(jù)、黑名單、反欺詐規(guī)則、風(fēng)控模型則是一層層孔徑不一的濾網(wǎng)。貸中階段主要是對(duì)借款人個(gè)人信息的跟蹤和監(jiān)控。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，盡可能保證這筆借款的安全。貸后階段的工作集中在催收上。此外，如果借款人申請(qǐng)展期或者續(xù)貸，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，并作相應(yīng)的額度調(diào)整和風(fēng)險(xiǎn)分池管理。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，防止因?yàn)榧薪杩詈图?a id="neilianxitong" style="border-bottom: rgb(0,0,0) 1px dashed; padding-bottom: 0px !important; padding-left: 2px !important; padding-right: 2px !important; color: rgb(0,0,0) !important; text-decoration: none !important; padding-top: 0px !important" target="_blank">逾期帶來(lái)的資金流動(dòng)性不足的問(wèn)題。

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。

其一、反欺詐。相較于傳統(tǒng)借貸模式下的風(fēng)控，現(xiàn)金貸風(fēng)控是一種輕度風(fēng)控。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。適度的逾期不僅不會(huì)影響平臺(tái)的正常運(yùn)營(yíng)，反而可以通過(guò)逾期費(fèi)用提高其營(yíng)收。

因此，反欺詐是現(xiàn)金貸風(fēng)控的首要課題。目前，線(xiàn)上貸款的欺詐行為有中介代辦、團(tuán)伙作案、機(jī)器行為、賬戶(hù)盜用、身份冒用和串聯(lián)交易等。針對(duì)這些欺詐行為，常用的反欺詐規(guī)則包括勾稽比對(duì)、交叉檢驗(yàn)、強(qiáng)特征篩選、風(fēng)險(xiǎn)關(guān)系以及用戶(hù)行為數(shù)據(jù)分析。

其二、多頭借貸行為的識(shí)別。多頭借貸是指同一借款人在多個(gè)貸款機(jī)構(gòu)有過(guò)貸款行為。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(zhǎng)尾人群，缺少完整的央行征信數(shù)據(jù)，因此，一些從事現(xiàn)金貸業(yè)務(wù)的平臺(tái)會(huì)相互合作，實(shí)現(xiàn)貸款申請(qǐng)數(shù)據(jù)的共享。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(xún)時(shí)，勢(shì)必會(huì)留下大量貸款申請(qǐng)人的身份信息。這部分信息經(jīng)過(guò)查詢(xún)異常檢測(cè)算法的過(guò)濾以后就會(huì)形成一個(gè)可靠的多頭借貸數(shù)據(jù)庫(kù)。（2）惡性多頭借貸行為的識(shí)別。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。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，說(shuō)明該筆貸款申請(qǐng)有較大的借新還舊風(fēng)險(xiǎn)。

二、挑戰(zhàn)：矛盾與變化

1.欺詐手段的多元化、技術(shù)化、互聯(lián)網(wǎng)化

欺詐與反欺詐一直以來(lái)都是借貸行業(yè)的主要矛盾體之一。隨著線(xiàn)上貸款業(yè)務(wù)的迅速發(fā)展，基于信息技術(shù)的線(xiàn)上騙貸行為也愈演愈烈。當(dāng)騙子們也開(kāi)始玩大數(shù)據(jù)、機(jī)器學(xué)習(xí)的時(shí)候，可想而知，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(xiàn)上審核方式之一。它包括兩種形式：短信驗(yàn)證碼和填寫(xiě)運(yùn)營(yíng)商服務(wù)密碼。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。簡(jiǎn)單地理解，它就是一臺(tái)具有收發(fā)短信功能的“n卡n待”的簡(jiǎn)易手機(jī)。一臺(tái)電腦可以連接多臺(tái)貓池，一臺(tái)貓池又可以插入8-64張SIM卡。與之伴隨的，又有所謂的“收卡”、“養(yǎng)卡”業(yè)務(wù)。當(dāng)號(hào)碼時(shí)間達(dá)到一定標(biāo)準(zhǔn)了，就有可能通過(guò)手機(jī)驗(yàn)證這一反欺詐手段。

除此之外，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、GPS等設(shè)備及環(huán)境信息。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(wú)力了。而且，有些個(gè)人信息，如身份證信息、社交賬號(hào)、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(mǎi)到或者用搜索引擎搜到。很多時(shí)候，一些反欺詐手段的有效并不是因?yàn)槠錈o(wú)法被破解，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。

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。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(kāi)始的過(guò)程。在其積累數(shù)據(jù)的前期階段，勢(shì)必需要付出巨大的成本。一方面，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)、搭建模型、數(shù)據(jù)回測(cè)；另一方面，平臺(tái)不得不投入高額的資金成本去購(gòu)買(mǎi)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(zhǎng)尾用戶(hù)群體總量，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(wèn)題。

目前常用的解決數(shù)據(jù)冷啟動(dòng)問(wèn)題的方法是從外部數(shù)據(jù)著手。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)。因此，如果能以用戶(hù)行為之類(lèi)的外部數(shù)據(jù)結(jié)合Eigentaste等協(xié)同過(guò)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，并將其過(guò)濾。不過(guò)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(jiǎn)單的反欺詐規(guī)則的方式。

3.用戶(hù)體驗(yàn)與反欺詐的矛盾

在現(xiàn)金貸的用戶(hù)眼中，用戶(hù)體驗(yàn)反映在借款的快捷程度和申請(qǐng)的簡(jiǎn)易程度上。但是反欺詐需要用戶(hù)提供各種各樣的個(gè)人信息，大大降低了用戶(hù)體驗(yàn)的質(zhì)量。在過(guò)去，許多平臺(tái)奉行“高收益覆蓋高風(fēng)險(xiǎn)”的原則，過(guò)度重視流量。而且市面上的現(xiàn)金貸產(chǎn)品五花八門(mén)，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)”、“申請(qǐng)后XX分鐘放款”之類(lèi)的標(biāo)語(yǔ)。然而，隨著監(jiān)管趨嚴(yán)，“高收益、高壞賬”的運(yùn)營(yíng)模式將漸漸被淘汰。為了控制壞賬，現(xiàn)金貸平臺(tái)不得不再度面對(duì)用戶(hù)體驗(yàn)與反欺詐的對(duì)立問(wèn)題。一方面，平臺(tái)需要優(yōu)化反欺詐模型，盡可能降低入口數(shù)據(jù)的維度，縮短風(fēng)控模型的審核時(shí)間；另一方面，從客服、還款簡(jiǎn)便程度等其他角度優(yōu)化用戶(hù)體驗(yàn)，也是緩解用戶(hù)體驗(yàn)與反欺詐矛盾的可行方法之一。

三、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(wèn)題會(huì)在未來(lái)很長(zhǎng)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。由于個(gè)人基本信息的泄露、盜取、販賣(mài)情況嚴(yán)重，常規(guī)的結(jié)構(gòu)化數(shù)據(jù)的反欺詐效率大幅降低。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，能更全面地刻畫(huà)貸款申請(qǐng)人，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，其相互間邏輯很難統(tǒng)一，數(shù)據(jù)異常、冗余、缺失的問(wèn)題嚴(yán)重，處理難度較大。因此，尋求第三方如大數(shù)據(jù)公司、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。目前市場(chǎng)上已經(jīng)出現(xiàn)了一些通過(guò)提煉非結(jié)構(gòu)化數(shù)據(jù)來(lái)服務(wù)金融的產(chǎn)品，例如某款商業(yè)短信語(yǔ)義分析服務(wù)。另外，作為BAT之一的騰訊也與錢(qián)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)。

2.差異化定價(jià)

差異化定價(jià)，也可以理解為精確定價(jià)?，F(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)。目前各個(gè)現(xiàn)金貸平臺(tái)的定價(jià)標(biāo)準(zhǔn)都過(guò)于單一，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(hù)會(huì)做費(fèi)率調(diào)整。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。不過(guò)總體而言，當(dāng)前的定價(jià)標(biāo)準(zhǔn)并不適合未來(lái)現(xiàn)金貸行業(yè)“低費(fèi)率”的特征。平臺(tái)之間所謂的價(jià)格優(yōu)勢(shì)將微乎其微。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。以大量的網(wǎng)絡(luò)行為數(shù)據(jù)、用戶(hù)交易數(shù)據(jù)、第三方數(shù)據(jù)、合作方數(shù)據(jù)等為基礎(chǔ)，通過(guò)自然語(yǔ)言處理、機(jī)器學(xué)習(xí)、聚類(lèi)算法等，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、心理特征、經(jīng)濟(jì)狀況、興趣愛(ài)好等在內(nèi)的多維度數(shù)據(jù)畫(huà)像。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、不同額度、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，是現(xiàn)金貸平臺(tái)為了生存下去的努力。如何保證合規(guī)性，如何獲取低成本的資金，如何以技術(shù)替代人力，如何在風(fēng)控成本和壞賬率之間找到平衡點(diǎn)，是平臺(tái)未來(lái)需要思考和解決的問(wèn)題。相信在行業(yè)政策的探照燈之下，是金子最后總是會(huì)發(fā)光的。

　　 原標(biāo)題：獨(dú)家|多維度解析現(xiàn)金貸風(fēng)控模式（附表格）