小额现金贷的风控到底怎么做？

从贷前、贷中到贷后我们看一下现金贷的风控该如何做。 

贷前客户过滤

相较于传统借贷模式下的风控，现金贷风控是一种轻度风控。由于其小额短期的特点，现金贷风控更重视的是借款人的还款意愿而非还款能力。

所以第一，我们先来说说现金贷贷前风控的核心-反欺诈。目前，线上贷款的欺诈行为有中介代办、团伙作案、机器行为、账户盗用、身份冒用和串联交易等。针对这些欺诈行为，常用的反欺诈手段有身份验证、勾稽比对、设备反欺诈、关系网络染黑分析、行为数据反欺诈等。

第二，贷前的多头借贷行为的识别，多头借贷是现金贷用户最具有代表的共性。由于现金贷的目标人群大多都是不被传统借贷机构覆盖的长尾人群，缺少完整的央行征信数据，现金贷平台只能通过行业间的共享平台或者联盟机构进行借贷数据的共享，另外第三方征信机构针对每一笔贷款
申请记录作查询时，都会留下大量贷款申请人的身份信息。这部分信息经过查询异常检测算法的过滤以后就会形成一个可靠的多头借贷数据库，还有通过设备指纹也可以关联到用户的多次申请记录。结合贷款申请间隔和贷款期限来识别借款是否为借新还旧，如果是批量集中的借款申请则也有欺诈风险。

第三，风控建模和差异化定价，以大量的网络行为数据、用户交易数据、第三方数据、合作方数据等为基础，利用线性统计模型、决策树、神经网络、SVM等机器学习方法建立和维护包括个人基本信息、行为特征、心理特征、经济状况、兴趣爱好等数据维度在内的风控模型。并针对每一类模型制定了相应的模型优化
 
贷中的数据监测和贷中行为模型

在对用户完成授信后，同步数据监测团队需要实时对贷中数据进行监测。主要是通过率和违约率两个指标，一般通过对贷前反欺诈环节的漏斗分析来监测通过率，进而分析各环节规则的应用情况，结合贷后的数据表现，对获客渠道和风控策略做出实时调整。
因为现金贷小额短期的产品特点，面向的客群风险特征变化也是比较快的，为此在贷中建立模型对用户进行风控监测是非常有必要的。有数据显示，当一个用户复购次数大于5次时，违约率开始上升，复购次数达到8次以上的时候，违约率涨幅更高。

贷后催收模型和失联修复
相比对传统金融的催收方式，现金贷的催收方式主要是电话催收和委外催收，基本不配置外催，甚至有的现金贷平台催收直接委外。随着大数据建模的盛行，更多平台开启了智能催收+人工催收的联合模式，大大降低了人工成本同时又提升催收效率。利用贷后数据和用户的行为数据建立催收模型评分，根据模型结果针对不同用户定制不同催收策略，或采取短信提示、或智能语音外呼、或人工电话或者直接委外，具体的策略因每家平台客群特征和催收团队构成而定。
 
 
现金贷市场风云变幻，客群也随着市场变幻而发生着变化，加上欺诈手段的不断升级，风控需要做的是不断完善风险数据集市、模型开发平台、智能决策引擎、模型管理平台的部署，进一步缩短模型优化和部署的周期，抢先在欺诈升级之前完成风控模型的迭代和优化。
市场争夺愈发激烈，优质的产品风险定价是竞争的亮点，较低的获客成本和较大的客户流量是竞争的关键，而建立高效的风控模型且可以快速迭代优化是则是竞争的核心。捷豹AI全自动现金贷系统通过产业链资源整合，产品实现了全流程配套服务，覆盖贷前用户流量对接、贷中风险追踪，贷后逾期催收等多项需求场景。