謝鐘波　杜紅祥　黃永德

【摘 要】 在互聯(lián)網(wǎng)金融迅猛發(fā)展的背景下，風(fēng)險(xiǎn)控制問題已然成為行業(yè)焦點(diǎn)，基于大數(shù)據(jù)的風(fēng)控模型正在成為互聯(lián)網(wǎng)金融領(lǐng)域的熱門戰(zhàn)場(chǎng)。那么，大數(shù)據(jù)風(fēng)控到底是怎么一回事呢？與傳統(tǒng)風(fēng)控相比，它又是怎樣來進(jìn)行風(fēng)險(xiǎn)識(shí)別的呢？本論文將對(duì)此進(jìn)行了探討。

【關(guān)鍵詞】 互聯(lián)網(wǎng)金融 風(fēng)險(xiǎn)控制手段

金融的本質(zhì)是風(fēng)險(xiǎn)管理，風(fēng)控是所有金融業(yè)務(wù)的核心。典型的金融借貸業(yè)務(wù)例如抵押貸款、消費(fèi)貸款、P2P、供應(yīng)鏈金融、以及票據(jù)融資都需要數(shù)據(jù)風(fēng)控識(shí)別欺詐用戶及評(píng)估用戶信用等級(jí)。傳統(tǒng)金融的風(fēng)控主要利用了信用屬性強(qiáng)大的金融數(shù)據(jù)，一般采用20個(gè)緯度左右的數(shù)據(jù)，利用評(píng)分來識(shí)別客戶的還款能力和還款意愿。

互聯(lián)網(wǎng)金融公司利用大數(shù)據(jù)進(jìn)行風(fēng)控時(shí)，都是利用多維度數(shù)據(jù)來識(shí)別借款人風(fēng)險(xiǎn)。同信用相關(guān)的數(shù)據(jù)越多地被用于借款人風(fēng)險(xiǎn)評(píng)估，借款人的信用風(fēng)險(xiǎn)就被揭示的更充分，信用評(píng)分就會(huì)更加客觀，接近借款人實(shí)際風(fēng)險(xiǎn)。常用的互聯(lián)網(wǎng)金融大數(shù)據(jù)風(fēng)控方式有以下幾種：

1 驗(yàn)證借款人身份

驗(yàn)證借款人身份的五因素認(rèn)證是姓名、手機(jī)號(hào)、身份證號(hào)、銀行卡號(hào)、家庭地址。企業(yè)可以借助國政通的數(shù)據(jù)來驗(yàn)證姓名、身份證號(hào)，借助銀聯(lián)數(shù)據(jù)來驗(yàn)證銀行卡號(hào)和姓名，利用運(yùn)營商數(shù)據(jù)來驗(yàn)證手機(jī)號(hào)、姓名、身份證號(hào)、家庭住址。

如果借款人是欺詐用戶，這五個(gè)信息都可以買到。這個(gè)時(shí)候就需要進(jìn)行人臉識(shí)別了，人臉識(shí)別等原理是調(diào)用國政通/公安局API接口，將申請(qǐng)人實(shí)時(shí)拍攝的照片/視頻同客戶預(yù)留在公安的身份證進(jìn)行識(shí)別，通過人臉識(shí)別技術(shù)驗(yàn)證申請(qǐng)人是否是借款人本人。

2 分析提交的信息來識(shí)別欺詐

線上申請(qǐng)時(shí)，申請(qǐng)人會(huì)按照貸款公司的要求填寫多維度信息例如戶籍地址，居住地址，工作單位，單位電話，單位名稱等。如果是欺詐用戶，其填寫的信息往往會(huì)出現(xiàn)一些規(guī)律，企業(yè)可根據(jù)異常填寫記錄來識(shí)別欺詐。例如填寫不同城市居住小區(qū)名字相同、填寫的不同城市，不同單位的電話相同、不同單位的地址街道相同、單位名稱相同、甚至居住的樓層和號(hào)碼都相同。還有一些填寫假的小區(qū)、地址和單位名稱以及電話等。

如果企業(yè)發(fā)現(xiàn)一些重復(fù)的信息和電話號(hào)碼，申請(qǐng)人欺詐的可能性就會(huì)很高。

3 分析客戶線上申請(qǐng)行為來識(shí)別欺詐

欺詐用戶往往事先準(zhǔn)備好用戶基本信息，在申請(qǐng)過程中，快速進(jìn)行填寫，批量作業(yè)，在多家網(wǎng)站進(jìn)行申請(qǐng)，通過提高申請(qǐng)量來獲得更多的貸款。

企業(yè)可以借助于SDK或JS來采集申請(qǐng)人在各個(gè)環(huán)節(jié)的行為，計(jì)算客戶閱讀條款的時(shí)間，填寫信息的時(shí)間，申請(qǐng)貸款的時(shí)間等，如果這些申請(qǐng)時(shí)間大大小于正?？蛻羯暾?qǐng)時(shí)間，例如填寫地址信息小于2秒，閱讀條款少于3秒鐘，申請(qǐng)貸款低于20秒等。用戶申請(qǐng)的時(shí)間也很關(guān)鍵，一般晚上11點(diǎn)以后申請(qǐng)貸款的申請(qǐng)人，欺詐比例和違約比例較高。

這些異常申請(qǐng)行為可能揭示申請(qǐng)人具有欺詐傾向，企業(yè)可以結(jié)合其他的信息來判斷客戶是否為欺詐用戶。

4 利用黑名單和灰名單識(shí)別風(fēng)險(xiǎn)

互聯(lián)網(wǎng)金融公司面臨的主要風(fēng)險(xiǎn)為惡意欺詐，70%左右的信貸損失來源于申請(qǐng)人的惡意欺詐。客戶逾期或者違約貸款中至少有30%左右可以收回，另外的一些可以通過催收公司進(jìn)行催收，M2逾期的回收率在20%左右。

市場(chǎng)上有近百家的公司從事個(gè)人征信相關(guān)工作，其主要的商業(yè)模式是反欺詐識(shí)別，灰名單識(shí)別，以及客戶征信評(píng)分。反欺詐識(shí)別中，重要的一個(gè)參考就是黑名單，市場(chǎng)上領(lǐng)先的大數(shù)據(jù)風(fēng)控公司擁有將近1000萬左右的黑名單，大部分黑名單是過去十多年積累下來的老賴名單。

5 利用移動(dòng)設(shè)備數(shù)據(jù)識(shí)別欺詐

行為數(shù)據(jù)中一個(gè)比較特殊的就是移動(dòng)設(shè)備數(shù)據(jù)反欺詐，公司可以利用移動(dòng)設(shè)備的位置信息來驗(yàn)證客戶提交的工作地和生活地是否真實(shí)，另外來可以根據(jù)設(shè)備安裝的應(yīng)用活躍來識(shí)別多頭借貸風(fēng)險(xiǎn)。

欺詐用戶一般會(huì)使用模擬器進(jìn)行貸款申請(qǐng)，移動(dòng)大數(shù)據(jù)可以識(shí)別出貸款人是否使用模擬器。欺詐用戶也有一些典型特征，例如很多設(shè)備聚集在一個(gè)區(qū)域，一起申請(qǐng)貸款。欺詐用戶還有可能不停更換SIM卡和手機(jī)，利用SIM卡和手機(jī)綁定時(shí)間和頻次可以識(shí)別出部分欺詐用戶。

6 利用司法信息評(píng)估風(fēng)險(xiǎn)

涉毒涉賭以及涉嫌治安處罰的人，其信用情況不是太好，特別是涉賭和涉毒人員，這些人是高風(fēng)險(xiǎn)人群，一旦獲得貸款，其貸款用途不可控，貸款有可能不會(huì)得到償還。尋找這些涉毒涉賭的嫌疑人，可以利用當(dāng)?shù)氐墓矓?shù)據(jù)，但是難度較大。也可以采用移動(dòng)設(shè)備的位置信息來進(jìn)行一定程度的識(shí)別。如果設(shè)備經(jīng)常在半夜出現(xiàn)在賭博場(chǎng)所或賭博區(qū)域例如澳門，其申請(qǐng)人涉賭的風(fēng)險(xiǎn)就較高。

總結(jié)：總之，互聯(lián)網(wǎng)金融的大數(shù)據(jù)風(fēng)控采用了用戶社會(huì)行為和社會(huì)屬性數(shù)據(jù)，在一定程度上補(bǔ)充了傳統(tǒng)風(fēng)控?cái)?shù)據(jù)維度不足的缺點(diǎn)，能夠更加全面識(shí)別出欺詐客戶，評(píng)價(jià)客戶的風(fēng)險(xiǎn)水平。互聯(lián)網(wǎng)金融企業(yè)通過分析申請(qǐng)人的社會(huì)行為數(shù)據(jù)來控制信用風(fēng)險(xiǎn)，將資金借給合格貸款人，保證資金的安全。

【參考文獻(xiàn)】

[1] 葉蔚.網(wǎng)絡(luò)金融概論.[M]北京大學(xué)出版社.2006.

[2] 韓壯飛.互聯(lián)網(wǎng)金融發(fā)展研究[D].河南大學(xué).2013.