近段時間，對于現(xiàn)金貸的監(jiān)管已經(jīng)箭在弦上。一方面，許多中小型現(xiàn)金貸平臺的實際借款利率過高；另一方面，部分平臺對于現(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，將不得不大幅削減貸款利率，減少各類手續(xù)費。因此，通過提高風(fēng)控水平，減少壞賬損失，成了保證現(xiàn)金貸業(yè)務(wù)經(jīng)營利潤的唯一出路。

一、淺析現(xiàn)金貸風(fēng)控體系：點——面——點的過程

第一個“點”是指起點。現(xiàn)金貸風(fēng)控體系的設(shè)計需要以產(chǎn)品本身作為起點。現(xiàn)金貸產(chǎn)品無外乎四個要素：利率（包括各種費率）、期限、額度、目標(biāo)人群。對于每一類目標(biāo)人群而言，他們在流動性需求、未來可預(yù)期現(xiàn)金流、消費觀念、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)計產(chǎn)品，能在有效降低風(fēng)控難度的同時，將收入最大化。例如，對于白領(lǐng)人群，其按月發(fā)薪的特點更適合一個月及以內(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，還會產(chǎn)生大量有偏數(shù)據(jù)，不利于風(fēng)控模型的迭代升級和產(chǎn)品的再設(shè)計。

“面”是指具體的風(fēng)控流程。從時間段區(qū)分：風(fēng)控流程包括貸前、貸中、貸后三個階段。其中貸前階段是整個風(fēng)控流程的核心階段。這一階段包括申請、審核和授信三個步驟。形象地說，貸前階段是一個過濾雜質(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)。貸中階段主要是對借款人個人信息的跟蹤和監(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)險分池管理。而在整個風(fēng)控流程中，需要對借款的集中度作妥善管理，防止因為集中借款和集中逾期帶來的資金流動性不足的問題。

第二個“點”是指重點。整個現(xiàn)金貸風(fēng)控體系的重點有二。

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，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影響平臺的正常運營，反而可以通過逾期費用提高其營收。

因此，反欺詐是現(xiàn)金貸風(fēng)控的首要課題。目前，線上貸款的欺詐行為有中介代辦、團伙作案、機器行為、賬戶盜用、身份冒用和串聯(lián)交易等。針對這些欺詐行為，常用的反欺詐規(guī)則包括勾稽比對、交叉檢驗、強特征篩選、風(fēng)險關(guān)系以及用戶行為數(shù)據(jù)分析。

其二、多頭借貸行為的識別。多頭借貸是指同一借款人在多個貸款機構(gòu)有過貸款行為。目前，多頭借貸行為的識別包括兩個方面：（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)借貸機構(gòu)覆蓋的長尾人群，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)的平臺會相互合作，實現(xiàn)貸款申請數(shù)據(jù)的共享。另外，現(xiàn)金貸平臺在第三方征信機構(gòu)針對每一筆貸款申請記錄作查詢時，勢必會留下大量貸款申請人的身份信息。這部分信息經(jīng)過查詢異常檢測算法的過濾以后就會形成一個可靠的多頭借貸數(shù)據(jù)庫。（2）惡性多頭借貸行為的識別。惡性多頭借貸行為指貸款人借新還舊或者在同一時期有大筆多頭借貸。對于借新還舊行為的識別可以結(jié)合貸款申請間隔和貸款期限。如果貸款申請間隔明顯小于貸款期限，說明該筆貸款申請有較大的借新還舊風(fēng)險。

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，基于信息技術(shù)的線上騙貸行為也愈演愈烈。當(dāng)騙子們也開始玩大數(shù)據(jù)、機器學(xué)習(xí)的時候，可想而知，很多風(fēng)控人員的內(nèi)心是崩潰的。

例如,手機驗證是目前最常用的線上審核方式之一。它包括兩種形式：短信驗證碼和填寫運營商服務(wù)密碼。但是這種方式對于詐騙團伙而言也是有機可乘的。因為他們有一種技術(shù)裝備——貓池。簡單地理解，它就是一臺具有收發(fā)短信功能的“n卡n待”的簡易手機。一臺電腦可以連接多臺貓池，一臺貓池又可以插入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)號碼時間達(dá)到一定標(biāo)準(zhǔn)了，就有可能通過手機驗證這一反欺詐手段。

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力了。而且，有些個人信息，如身份證信息、社交賬號、銀行卡賬號甚至U盾等都可以在網(wǎng)上被詐騙團伙買到或者用搜索引擎搜到。很多時候，一些反欺詐手段的有效并不是因為其無法被破解，而是因為破解成本較高，導(dǎo)致欺詐團伙放棄了這種方式。

2.風(fēng)控模型的冷啟動

“冷啟動”是大數(shù)據(jù)風(fēng)控模型搭建所要面臨的首要難題。特別是對于一些初創(chuàng)型的現(xiàn)金貸平臺，數(shù)據(jù)的積累是一個從0開始的過程。在其積累數(shù)據(jù)的前期階段，勢必需要付出巨大的成本。一方面，平臺在保證正常的風(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；另一方面，平臺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，目前現(xiàn)金貸的客群規(guī)模還有限，絕大多數(shù)平臺都面臨著“冷啟動”的問題。

目前常用的解決數(shù)據(jù)冷啟動問題的方法是從外部數(shù)據(jù)著手。由于缺少借款申請人的歷史信貸記錄和個人征信數(shù)據(jù)，風(fēng)控模型失去了對于借款人違約風(fēng)險直接考量的依據(jù)。因此，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別出欺詐風(fēng)險較高的人群，并將其過濾。不過目前的現(xiàn)狀是大多數(shù)平臺缺少處理外部數(shù)據(jù)的動力和能力，往往采用人工審核輔以一些簡單的反欺詐規(guī)則的方式。

3.用戶體驗與反欺詐的矛盾

在現(xiàn)金貸的用戶眼中，用戶體驗反映在借款的快捷程度和申請的簡易程度上。但是反欺詐需要用戶提供各種各樣的個人信息，大大降低了用戶體驗的質(zhì)量。在過去，許多平臺奉行“高收益覆蓋高風(fēng)險”的原則，過度重視流量。而且市面上的現(xiàn)金貸產(chǎn)品五花八門，不少平臺為了保證流量，紛紛打出“只需身份證和手機號”、“申請后XX分鐘放款”之類的標(biāo)語。然而，隨著監(jiān)管趨嚴(yán)，“高收益、高壞賬”的運營模式將漸漸被淘汰。為了控制壞賬，現(xiàn)金貸平臺不得不再度面對用戶體驗與反欺詐的對立問題。一方面，平臺需要優(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)控模型的審核時間；另一方面，從客服、還款簡便程度等其他角度優(yōu)化用戶體驗，也是緩解用戶體驗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)如個人征信數(shù)據(jù)等的稀疏性問題會在未來很長時間內(nèi)存在于現(xiàn)金貸行業(yè)。與之相對應(yīng)的是大量非結(jié)構(gòu)化數(shù)據(jù)的泛濫。由于個人基本信息的泄露、盜取、販賣情況嚴(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，能更全面地刻畫貸款申請人，對于降低反欺詐模型的錯誤率有明顯作用。

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)巨頭的合作會是中小現(xiàn)金貸平臺的首選。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)。另外，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)。

2.差異化定價

差異化定價，也可以理解為精確定價。現(xiàn)金貸的差異化定價的實質(zhì)是對各個貸款申請人的信用及欺詐風(fēng)險作精確定價。目前各個現(xiàn)金貸平臺的定價標(biāo)準(zhǔn)都過于單一，基本采用利率加雜費的方式。部分平臺對于續(xù)貸用戶會做費率調(diào)整。也有少數(shù)平臺會參考貸款人申請時提供的個人信息維度。不過總體而言，當(dāng)前的定價標(biāo)準(zhǔn)并不適合未來現(xiàn)金貸行業(yè)“低費率”的特征。平臺之間所謂的價格優(yōu)勢將微乎其微。而精確定價下的定制化小額貸款需求可能會成為平臺的亮點。

而大數(shù)據(jù)風(fēng)控模型的構(gòu)建為差異化定價的實現(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)，通過自然語言處理、機器學(xué)習(xí)、聚類算法等，模型能夠為每一位貸款申請者創(chuàng)建包括個人基本信息、行為特征、心理特征、經(jīng)濟狀況、興趣愛好等在內(nèi)的多維度數(shù)據(jù)畫像。憑借著這些維度特征和大量歷史貸款記錄，針對不同貸款人、不同額度、不同期限的差異化定價策略將成為現(xiàn)實。

總結(jié)

在行業(yè)洗牌的背后，是現(xiàn)金貸平臺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，是平臺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，是金子最后總是會發(fā)光的。

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