國內的消費金融這麼火，風控到底是個什麼水平？真的很容易被騙貸嗎？

01-19

最近爆出蘇寧金融逾期率超過10%，做校園分期的甚至有25%。國內的消費金融這麼火，風控到底是個什麼水平？真的很容易被騙貸嗎？

謝邀。

我也看了相關的報道，以我對行業的了解，這個逾期率數字在行業里是存在的。

但不是所有機構逾期率都那麼高，國內形形色色的消費金融機構風控水平參差不齊。

消費金融風控是怎麼做的？

現在國內做消費金融的機構有三類，一是傳統銀行，二是持牌消費金融公司，蘇寧金融就是持牌消費金融公司。三是包括互聯網金融公司在內的各種非持牌消費金融機構。

業內比較主流的業務模式是線上線下結合的O2O模式，線下門店除了獲取借款需求，還是風控的第一道關卡，進行初步的審核。絕大部分消費金融機構採取「信貸工廠」的審批模式，所有的借款需求源源不斷地進入這個「工廠」，風控團隊採取集中作業的方式進行審批，風控的原則是「小額分散、大數法則」。很多機構都實現了自動化甚至是智能化的模式，目前已經建立起集中的貸前審批中心和貸後的催收中心。在集中的信貸工廠與全國的門店之間，形成了完整的風控網路。不少機構實現了純線上的借款申請及審批。

消費金融風控目前存在的問題

雖然各家機構都用高科技概念宣傳自己風控技術先進，但總的來說還有四方面的不足：

1、徵信體系作為基礎設施存在不足：徵信數據來源是否足夠豐富和有效，包括央行徵信系統、消費金融公司自身生成和各種第三方數據渠道。消費金融行業目標客戶，很多不在央行的徵信覆蓋範圍之內，這導致消費金融公司在審核時缺少基本的依據；

2、消費金融公司自身風控模型不完善：消費金融在中國剛剛起步，針對這些在央行沒有徵信記錄人群的數據尚缺乏，因此很難建立起完善的風控模型；

3、各消費金融公司之間信息孤立：這導致某些人在A公司有逾期記錄，仍然能夠在B公司拿到貸款；

4、消費金融公司自身業務人員監守自盜：業務人員每完成一筆業務，便能拿到相應的提成，為了自身的利益，有些消費金融公司的工作人員會幫助不良信用人員繞過風控手段。

造成逾期的原因

首先，沒錢還~其次，忘了還~第三，不打算還。

行業遇到最嚴重的問題是騙貸，有組織的騙貸，甚至是內外勾結的騙貸。騙貸者利用當前消費金融行業整體風控不完善，各公司之間彼此信息孤立的特點，在多個平台上進行詐騙。校園貸問題除了學生群體還款能力不足、機構風控混亂這樣的原因以外，很多學生其實是進入騙貸者設的圈套，身份信息被拿去套取貸款，莫名其妙地背上了高額借款。

國外的經驗

消費金融在國內還處於比較初期的階段，在國外卻已經有了三十多年的發展，無論在金融業成熟的美國還是新興市場韓國，因為過度授信，都發生過風險集中爆發的事情，也積累了不少經驗。

其中最成功消費金融機構之一是美國Capital One，我今年去美國和Capital One的風控專家交流過。

Capital One能夠從一家小銀行發展成消費金融的巨頭，其優勢就在於通過信息技術和大數據研究防控風險。打造一流的風控系統不是光靠數據分析師團隊能夠做到的，整個風控已經融入公司的DNA裡面。Capital One的風控系統是通過多年的積累和演變而形成的。不僅僅是分析師專註的做模型，做風控的用模型進行大數據分析。所有的決策都會有大量的數據分析、模型策略做支撐。

美國的法律明確規定，風險識別模型不允許使用人種、性別、學歷等含有歧視性的數據作為模型變數，這是跟中國非常不同的一點。在美國信用數據全面、真實的條件下，銀行和非銀行機構不採用這些信息，也可以建立先進的風險識別模型。

Capital One的風控專家告訴我，Capital One根據大量徵信局的數據、自身平台上沉澱的用戶數據、用戶以往的個人行為和違約記錄——建立起用戶風險決策模型對用戶進行評估，模型的效果會比單純看FICO分數更好。Capital One每個季度驗證模型，好的風險人群和壞的風險人群，並沒有絕對的做與不做，要綜合風險與盈利性制定策略，底線是不給公司帶來虧損。

除了其獨特且領先的風控技術，Capital One成功的原因離不開企業對風險控制原則的堅持，是堅持原則的團隊造就了今天的成績。

從Capital One的經驗可以看出，面向個人消費的風控體系搭建是一個長期的、系統的工程。
而從中國市場的現狀看，互聯網金融在高速發展的同時，常常忽略了風險管控體系的建設。Capital One的成功案例證明了大數據在風控應用方面的巨大威力，這也給中國金融業尤其是互聯網金融行業提供了一個啟示：金融科技發展並沒有什麼捷徑，踏踏實實做好數據運營和風控，才是常勝之道。

想了解更多關於Capital One，可以看看我寫的這篇文章

Capital One如何利用大數據抓住美國信用卡長尾市場？

更新寫在前面

如果10%的逾期率是真實的，證明蘇寧的風控做的還不錯。

每個公司對於逾期率、不良率的定義都不一樣，都選取自己有利的數據和演算法進行計算。通常來講銀行信用卡的逾期率在6%-10%，p2p的不良率通常比銀行要高。消費金融公司逾期率超過20%的則比比皆是。現金貸公司超過40%都存在。

你問消費金融風控到底是什麼水平，基本就是一定比銀行差，也一定比現金貸公司好的水平。而且所有現在存活著的公司，都是能賺錢的水平。

再多的不能說了，之前就被刪過講逾期率的回答了。

前面有朋友著重寫了風控的部分，那我就來講講套現吧，也就是題主所說的「騙貸」。這可能是大多數人更感興趣的。

由於消費金融的核心是「消費」，是針對場景的分期業務，所以本身抱著「不還」心態來辦理分期業務的騙子們能得到的也只是相應場景的「產品」而已。比如你在手機店辦的消費金融的業務，你能拿到的是手機，在教育行業消費金融公司辦的業務，你能獲得的只是課程。這並不是騙子們所希望的，騙子們要的只有一個，那就是「真金白銀」的鈔票。把產品兌換成鈔票是「騙貸」業務的核心，消費金融行業的騙子們往往會拉幫結夥，形成了從「騙」到「銷贓」的產業鏈。正因如此，消費金融的騙貸者們更多被稱為中介。

中介一般來源於這些人群：

1.信用卡銷售，分期業務員，POS機銷售，熟悉貸款流程和套路。

2.有社會背景（黑社會）的人，可以拉一堆客戶來套現
3.分期公司同行銷售打擊，扮中介去套現對手的公司
4.老賴客戶，先是被騙來辦分期，後來自己去套現

除此之外，發生在消費金融行業的騙貸和針對小貸公司，針對銀行信用卡的騙貸行為並無二致。只要用由「信用」而產生的貸款行業，就一定會產生相對應的騙貸者。畢竟不勞而獲恐怕是每個人內心都期待過的。消費金融這樣一個在中國剛剛興起不久的市場，面向的人群有恰好是銀行信用卡業務所輻射不到的「低收入」「低學歷」人群，騙貸發生的比例更高也就不奇怪了。

為什麼說消費金融吃的都是銀行的剩飯？對於大多數收入穩定、教育程度高的人群而言，大多數有提前消費需求的人都辦理了信用卡，信用卡足可以緩解一般人的現金流的壓力。而對消費金融公司有需求的人群，大多數都是沒有信用卡的，學生、自由工作者、灰色行業從業者、藍領...而剩餘的有信用卡的人，也都是將信用卡額度用盡，一人多貸，極有可能還不起錢的人。這樣的目標人群，又怎能少的了不還錢的老賴。

而如何解決這個問題，除了嚴格風控還有什麼能減少逾期率的辦法，那就是另外一個問題了。

旅遊場景的風控重點

欺詐風險：用戶信息是否被盜用或虛假註冊；

信用風險：是否存在多頭借貸、居所存在不真實和不穩定等問題；

渠道風險：有時候渠道有幫助用戶套現的衝動，可以通過橫向比較、縱向比較發現某個渠道的異常數據。

3C電商場景的風控重點

3C產品流通好、易變現，需要謹防刷單和套現風險；可以監控用戶的購買頻率，重點關注高頻使用的設備和頻繁購買的用戶，並且通過對過往賬戶數據的檢查發現異常黑名單或灰名單賬戶；如發現異常，需要和電商平台合作，在發貨前及時攔截。

醫藥分期場景的風控重點

如癌症類藥品，用戶還款能力會受病情的影響，需要讓患者的家屬或朋友作為共同借款人，病情通過醫生核對病人實情，確認其購藥行為的真實性。

現金貸風險防控的邏輯

現金貸最大的問題是資金的去處不易把握，相對於有場景的消費行為，缺乏有效的風控抓手。在反欺詐和防範信用風險上，除構建嚴密的風控模型外，對較高風險的用戶只做小額、短期放款，對低風險客戶可做大額、長期放款，並根據還款情況動態調整用戶的額度和期限。

關注資產方合作夥伴的信息披露問題

國內線上、線下的小貸平台有各類消費類資產，一方面需要資金支持，另一方面卻不完全開放自身數據，比如A輪、B輪融資的資金實到情況、資金使用情況，對方是不願意開放給貸款資金方看的，因為創業公司一開始很多都是燒錢的。而對於貸款資金方來說，看不到這些數據就無法判斷該平台的經營持續性和風險兜底能力。

多方合作中的劣幣驅逐良幣效應

如果一個資產生成平台和多個P2P資金方合作，而大家的風控標準差異較大的話，這家平台很可能被風控較松的P2P公司拖下水。如果這個平台承擔了太多兜底壓力，借款人因為渠道平台（中間鏈接）的倒掉而不需要還錢，其他風控嚴格的P2P一樣會遭殃。

門店的道德風險

藉助合作渠道獲得客戶，特別是有很多門店的合作渠道，其門店管理中往往存在一定的道德風險。渠道的渠道，下線的下線，為了業績激勵和提成等偽造或粉飾原始資料。

傳統模型與大數據模型的比較

金融機構通常使用以央行徵信數據為主的金融數據建模，大概10-20個強變數，以與金融機構發生借貸關係的數據為主。但是，全國75%無借貸記錄的用戶得不到有效地信用評估，並且這些強變數中任何一個變數的缺失，都會導致模型失效。

大數據公司正嘗試使用非金融數據建模，大概50萬個強弱結合的變數，其中有很多數據與金融毫無關係。例如，用戶日常的閱讀、消費、社交、旅遊、娛樂等，這些數據刻畫出的人是完整的人，不會因為某些領域的作假而改變。

總的來說，消費是相對較強的變數，閱讀社交較弱一些，把多種強弱變數結合起來風險建模，部分變數的缺失對模型的穩定性影響會很小。

對欺詐風險的防範

惡意欺詐用戶一般不會採用真實身份借款，身份真實性識別是反欺詐的核心。身份證、銀行卡、姓名、手機號四要素如果無誤，欺詐概率是其他群體的1/3左右。

通過大數據儲存用戶與各種ID對應的資料庫，在用戶進行借貸時進行身份匹配，能夠及時辨別潛在的欺詐嫌疑用戶。這些資料庫包括：姓名、身份證號的實名ID，手機號、地址、銀行卡號等准實名ID，QQ號、微博號、設備指紋(PC或手機硬體設備編號)等的匿名ID。

對信用風險的防範

主要指還款能力(經濟實力)與還款意願(道德風險)。大部分用戶在申請階段並非惡意，這就考驗借款人對信用風險的判斷，而行為數據挖掘是信用風險防範的核心。

要預測借款人的信用風險，更多地需要依賴於分析海量用戶的行為數據(強弱變數)，從中挖掘出可以多次復用的規律。

數據顯示，坐過商務倉以上或一年乘坐飛機四次以上的客戶違約率較低；在本地生活方面花錢越多的人違約率越低；訪問財經媒體天數越多，違約率風險越低；同一手機號使用九年以上的用戶違約率大概僅為6‰；而三四線城市打遊戲花錢較多的人違約率比較高。

貸中管理及不良催收

貸中管理方面，通過及時監測借款人信用的變化、共債的新增、流水的異動、聯繫狀態的異常等數據，採用全自動的風險識別流程，提早識別風險，提高人工處理效率。

消費金融不良資產，主要由道德水平不高和還款能力不強造成。據統計，70%-80%的不良資產是因為債務人失聯導致，大數據網路可重新建立起與債務人的聯繫，通過關聯匿名ID、聯繫家人朋友追回欠債，從而降低整體不良率。

辯證看待消費場景的風險

場景能便捷有效地獲取客戶，在風險控制上，將資金支付給商家比給用戶更安全。但現在通行的認知是默認有場景就是低風險。殊不知，除了商家在操作上存在道德風險外，線下場景也容易發生銷售人員的道德風險。

其次，倘若獲取的資產完全依賴場景，最終會限制自身的獲客渠道，大場景幾乎都是自己作消費金融，中小場景受到資金方競相追逐，導致獲客成本不斷高企。

此外，基於場景獲取的新客戶，風險難控、不良率較高，一些消費金融公司的盈利模式是通過向優質老客戶二次營銷，發放現金貸獲利。

幾年前各大銀行信用卡就有發學生信用卡，出現了很多問題，學生黨沒有收入，償還能力有限，監管部門叫停了面向學生的信用卡。現在倒是消費金融一些公司的膽子肥了，看中了廣泛的校園市場，又搞起了校園分期，也有一定的優惠等，誘導學生黨辦理，此後節制消費意識弱，便只能逾期償還，這是非常不負責任的做法。這方面，個人覺得招商銀行信用卡校園版做的比較好，是儲蓄後消費使用，避免了透支消費、無力償還的問題，該卡同樣有標準信用卡各類高顏值的卡面供大學生選擇，也可以在學校期間積累信用，畢業後轉卡更便利。電商出家做金融，應該多像銀行老大哥學習。

M1逾期率10%不算高了。主要看產品人群。

目前國內的消費貸風險模型一般分為純消費微貸以及偽消費貸，前者如京東白條，蘇寧任性付等，金額一般很小，根據實際消費授信，後者如銀行消費貸款、消費金融公司的按揭貸款放大貸，金額幾萬至幾十萬不等，以裝修、旅遊等理由作為貸款用途，實際是信用貸款的變種。

純消費金融玩的就是大數法則，相信大量小而分散的消費貸款，最後不良率是恆定的，只要防欺詐措施做的好，利潤基本是可以鎖定，就如保險一樣。

偽消費金融目前的風控體系還是相當初級，一些大同小異的准入條件，藉助一些人行個人徵信及第三方徵信記錄，再進行一些身份真實性核實還有所謂的額度計算公式（相當簡單粗暴），就可以放款。

雖然各種風控模型都是基於還款能力以及還款意願在設置，但幾十上百個風險點的組合如何形成一個有效的給客戶畫像的工具，目前國內還真沒有看到，歸根到底1、因為個人信息不透明或失真，目前獲取數據的渠道還是相對有限2、目前風險環境的變化速度已經不能與以前同日而語，而風險的暴露往往有一定滯後期，基於歷史數據所設計的模型可能失效3、中國這個山寨大國，太容易讓一個好的信貸產品，短時間大量被模仿造成過度授信，形成劣幣驅逐良幣狀況。

我相信很多行業都可以跨界，但唯獨金融的跨界因為並沒真正理解風險而可能死得更快

目前都是用負面名單的辦法，其實有局限性，關鍵是央行的徵信未對公眾開放，否則共貸和欺詐的風險就能降低很多，大家都要估計自己的信用風險不是么

道可特律師事務所介紹，消費金融，是指消費金融公司向各階層消費者提供消費貸款的現代金融服務方式，具有單筆授信額度小、審批速度快、無需抵押擔保、服務方式靈活、貸款期限短等優勢。但與此同時，消費金融公司在開拓我國消費金融市場仍存在著幾個不容忽視的問題。

一，我國個人信用體系尚不完善我國個人信用體系建設尚處於初級階段，個人信用意識比較薄弱，個體消費者未對違約後果引起充分關注。

從法律制度建設層面，我國的個人信用法律制度尚不夠完善。個人信用歷史記錄的共享和價值挖掘不足，為消費金融業務的大規模開展製造了一定的障礙。

從信貸風險管控的角度來看，消費金融公司的發展將面臨機構性調整和信用危機的挑戰。

二，壞賬率較高，違約風險高消費金融採用靈活的風險模型，產品的不斷創新將推出更多的無抵押無擔保產品，屬於高風險高收益業務。

大規模的消費金融業務高度依賴打分卡等內嵌模型的批量自動化審批機制，容易發生客戶違約和集體性違約等風險，造成一定的壞賬率。

此外，消費金融作為新興業態，催收流程和懲罰措施尚不明確，會給貸款追繳等工作帶來一定困難。

特別是缺乏金融風險經驗的非銀行系消費金融公司，風險管理意識尚待積累。

道可特點評 | 消費金融應注意的三大問題

以下是我前幾年，在消費金融龍頭老大企業的風管部，做的一個 Case 。拋磚引玉、以小見大～

無抵押消費類貸款（金額 1-20萬）風控審核要點（初稿）

一、徵信要求：當前無逾期

（一）信用卡：

1、無凍結、支付、黑名單

2、連續逾期不超過3期，最高逾期不超過7期

（二）貸款：

1、連續逾期不超過3期，

2、最近3月無逾期，

3、如是房貸按揭逾期，可適當放寬，但須列印最近一年還款記錄

備註：1、婚姻狀況為已婚，需提供夫妻雙方徵信，如有共同借款人，需提供共同借款人徵信報告

2、非主借人徵信可適當放寬

二、基本資料要求（身份證、戶口本、結婚證）

（一）身份證：正反面複印，圖像、文字清晰可見

（二）戶口薄：首頁、戶主頁、借款人頁、（婚姻狀況為已婚：夫妻雙方戶口薄全部複印）

（三）婚姻狀況證明：

1，已婚：結婚證全複印

2，未婚：單身證明原件（戶口所在地民政局出局）

3，離異：離婚協議書複印件、未再婚證明原件（戶口所在地民政局出局）

4，喪偶：配偶死亡證明複印件、未再婚證明原件（戶口所在地民政局出局）

備註：三證上信息原則上應保持一致，如姓名、身份證號碼、婚姻狀況

三、住所證明：

（一）主借人自有產權房：

若已辦證：提供兩證複印件：若未辦證：需要提供：購房合同，首付款發票、銀行按揭合同

2、最近3個月的水費、電費繳費憑證，物業費繳費單據

備註：如果是三代以內親屬房產，除提供以上憑證，還需滿足以下條件：

（1）、需證明親屬關係（戶口本顯示親屬關係）

（2）、房產所有人需要簽字證明

（二）主借人租賃房產：

1、提供租賃合同

1、租賃合同的簽署日期必須是在3個月以前，即需要在該房屋居住滿3個月。

2、須提供出租人聯繫方式、押金條、房租交款單據

3、最近3個月的水費、電費繳費憑證；若租賃合同載明，由承租人承擔物業費，需出示物業費繳費單據

四、收入證明：

（一）主借人為個體工商戶的，需提供以下材料：

1、營業執照正、副本複印件

2、經營場所租賃合同（自有房產：提供兩證等佐證）

3、經營場所最近3個月水費、電費、物業費繳費憑證

4、最近一個月銷售台賬（進、出貨憑證）

5、如安裝pos機設備，需提供最近半年pos賬戶流水

6、主借人最近半年銀行賬戶流水原件（如已婚，需提供夫妻雙方流水）

7、持續經營滿半年

備註：1、風險人員需要在經營場所與借款人合照

2、若經營主體為公司形式，需要列印本地工商局等查詢信息

（二）、主借人為工薪族的，需要提供以下資料：

1、收入證明：需填寫單位證明人聯繫電話、加蓋公章或者財務專用章

2、近半年銀行流水、社保卡複印件（如已婚，提供夫妻雙方信息）

備註：1、借款人月收入（以銀行流水為準）：（含配偶）必須大於借款人（已有負債月還款+本次貸款月還款金額）的1.5倍。

2、若有其他收入需提供佐證：需有房租收入，需提供租賃合同

3、有大額保單、定期理財產品等：需提供保單或購買協議原件

五、主要聯繫人（3名）：

1、三代以內近親屬1名：需提供聯繫方式和身份證複印件，配偶除外

2、其他本地聯繫人2名（同事、朋友均可），需提供聯繫方式

六、對於主借人婚姻狀況為單身的附加條件

（一）、借款人戶籍為本地的：

需提供一名三代以內近親屬作為共同借款人或者保證人（年齡不超過55周歲有正當職業，有穩定收入來源）

（二）、借款人戶籍為異地的：

需提供一名本地居民作為保證人（年齡不超過55周歲，有正當職業，有穩定收入來源）

（三）、共同借款人/保證人：需要與我公司簽署無限連帶責任承諾書

另：借款人為已婚的，配偶需要與我公司簽訂無限連帶責任承諾書

七、其他

1、在放款之前，需要在全國法院被執行人信息公示平台，查詢進行被執行人信息查詢，並列印查詢詳情，主借人、共同借款人、保證人存在被執行信息。

2、以上所有提供複印件的資料，在風控審核的時候需核實原件。

八：禁止審貸名錄：

（一）徵信：

黑名單、信用卡凍結、止付

徵信當前處於逾期狀態

經營性貸款近一年內出現逾期

按揭和消費類貸款最近3個月出現連續逾期

備註：只要有以上一項出現即否單

（二）主借人最近一年有全國法院被執行記錄

（三）收入類

個體工商戶：

1、營業執照發放期限小於6個月

2、無實體經營場所

3、近一個月無正常經營憑證

備註：只要有以上一項出現即否單

工薪族：

1、無社保卡

2、工資流水小於半年

3、近半年銀行流水平均流入量 ≤ （已有負債+當前申請貸款月供）的1倍

備註：只要有以上一項出現即否單

不邀自答，本人從事互聯網金融風控。對於逾期率這個問題，每個平台的標準都是不一樣的，也就是逾期時間對應的M1/M2/M3/CO是不統一的。

所以不能以一、兩家指標來衡量整個產業。

線上風控，所用的模型和分析方法與國外沒差，舉個例子，國外做漢堡的方法和國內做漢堡的方法都是一樣的，唯一差別是原材料，回歸到互聯網金融就是數據，數據的偏差導致了模型最後的結果有差異，也有可能有人會說，大數據，大數據數據量越大模型效果越好，我不完全否認，但是結合業務，在效果提升1%的情況下，要增加10%左右的成本，沒有企業願意這麼做，除非他想做NO1.

結合國人幾千年來的生活習慣，總會專空子，找漏洞，這個國外真的比不了，有人用現金貸逾期不還錢能買房子發家致富，但誰又能保證日後現金貸貸後結果不會落入個人徵信呢。這個就要仁者見仁智者見智了。

回歸題主的問題，國內的風控水平相較於起步時期的拍腦袋過河，已經到了摸著石頭過河的階段，中國是政策導向市場的大環境下，線上風控從業人員，除了常規的策略，也有著手做機器學習模型的，所以不可排除的是，國人的數據分析觀念慢慢的從統計報表階段，逐漸偏移模型導向階段，最終會落入機器學習智能導向。在不受大環境影響下，這波互聯網金融必然會帶動一大批數據分析從業者，也會讓數據分析真正的走進人們的生活。

任重而道遠，在此，申明一下互聯網金融的原罪，我用一個比喻來形容：槍本身無罪，只有用的人用來做什麼才是關鍵，將做壞事的人所有的責任歸咎與槍，無辜

汽車金融行業的騙局太多了，讓人煩不勝煩！新的「龐氏騙局」又來了。

瓜姐說騙貸 | 汽車金融「騙局」年度最牛TOP5

汽車金融欺騙龐氏騙局

編輯

還沒有評論
0 條待篩選評論

寫下你的評論...

國內所謂有場景的消費金融85％都與騙貸相關