1. <dl id="apkdn"><font id="apkdn"></font></dl>
            1. <dl id="apkdn"></dl>

              <dl id="apkdn"></dl>


                1. 誰是失信人:大數據首次揭露黑名單分布特點

                        隨著逃廢債現象日益增多,互金平臺借助大數據與智能技術為“武器”,與失信人群的斗爭正悄然升級。
                    中國互聯網金融協會最新數據顯示,截至2018年底,12家首批接入司法數據的互金企業共查詢約1260萬次,拒貸了30059位失信被執行人。
                    不過,失信人群(俗稱黑名單人群)到底有哪些行為特征,業界一直沒有權威全面的解讀。
                    近日,信用算力通過對自身積累的數百萬互聯網用戶在線借還款數據進行分析,將黑名單用戶組(逾期90天以上的借款人)與未逾期用戶組進行對比,突顯失信人群的行為特征與用戶畫像。
                    根據信用算力近期聯合上海市社會信用促進中心及上海交通大學中國普惠金融研究中心發布的《2018年中國零售金融信用體系報告》(下稱《報告》)顯示,當前失信人群的行為特征趨于多元化,就性別而言,被納入黑名單的男性借款人較女性借款人高出約2倍;就地區分布而言,中西部省份借款人逾期率明顯高于東部省市;就受教育程度而言,高中及以下學歷借款人逾期率高于本科及以上學歷;就還款能力而言,73.6%黑名單借款人月收入在8000元以下;就用戶還款行為而言,初次貸款用戶逾期比例最高,隨著貸款申請次數,借款人逾期次數反而走低。
                    在信用算力董事長兼CEO張建梁看來,當前黑名單借款人行為特征趨于多元化,也與整個行業經歷陣痛洗牌期息息相關。由于2018年6-8月多家互金平臺接連爆雷,導致不少原本收入不夠穩定豐厚的借款人心存僥幸心理,“等待”平臺爆雷倒閉而逃廢債。
                    “事實上,要讓這些黑名單人群不再心存僥幸,一方面需要加大對失信人的懲戒力度,另一方面則要加快各類數據流通共享,從而建立完善全面的貸前風控體系與貸后催收策略。”張建梁指出。
                    記者多方了解到,針對失信借款人的風險管控,不少機構除了自己建立黑名單共享機制,還積極與政府部門牽頭設立的征信機構加強黑名單數據流通共享。與此同時,不少地方政府部門也在積極開放數據,讓各類平臺得以充實數據,進一步優化針對失信借款人的風控模型。
                    自2012年上海推出全國首個政府數據開放平臺后,截至2018年底,全國超過8個省級行政區、7個副省級城市和31個地市先后推出數據開放平臺。貴陽、上海、青島、哈爾濱、東莞等地方政府在數據總量和開放數據容量兩大方面位居國內前列。
                    有互金平臺人士指出,以政府開放的數據類型而言,當前社會民生和經貿工商兩類數據最豐富,相比而言,信用服務與社保就業等數據偏少,導致互金平臺針對黑名單借款人貸前風控審核模型依然難以做到絕對的精準全面。
                    “這還需要互金行業協會與地方政府部門加強溝通,在合規操作前提下獲得更多有價值的數據,持續加強對逃廢債與失信人群的懲戒力度。”上述互金平臺人士直言。
                    黑名單人群“畫像”
                    在張建梁看來,黑名單借款人之所以出現多元化的行為特征,與當前借款人性別構成,經濟收入實力,不同地域經濟發展狀況與人均可支配收入水平,個人家庭社會變故、個人消費觀念是否正確等因素息息相關。
                    “我們調研發現,黑名單里男性借款人是女性借款人的3倍之多,與男性借款人數量及借款金額比女性均多出2倍相符。”他告訴記者,而中西部省份借款人逾期率之所以高于東部省市,則與不同地域經濟發展狀況與人均可支配收入水平存在很大關聯。
                    具體而言,以去年三季度為例,西部省份人均可支配收入為1.1萬-1.8萬元,低于當季全國人均可支配收入21035元,由于收入較低導致不少借款人一時難以承擔較高的貸款本息償還壓力,導致入催率(即在某一個還款日,預期借款人從M0變成M1的比例)位列全國最高。
                    相比而言,去年三季度中西部省市人均可支配收入為1.5萬-2.3萬,與當季全國人均可支配收入相差不多,但由于這些省市借款人較多,部分借款人無力償還貸款本息,令入催率處于國內中等水準。
                    浙江、廣東、上海、北京等東部省市的人均可支配收入在去年三季度達到2.5萬-5萬元,且借款人相對較少,令入催率位列國內較低水準。
                    值得注意的是,盡管去年三季度東北三省人均可支配收入僅僅達到中等水平(1.7萬-2.4萬),但由于當地借款人較少,入催率反而排名全國最低。
                    張建梁向記者透露,收入水準高低對逾期幾率與失信行為的影響,還反映在學歷、年齡與個人婚姻狀況身上。
                    《報告》分析顯示,多數借款人年齡在20-30歲之間,且呈現年紀越小,逾期幾率越高的現象,一個重要原因是很多年紀較低的年輕人在缺乏穩定較高收入的情況下,過度超前消費提升生活品質,導致自己還不起錢背負一身債,最終納入黑名單。
                    至于未婚和離異群體逾期率之所以比已婚群體略高,主要原因是婚后夫妻雙方共同承擔債務,夫妻之間相互掣肘,在借貸上更為謹慎;而不少未婚與離異人群是月光族,無法增加儲蓄,導致還款逾期風險加大。
                    “這也讓很多平臺優化風控策略,比如針對30歲左右借款人申請借款用于買車、子女教育等需求時,他們會優選查看借款人是否已婚,或者通過大數據分析他是否存在離異可能,再決定是否給予貸款。”一位互金平臺風控部主管向記者透露。
                    高中及以下學歷借款人逾期率高于本科及以上學歷,則因為個人受教育程度與個人收入呈正相關,值得注意的是,73.6%黑名單借款人收入在8000元以下,與此對應的是,其中多數借款人學歷都在高中及以下學歷。
                    《報告》還發現,與多次借款不還的“老賴”印象形成鮮明反差的是,初次借款用戶逾期比例反而最高,隨著借款申請次數增加,借款人逾期次數其實在降低。
                    “事實上,很多初次借款用戶之所以最終被納入黑名單,是被誤傷的。因為他們對還款流程相對陌生,導致逾期催收現象增多。相比而言,多次借款的申請人已經意識到,一旦出現逾期會影響到自己以后的貸款審批通過率,因此不大敢隨意不還錢。”張建梁透露,不過隨著互金行業平臺爆雷現象不止,目前整個行業最急需解決的,是越來越多借款人心存僥幸,押注平臺爆雷而逃廢債,寧愿“犧牲”自己的信用記錄。

                    黑名單數據流通共享痛點待解
                    在多位互金業內人士看來,隨著失信人群行為特征與用戶畫像越來越清晰,平臺相應的風控策略也能對癥下藥。
                    “目前,很多互金平臺風控模型都將不同地域收入狀況,借款人婚姻、年齡、還款能力、受教育程度作為重要的風控參數,甚至圍繞這些參與構建了相應的反欺詐與黑名單數據庫。”他透露,比如若一個年紀較低的借款人財務數據顯示他收入很高,就會引發平臺懷疑而拒絕貸款,還有曾有多次借款的申請人未必會被拒貸,反而可能會給予更高的借款額度,前提是通過大量信貸還款數據進行交叉驗證,證明他不存在多頭借貸與借新還舊行為,且每次都能按時還款。
                    但他坦言,不少借款人也意識到不同平臺的黑名單數據庫存在信息不共享,在黑中介的幫助下,他們紛紛對財務數據、還款能力等數據進行“美化”或“虛構”,從而實現騙貸的目的。
                    “這令互金平臺之間的黑名單數據流通共享,變得刻不容緩。”他指出。
                    記者多方了解到,近年以來不少金融科技平臺也借助區塊鏈等新興技術,在實現個人數據隱私保護的情況下打通黑名單數據流通共享的隔閡,比如部分金融科技平臺采用超級賬本fabric聯盟等區塊鏈技術,將金融機構數百萬條黑名單數據加密存儲在區塊鏈上,其他合作機構可以通過獨立部署節點接入聯盟鏈,開展區塊鏈黑名單數據上傳和查詢等業務,從而實現黑名單數據以合規模式進行流通共享。
                    信用算力等金融科技平臺則通過技術服務輸出,讓金融機構對不同類型機構的異構數據源進行數據歸一、特征挖掘與指標計算,從而對不同客群的逾期失信行為特征與指標進行歸類統計,從而優化消費金融貸款產品的風控效率。
                    與此同時,政府牽頭發起的征信平臺也在積極整合各個互金平臺的黑名單數據庫,從而讓各個參與方都能從中受益。
                    但多位互金平臺人士透露,目前政府牽頭發起的征信平臺所能提供的黑名單數據依然不夠全不夠多,主要原因是不少互金平臺基于自身利益考量,不大愿分享自己的黑名單數據庫,導致相關數據的流通依然存在較大障礙,其結果是不少沒有進入黑名單的借款人經過多維度數據的交叉驗證,反而發現此前存在財務數據篡改或還款逾期行為。
                    在他們看來,這背后,還是整個互金行業的信息孤島問題至今沒有得到實質性解決。所謂數據孤島,主要分成兩個方面,一是不同機構自主存儲維護海量數據卻沒有共享,造成數據資源大量浪費;二是部分平臺即便擁有大量數據,但不同來源數據在邏輯上相對孤立,造成溝通成本極高且影響信用評估效率。
                    “因此,政府相關部門與互金平臺盡可能地開放數據,通過深度學習等人工智能技術破解數據孤島問題,進一步提升失信人群的辨別能力,通過全社會力量對失信人進行聯合懲戒,勢必有助解決當前日益增加的逃廢債問題,以及黑名單數據庫流通共享不足的瓶頸。”他指出。在這方面,如今不少政府部門無疑走在前列。2017年8月17日起,發改委通過信用中國披露涉金融領域黑名單。截至2019年1月2日,發改委已發布十批名單,涉及自然人2269人(不包含黑名單企業的企業法人),其中因融資、借款原因被列入黑名單的自然人共793名,占比34.95%。
                    上述互金平臺風控部主管透露,隨著數據開放越來越多,如今他所在的平臺可以整合大量第三方數據,深入挖掘借款人信用評分、信貸數據、消費數據、互聯網痕跡數據、公安部數據、運營商數據、法院數據等,生成數萬個風險變量,并且不定期變更風控策略。不但實現多維度地準確評估借款人信用狀況,也令很多失信借款人無處遁形。
                    “尤其是很多黑中介難以掌握數萬個風控模型變量及其組合排列方式,令他們無法指使一些失信借款人美化個人財務數據攻破平臺風控體系,騙貸難度大幅增加。”他指出,而這些數據也令平臺更全面地掌握逾期借款人的當前消費狀況與經濟能力,有助于持續提升懲戒逃廢債行為效率。

                  來源:世紀經濟報道
                  金盾重庆时时彩

                        1. <dl id="apkdn"><font id="apkdn"></font></dl>
                          1. <dl id="apkdn"></dl>

                            <dl id="apkdn"></dl>

                                      1. <dl id="apkdn"><font id="apkdn"></font></dl>
                                        1. <dl id="apkdn"></dl>

                                          <dl id="apkdn"></dl>