互联网金融中的信贷产品和风控特点
一、互联网金融
特点:服务高效便捷、成本低、应用大数据
发展阶段:
1. 2005年以前 银行将业务搬到网上
2. 2005-2011年 第三方支付机构发展
3. 2012年以后 P2P、众筹、网络保险
主要模式:
1. 第三方支付
(1)独立第三方支付:快钱、易宝支付、汇付天下、拉卡拉
(2)依托电子商务网站:支付宝、财付通
3. 大数据金融
(1)平台模式:实时向网络商户发放订单贷款或者信用贷款,批量快速高效。如阿里小贷
(2)供应链模式:只是作为信息中介提供大数据金融,并不承担融资风险及防范风险等。如京东、苏宁
4. 互联网金融门户
搜索+比价,既不负责金融产品的实际销售,也不承担任何不良风险,资金也完全不通过平台。
代表平台:融360、网贷之家
二、主流的个人信贷产品
http://image104.360doc.com/DownloadImg/2017/03/2413/94751397_3.jpg
三、风险点
1. 利率风险:利率波动对信贷产品定价产生的损失
2. 流动性风险:足够的资金量满足客户提现需求
3. 信用风险:借款人在合约到期时未完全履行义务
4. 信息安全风险:硬软件缺陷、系统集成缺陷、信息安全管理环节薄弱导致的
5. 操作风险:人为失误、不完备的程序控制、欺诈、犯罪活动、由技术缺陷和系统崩溃引起的
6. 欺诈风险:借款人故意隐瞒、虚构事实,造成出借人风险损失
四、风险点详解
1. 信用风险:信用评分模型
- 信用资质=还款意愿 x 还款能力
- 信贷产品的整个生命周期都存在信用风险
- 贷前审核:申请评分。预测放款后是否会有违约,过滤掉低资质客户
- 贷中监控:行为评分。预测还款结束前未来一段时间内是否会有违约
- 逾期催收:催收评分。预测是否会成为不良资产
- 两大手段
- 策略规则:根据客群资料和行为数据,完善出一定的规则
- 量化模型:基于统计学和算法,建立模型,根据模型结果
- 贷前审核の信贷风控流程
- N要素验证
- 合规性验证
- 个人信息核查
- 黑名单查询
- 反欺诈验证
- 信用评估
- 信用评分模型的特点
- 申请评分
- 特征:个人信息、征信信息、收入信息
- 结果:制定准入策略,分为拒绝/准入,拒绝/再审核/准入
- 行为评分:主要用于还款周期长的产品(房贷、车贷)或循环授信类产品(信用卡)
- 特征:账龄、还款行为、消费行为、抵押品估值(抵押类)、预期行为
- 结果:提前预警,风险计量
- 催收评分
- 特征:个人信息、账龄、还款行为、欠款余额
- 结果:制定催收策略,轻催收/重催收
2. 欺诈风险:申请反欺诈
(1)申请端欺诈
- 传统方法:
- 黑名单:法院失信名单、被执行等,金融机构共享黑名单
- 多头借贷:人行征信,第三方大数据公司名单
- 勾稽规则:申请资料的对比与核实
- 社交关系:通话记录,是否与黑产人群或催收公司有联系
- 验证逻辑:违反常识的信息
- 综合考量:总体风险把控
- 新方法:
- 生物方法:人脸识别、虹膜识别、基于人脸识别的活体检测
- 大数据方法:
- 客户端行为轨迹分析、业务api访问;区分正常用户or恶意用户
- 用户访问数据的统计分析,发现异常访问,提供风险预警
- 用户访问内容的分析,基于设备指纹或用户id,形成用户标签和画像
- 第三方服务
- 整体的风控解决方案提供商/外包商
- 风控建模外包
- 数据提供商:风控数据,如电信运营商、电商平台
- 各领域解决方案提供商:短信验证、人脸识别、生物探测、设备指纹
(2)交易环节欺诈