金融的本質(zhì)是風(fēng)控，風(fēng)控的核心是數(shù)據(jù)。6月15日，房融界CEO王小虎受邀參加了民建武漢市委科技與金融專委全體活動(dòng)，并以“大數(shù)據(jù)在金融領(lǐng)域的應(yīng)用與實(shí)踐”為主題向與會(huì)代表對(duì)大數(shù)據(jù)金融進(jìn)行了詳細(xì)解讀，得到了大家的一致認(rèn)同。
image.png
大數(shù)據(jù)風(fēng)控和數(shù)據(jù)建模
隨著大數(shù)據(jù)在各個(gè)行業(yè)的滲透，金融行業(yè)也迎來了一場(chǎng)變革，大數(shù)據(jù)金融正在變得越來越普及，其中作為金融核心的風(fēng)控，大數(shù)據(jù)便發(fā)揮了重要作用。此次主題分享，王小虎首先從什么是大數(shù)據(jù)、大數(shù)據(jù)的價(jià)值、大數(shù)據(jù)風(fēng)控和大數(shù)據(jù)風(fēng)控防范兩大風(fēng)險(xiǎn)四個(gè)方面對(duì)大數(shù)據(jù)進(jìn)行了解讀。
其在分享中稱，通過挖掘大數(shù)據(jù)的優(yōu)秀算法和有用的數(shù)據(jù)，大數(shù)據(jù)風(fēng)控通常只需要少量建模人員即可維持整個(gè)風(fēng)控體系的運(yùn)轉(zhuǎn)，相較于傳統(tǒng)的風(fēng)控技術(shù)的高成本、低效率，大數(shù)據(jù)風(fēng)控起到的防范作用會(huì)更精準(zhǔn)，更高效。在大數(shù)據(jù)風(fēng)控模式下，通過分析平臺(tái)的借貸記錄、多家信用機(jī)構(gòu)評(píng)級(jí)、在非金融性行業(yè)里有過信用違約記錄的特殊行業(yè)人群等數(shù)據(jù)即可快速確定信用風(fēng)險(xiǎn)程度；通過分析用戶在金融和非金融行業(yè)的信用違約記錄、通訊錄風(fēng)險(xiǎn)、地理位置風(fēng)險(xiǎn)、常用聯(lián)系人風(fēng)險(xiǎn)、物理身份冒用等數(shù)據(jù)即可準(zhǔn)確判斷欺詐風(fēng)險(xiǎn)程度。
其中，數(shù)據(jù)建模作為大數(shù)據(jù)風(fēng)控的關(guān)鍵技術(shù)，王小虎稱通過對(duì)搜集的海量數(shù)據(jù)以數(shù)學(xué)方法，對(duì)歷史信息和行為進(jìn)行算法的擬合，以此構(gòu)建相應(yīng)的模型來預(yù)測(cè)未來的行為，模型輸出會(huì)通過例如“y=a1x1+ a2x2+……+ anxn+b”這樣的數(shù)學(xué)公式以一個(gè)概率或者分?jǐn)?shù)來達(dá)到預(yù)測(cè)效果，公示中的x可以是性別、職業(yè)、收入、多頭借貸、通話詳單、消費(fèi)行為等等數(shù)據(jù)。
貸前反欺詐方案和貸前信用評(píng)估
在目前國(guó)內(nèi)互聯(lián)網(wǎng)金融大環(huán)境下，欺詐風(fēng)險(xiǎn)與信用風(fēng)險(xiǎn)比例為5:1，偽冒申請(qǐng)、虛假資料和內(nèi)部欺詐等行為給投資人帶來很大風(fēng)險(xiǎn)，做好防欺詐和降低信用風(fēng)險(xiǎn)是金融行業(yè)一項(xiàng)非常重要的工作。王小虎表示，利用大數(shù)據(jù)進(jìn)行貸前反欺詐和貸前信用評(píng)估便可以很好的進(jìn)行預(yù)防，通過對(duì)用戶的還款能力、消費(fèi)能力進(jìn)行風(fēng)險(xiǎn)評(píng)定，同時(shí)對(duì)用戶的還款意愿和穩(wěn)定性進(jìn)行風(fēng)險(xiǎn)評(píng)估，以此輸出建議借款額度和利率，便可達(dá)到貸前反欺詐目的。
在此基礎(chǔ)上，再結(jié)合用戶還款能力、還款意愿等數(shù)據(jù)，基于好壞用戶數(shù)據(jù)樣本訓(xùn)練建立的模型，輸出評(píng)分的形式對(duì)申請(qǐng)用戶進(jìn)行風(fēng)險(xiǎn)定價(jià)，達(dá)到貸前信用評(píng)估的目的。申請(qǐng)人通過在模型中輸入姓名、身份證號(hào)、手機(jī)號(hào)碼、還款能力、還款意愿等數(shù)據(jù)即可輸出相應(yīng)的信用評(píng)分。
貸中風(fēng)控和貸后催收
客戶完成借貸之后，進(jìn)入貸中和貸后階段，這時(shí)候投資人面臨的最大風(fēng)險(xiǎn)就是客戶的逾期行為，如何做好貸中風(fēng)控和貸后的催收也是金融行業(yè)的一項(xiàng)繁重工作。
王小虎在分享中表示，依托大數(shù)據(jù)，則可大大降低逾期的可能性，貸中便會(huì)進(jìn)行早期催收預(yù)警，從客戶的還款能力和還款意愿兩個(gè)方面進(jìn)行建模分析，通過評(píng)分結(jié)果來判斷催收的策略是電話提醒、短信提醒等低壓策略，還是電催或上門催收等中高壓策略。
貸后催收則采用計(jì)量模型體系，分別通過行為模型（預(yù)計(jì)客戶未來變化的可能性），賬齡滾動(dòng)率模型（預(yù)測(cè)客戶壞賬可能及提前委外、提前變賣資產(chǎn)），失聯(lián)模型（評(píng)估客戶失聯(lián)可能性）和不良資產(chǎn)評(píng)估模型來確定下一步的催收工作安排和催收目標(biāo)制定，以便及時(shí)調(diào)整和優(yōu)化催收策略。