虎扑评分区,老熟妇大胆性开放图,中文字幕精品av一区二区五区,波多野42部无码喷潮在线

2017年12月下發(fā)的《關于規(guī)范整頓“現(xiàn)金貸”業(yè)務的通知》中3次特別提到要防范多頭借貸風險。這是業(yè)界進行風控的一項迫切需求。

在這方面，誠安開發(fā)使用了多頭注冊數(shù)據(jù)，能夠很好的降低信用風險，本篇文章分五步詳細拆解多頭注冊，把這個實用有效的方法介紹給你。

從2013年互聯(lián)網(wǎng)金融懵懂期，2014年白條產(chǎn)品上線，2015、2016年消費金融開始蓬勃發(fā)展，到2017年現(xiàn)金貸的崛起，短短的幾年之內(nèi)，針對各類客群的各類金融產(chǎn)品應世而生。而隨之而來的多頭借貸行為帶來了很高的信貸逾期風險，識別多頭借貸成為了風控工作的重中之重。

何為多頭借貸？

多頭借貸，即單個借款人向2家或者2家以上的金融機構提出借貸需求的行為。一般來說，當借貸人出現(xiàn)了多頭借貸的情況，說明該借貸人資金需求出現(xiàn)了較大困難，有理由懷疑其還款能力。根據(jù)網(wǎng)絡公開調(diào)研文章，多頭借貸用戶的信貸逾期風險是普通客戶的3-4倍，貸款申請者每多申請一家機構，違約的概率就上升20%。

以我司一客戶的現(xiàn)金貸產(chǎn)品為例，客戶額度約1,000~3,000，期限為30天，通過率基本維持在15%左右，每天拒絕約2,000人。在2017/11整月的數(shù)據(jù)中，因為多平臺相關原因而拒絕的用戶占到總拒絕用戶數(shù)的50%-70%左右。

有哪些多頭借貸數(shù)據(jù)？

業(yè)界使用多頭借貸數(shù)據(jù)的邏輯一般比較簡單?，F(xiàn)在有多頭申請、多頭借貸等數(shù)據(jù)產(chǎn)品，如果查詢后某段時間內(nèi)某類平臺（消費金融類，P2P類，小貸類等）申請的次數(shù)超過某個閾值直接拒絕，或者直接使用第三方平臺對于多頭申請的評分。

對比業(yè)內(nèi)常用的多頭借貸數(shù)據(jù)如下表。

方法數(shù)據(jù)含義優(yōu)勢問題多頭申請在不同的時間內(nèi)，申請不同類型平臺的數(shù)量了解每個客戶申請的貸款類平臺數(shù)量，評估當前負債情況，進而評估客戶信用風險沒有一家第三方數(shù)據(jù)源能接入所有貸款平臺的數(shù)據(jù)

第三方相互分發(fā)或甲方分發(fā)數(shù)據(jù)，造成數(shù)據(jù)不準確

第三方?jīng)]有對不同接入平臺做風險權重評估（因無法得到平臺貸后數(shù)據(jù)），例如申請鯨魚貸客戶比申請宜人貸（注冊領紅包）客戶風險高多頭借貸在不同的時間內(nèi)，成功申請貸款的不同類型平臺的數(shù)量評估客戶實際負債情況及風險情況沒有一家第三方數(shù)據(jù)源能接入所有貸款平臺的數(shù)據(jù)

貸款平臺的貸后數(shù)據(jù)不會上報給第三方多頭貸款APPAndroid系統(tǒng)中安裝的貸款類APP的個數(shù)評估客戶信貸饑渴的程度IOS系統(tǒng)無法獲取安裝APP列表

客戶對APP可能進行刪改多頭短信Android系統(tǒng)短信中包含貸款類短信的平臺個數(shù)評估客戶信貸饑渴的程度IOS系統(tǒng)無法獲取客戶短信內(nèi)容

客戶對短信內(nèi)容可能進行刪改

可以看出，每種方法都有一定的局限性，而且數(shù)據(jù)獲取代價比較高，比如多頭申請和多頭借貸，由于數(shù)據(jù)覆蓋面有限，而且無法知曉其背后對接的是哪些貸款平臺，所以往往需要對接多家第三方數(shù)據(jù)源，綜合使用，而后兩種則需要自己開發(fā)并分析。

政府官方統(tǒng)計截至2017年9月末，全國共有小額貸款公司8610家，網(wǎng)貸天眼統(tǒng)計，截至2017年12月，在運營P2P平臺數(shù)量為1751家，此外還有網(wǎng)絡小額貸款公司、消費金融公司等，更不用說監(jiān)管之前眾多沒有放貸資質(zhì)的現(xiàn)金貸公司。面對這么多公司以及他們所推出的貸款產(chǎn)品，理想情況肯定是能覆蓋所有的產(chǎn)品，然后做風險權重分析。但是在資源有限的情況下，是否可以先考慮風險權重，然后爭取獲得高風險產(chǎn)品的數(shù)據(jù)呢。

重點來了?。?！

于是我們想到了多頭注冊數(shù)據(jù)，即只看注冊過的高風險平臺個數(shù)。

多頭注冊數(shù)據(jù)如何獲得

什么樣的平臺發(fā)生了借貸行為風險會比較高？

大家都知道防黑產(chǎn)，加入了很多群，看到了群里會說今天擼某某貸，擼某某分期，慶幸沒有擼到自己的平臺，但同時并沒有有效的將看到的信息落地，優(yōu)化自己的審批結果。這些被黑產(chǎn)擼過的平臺，就是我們認為優(yōu)先級最高、風險最大的平臺。

試著站在黑產(chǎn)的角度倒推一下，市面上新推出的產(chǎn)品或者很小眾的產(chǎn)品，可能風控還比較薄弱，不如組織人來薅一波羊毛。于是得到相關消息的人，紛紛去注冊這個產(chǎn)品，申請貸款。而且不會像大平臺，從注冊人數(shù)到申請人數(shù)有一定的轉化率，這部分人注冊了絕大多數(shù)是要去真正申請貸款的！

在這種平臺注冊過的用戶是不是非常危險？！有的甚至注冊幾十家上百家?。?！這種客戶是不是閉著眼睛都要拒絕？！

判斷是否注冊？

目前絕大部分產(chǎn)品都使用手機號進行注冊（既能驗證是否在用，還可以進行后續(xù)實名、使用時長等信息的認證），那么填入手機號，通過APP或網(wǎng)站返回的消息，可以判斷該手機號是否注冊過。

結果匯總

每個高風險平臺都查一遍注冊情況，即可獲得多頭注冊數(shù)據(jù)。

一個變量真的這么神奇？

接下來我們看一下多頭注冊數(shù)據(jù)的實際效果。

我們提取了兩家不同現(xiàn)金貸產(chǎn)品的多頭數(shù)據(jù)量和逾期之間的相關關系。

第一家產(chǎn)品為平均額度3,000左右，信用卡人群，主要渠道也是信用管家渠道，期數(shù)30天，選取數(shù)據(jù)總量為12,087條，定義逾期7+為壞客戶，多頭注冊數(shù)與壞客戶比率關系圖如下圖（其中，橫坐標的多頭注冊數(shù)為區(qū)間，如10代表多頭注冊數(shù)區(qū)間為[6,10]。）可以看出，注冊數(shù)小于等于15個時，壞客戶比例還比較低，從20個到25個時，壞客戶比例大幅上升。

第二家產(chǎn)品平均額度30,000左右，期數(shù)3-18期不等，選取數(shù)據(jù)總量為30,091,定義當前逾期30+為壞用戶。從下圖可以看出，折線的曲率變化更明顯，多頭注冊數(shù)達到9個，逾期率已經(jīng)超過5%，在多頭注冊數(shù)為11個時，逾期率比10個增長了近2倍。

對于好壞客戶的區(qū)分效果不言而喻！

如何用這個變量

從風控全流程來看，多頭注冊數(shù)既可以用于貸前審批，也可以用于貸中監(jiān)控。

貸前審批

該變量對于不同類型產(chǎn)品適用性較廣，通過測試多頭注冊平臺數(shù)量和不同產(chǎn)品逾期表現(xiàn)的相關性，根據(jù)通過率和壞賬容忍度調(diào)整通過的閾值。例如中大額度現(xiàn)金分期客群如果此變量超過設定閾值，客戶的風險會相對更高，可直接作為拒絕依據(jù)。

如果缺少數(shù)據(jù)，也同樣適用于項目冷啟動，能夠從初期開始就防范信用風險，通過后期不斷修正閾值達到更好的效果。

貸中監(jiān)控

進入還款期的貸款，可利用該變量進行監(jiān)控，發(fā)現(xiàn)數(shù)據(jù)異?？杉皶r介入一些干預手段。

隨著互聯(lián)網(wǎng)金融、消費金融的快速發(fā)展，各類征信類數(shù)據(jù)、反欺詐數(shù)據(jù)基本成為了各類信貸機構的標配。這次我們曝光了自己的一項獨家數(shù)據(jù)，多頭注冊數(shù)可以作為識別信用風險的一個強變量。

【來源：誠安聚立】