一本智库：2018现金贷行业研究报告（29页）.pdf

1、从信贷本质上讲，风控就是检测借款人的还款能力与还款意愿，平台根据自身的风险偏好和盈利预期判定是否给客户借款。对于小额借款产品而言，风控主要是对借款人还款意愿的衡量。反欺诈是现金贷平台风控中的重要一环。实际业务中，现金贷平台的反欺诈威胁主要来自黑中介、团伙欺诈、账户盗用、身份冒用、薅羊毛等行为。芝麻信用数据显示，11%的P2P类消费金融用户最近6个月在互联网渠道向10家及以上的机构申请过借款。持牌消费金融或银行线上信用卡的用户中，有3%-4%的用户在10家及以上的机构申请过贷款。申请消费信贷的人群有很多不稳定因素，18%的申请人在最近12个月曾用3个或以上的手机号;30%的申请人最近12个月稳定

2、活动县级区域个数在3个或以上。欺诈是导致坏账的最重要因素，消费金融、互联网金融公司超过50%的坏账源自欺诈，其中，身份冒用类欺诈占比最高，其次是团伙欺诈，还有账户盗用、恶意违约等。某互联网消费信贷公司在开展业务第一周发现，申请中有70%属于疑似团伙欺诈申请。大量的现金贷公司的风控精力运用在了反欺诈这一环节。部分拥有较高技术水平的公司，将知识图谱应用到了反欺诈的场景中，知识图谱中的每一个节点代表了现实世界存在的“实体”，边代表了实体与实体之间的“关系”。具体而言，知识图谱的在反欺诈场景中的应用主要为：识别数据造假、组团欺诈和代办包装。一般来说，正常用户的知识图谱多呈现线性形状，欺诈团伙因为拥有诸

3、多的共性，因而多呈现出相互关联的特征。广义现金贷的参与者大多采取预授信的方式给借款人一定的借贷额度。这种白名单式的授信方式规避了逆向选择的风险，对客户的信用水平评估的准确度要求较高。这也意味着，只有自身拥有海量数据的平台才能采取这一商业模式，例如蚂蚁金服的借呗和腾讯的微粒贷借呗基于淘宝电商的交易数据和阿里体系内的行为数据对客户进行大量纬度的标签设定，还原出客户画像;微粒贷基于腾讯的社交数据并结合央行的信用报告数据对符合风险要求的客户开通白名单。对于狭义现金贷的参与者而言，由于大部分现金贷客户都是传统意义上的征信白户，市面上对这部分客户风险水平的评分数据较为缺失，风控数据的来源较为单一，主要包括

4、第三方数据服务公司提供的老赖黑名单、多头申请数据和运营商通话记录数据等。针对这些弱相关的数据，具备技术实力的现金贷公司试验了大量的非线性模型和机器学习算法，提高自身风控水平。在现金贷行业中，有不少拥有扎实技术背景的创业公司，也有着美国学成归国的Capital One风控大军，例如快牛金科。在风控方面，快牛金科与腾讯、阿里、百度、京东金融等公司在建模方面达成了合作，通过人工智能手段自主研发并打造了元方风控系统，具有强大的反欺诈识别能力和海量用户数据信息处理能力，可实现对用户的全方位画像。快牛金科互联网全域行为数据可覆盖95%+移动用户和互联网人群。此外，快牛金科与腾讯云天御团队达成战略合作，利用

5、腾讯社交关系链数据切入金融反欺诈场景并结合电商、消费、运营商、支付、保险、出行等海量的互联网数据生成数据字段和底层数据标签，并以此建立信用评估模型，在数秒内完成用户画像，为旗下产品提供自动化、智能化的风控审核。现金贷企业的风控和反欺诈之间的界限相对模糊，最终风控质量多取决于平台公司可以获得的数据量和数据质量。在实践中，多头借贷的次数与借款人的最终信贷表现的相关性并不强，与贷款表现最相关的还是还原出的借款人的生活稳定性状况。由于面向次级人群的贷款行业仍然处于初级阶段，信用基础设施并不完善，也尚未经历完整的风险周期，面对几亿的未被银行服务到的人群，大量不具备风控能力的公司蜂拥而至，具备风控水平的公司在竞争压力下也不得不放松风险控制标准。风险能力，这一对金融机的生死存亡起着决定性作用的能力，在供给端与需求端都不断增长的情况下，变成了现金贷行业中并不重要的因素。