文档介绍：互联网金融反欺诈
如果说互联网时代可以追踪一个人当下的信息,那么大数据时代,可以通过技术“预知”一个人未来的行为方式。具体到P2P网贷平台,则可以通过对数据的抓取和挖掘分析,根据借款人以往的各种商业信息作参考,判断他们的风险系数,欺诈和预期的可能性。
在中国,信用借款坏账大致分为两类:一类是借款人在借款时主观上就不想还款,这被称之为欺诈;另一类是借款后,还款能力出现了问题而还不起款。由于国内个人征信体系尚不完善,中国欺诈违约比例明显高于国外。
传统P2P贷款审批业务主要基于审贷人员的主观判断,初步的定性分析以及政策制度来实现。由于目前征信及监管环境的限制,P2P平台很难获得充裕的数据、信用记录用于信贷管理环节,一定程度上推高了行业的信贷风险。如今,风险控制能力和作业效率将成为未来的核心竞争力。然而,对于P2P平台来讲,数据量化风控体系不是简单的数据堆积,而是一种发现有效数据、数据间的相互关系以及挖掘数据背后隐藏的信息的能力,从而更好地对个人信用风险进行评估。
现在,低廉的线上造假成本和层出不穷的信用诈骗手段,大大降低了网贷申请过程中诈骗难度,给P2P平台风险识别带来了很大的挑战。
据普惠金融信息服务有限公司此前发布的信审数据库统计显示,每100个拒贷案件中,就有16起涉及不同程度的蓄意造假或欺骗,欺诈行为已经成为P2P平台风控要面对的大敌之一。网贷行业存在严重造假行为的原因包括:线上造假成本低廉、诈骗技术不断更新,包装代办公司迅速崛起,社会个人征信体系不完善,大量平台对风控的重视程度低等。
由于P2P目标人群属于社会信用领域的次级人群,具有信用行为的特殊性和复杂性,无法参考传统银行的基于抵押为核心的贷款模式,在进行反欺诈甄别过程中,需要考虑的变量数量更多,各变量之间的关联性更为复杂。
在高质量数据的基础上,运用关联、分类、聚类、异常挖掘等方法构建了多层、多维、多结构反欺诈和量化风控模型,将传统银行信贷中的欺诈规则融入到数学模型体系中,并对模型进行集成,通过数以百计的人群行为变量重现借款人的社会特征,实现对欺诈行为更为准确地识别。
爱钱进会根据历史数据,分析“坏人”(逾期借款人)有哪些共同特征,“好人”(优质借款人)又有哪些共同特征,将这些数据做成评分卡,用统计学建立模型,预测一个借款人未来可能做出的行为,把这个模型套用到新进来的客户上,“好人”甚至可以当天获批贷款,而“坏人”会被标黑,有些数据存疑的借款人会被标灰,留待再进行人工审核。
其实,P2P平台拍拍贷此前已表示,通过多年的数据积累和反复修正,已经建立了自己的反欺诈体系;今年4月,互联网金融平台爱钱进也宣称,借助母公司普惠金融的风控实力,正式推出国内P2P网贷行业首个动态反欺诈模型体系。此外,征信机构中智诚也于6月15日上线开始运行针对网贷业和互联网金融机构专门研发的反欺诈云平台等。“反欺诈”亦被益博睿、FICO等外资征信公司提到了一个非常重要的位置。
邦帮堂副总裁王秀萍表示,外资征信机构的反欺诈技术与服务更加成熟,但在中国并没有太多的数据积累;类似同盾科技这种本土服务商,对国情更熟悉,反欺诈经验较多,也更了解台的需求,但由于成立时间不长,加上国内征信基础设施的不健全,在数据的丰富上还有很大提升空间;此外,P2P平台在服务用户的过程中积累了大量