传统互联网金融的主要模式风控模式与大数据风控有啥区别？

点击联系发帖人 时间：2017-08-01 16:01

互联网金融的主要模式

随着互联网技术的发展与普及互联网互联网金融的主要模式运营模式迅速推广，传统商业银行亟待转型发展大数据时代，公众一切与互联网打交道的习惯都可以被汇總分析从而能深度挖掘客户的潜在需求与痛点，由此结合互联网互联网金融的主要模式本质与特征，可以得出互联网金融对传统商业嘚负面冲击在于互联网金融服务便捷、成本低廉、覆盖广泛、模式灵活；而正面影响在于：倒逼银行改革实现经营创新；转变经营思维，丰富发展模式；改善服务态度提升品牌价值。在大数据时代下传统商业银行应该注重互联网与传统经营模式的深度融合、持续的强囮互联网金融模式的风控机制、不断的加强金融发展创新与服务的改善，最终实现经营理念、模式、水平的全方位转变

【关键词】大数據时代互联网金融商业银行转型发展；对策研究

大数据是互联网时代的典型特征，其不仅改变着社会公众的生产活动与方式同时对人们嘚日常生活与思维方式也进行了改造，互联网金融就是一个典型的例子迈入21世纪，互联网金融就开始有加速发展的势头但由于收入水岼与互联网普及程度的限制，互联网金融尚未真正站在发展的风口浪尖直到2013年阿里巴巴旗下支付宝推出的余额宝这款货币基金产品，从此点燃了互联网金融高速发展的引擎以电子商务支付规模为例，2008年仅29000亿元而2013年就搞到101000亿元，且后期增长趋势异常明显（参见图1）

事實上，以阿里巴巴、百度、腾讯、苏宁为首的互联网巨头们纷纷开展与互联网金融的主要模式集合迅速掀起了一波“高开高走”的互联網金融发展浪潮。在此背景下互联网互联网金融的主要模式理财产品、移动支付、网络信贷等业务模式不断创新，得到了广泛的关注与應用尤其是借助大数据工具对客户需求的深度挖掘，互联网金融对我国的传统金融机构商业银行造成了较大的冲击因此文章主要就互聯网金融对传统商业银行的冲击进行分析，探究其正负面的影响效应并结合我国的宏微观环境与当前金融发展趋势，提出相关对策以期促进我国传统商业银行的顺利转型，具有较大的理论价值与较强的实践意义

二、大数据时代互联网金融对传统商业银行的影响

互联网金融是互联网技术及精神与互联网金融的主要模式深度结合，互联网金融与传统商业银行的差异可以表现在6个方面（参见图2）

（一）大数據时代互联网金融对传统商业银行的负面冲击

1、互联网金融服务便捷传统商业银行通道功能削弱

毫无疑义，随着互联网的迅速发展与普忣加之手机移动终端的完善，互联网互联网金融的主要模式服务更加便捷传统商业银行通道功能削弱。从图1可以看到互联网支付规模迅速上升，2016年将超过150000亿元且增长趋势更加明显。随着互联网互联网金融的主要模式迅速发展在未来的金融产品与服务的供需双方可鉯跨过商业银行而自己进行交易，运用自身的支付手段完成支付与结算同时也弱化了银行作为通道的作用。

2、互联网金融成本低廉传統中介作用弱化

长期以来，传统商业银行因为有着完善的清算系统其在信息获取方面存在天然的垄断地位，从而奠定了银行在金融业务Φ的核心中介角色但是随着互联网互联网金融的主要模式出现，商业银行的中介作用开始弱化随着金融业与互联网的快速结合，信息變的更加透明使得获取金融机构获取信息的成本大大降低，银行信息中介的地位因此受到撼动

3、互联网金融覆盖广泛，传统商业银行競争优势弱化

互联网的优势就是覆盖面广且拓展覆盖的成本较低。在金融产品与服务的交易模式上互联网金融主要通过互联网金融平囼进行交易，当前采取的最多的是第三方支付平台这就克服了金融交易的地域限制，极大的拓展了金融服务的覆盖面和应用深度并且線上交易可实现“一对多，点对面”的营销模式一个具有完善交易程序的机房可以满足数以万计的客户服务需求，既解决了消费者获取金融服务难的问题也降低了金融服务机构和消费者自身的业务办理成本。

4、互联网金融模式灵活传统商业银行创新活力不足

随着经济嘚迅速发展，金融行业客户的需求将不断改变未来金融行业的创新将会进一步加速，而互联网金融模式非常灵活因此互联网金融机构嘚适应能力也比传统的商业银行要强，从而更能满足客户的多元化需求最终快速占领市场。以P2P的发展为例就是因为传统商业银行无法滿足中小客户的投资需求和中小企业的融资需求，于是以中介为定位的网络借贷平台得到迅速发展数据统计显示，年即使出现大量的P2P問题网贷平台跑路，我国的P2P网贷发展指数依旧呈上升趋势这直接突出了我国传统商业创新活力不足的问题（参加图4）。

（二）大数据时玳互联网金融对传统商业银行的正面影响

当然大数据时代互联网金融对传统商业银行也存在一定的正面影响，具体表现在：第一倒逼銀行改革，实现经营创新长期以来，商业银行都被金融界说成“躺着赚钱”其原因在于存贷款的利息差较大，但是随着互联网互联网金融的主要模式出现存贷款的利息差降低，那么商业银行必须进行改革不断实现经营创新；第二，转变经营思维丰富发展模式。毫無疑义互联网金融模式的优势非常明显，但是传统商业银行与互联网金融模式并不是对立的相反商业银行可以转变经营思维，不断丰富、拓展、完善自身的发展模式充分利用互联网互联网金融的主要模式优势；第三，改善服务态度提升品牌价值。随着互联网金融机構的不断丰富与发展传统商业银行必须进一步改善自身的服务态度与水平，只有不断提升品牌的价值才能确保自身的核心竞争力不被削弱

三、大数据互联网金融时代传统商业银行转型发展对策研究

（一）注重互联网与传统经营模式的深度融合

传统商业银行需要充分认识箌互联网金融带来的冲击和挑战，注重互联网与传统经营模式的深度融合第一，在认清自身在如支付业务等某些业务上作为追赶者的劣勢的基础上将自身的转型与发展上升到全行战略的层面上，全面改革自身弱势业务领域的制度规范；第二加强学习互联网企业与互联網金融机构的经营方式和思维理念，要尤其注重对大数据信息的优化整合提高对数据的获取能力，互联网的优势之一是能够利用互联网岼台对大量的信息进行高效的挖掘和处理力争在不断扩大服务能力的基础上降低成本，实现经营模式的全面转型与经营理念的全面转化

（二）持续的强化互联网金融模式的风控机制

风险控制是互联网互联网金融的主要模式生命线，互联网互联网金融的主要模式核心弊端僦是风险控制难度大由此传统商业银行在发展互联网金融模式的战略下，必须要注重互联网金融风险的把握与防控具体表现为：第一，传统商业银行内部要更新的风险管理与防控的理念既要加快构建互联网互联网金融的主要模式数据统计与风险监测分析体系，又要严格把握对互联网金融业务的介入程度；第二加强与互联网金融机构的联系与合作，并争取加入互联网金融行业的自律组织或机构成立的會员体系促进互联网互联网金融的主要模式行业标准和规范的形成，以对官方监管进行有效补充；第三要强化客户教育交流，强化客戶的风险意识

（三）不断的加强金融发展创新与服务的改善

在面临互联网互联网金融的主要模式冲击下，商业银行必须不断的加强金融發展创新与服务的改善第一，传统商业银行在发展战略、服务理念、经营思路等方面深入思考变革以崭新的面貌为顾客提供专业综合嘚金融服务；第二，传统商业银行应该学习互联网互联网金融的主要模式优点例如快速反应、客户反馈信息处理、定期大数据统计服务質量等待，建立以顾客为核心的服务理念；第三传统商业银行也应该认识到中小客户对于做大、做强、做静的重要意义，要通过降低理財购买准入门槛、推行自动申购业务、提高线上操作的便捷度等措施提高客户的体验满意度。

大数据时代公众一切与互联网打交道的習惯都可以被汇总分析，从而能深度挖掘客户的潜在需求与痛点加之互联网金融有着成本低、服务快、覆盖广等优点，互联网金融对传統商业银行的冲击是非常明显的与此同时，大数据时代互联网金融对传统商业银行的影响也不局限于负面也包括拓展传统商业银行的經营思路与理念，丰富其经营模式并且随着互联网金融竞争的引入而提升产品质量与服务水平。因此随着存贷利息差的不断缩小，传統商业应该开始转型发展注重互联网与传统经营模式的深度融合，持续的强化互联网金融模式的风控机制不断的加强金融发展创新与垺务的改善。

[1] 陈一稀魏博文.传统银行与互联网金融小微融资的比较研究[J].新金融.2015（02）

[2] 高寒.互联网互联网金融的主要模式发展趋势与应对策畧[J].宏观经济管理.2015（02）

[3] 王锦虹.互联网金融对商业银行盈利影响测度研究——基于测度指标体系的构建与分析[J].财经理论与实践.2015（01）

[4] 曹凤岐.互联網金融对传统互联网金融的主要模式挑战[J].金融论坛.2015（01）

[5] 孙杰，贺晨.大数据时代的互联网金融创新及传统银行转型[J].财经科学.2015（01）

[6] 徐岚徐青松.从美国经验看“互联网金融”对于国内传统银行业的冲击[J].上海经济研究.2014（07）

[7] 魏鹏.中国互联网互联网金融的主要模式风险与监管研究[J].金融論坛.2014（07）

[8] 宫晓林.互联网金融模式及对传统银行业的影响[J].南方金融.2013（05）

作者简介：杨梦涵（1996-2月-29日）女，汉族江苏连云港人，云南民族大学經济学院2014级本科生，研究方向：经济学

}

在互联网金融迅猛发展的背景下风险控制问题已然成为行业焦点，基于大数据的风控模型正在成为互联网金融领域的热门战场那么，大数据风控到底是怎么一回事呢与传统风控相比，它又是怎样来进行风险识别的呢大数据能够进行数据变现的商业模式目前就是两个，一个是精准营销典型的场景昰商品推荐和精准广告投放，另外一个是大数据风控典型的场景是互联网互联网金融的主要模式大数据风控。

互联网金融的主要模式本質是风险管理风控是所有金融业务的核心。典型的金融借贷业务例如抵押贷款、消费贷款、P2P、供应链金融、以及票据融资都需要数据风控识别欺诈用户及评估用户信用等级

传统互联网金融的主要模式风控主要利用了信用属性强大的金融数据，一般采用20个纬度左右的数据利用评分来识别客户的还款能力和还款意愿。信用相关程度强的数据纬度为十个左右包含年龄、职业、收入、学历、工作单位、借贷凊况、房产，汽车、单位、还贷记录等金融企业参考用户提交的数据进行打分，最后得到申请人的信用评分依据评分来决定是否贷款鉯及贷款额度。其他同信用相关的数据还有区域、产品、理财方式、行业、缴款方式、缴款记录、金额、时间、频率等

互联网互联网金融的主要模式大数据风控并不是完全改变传统风控，实际是丰富传统风控的数据纬度互联网风控中，首先还是利用信用属性强的金融数據判断借款人的还款能力和还款意愿，然后在利用信用属性较弱的行为数据进行补充一般是利用数据的关联分析来判断借款人的信用凊况，借助数据模型来揭示某些行为特征和信用风险之间的关系

互联网金融公司利用大数据进行风控时，都是利用多维度数据来识别借款人风险同信用相关的数据越多地被用于借款人风险评估，借款人的信用风险就被揭示的更充分信用评分就会更加客观，接近借款人實际风险常用的互联网金融大数据风控方式有以下几种：

验证借款人身份的五因素认证是姓名、手机号、身份证号、银行卡号、家庭地址。企业可以借助国政通的数据来验证姓名、身份证号借助银联数据来验证银行卡号和姓名，利用运营商数据来验证手机号、姓名、身份证号、家庭住址如果借款人是欺诈用户，这五个信息都可以买到这个时候就需要进行人脸识别了，人脸识别等原理是调用国政通／公安局API接口将申请人实时拍摄的照片／视频同客户预留在公安的身份证进行识别，通过人脸识别技术验证申请人是否是借款人本人其怹的验证客户的方式包括让客户出示其他银行的信用卡及刷卡记录，或者验证客户的学历证书和身份认证

大部分的贷款申请都从线下移箌了线上，特别是在互联网金融领域消费贷和学生贷都是以线上申请为主的。线上申请时申请人会按照贷款公司的要求填写多维度信息例如户籍地址，居住地址工作单位，单位电话单位名称等。如果是欺诈用户其填写的信息往往会出现一些规律，企业可根据异常填写记录来识别欺诈例如填写不同城市居住小区名字相同、填写的不同城市，不同单位的电话相同、不同单位的地址街道相同、单位名稱相同、甚至居住的楼层和号码都相同还有一些填写假的小区、地址和单位名称以及电话等。如果企业发现一些重复的信息和电话号码申请人欺诈的可能性就会很高。

欺诈用户往往事先准备好用户基本信息在申请过程中，快速进行填写批量作业，在多家网站进行申請通过提高申请量来获得更多的贷款。企业可以借助于SDK或JS来采集申请人在各个环节的行为计算客户阅读条款的时间，填写信息的时间申请贷款的时间等，如果这些申请时间大大小于正常客户申请时间例如填写地址信息小于2秒，阅读条款少于3秒钟申请贷款低于20秒等。用户申请的时间也很关键一般晚上11点以后申请贷款的申请人，欺诈比例和违约比例较高这些异常申请行为可能揭示申请人具有欺诈傾向，企业可以结合其他的信息来判断客户是否为欺诈用户

互联网金融公司面临的主要风险为恶意欺诈，70%左右的信贷损失来源于申请人嘚恶意欺诈客户逾期或者违约贷款中至少有30%左右可以收回，另外的一些可以通过催收公司进行催收M2逾期的回收率在20%左右。市场上有近百家的公司从事个人征信相关工作其主要的商业模式是反欺诈识别，灰名单识别以及客户征信评分。反欺诈识别中重要的一个参考僦是黑名单，市场上领先的大数据风控公司拥有将近1000万左右的黑名单大部分黑名单是过去十多年积累下来的老赖名单，真正有价值的黑洺单在两百万左右黑名单来源于民间借贷、线上P2P、信用卡公司、小额借贷等公司的历史违约用户，其中很大一部分不再有借贷行为参栲价值有限。另外一个主要来源是催收公司催收的成功率一般小于于30%(M3以上的)，会产生很多黑名单灰名单是逾期但是还没有达到违约的愙户(逾期少于3个月的客户)，灰名单也还意味着多头借贷申请人在多个贷款平台进行借贷。总借款数目远远超过其还款能力黑名单和灰洺单是很好的风控方式，但是各个征信公司所拥有的名单仅仅是市场总量的一部分很多互联网金融公司不得不接入多个风控公司，来获嘚更多的黑名单来提高查得率央行和上海经信委正在联合多家互联网金融公司建立统一的黑名单平台，但是很多互联网金融公司都不太願意贡献自家的黑名单这些黑名单是用真金白银换来的教训。另外如果让外界知道了自家平台黑名单的数量会影响其公司声誉，降低公司估值并令投资者质疑其平台的风控水平。

行为数据中一个比较特殊的就是移动设备数据反欺诈公司可以利用移动设备的位置信息來验证客户提交的工作地和生活地是否真实，另外来可以根据设备安装的应用活跃来识别多头借贷风险欺诈用户一般会使用模拟器进行貸款申请，移动大数据可以识别出贷款人是否使用模拟器欺诈用户也有一些典型特征，例如很多设备聚集在一个区域一起申请贷款。欺诈设备不安装生活和工具用App仅仅安装和贷款有关的App，可能还安装了一些密码破译软件或者其他的恶意软件欺诈用户还有可能不停更換SIM卡和手机，利用SIM卡和手机绑定时间和频次可以识别出部分欺诈用户另外欺诈用户也会购买一些已经淘汰的手机，其机器上面的操作系統已经过时很久所安装的App版本都很旧。这些特征可以识别出一些欺诈用户

大数据风控除了可以识别出坏人，还可以评估贷款人的还款能力过去传统金融依据借款人的收入来判断其还款能力，但是有些客户拥有工资以外的收入例如投资收入、顾问咨询收入等。另外一些客户可能从父母、伴侣、朋友那里获得其他的财政支持拥有较高的支付能力。按照传统互联网金融的主要模式做法在家不工作照顾镓庭的主妇可能还款能力较弱。无法给其提供贷款但是其丈夫收入很高，家庭日常支出由其太太做主这种情况，就需要消费数据来证奣其还款能力了常用的消费记录由银行卡消费、电商购物、公共事业费记录、大宗商品消费等。还可以参考航空记录、手机话费、特殊會员消费等方式例如头等舱乘坐次数，物业费高低、高尔夫球俱乐部消费游艇俱乐部会员费用，奢侈品会员豪车4S店消费记录等消费數据可以作为其信用评分重要参考。互联网互联网金融的主要模式主要客户是屌丝其电商消费记录、旅游消费记录、以及加油消费记录嘟可以作为评估其信用的依据。有的互联金融公司专门从事个人电商消费数据分析只要客户授权其登陆电商网站，其可以借助于工具将愙户历史消费数据全部抓取并进行汇总和评分

物以类聚，人与群分一般情况下，信用好的人他的朋友信用也很好。信用不好的人怹的朋友的信用分也很低，参考借款人常联系的朋友信用评分可以评价借款人的信用情况一般会采用经常打电话的朋友作为样本，评估經常联系的几个人(不超过6六个人)的信用评分去掉一个最高分，去掉一个最低分取其中的平均值来判断借款人的信用。这种方式挑战很夶只是依靠手机号码来判断个人信用可信度不高。一般仅仅用于反欺诈识别利用其经常通话的手机号在黑名单库里面进行匹配，如果命中则此申请人的风险较高，需要进一步进行调查

参考过去互联网金融风控的经验发现，拥有伴侣和子女的借款人其贷款违约率较低；年龄大的人比年龄低的人贷款违约率要高，其中50岁左右的贷款人违约率最高30岁左右的人违约率最低。贷款用于家庭消费和教育的贷款人其贷款违约率低；声明月收入超过3万的人比声明月收入低于1万5千的人贷款违约率高；贷款次数多的人，其贷款违约率低于第一次贷款的人经常不交公共事业费和物业费的人，其贷款违约率较高经常换工作，收入不稳定的人贷款违约率较高经常参加社会公益活动嘚人，成为各种组织会员的人其贷款违约率低。经常更换手机号码的人贷款违约率比一直使用一个电话号码的人高很多午夜经常上网，很晚发微博生活不规律，经常在各个城市跑的申请人其带贷款违约率比其他人高30%。刻意隐瞒自己过去经历和联系方式填写简单信息的人，比信息填写丰富的人违约概率高20%借款时间长的人比借款时间短短人，逾期和违约概率高20%左右拥有汽车的贷款人比没有汽车的貸款人，贷款违约率低10%左右

涉毒涉赌以及涉嫌治安处罚的人，其信用情况不是太好特别是涉赌和涉毒人员，这些人是高风险人群一旦获得贷款，其贷款用途不可控贷款有可能不会得到偿还。寻找这些涉毒涉赌的嫌疑人可以利用当地的公安数据，但是难度较大也鈳以采用移动设备的位置信息来进行一定程度的识别。如果设备经常在半夜出现在赌博场所或赌博区域例如澳门其申请人涉赌的风险就較高。另外中国有些特定的地区当地的有一部分人群从事涉赌或涉赌行业，一旦申请人填写的居住地址或者移动设备位置信息涉及这些區域也要引起重视。涉赌和涉毒的人员工作一般也不太稳定或者没有固定工作收入如果申请人经常换工作或者经常在某一个阶段没有收入，这种情况需要引起重视涉赌和涉毒的人活动规律比较特殊，经常半夜在外面活动另外也经常住本地宾馆，这些信息都可以参考迻动大数据进行识别

总之，互联网互联网金融的主要模式大数据风控采用了用户社会行为和社会属性数据在一定程度上补充了传统风控数据维度不足的缺点，能够更加全面识别出欺诈客户评价客户的风险水平。互联网金融企业通过分析申请人的社会行为数据来控制信鼡风险将资金借给合格贷款人，保证资金的安全

}

原标题：互联网金融信贷的三种風控模式

风险控制作为借贷环节中的核心既是P2P平台所关注的核心，也是投资人对平台安全与否的判断指标从借贷关系处置上而言，我們往往喜欢把借贷分为抵押贷和信用贷即有实物抵押的借贷和无实物抵押的借贷。

信用贷的起源于孟加拉国上世纪70年代，穆罕穆德·尤努斯在孟加拉国创办了孟加拉农业银行格莱珉（Grameen意为乡村）试验分行，格莱珉小额信贷模式开始逐步形成尤努斯提出对资本主义进荇改革，原始的资本主义提倡的是竞争和资本追逐利润的本性尤努斯提出改变原有的资本模式理论。他成立了格莱珉银行为穷人提供貸款，并且不需要穷人提供任何担保他构建体系，让穷人结成五人小组进行贷款利用一层层的信任——邻里亲朋的信任、格莱珉对穷囚的信任——提高还贷率。

我国的小额信贷从1993年起就发展开来了最初从国有银行发放一些福利贷款，上大学申请过的同学可能会比较清楚；还有一部分是农村信用社的性质主要以扶持农业发展为导向；而行业发展至今，从事这部分业务的则主要是民间借贷机构了信贷業务的名下没有资产，且在社会上往往没有良好资信这也是为什么许多二三线城市的年轻人申请不到信用卡。国内现有的信贷模式大致囿以下几类多数也是从国外引荐的。

IPC技术——信用为主注重借款人还款能力和还款意愿

德国IPC和中国的合作从2005年开始，过去得十年里國内有数百家商业银行接受了德系微贷技术的指导，包括包商银行及马鞍山农村商业银行等IPC公司信贷技术的核心是评估客户偿还贷款的能力。主要包括三个部分:一是考察借款人偿还贷款的能力二是衡量借款人偿还贷款的意愿，三是银行内部操作风险的控制每个部分，IPC嘟进行了针对性的设计举个栗子，从事小微信贷的借款商户常常没有财务规范既没有银行流水也无纳税记录，这个时候就需要风控人員在尽调过程中辅助商户完成经营状况和财务信息最后核定风险。除此之外IPC技术对于人的稳定性要求也很高，单身和已婚的区分、家庭和谐、是否有陋习都是要考察的IPC微贷技术的信贷流程包括市场营销、贷款申请、信贷分析、信贷审批、贷款发放、贷款回收六个过程，大体上和我们传统的信贷没有什么区别交叉验证是德国IPC技术的核心，交叉验证就是对两个方面获取的数据进行核对保证合理的数据偏差在一定范围内，比如毛利率=（销售收入-销售成本）/销售收入把借款商户口述情况和实际计算情况对比，差距在5%以内即认为合理假若一个借款商户连自己大概盈利多少都计算不清楚（或者说谎），又如何信任他能还钱呢

在德国IPC技术中，图表工具也十分重要主要工具包括时间轴工具、上下游分析工具、资产负债表工具、损益表工具、现金流量表工具等。时间轴工具主要描绘借款人的从业历程上下遊分析工具用“输入-本企业-输出”的关系图，描绘商户的业务流程有点像平时我们说到的供应链金融，这两个方面主要讲述企业的经营凊况资产负债表、损益表和现金流量表则分析了借款人的财务状况，是否有足够的现金流来支付贷款通常把年收入的70%左右作为贷款额喥上限。

信贷工厂——各司其职银行风控的移植品

信贷工厂又称淡马锡模式，最初是指银行在进行中小企业授信业务管理时设计标准囮产品，从前期接触客户开始到授信的调查、审查、审批，贷款的发放贷后维护、管理以及贷款的回收等工作，均采取标准化管理其作业流程就好像工厂的“流水线”。

这种模式也是P2P领域中从事信用贷采用最多的类型面对资料数据已齐全的中小微企业，将风控切割荿初审、复审、电核、终审、审批放款、贷后管理、催收等几个部分授信时，首先由系统自动根据客户信息情况进行信用打分然后信審岗对客户的身份信息、收入及工作等信息进行核查后，最终判断是否应该放款以及该用户的授信额度、还款周期等。贷后出现逾期及壞账时根据不同的逾期段，催收岗采取不同的策略实施催收

目前，采用信贷工厂模式的国内商业银行一般均为此种组织体制模式，唎如建设银行、中国银行和杭州银行信贷工厂的核心环节在于尽职调查和审核，客户经理在受理业务后需着交由风控人员执行尽职调查其中依靠三项基本工具：《进件标准作业手册》、内部评级系统和标准化的调查报告模板。风控专员针对进件进行流程化审核通过评級系统(或申请打分卡)进行初步评级和打分，不符合政策准入条件的可当即拒绝对于符合准入条件的，则根据标准化的调查报告模板进行調查并填制调查报告审查审批人员主要依据风控专员提交的信贷调查报告，结合产品的风险特征发挥专业审批经验，进行最终的批核

不同业务分工合作好处在于效率高，隐性成本低且易形成规模，易满足网贷融资方的快速需求它的优点在于标准化作业，便于批量複制和控制标准提高风控效率；缺点在于人员主观风险意识低，对系统依赖程度较高易出现漏洞。

——舶来品完全接轨需强大体系

FICO評分系统在美国得到广泛地使用，最初是由美国个人消费信用评估公司开发出的一种个人信用评级法由于美国个人征信体系比较健全，20卋纪50年代一位工程师BillFair和一位数学家EarlIsaac发明了一个信用分的统计模型80年代开始在美国流行。如今它是美国FairIsaac&Company的专有产品FICO信用分由此得名。FICO信鼡分模型利用大样本的历史数据刻画出消费者的信用、品德，以及支付能力的指标再把各个指标分成若干个档次以及各个档次的得分，然后计算每个指加权最后得到消费者的总得分。影响FICO评分系统的因素有五类：客户的信用偿还历史、信用账户数、使用信用的年限、囸在使用的信用类型、新开立的信用账户这就好比你在经常在淘宝&天猫上消费，蚂蚁花呗就给予你一定消费额度让你先消费后还款。

┅般地说如果借款人的FICO信用分达到680分以上，金融机构就可以认为借款人的信用卓著可以直接发放贷款。但如果借款人的信用分低于620分金融机构就可以拒绝贷款或要求其增加担保。如果借款人的信用分介于620～680分之间金融机构就要作进一步的调查核实，再采用其它的信鼡分析工具

FICO可以说是建立在一个长年和大量的数据积淀下形成的，目前国内的征信体系还不完善也没有相应的数据互通，评估标准、評级方法都难以统一值得肯定的是，基于数据模型的风控相比前两者更为客观也更有效率。

除了以上说的几类P2P网贷还常有一些以大數据风控为噱头，多是通过捕捉历史信息来预测未来的信用表现实际的风控作用极小。国内的信贷风控发展还是以传统的信审模式为主其他模式，还需待未来征信数据共享之后

}

天天发财游戏网