消费金融说得很美风险知多少?
今年的“双11”也是消费金融的战场。一直火热的消费金融也成为了银行、消费金融公司、电商和互联网金融公司纷纷竞相争夺的蛋糕。广东省金融消费权益保护联合会副秘书长冼宇航表示，到今年上半年，全国从事互联网消费金融的机构超过100家，预测到2017年互联网金融消费市场将增至2万亿元，到2018年则增加到3.8万亿元。但是，在目前国内的征信环境下，消费金融真的是看上去那么美吗?消费金融的繁荣背后的风险又有多少?
存在欺诈风险
和多头授信难题做消费信贷业务，最让人头疼的莫过于如何防范欺诈风险和多头授信的问题。此前校园贷的风险事件也折射出消费金融的多头授信难题，尤其是现金贷的风行，没有场景的消费金融，更是难以把控借款用途。
盈灿集团董事长兼总裁网贷之家创始人徐红伟对记者表示，目前消费信贷市场需求大于供给，因此行业中出现了套现，甚至是高利差等现象。他表示，有的现金贷算上手续费等综合年化借贷成本可以高达50%甚至更多。
而在网络中，也充斥着大量的信用贷款“中介”。记者发现，这些借贷中介多以地域建借贷QQ群，一般是北京贷款群、深圳贷款群等，有不少还在QQ群公告贴出条件，比如三个月社保、保单记录、车证房证、营业执照等。
记者在网上随意找到一家普通消费金融平台，以贷款人的身份填写了姓名和电话、有无车房等信息后，几秒钟就接到了借贷经理的电话。他询问记者是工薪族还是做生意?公司是国企或私企?记者并未告诉其真正的身份的情况下，该借贷经理告诉记者，“国企可以做到30多万元，但是私企顶多15万元。”接下来只要带着身份证去公司面签即可放款。他还表示，还可以从网络中申请该公司的一两万小额借贷可以随时放款。他表示，如果是工薪族利息为6.5%到8.5%之间，如果是做生意的则需要上浮一定比例。
还有其他的中介表示，提供身份证和父母电话号码的话，首单最高可以借3万元，月息二分，借的时候要先付半个月的利息，本金任何时候还都可以。
即使你是贷款黑户(即有不良征信记录)，也还可以从中介处成功借钱。有位中介就表示，如果是黑户，只需要身份证就能借50万元，但到手只有25万元，十天内就能到账。“大部分坏账率，来自内部人员的造假”，曾经在某消费金融公司工作过的小新称，该公司当时就专门给蓝领人群放贷，包括他在内很多员工认为只是在“放高利贷”。因此，他们帮着用户资料造假，共同分贷款获得的钱，“员工完全没有忠诚度”。“大部分公司，根本就没有风控，对于他们来说，就是急速将用户量做起来，用于下一轮融资讲故事”，小新表示。
解决征信孤岛难题成破局关键不仅仅是欺诈风险和多头授信问题，在目前的国内征信环境下，要想做好消费金融的风控可谓是难上加难。央行公布的征信数据显示，我国征信系统中只有3亿多人有信贷数据，5亿人只有简单的身份信息，另有5亿多人不在央行征信系统内。团贷网新闻中心总监李先全表示，消费金融公司的目标客户群主要集中于中低阶层消费群体，这类群体主要是以年轻人为主，比如刚参加工作不久的上班族，以及收入不高的群体等。“真正需要消费金融服务的这类用户群体，恰恰在央行征信系统中又缺乏个人信贷记录，由此带来的征信难度便可想而知。”
虽然2015年初，央行要求芝麻信用管理有限公司、腾讯征信有限公司等8家机构做好个人征信业务的准备工作，但是8家机构各自为营，数据来源及模型各异，也难从根本上解决征信孤岛的难题。
在“2016消费金融高峰论坛”上，融之家CEO张建梁对记者表示，征信最核心的就是黑名单数据，“大部分黑名单都是我们交的学费，很多机构不太愿意分享黑名单，因为黑名单是自己发放资金之后产生的一笔学费，能不能把这份黑名单共享，这是目前要做的事情。”
此外，他还表示，目前很多消费金融公司为了防范风险，都会与一些独立的第三方风控和数据公司合作，比如百融金服、诚安聚立、ZRobot等，“但是它们能否独立承担风险，这是很重要的一点。”
■业内人士说法需从产品设计做起我来贷中国区总经理陈俊仁表示，欺诈风险是放贷业者一直以来关注的重点。目前，行业中运用大数据技术获取的社交圈信息、多维度的定位交叉、人脸识别、问答印证等技术手段，是防范欺诈申请的有效方法。“消费金融的风控不是孤立风控，是典型的全民风控。风控不依靠于一个简单的模型，而来源于整个产品的设计。”PPmoney万惠副总裁兼消费金融事业部总经理康德胜对记者表示，从产品的宏观设计上来说，每个细节都凸显出目标客户群体的特点，根据客户提供的资料、身份和购车动机，产品设计上是能够有效阻止套现的出现。大数据风控、数据模型的建立，以及产品设计上面的诸多细节，都能体现出整体的反欺诈能力和水平。
形成行业共享机制“现在整个行业竞争还在混战期，”徐红伟表示，目前行业内的大公司，如拍拍贷、宜信等没动力与小公司共享信息。“这些公司掌握的黑名单就是核心竞争力，为了维护相对竞争优势，现在难以形成行业共享机制。”他认为，目前行业公司的数据库还没达到征信级别，还都在粗暴地搜集或者搭建体系阶段，但是等行业发展到一定阶段，会形成行业共享机制。
陈俊仁也表示，目前正处于征信数据纷乱的阶段，征信机构各自拥有自己的特色领域提供不同的判断，虽然大家从更多视角来提供个人信用评判，但是可能形成判断的较大差异，这对任何一个个人信用都会造成混淆和困扰。“从使用者的角度来看，能够有效地整合这些数据，成为一套有效、具公正力的征信评价，才是我们需要的。或许经过一段时间的运作，这些机构或会优胜劣汰、或会合意整并、或会联合服务。”
如何运用大数据判别授信情况?
很多消费金融公司都会对外宣传自己可靠的风控体系，都会给自己的风控体系堂而皇之的冠以好听的名号，但究竟这些数据如何抓取、数据来源又有哪些、根据什么算法来判断风险等却鲜有宣传。那么，到底如何运用数据的变化来判断信贷风险呢?
读秒CEO周静举例表示，以他们公司为例，接入了40多个数据源，设置了500多个维度、100多个变量。“举例来说，用户填写的‘收入水平\’为变量A，‘工作地点\’为变量B，申请时IP地址的‘所处区域\’为变量C。”她表示，从A+B 的维度来看，倘若用户填写的A月收入有数万元，B却显示在某个偏远山区的修车厂工作，我们或许应该怀疑用户隐瞒收入。若从B+C的维度来看，倘若B变量显示用户工作地点在北京，C却显示申请时IP地址在云南，或者频繁更换IP地址去申请，我们或许应该考虑金融欺诈的风险。若结合A+B+C的维度来看，若B变量显示客户在北京国贸工作，A变量显示月入10000元，IP地址、申请地点都在北京，通过三个变量数据的交叉验证，可以初步推断申请人是常住北京的中等收入白领。
周静表示，“数据的使用决定了风控水平的高低，大数据风控的意义也在此体现。倘若再在以上，增加更多变量，用更多维度去看数据的重叠和交叉，更加能验证出数据的可靠性。（新快）
新闻推荐
虽然沪市上周创了10个月以来的新高,但走一步、歇半天的横向走势,让不少股民看不透。对此,机构的观点仍旧维系分化,乐观者延续十月以来的积极看法,认为A股市场仍然可为,反弹之路仍未结束；而谨慎者...