用好大数据创新工具,提升信贷服务效率与质量

写在前面的话:疫情,加速了金融科技回归初心——风险管理。提升对突发事件的应对能力与智能风控能力对于未来金融机构的发展至关重要。 领创智信(ADVANCE.AI)从行业发展趋势、未来多场景集成化的需求着手,持续致力于大数据与人工智能技术的研发,帮助金融机构和各类企业借助技术手段落实全面风险管理,有效识别市场风险、客户风险、部署全自动化机器审批流程。同时,在探索服务本土化与提升产品性能的过程中,领创智信坚持深度调研,走在各行各业的业务一线,参与客户需求探讨,以期实现更好的用户体验与更有效的风控实践。


新冠肺炎疫情的突然爆发,导致全球经济下行,信贷需求攀升,而伴随着不少国家、地区失业率上升,个人申请多头借贷的趋势也相应增长。
多头借贷是指一个借款人在2家或2家以上的金融贷款机构进行贷款申请的操作。一般而言,每个人的信贷能力都是有局限的,当借款人在多个平台实施过借贷行为后,其借贷逾期风险将会增高。
相关行业调研报告很早就已指出:多头借贷用户的信贷逾期风险是普通客户的3到4倍,贷款申请人每多申请一家机构,违约概率就上升20%。 一旦经济下行压力加大,当行业出现大面积的多头借贷和过度授信时,也有可能成为爆发债务危机的导火索。
因此,金融机构在做出信贷决策时,需要重点关注多头借贷用户的信用情况,合理分析哪种多头借贷是正常的或高价值的客户信贷行为,哪种多头借贷会导致逾期和欺诈风险,并结合借贷发生业务场景的实际情况(如贷款产品利率、需求贷款金额、周期、申请间隔),精准辨别。
借款人形成多头借贷通常有以下几类原因:

1) 分期消费
2) 还旧借新
3) 多次贷款申请失败(辨别依据:贷款申请间隔通常与贷款审批周期一致)
4) 恶意诈骗(辨别依据:缺少贷款申请间隔,如同时申请多笔贷款)

 

创新工具推荐:领创智信多平台信贷检测

“领创智信多平台信贷检测”主要通过行业联防联控与大数据实验室机制,依据输入的身份证号码、手机号码等申请人信息,与相关信用数据进行多维度数据匹配,有效识别跨机构申请贷款的风险群体,并可按照借贷时间、借贷机构的性质进行结果展示,帮助金融机构与贷款方更高效地制定信贷决策,其应用场景如下:
机构获客阶段使用:帮助金融机构或贷款方根据历史多头借贷记录,分析用户信贷需求,根据近期多头借贷行为,进行高风险客户预筛。
贷前审核、决策阶段使用:帮助金融机构或贷款方提升风险决策的有效性,提升模型或策略参考的精准性。 如可根据时间切片判定申请人的机构选择偏好、利率偏好、贷款意向强烈程度、贷款目的(分析是否存在恶意、高频借款的情形)等。
贷中监控阶段使用:帮助金融机构或贷款方监测已放款客户,识别“高共债风险”,提前采取风险处置措施,如调整风险敞口、更新监控策略、实施预催收等。

“领创智信多平台信贷检测”在印度尼西亚已能覆盖当地90%的信贷活跃人群;在泰国和越南地区市场,该覆盖率也分别达到75%和80%。在借贷时间的识别精度上,“领创智信多平台信贷检测”最小识别单位为“最近1小时”,最大识别时间跨度可达360天;在借贷机构的识别上,可识别各地主流持牌借贷或金融机构类型,比如,在印尼市场,“领创智信多平台信贷检测”可以识别由印尼金融管理局和印尼央行分别监管并颁发牌照的银行、P2P借贷、多元金融机构等多种借贷机构。整体而言,具有高覆盖率、识别精准、特征分类效果好、强稳健性等特点,在审核个人现金贷申请人等应用场景中,相关数据跨周期验证样本的AUC值能达到0.65。

 

[1] 数据引用自人民日报报道:《利率超高暴力催收 现金贷咋成了陷阱贷》;数据来源:201710招银前海金融报告,

Back to Blog

Related Articles

替代数据和高级分析法:未来金融机构的选择

作者:高级产品经理 Rahmi Pramesti (拉米帕·梅斯蒂)、数据分析师 Andre Dana(安德烈·达纳)

浅析信用卡业务A卡评分模型的构建(三):模型开发注意事项

作者:曾洪勇 职位:高级数据科学家

浅析信用卡业务A卡评分模型的构建(一):模型简介

作者:曾洪勇 职位:高级数据科学家
Contact Icon
Message Icon
Back To Top