疫情之下 消金机构容易陷入收紧风控的三大误区

2020-04-01 14:32:55 来源:新流财经 作者:松花江上的渔夫 3天狂撸22%利润!

  本文作者通过分析疫情之下消费金融机构的应对策略,指出了主要存在的三大误区,包括只做复借客户、盲目调整反欺诈策略,以及陈旧的信用策略调整方法,并分享了机构反欺诈条线可以采取的一些措施。

  前段时间跟一个朋友聊天,他说股东要求到4月末资产规模要摆脱负增长,不良上升不能超过10%,问我有什么好办法。

  我跟他讲,如果可以实现,你一定要做农业贷款,现在正值春耕,用款正当时,而且农业贷款一般到期还本,风险暴露有一定滞后性,而且最近农业股走势也不错,这听上去也许是个笑话,但却真实反映了这个行业的现状。

  确实,全世界范围正在迎接金融危机的前期,中期的情况有多糟糕现在还不可知。这个时候,为了让指标能尽量少的恶化,我们还能做些什么,简单谈谈自己的几点看法。

  误区01:关停盈亏边缘的业务新授信,只做复借

  在这个时期,很多业务可能是处于微利边缘,首逾上升10%,最终的不良可能就上升30%,直接由盈转亏,如果不是靠这个业务吃饭的,就暂且关闭一段吧。

  很多公司会选择继续做老客户,也就是复借客户,从以往分析可以知道,复借客户的风险水平会显著低于新授信客户,主要原因是复借客户的欺诈风险极低,且还款能力基本是与额度是匹配的。

  简单说就是能还的起你的钱,所以信用风险也相对新授信客户要低一些(新客户里面有一些额度不匹配),但具体低多少,主要与额度策略的精准性相关。

  但在疫情之下,复借客户的风险瞬间放大了。

  主要原因有两个:一是提供贷款的机构变少了,因为都收紧了;二是客户的收入来源也变少了,很多企业已经倒闭了,何谈复工,所以对于复工率低和倒闭率高的复借客户要审慎一些。

  这是行业方面,再说地区,有人拿着疫情地图从上到下数了一遍,其实不论从政策导向还是风险控制角度这都存在一定问题,我们不谈导向性问题,只说业务角度,疫情影响的更多是那些外出务工的人,他们返程工作受限了面临重新择业的困难,本地人的困难要相对小一些,所以最初收紧的是那些户籍地和手机号归属地不同,且手机号所在地区出现严重疫情的,而不是粗暴地把户籍地和手机号归属地都砍掉。

  回归到复借客户要不要贷这个问题,建议可以用正常时期新授信客户的信用违约概率来评估疫情期间复借客户的信用违约概率,再来评估复借业务要不要做,或者是做多少。

  误区02:盲目调整反欺诈策略的cut_off

  有人讲,我们中国做的不是消费金融,不要和美国比,的确,我们做的有点像次级贷。

  那么假设我们做的是类消费金融,那么在衣、食、住、行总体营业额50%下滑的背景下,居民的消费需求从何而来,如果业务还能增长,那其中的欺诈风险一定在暴增。

  从公安部公布的数据看,疫情之下,电信诈骗案件增长率呈现短期快速增长,主要爆发在保险、医疗、物流、快递等行业,消费金融是一个间接被波及的行业,无需过度恐慌。

  我觉得反欺诈条线还是可以做几件事的:

  一是账户安全保护措施升级,客户被电信诈骗的可能性变大了,我们的核身、异常检测手段自然要加固,一切以保护消费者利益为前提,条件允许的加人脸识别,能加人工就更好了;

  二是异常监测的维度要拉大,在所有拦截型规则的设置中要增加特殊情况,例如:在申请频率维度,要增加对于写字楼、厂房、大型商业综合体的ID拒绝项。

  此外,还要增加对申请热点的监控,热力地图显示红色区域的申请要采取差异化策略,尤其是与正常时期对比偏离度高,且出现持续性升高的地区一定要严肃对待;

  三是位置信息的变动风险,不言而喻,国家的政策要求为我们做好风险防控提供了很多便利,在客户授权的情况下,获取有效的位置信息,结合位置信息变动情况、单位信息、职业信息之间的矛盾,也可以发现客户信息虚假的风险;

  四是网络、话费、流量的监控,非常明显的一点是近2个多月以来,线上营销、线下操作的团案、中介案在变少,而一些主流远控软件、网络电话的下载量和浏览量在增多,新的作案工具也多了几款,所以有条件的机构需要增加对客户通话时长变动趋势、话费消费、手机流量使用量等的监控,具体策略不展开描述了。

  在国内疫情转好、国外疫情不断恶化的情况下,反欺诈条线的人员不能放松,国外欺诈团伙有内流趋势,而且银行卡、SIM卡黑市活跃度会升高,尤其是亚洲地区黑市给国内欺诈团伙获取资源降低了成本。

  误区03:信用策略调整方法老旧,缺少正向策略

  不论是去年P2P暴雷,再到现在的疫情问题,很多机构选择的策略调整方法是收紧多头和人行审批查询次数、额度使用率、人行逾期次数等阈值,这样的调整会非常快速的降低通过率,属于感观上的收紧做法,而且需要经过2个月左右才能知道风险到底降低了多少,这个方法可以用,但不是这么用。

  如果你想这么做,你需要在正常时期建立几个对照组,比如:“不可抗力调整策略组集”,这样经过长期表现后,你已经知道了这个新的策略组的有效性,在出现不可抗力情况时,就可以从容挑选了。

  刚刚这种是比较传统的调整方法,再说说稍微新颖一点的,提取最近的好坏样本,找一些外部变量和一些内部变量,调整原有模型或者新建模型,再部署到生产上,但效率高的或许也要2周时间,而且近期样本本质上是无法替代疫情期样本的,但是可以确定一点的是,这样的调整一定会有增益且对通过率的损伤是可控的,但增益的幅度也需要时间验证。

  以上说的都是对新客户的授信调整,对于复借客户一样需要有一些调整,常见的方法是对历史最大逾期和累计逾期的次数限制,这样是有效的,但是效力是不足的,有一些机构会用B卡做客户分级,对于风险高的客户直接限制复借,或者再结合一些X分,做一些组合筛选策略,这样的精准性会更高一点。

  总结一下,不论是新客户还是复借客户的调整方法,都存在着经验判断和反馈周期过长的问题,在面对这样严重的资产伤病时,策略调整的止疼效果常常是不够的。

  其实,区别反欺诈策略和信用策略的根本在于,反欺诈的策略是定义NO的,也就是找出我不准入的人,是排雷的过程;信用策略一部分也是定义NO的,比如逾期天数、申请次数的限制。

  但很多的信用策略缺失了定义YES的过程,这里又要引出一个准入画像的问题,银行授信政策里会把自己想要做的人群定义罗列10几条,然后客户经理拿着去找人,而消费金融圈普遍存在着轻准入、重审批的现象,这或许与客群次级属性过重有关,无法像白领、房贷客户、个体工商户那样有清晰定义和标签,所以我们放弃了,都去研究大数据和模型了。

  有些机构说自己模型会一周调一次,非常灵活,好像是在表现自己的调整速度是多么之快,但有没有想过自己的客群为什么这么不稳定,纵观业务做的好公司,都是继承传统与发展新兴相结合的机构,好像都在准入画像和客群分级上下了些功夫的。

  举个例子:最近7天多头申请机构数>;10次,拒绝,所以申请0次的客户不会被拒,那么这个客户就一定是安全的吗?这个例子只为了说明正反向策略不同的业务含义。

  很多人说因为缺少收入、负债的核实手段,所以我们定的那些准入政策无法准确执行,确实让人头疼,拿收入举个例子,很多策略人员会拿公积金、房贷来推收入,但是覆盖度太低了,而且中国人的收入大头可能不在这个上面。

  还有一些机构拿借记卡流水数据加工出脱敏的收入,但实际测试的效果又很不理想,这些办法实际都是直接从数学办法入手,但不论是何种复杂算法计算出来的收入,很多人不敢直接与额度关联,可能只会先做了模型里的一个参数。

  其实大家可以换个思路,用行为方法替代数学方法,从行为特征给客户收入分级,这件事在我们国家不难实现,我们国家的客群分类比国外要简单的多,这可能跟国情与民俗文化相关,大致可以分为:财富自由者、铁饭碗(国企、公务员、事业单位等)、小微企业主、小资人群、小康人群、贫困户,在每个人群里,收入区间、资产结构、负债水平、消费方式基本是类似的,所以用行为特征是可以区分的。

  如果你具备了正向策略能力,遇到疫情这类突然事件,可以非常清晰知道哪些客群收入稳定性会马上下降,在授信策略上定向收紧,这样既做到了降低风险,也避免了盲目调整负向策略造成的错杀,还响应了国家的政策号召,何乐不为呢?

  实际工作中,我们需要积累足够的客户周期表现和构建相当多的特征以备筛选,并且在数据获取方式上要下足功夫,举个例子,wifi和GPS组合出现时,是否可以通过经纬度定义wifi属性,很快你可能就积累了足够多的wifi标签,对于你做IP策略就会非常有帮助,还可以进一步推导对象的职业特点,进而得出收入等级。

  疫情之下,对于我们来说既是挑战,但也是风控升级、提升的机遇,能够让很多以往发现不了的风险团伙、不稳定人群“现形”,其实是一个揭开风险的过程。

关键词阅读:疫情 消金机构 收紧风控

责任编辑:申雪娇 RF13056
快来分享:
评论 已有 0 条评论
更多>> 以下为您的最近访问股
理财产品快速查询
实时热点
湖南快乐十分 湖南快乐十分 湖南快乐十分 湖南快乐十分 湖南快乐十分 湖南快乐十分 湖南快乐十分 湖南快乐十分 湖南快乐十分 湖南快乐十分 湖南快乐十分 湖南快乐十分 湖南快乐十分 湖南快乐十分 湖南快乐十分 湖南快乐十分 湖南快乐十分 湖南快乐十分 湖南快乐十分 湖南快乐十分