¿Conoce el modelo de control de riesgo de préstamos en efectivo?
Desde una perspectiva regulatoria, si el negocio de préstamos en efectivo quiere seguir funcionando, tendrá que reducir significativamente las tasas de interés de los préstamos y reducir diversas tarifas de gestión. Por lo tanto, mejorar el nivel de control de riesgos y reducir las pérdidas por insolvencias se ha convertido en la única forma de garantizar los beneficios operativos del negocio de préstamos en efectivo.
1. Breve análisis del sistema de control de riesgos de préstamos en efectivo: proceso punto-cara-punto
El primer "punto" es el punto de partida. El diseño del sistema de control de riesgos de préstamos en efectivo debe basarse en el producto mismo. Los productos de préstamos en efectivo no son más que cuatro elementos: tipo de interés (incluidos varios tipos), plazo, importe y grupo objetivo. Para cada grupo objetivo, tienen cierta regularidad y * * características en términos de necesidades de liquidez, flujo de caja futuro esperado, conceptos de consumo, niveles de ingresos, estado crediticio y otras dimensiones, lo que a su vez afecta su cuota de solicitud y nivel de aceptación de intereses de préstamos. Capacidad de pago y voluntad de pagar. Por lo tanto, el diseño racional de los productos puede reducir eficazmente la dificultad del control de riesgos y maximizar la rentabilidad. Por ejemplo, para los trabajadores administrativos, el salario mensual es más adecuado para un plazo de préstamo inferior a un mes.
Además, además de las características de los productos de préstamo en efectivo, también son muy importantes sus canales de promoción. Si se introduce una gran cantidad de grupos no objetivo a través de un canal de promoción, no solo reducirá la eficiencia de los costos de promoción y la precisión del juicio del proceso de control de riesgos posterior, sino que también generará una gran cantidad de datos sesgados, lo cual no es propicio para la actualización iterativa del modelo de control de riesgos y el rediseño del producto.
“Cara” se refiere al proceso específico de control de riesgos. Distinguido por período de tiempo: El proceso de control de riesgos incluye tres etapas: prepréstamo, mitad del préstamo y pospréstamo. La etapa de prepréstamo es la etapa central de todo el proceso de control de riesgos. Esta etapa incluye tres pasos: solicitud, revisión y otorgamiento del crédito. En sentido figurado, la etapa previa al préstamo es una etapa de filtración de impurezas. Los datos crediticios de terceros, las listas negras, las normas antifraude y los modelos de control de riesgos son capas de filtros con diferentes aperturas. La etapa intermedia del préstamo rastrea y monitorea principalmente la información personal del prestatario. Una vez que se genera información anormal, el personal de control de riesgos puede descubrir y contactar rápidamente al prestatario para garantizar la seguridad del préstamo tanto como sea posible. El foco de la etapa posterior al préstamo es el cobro. Además, si el prestatario solicita una extensión o renovación del préstamo, será necesario volver a examinarlo en esta etapa utilizando datos históricos y cuadros de mando de comportamiento, y se llevarán a cabo los ajustes de límites correspondientes y la gestión del fondo de riesgo. A lo largo del proceso de control de riesgos, la concentración de préstamos debe gestionarse adecuadamente para evitar la liquidez insuficiente causada por préstamos concentrados y préstamos concentrados vencidos.
El segundo “punto” se refiere al punto clave. Todo el sistema de control de riesgos de préstamos en efectivo tiene dos puntos clave.
Primero, protéjase contra el fraude. En comparación con el control de riesgos bajo el modelo de préstamo tradicional, el control de riesgos de préstamos en efectivo es un control de riesgos leve. Debido a sus características de montos pequeños y corto plazo, el control del riesgo de préstamos en efectivo presta más atención a la voluntad del prestatario de pagar que a su capacidad de pagar. Un pago atrasado moderado no solo afectará el funcionamiento normal de la plataforma, sino que también aumentará sus ingresos a través de tarifas atrasadas.
Por lo tanto, la lucha contra el fraude es el tema principal del control del riesgo de préstamos en efectivo. En la actualidad, el fraude de préstamos en línea incluye agentes, delitos de pandillas, comportamiento de máquinas, robo de cuentas, fraude de identidad, transacciones en serie, etc. Para estos comportamientos fraudulentos, las reglas antifraude comunes incluyen verificación cruzada, verificación cruzada, selección sólida de características, relaciones de riesgo y análisis de datos de comportamiento del usuario.
En segundo lugar, la identificación del comportamiento crediticio a largo plazo. Los préstamos múltiples se refieren al comportamiento crediticio del mismo prestatario en múltiples instituciones crediticias. La identificación actual del comportamiento de los préstamos a largo plazo incluye dos aspectos: (1) Obtener datos sobre préstamos a largo plazo. Dado que la mayoría de los grupos destinatarios de préstamos en efectivo son grupos de cola larga no cubiertos por instituciones crediticias tradicionales y carecen de datos crediticios completos del banco central, algunas plataformas dedicadas a préstamos en efectivo cooperarán entre sí para lograr el pleno disfrute de los datos de solicitud de préstamos. Además, la plataforma de préstamos en efectivo inevitablemente dejará una gran cantidad de información de identidad del solicitante del préstamo cuando la agencia de crédito externa pregunte sobre cada registro de solicitud de préstamo. Esta información se filtra mediante algoritmos de detección de anomalías de consultas para formar una base de datos confiable de préstamos a largo plazo. (2) Identificación de conductas viciosas en materia de préstamos a largo plazo.
Un comportamiento vicioso en materia de préstamos a largo plazo significa que el prestatario pide prestado dinero nuevo para pagar el dinero viejo o tiene una gran cantidad de préstamos a largo plazo al mismo tiempo. La determinación del comportamiento de pedir prestado dinero nuevo y reembolsar dinero viejo se puede determinar combinando el intervalo de solicitud del préstamo y el período del préstamo. Si el intervalo de solicitud del préstamo es significativamente más corto que el plazo del préstamo, significa que existe un mayor riesgo en la solicitud del préstamo de pedir prestado dinero nuevo y reembolsar el dinero antiguo.
2. Retos: Contradicciones y cambios
1. Los medios de fraude son diversificados, técnicos y basados en Internet.
El fraude y la lucha contra el fraude siempre han sido una de las principales contradicciones en la industria crediticia. Con el rápido desarrollo del negocio de préstamos en línea, el fraude de préstamos en línea basado en tecnología de la información también se ha vuelto cada vez más grave. Cuando los estafadores también empiecen a jugar con big data y el aprendizaje automático, es posible que gran parte del personal de control de riesgos colapse.
Por ejemplo, la verificación por teléfono móvil es uno de los métodos de revisión online más utilizados. Incluyendo código de verificación por SMS y completando la contraseña del servicio del operador. Pero este método también es una oportunidad que pueden aprovechar las bandas de estafadores. Porque tienen un equipamiento técnico: una piscina para gatos. Para entenderlo de forma sencilla, se trata de un sencillo teléfono móvil con la función de enviar y recibir mensajes de texto. Se puede conectar una computadora a varios grupos de gatos, y un grupo de gatos puede acomodar de 8 a 64 tarjetas SIM. Junto a este, también existe el negocio denominado "recogida de tarjetas" y "mantenimiento de tarjetas". Cuando la hora del número alcanza un determinado estándar, es posible verificarlo a través del teléfono móvil como método antifraude.
Además, el uso de algunos emuladores puede ayudar a los estafadores a modificar fácilmente el IMEI, MAC, IP, GPS y otra información ambiental y del dispositivo del teléfono móvil. Bajo esta capa de camuflaje y embalaje, los métodos antifraude que utilizan información ambiental y del dispositivo parecen algo débiles. Además, bandas fraudulentas pueden comprar en línea cierta información personal, como información de tarjetas de identificación, números de cuentas sociales, números de cuentas de tarjetas bancarias e incluso protectores USB, o buscarlas en motores de búsqueda. Muchas veces, la razón por la que algunas medidas antifraude son efectivas no es porque no se puedan descifrar, sino porque el costo de craqueo es alto, lo que hace que las bandas de fraude abandonen este método.
2. Arranque en frío del modelo de control de riesgos
El “arranque en frío” es el principal problema al que se enfrenta la construcción de modelos de control de riesgos de big data. Especialmente para algunas plataformas de préstamos en efectivo para empresas emergentes, la acumulación de datos es un proceso que comienza desde cero. En las primeras etapas de acumulación de datos, se debe pagar un alto precio. Por un lado, además de garantizar procesos normales de control de riesgos, las plataformas también necesitan invertir muchos costos de mano de obra para recopilar datos, construir modelos y realizar pruebas retrospectivas de datos; por otro lado, las plataformas deben invertir altos costos de capital en compras de terceros; -datos del partido. En comparación con el número total de usuarios de cola larga no cubiertos por los datos crediticios del banco central de casi 654.380 millones, la base de clientes de préstamos en efectivo sigue siendo limitada y la mayoría de las plataformas se enfrentan al problema del "arranque en frío".
El método común actual para resolver el problema del arranque en frío de datos es comenzar con datos externos. Debido a la falta del historial crediticio del prestatario y de datos crediticios personales, el modelo de control de riesgos pierde la base para considerar directamente el riesgo de incumplimiento del prestatario. Por lo tanto, si se pueden combinar datos externos como el comportamiento de los usuarios con algoritmos de filtrado colaborativo como Eigentaste, se podrán identificar y filtrar al máximo a las personas con un alto riesgo de fraude. Sin embargo, la situación actual es que la mayoría de las plataformas carecen del poder y la capacidad para procesar datos externos y, a menudo, utilizan la revisión manual complementada con algunas reglas antifraude simples.
3. La contradicción entre la experiencia del usuario y la lucha contra el fraude
Desde la perspectiva de los usuarios de préstamos en efectivo, la experiencia del usuario se refleja en la velocidad de los préstamos y la facilidad de solicitud. Sin embargo, la lucha contra el fraude requiere que los usuarios proporcionen diversa información personal, lo que reduce en gran medida la calidad de la experiencia del usuario. En el pasado, muchas plataformas se adhirieron al principio de que "los altos rendimientos cubren altos riesgos" y se centraron demasiado en el tráfico. Y existen varios productos de préstamos en efectivo en el mercado. Para garantizar el tráfico, muchas plataformas tienen lemas como “solo se requiere documento de identidad y número de teléfono móvil” y “XX minutos después de la solicitud”. Sin embargo, a medida que la supervisión se endurezca, el modelo operativo de "alto rendimiento y alta deuda incobrable" se eliminará gradualmente. Para controlar las deudas incobrables, las plataformas de préstamos en efectivo tienen que afrontar nuevamente las cuestiones conflictivas de la experiencia del usuario y la lucha contra el fraude. Por un lado, la plataforma necesita optimizar el modelo antifraude, reducir al máximo la dimensionalidad de los datos de entrada y, por otro lado, acortar el tiempo de revisión del modelo de control de riesgos, optimizando la experiencia del usuario; Perspectivas como el servicio al cliente y la conveniencia del pago también facilitan la relación entre la experiencia del usuario y la lucha contra el fraude. Uno de los métodos factibles de contradicción.
En tercer lugar, dirección del desarrollo
1. Uso de datos no estructurados
La escasez de datos estructurados, como los datos de crédito personal, será un problema durante mucho tiempo en el futuro. Existente en la industria de préstamos en efectivo desde hace algún tiempo. En consecuencia, los datos no estructurados abundan. Debido a las graves filtraciones, robos y tráfico de información personal básica, la eficacia antifraude de los datos estructurados convencionales se ha reducido considerablemente. En comparación con los datos estructurados, los datos del comportamiento humano son más difíciles de simular y pueden describir a los solicitantes de préstamos de manera más completa, lo que tiene un efecto significativo en la reducción de la tasa de error de los modelos antifraude.
Desde la perspectiva de la aplicación de datos no estructurados, la lógica entre ellos es difícil de unificar, y las anomalías, redundancias y problemas faltantes de los datos son graves y difíciles de abordar. Por lo tanto, buscar la cooperación de terceros, como empresas de big data y gigantes tradicionales de Internet, será la primera opción para las plataformas de préstamos en efectivo de pequeñas y medianas empresas. En la actualidad, han aparecido en el mercado algunos productos que brindan servicios financieros refinando datos no estructurados, como un servicio de análisis semántico de SMS empresariales. Además, Tencent, uno de los BAT, también cooperó con Qian Niuniu para lanzar un sistema de control de riesgos en la nube modelo puro: "Fangyuan". La característica más importante de este sistema es la introducción de datos sociales masivos de Tencent.
2. Precios diferenciados
El precio diferenciado también puede entenderse como precio preciso. La esencia de la fijación de precios diferenciados para préstamos en efectivo es valorar con precisión los riesgos crediticios y de fraude de cada solicitante de préstamo. En la actualidad, los estándares de precios de varias plataformas de préstamos en efectivo son demasiado simples y básicamente adoptan el método de tasa de interés más tarifas diversas. Algunas plataformas ajustarán las tasas para los usuarios que renueven sus préstamos. También existen algunas plataformas que hacen referencia a la información personal proporcionada por el prestamista al presentar la solicitud. Pero, en general, los estándares de precios actuales no son adecuados para las características de "tasas bajas" de la futura industria de préstamos en efectivo. La llamada ventaja de precio entre plataformas será mínima. Las necesidades de microfinanzas personalizadas con precios precisos pueden convertirse en lo más destacado de la plataforma.
La construcción del modelo de control de riesgos de big data proporciona soporte técnico para la realización de precios diferenciados. Basado en una gran cantidad de datos de comportamiento de la red, datos de transacciones de usuarios, datos de terceros, datos de socios, etc. , a través del procesamiento del lenguaje natural, aprendizaje automático, algoritmos de clustering, etc. , el modelo puede establecer un retrato de datos multidimensional para cada solicitante de préstamo, incluida información personal básica, características de comportamiento, características psicológicas, situación económica, intereses y pasatiempos, etc. Con estas características dimensionales y una gran cantidad de registros históricos de préstamos, las estrategias de precios diferenciadas para diferentes prestamistas, diferentes montos y diferentes términos se harán realidad.
Resumen
Detrás de la reorganización de la industria están los esfuerzos de las plataformas de préstamos en efectivo por sobrevivir. Cómo garantizar el cumplimiento, cómo obtener fondos de bajo costo, cómo reemplazar la mano de obra con tecnología y cómo encontrar un equilibrio entre los costos de control de riesgos y las tasas de morosidad son cuestiones en las que la plataforma debe pensar y resolver en el futuro. Creo que bajo la luz de las políticas industriales, el oro siempre brillará hasta el final.