中诚信CTO姚明：消费金融还存在三个挑战

消费金融零壹财经零壹财经 2016-09-23 阅读：3723

关键词：消费金融 中诚信

姚明认为，目前消费金融还存在三个挑战：信用信息缺失、人群收入较低和消费场景不足。经过统计发现，整体消费金融逾期坏账有一半左右来自于欺诈行为导致的。

9月22日，2016中国消费金融高峰论坛在北京富力万丽酒店正式开幕。本次论坛以消费金融的发展、创新合作为主题，聚集消费金融业内大咖在22、23日两天内展开讨论和研究。中诚信CTO姚明发表演讲。

中诚信CTO姚明在2016零壹财经中国消费金融高峰论坛上披露中诚信旗下个人信用评分“万象分”各类人群被消费金融服务商查询的情况：

1、是否持有信用卡上，有21%的人群持有，剩余的79%皆没有信用卡；

2、性别上，80%为男性，20%为女性；

3、年龄上，18-30岁的占68%，30-40岁的占26%，40-50岁的占5%，50+岁以上的占1%；

4、城市分布上，超一线的占9%，一线的占30%，二线的占18%，三线队占22%，四线的占21%。

姚明认为，目前消费金融还存在三个挑战：信用信息缺失、人群收入较低和消费场景不足。经过统计发现，整体消费金融逾期坏账有一半左右来自于欺诈行为导致的。

现在根据消费金融整体的反欺诈规则覆盖数据检查，身份真实性检查，申请资料的核查，负面信息的核查等，中诚信也会在之后结合自身业务为消费金融提供创新的ABS模式。

以下为发言原文（有删减）：

姚明：大家好，很高兴在这里跟在座的专家和嘉宾们分享一下我对消费金融风控的认识以及我们对消费金融场景当中的风控做的一些探索和实践。

我简单介绍一下中诚信集团和，中诚信集团最早创立1992年，是中国首家从事信用评级的机构，中诚信征信隶属于中诚信集团，在过去的十几年当中我们从事着跟征信相关的服务，我们也是在2014年拿到了企业征信的第一张牌照，2015年1月成为首批开展个人征信业务8家机构之一。

今天这个时间段是消费金融的风控，我们从昨天到今天大家了解到很多消费金融本身的活力和发展，我今天重点分享一些在消费金融风控类业务落地上我们做了哪些尝试和实践。

从中诚信角度来讲消费金融业务，有三个挑战：第一是信用信息缺失，在中国的消费金融客群当中年龄逐渐降低，这恰好是央行的征信中心不能覆盖的人群，对于消费金融大部分群体都是没有金融信贷记录的，如果用传统的征信和风控来看这些人是信用缺失的，无法用有效模式进行信用评估。第二人群收入相对较低，他们本身就是经济比较拮据，收入低信用风险大，评估一个人的信用风险在两个方面一个是还款意愿和还款能力。第三个跟消费场景相关，要求用户体验非常好，消费有一定的冲动性，对于消费金融的审批和实时性要求非常高。

针对以上的三个挑战，从中诚信角度来说是深入到具体的场景当中，了解具体的实际的业务情况，有针对性的进行风控。现在消费金融的场景主要分为三类：第一电商的消费分期，第二是线下消费分期，第三是线上的小额现金贷。我们首先对例如电商的消费分期，帮助消费金融机构对商户和平台进行尽职调查，它的交易结构是否存在与消费金融勾结套现或者骗贷的行为，如果有这样的漏洞我们就设定具体规则屏蔽这些风险。对于消费者我们对人群特点和消费交易结构进行分析，经过以上这些动作之后再通过跟业务场景平台自身数据和规则结合做联合建模的服务，有效解决消费金融风控的问题。对于一些共性的通用的规则和方法，我们中诚信这边也致力于研发一套自动化一站式风控平台，这样一套平台当中我们提供数据+规则+模型三位一体的服务。之后衍生自主化管理自主化应用，针对信息的综合利用和流程的梳理进一步的达成整个系统的自主演变和自主更新。

我们分析消费金融的挑战第一是信用信息缺失。我们整体思路是坚持互联网大数据中心服务消费金融，概括为三大类数据：

第一来自于三方中心数据，我们整合了多个渠道数据进行加工整理，将数据的价值提取挖掘，将信贷消费通用等运营商的数据纬度进行整合，这些已经超过了传统征信和金融征信的范畴，大量的使用了消费数据和互联网行为数据，这些数据能够弥补信用缺失带来的影响。我们采用的方法看起来不那么依赖于金融信贷数据，我们之所以使用这些互联网的大数据以及跟金融信贷没有关联的数据，大家理解为弱变量，本质因为消费者主体信息缺失，我们被迫使用这种方式。我们发现这些数据的价值非常高，也能在不同的程度上解决信用信息缺失带来的问题。

第二类数据是用户直接授权获取的数据，通过直接向用户要求他提供在某些平台上主体入口的帐户信息，获取一些更为详细和隐私的信息，这类信息恰恰能弥补金融信贷数据带来的负面影响。

最后一类数据是业务场景本身的平台数据，无论是小额现金贷还是消费分期服务，对于这样的场景就要利用平台自身的数据。

对于规则我们主要是讲反欺诈的规则，这些欺诈行为是直观的影响消费金融风控业务本身的，因为有这样一个统计：整体消费金融逾期坏账有一半左右来自于欺诈行为导致的。我们的“万象风云”的服务也是针对具体的场景，将传统的风控规则做了一些改进，整体的反欺诈规则覆盖数据检查，身份真实性检查，申请资料的核查，负面信息的核查等，整套规则基于自主可控制的模式应用的。简单介绍一下身份真实性的核查，套用身份信息的欺诈是最严重的问题，一些团伙通过购买或者骗取申请人的身份信息，在不同的设备和场景下冒用信息进行申请从而达成骗取信贷的目的。

我们主要提供三个层面的服务：

首先NFC读取身份证，通过这样的手段有效防止简单的身份信息套用，他必须要身份证接近手机APP读取身份信息。第二层面是包括二维三维四维身份认证，经过身分证号手机号等联网核查进一步的避免整个身份信息盗用风险。第三个层面对移动端的应用提供人脸识别照片比对，通过有选择性的应用综合性的屏蔽身份真实性核查带来的潜在风险。目前为止使用综合服务的还没有发生过一起身份核查失败的案例。

第二部分是申请资料的核查，用户提交申请资料当中信息本身与我们从第三方征信采取的信息进行核验，如果单纯的发生一两项风险可能风险度并不是那么高，但是如果多维风险集中发生的时候风险概率很大，我们通过多维度的交叉核验对它的申请资料进行校验。比如说地址匹配距离，消费区域的信息，来判断这些信息是否一致，我们除了应用文本上的模糊匹配，我们也会应用地理位置信息的比对，我们发现当它的申请资料和我们通过三方获取的信息误差越大的时候风险越高。

第三套规则是负面检查的规则，也可以理解传统的黑名单的规则，这部分规则我们除了传统应用一度的人脉，比如说失信记录，信用卡逾期，网贷逾期等，也应用了二度人脉，它的联系人是否有黑灰名单的信用记录。通过这样的多维度多层次的负面信息的检查进一步的将整个欺诈的风险降低非常大的比例。最后一个反欺诈的规则是多次申请的核查，消费金融的群体当中一个人去多个平台申请多笔贷款是一个常态，我们这边也有自己的虚拟联盟“万象联盟”能够共享时时查询的信息。这张图是重复查询次数和逾期率的关系。这个是模型，从去年时候我们推出了中诚信的万象分的纬度，我们采用机器学习大数据建模技术，我们也是综合了传统建模的技术加上大家比较热衷的积极学习技术推出的分数，从评估纬度角度有5个纬度：身份属性，信用历史，履约能力，行为特质和社交影响。平分区间是300-900分，分值越高信用越好。从分数上来看，互金和消金的群体大概是500分到700分当中，它的违约率比传统的信用卡偏高。我们万象分的查询命中率超过70%。这是万象分人群的分析，人群分布来说非信用卡人群占70%多一点，性别分布男性比例占接近80%，女性只有20%，第三年龄分布集中在30岁以下，最后是城市分布，相对来说比较分散，二线城市、三线和四线城市加起来覆盖70%左右。

我们也衍生了一些其他的服务，贷中的服务就是信用监控，一旦人申请到贷款之后我们提供信用监控的服务，从不同的角度监控这个人跟信用相关的信息，通过主动推送的方式给到我们的合作伙伴，比如说首次逾期的催收，相应的备用金的调整制度等等。整个万象风云应用跟这个图谱一致，它的申请端可以出一个分支然后提出请求，通过万象风云反欺诈达到它的风控目的。如果客户主动将逾期的信息坏账信息在系统中进行标记，我们的系统会提供这些规则的更新和模型的更新，这些更新是在后台由人工加机器完成，最终生成针对这家机构独有的反欺诈规则，为机构提供更场景化的服务。除了基础的征信和服务之外，我们从今年开始探索跟保险公司的合作，比如说泰康保险服务，我们推出征信+保险的模式，像旅游分期，医美的分期，对我们的评估结果进行承保。我们本身也在结合集团本身的业务，比如评级的业务，为消费金融提供更新颖更创新的ABS的模式。

专题推荐：金融毛细血管

零壹智库推出“金融毛细血管系列策划”，通过系列文章、系列视频、系列报告、系列研讨会和专著，系统呈现“金融毛细血管”的新状态、新功能、新价值、新定位。