团尚科技现：常见的风控规则系统分析

现金贷产品先天具有高违约风险的特点，目前国内的现金贷平台坏账率在30%左右，最高能到达50%，做得较好的平台坏账率也有15%左右。与如此高的违约率对应的却是略显简单粗糙的风控流程,甚至存在乱放的现象，现金贷行业在如此高违约率情况下仍能获得暴利固然与其小额分散的特点有关，但更深层的原因还在于其现阶段的盈利模式，要解析现金贷的盈利模式首先需要介绍几个公式。我们把现金贷客户分为新贷客户和续贷客户两类，由于风控筛选等因素，续贷客户相比新贷客户风险较小。接下来我们来看四个公式：

（1）新贷客户损失率*新贷客户占比+续贷客户损失率*续贷客户占比=预期可承受损失率

（2）预期可承受损失率=收益率-成本率-预期利润率

（3）成本率=新贷成本率*新贷客户占比+续贷成本率*续贷客户占比

（4）新贷客户占比+续贷客户占比=1

（注：这里将当月应还款客户逾期30天以上既列入损失，将收益率近似为平均借款期限*利率）

 

在上述四个公式中，平均借款期限、新贷成本率、续贷成本率、续贷客户损失率均可由放贷机构的

历史数据得出。预期利润率有放贷机构预先制定，因此这里可变动的量为收益率、续贷客户占比，新贷客户损失率（用阴影标出）。

由于在现金贷发展初期最受关注的是可承受的新贷客户损失率，接下来来研究利率和续贷客户占比

对新贷客户损失率的影响。假设某现金贷产品平均借款期限27.9天，新贷成本率占放贷金额的5%，续贷成本率为1%，假设预期利润率为3%，续贷客户损失率3%。下表中横向为利率，纵向为续贷客户占比，表格中数据为在达到预期利润率的情况下可承受的新贷客户损失率（新贷客户可承受的损失率大于50%的用红色标出）。

要建立较为完整的一套现金贷风控体系需要包括贷前审批、授信，贷中跟踪,监控，贷后、失联修复、不良催收，是一个极为复杂的过程。每一个流程都会影响整个的风控质,量。这里主要介绍贷前的风控措施。

通过与现金贷相关从业人员交流后发现，各家现金贷公司风控流程不尽相同，但总体来说，现金贷风控流程可以分为四个阶段：黑名单，风控规则，反欺诈网络，风控模型。本文主要介绍一些常见的风控规则供参考。

（1） 勾稽比对

 

勾稽比对是会计行业的一个常用术语，在风控中主要指利用多维度数据进行逻辑对应关系检验的方法，举例来看：假设用户填写的“收入水平”为变量A，“工作地点”为变量B，申请时IP地址的“所处区域”为变量C。从A+B的维度来看，倘若用户填写的A月收入有数万元，B却显示在某个偏远山区的修车厂工作，我们或许应该怀疑用户虚报收入。若从B+C的维度来看，倘若B变量显示用户工作地点在北京，C却显示申请时IP地址在云南，或者频繁更换IP地址去申请，我们或许应该考虑金融欺诈的风险。若结合A+B+C的维度来看，若B变量显示客户在北京国贸工作，A变量显示月入10000元，IP地址、申请地点都在北京，通过三个变量数据的交叉验证，可以初步推断申请人是常住北京的中等收入白领。倘若再增加更多变量例如填写手机号码常用通话地点等，就能从更多的角度验证出数据的可靠性。

（2） 交叉检验

 

交叉检验与勾稽比对有细微差别，但两者都是利用多维度数据对用户真实性和可靠性进行验证的方法，这里只简单举个例子，例如申请人提供了工作单位地址，但用外部数据验证结果显示该单位不再这个地址，那该用户可能存在欺诈风险。

（3） 强特征筛选

 

有一些变量在风控的考量中占有较大的权重，例如多头借贷次数，该次数较高意味着用户存在严重的多头借贷情况严重，有较高的违约风险。拿前海征信常贷客产品验证结果举例，命中常贷客客户信贷逾期风险是普通客户的3 ~ 4 倍。还有较常见的强特征变量有关注机构（催收机构等）通话，工作日夜间通话等。

（4） 风险关系

 

风险关系主要验证与申请人相关联个体的信息。例如，该申请者通讯录中是否存在较多被列入黑名单的联系人，该申请人的生情电话或IP是否曾被另外的申请者使用过等。

（5） 用户的行为数据

 

用户的行为数据也可以很好地用以鉴别金融欺诈。例如通过运营数据统计显示，在凌晨3点左右申请贷款的用户的信用风险更高，这可能因为很多欺诈者对智能信贷不熟悉，错误地以为凌晨无信贷员审批，防御薄弱的突破口；此外，申请时多次修改填写资料的用户可能存在信息造假，因为普通人通常不会频繁记错自己的私人信息。这些独特的用户行为数据一定程度上也能甄别风险，反应用户信用。

 

需要指出的是，在整个风控流程中，要注重风控和用户体验之间的平衡。若一味强调风控会导致数据需求过多，风控模型过于复杂，从而降低授信速度。同时，需要用户提交资料过多也会增加用户流失风险，在建立风控流程的过程中需要谨记的一点是风控的最终目标是最佳的收益风险比。

现金贷高盈利的两点原因：

一是利用高利率覆盖高违约风险。较高的违约风险必然需要较高的利率去覆盖，这在逻辑上很好理解。同时，上文计算的表格也从盈利模式的角度证明了这一点。由上表可见，在客户结构一定的前提下，利率越高，可承受的新贷客户损失率也会增加。高利率加之同样高不菲的手续费和违约金成为其高盈利的原因之一。

二是通过续贷客户比例控制风险。现金贷本身面向的客户为中低收入人群，用户黏性较高，部分客户会产生重复借贷需求。下表为某种现金贷产品有续贷的客户比例随时间的变化折线图。可以看到该种产品越有10%的客户当月借贷当月续贷，这一数字在第二个月达到峰值。从表格可以看出，在利率相同的情况下，续贷客户占比越高，可接受的新贷客户损失率越高。

在短期巨大人口流量红利仍然持续的情况下，以上两个因素是现金贷暴利背后的主因.