汽車金融風控解決方案
古有張良得《黃石公三略》,潛心研究,幫助劉邦取得天下,建立了西漢政權。今有大資料技術助力金融機構開闢汽車金融業務,控制風險。本文研究物件為安裝車貸(66款)或車抵貸類(25款)APP人群,資料統計時點為2018年11月。
第一略·地址驗證與監控1、地址驗證
策略解讀:地址驗證類產品可以廣泛運用於車貸、車抵貸和車商貸場景,在貸中環節,地址驗證能提前識別借款人重大地址變更,實時預警風險,幫助金融機構及早應對。在貸前環節,地址驗證同樣能驗證地址真實性,識別惡意欺詐行為。
案例分享:XX實業有限公司主營業務為汽車、二手車及配件的銷售;汽車租賃;汽車維修服務;汽車美容服務;汽車資訊諮詢。2018年03月該企業通過車商貸授信申請,從2018年05月份開始,雖然該企業在日常經營、工商司法方面未表現出風險訊號,但該企業主工作地址畫像發生重大變更,真實工作地址與企業經營地址相距超過500km。
2、車商經營景氣度
策略解讀:車商日常經營狀態好壞,直接影響車商還款能力。車商經營景氣度可用於車商貸場景,根據監控日常經營狀態的好壞,能提前篩選出經營不善的車商,也能在貸中監控環節及早發現車商經營變化趨勢,為額度控制和資產回收提供強力依據。
案例分享:XX汽車銷售有限公司主營業務為二手車經銷;汽車租賃;汽車配件銷售。該企業為實體店汽車銷售形式,收入和客戶人流量直接相關,在授信日期(2018年04月08日)前一個月已經出現單月景氣度大幅下降訊號。
第二略·風險核驗
1、多頭借貸指數
策略解讀:融慧綜合了借貸類APP解除安裝和安裝歷史、貸款型別、使用時間、活躍程度等多重行為對借款人網貸飢渴度和活躍度進行了量化,形成了對人行徵信(只採集持牌機構信貸資訊)的有利補充,該指數產品可直接運用於車貸及車抵貸場景貸前審批及貸中監控環節,同樣可以在車商貸場景下對車商企業主個人風險進行評估。
行業洞察:
· 車抵貸APP客群整體多頭借貸風險高於車貸APP客群。
· 車貸及車抵貸APP呈現相同規律,小眾類APP客群多頭借貸風險水平明顯高於大眾類APP客群。
注:按照車貸類APP安裝量排名,選取前三名APP(A車貸、B車貸、C車貸)並通稱為大眾類車貸APP,和排名末端的後三名APP(D車貸、E車貸、F車貸)並通稱為小眾類車貸APP。
注:按照車抵貸APP安裝量排名,選取前三名APP(車抵貸U、車抵貸V、車抵貸W)並通稱為大眾類車抵貸APP,和排名末端的後三名APP(車抵貸X、車抵貸Y、車抵貸Z)並通稱為小眾類車抵貸APP。
2、信用風險
策略解讀:融慧信用分旨在從使用者屬性、生活行為、消費水平和行為興趣等多角度對客戶還款意願進行綜合性預測,分數範圍從0到1,分數越高,信用風險越高。信用分可用於貸前審批及貸中監控環節。
融慧行業洞察:
· 車抵貸APP客群整體信用風險高於車貸APP客群。
· 在車貸和車抵貸APP客群上我們發現同樣規律:大眾類APP客群信用分遠低於小眾類APP客群信用分。
注:車貸APP客群融慧信用分平均值
注:車抵貸APP客群融慧信用分平均值
第三略·資產評估1、小區房價
策略解讀:融慧金科整合全網房屋銷售資料,對房價進行實時掃描,幫助金融機構掌握借款人常住地小區真實房價及相對排名,交叉驗證借款人收入和消費水平,進而更好地評估借款人還款能力。該產品既可以作為額度審批重要引數,又可以作為模型變數優化汽車金融機構風控模型,也可以作為精細化客群特徵為汽車金融機構市場策略提供參考。
融慧行業洞察:
· 有趣的現象:大眾車貸APP房價絕對值低於小眾車貸APP,但是房價排名兩者差距不大。
如車貸C的客群房價平均值遠低於其他車貸APP,但是排名非常接近,融慧推測原因可能是車貸C客群更加下沉,集中在三四線城市。
注:房價排名為該小區所在城市中所有小區房價百分比排名,降序排列,值越小表示排名越高。· 各車抵貸類APP客群特徵差異明顯
相比於車貸,車抵貸業務更多采用線下運營的商業模式,因此客群差異更加明顯,如車抵貸Z,從房價絕對值來看,其目標客群為高房價人群,但是房價相對值在一線城市中排名中等偏下,因此需結合房價及其排名綜合資訊,才能準確判斷貸款使用者的還款能力。
融慧發現
大資料技術能運用於汽車金融獲客營銷-申請准入-貸中監控-催收全流程。金融科技公司以底層資料為依據,通過構建金融特徵更強的畫像及中間變數,不僅能幫助汽車金融公司精準定位目標客戶,降低獲客成本,還能將風控環節前置,區分客群風險程度,從而在額度及定價環節差異化處理。在貸中環節,大資料風控能實現動態監控,識別借貸人風險水平惡化訊號,為資產提前回收或額度限制策略提供依據。