全文共1753字，读完需要5分钟！

P2P平台的较量是风控，资金成本和运营团队的较量。风控作为整个业务中不可轻视的部分（特别是现金贷业务），下面结合工作经验，谈谈对风控看法。

风控：风险控制，主要是控制业务流程中欺诈和作弊行为的发生。

反欺诈是现金贷风控的首要问题。目前，线上贷款的欺诈行为有中介代办、团伙作案、机器行为、账户盗用、身份冒用等等。

授信：资金方向用户提供资金支持的行为。

所以说互联网金融授信过程中的风控，目的主要是控制欺诈，核实贷款人身份和对贷款人资产情况进行把握的过程。

因为不同的行业风控业务相差较大，下面主要谈一下互联网上信贷方面的风控业务。

1.贷款用户：

按照风险等级目前把用户分为三类：

1 ) Prime：用户征信纪录良好，有稳定充裕收入，资产多，负债低。（这类高净值用户一般被垄断服务场景所夺走）。

2 ) Near  Prime：用户征信纪录一般，收入偏低。（这类用户是现金贷的主要用户）

3 ) 次级用户：用户征信纪录差或者无征信纪录，收入不稳定。（这类用户靠自建或第三方风控进行或交叉进行验证）

2.风控方式：

目前主流风控方式一共有3种：

1 ) 线下风控：主要靠人工实地考察个人信息和资产状况。

2 ) 线上风控：个人身份学历、银行卡实名认证、手机号实名认证、央行征信、第三方征信、信用分（芝麻信用，同盾信用分......）、其他黑名单数据、自己黑名单、防伪冒欺诈数据……主要是各种自己获取的数据和第三方数据交叉验证，识别欺诈和作弊行为，同时用反馈的结果不断检验和更新自己的风控模型。

3 ) 线上+线下：适用于部分高风险业务，线上和线下交叉审核，但要核算投资回报率。

3.线上风控在现金贷业务流程中发挥的作用：

1 ) 贷款前：贷前阶段像是一个过滤杂质的阶段，而第三方的征信数据、历史信用、活体检测身份识别、黑名单、反欺诈规则、风控模型则是一层层孔径不一的滤网。在这个过程中主要过滤欺诈行为的发生。

2 ) 贷款后：贷后阶段按用户借贷的额度、周期等进行定期用户征信识别，同时对借款人个人信息进行跟踪和监控。 主要监控最近是否有借贷记录，是否在其它平台发生不良记录，检测是否需要提前催款等等。一旦有异常信息的产生，风控人员可以及时地发现、联系催收部门，尽可能保证这笔借款的安全。

4.线上风控核心有三点：数据，模型，规则：

1 ) 风控的核心是数据，数据是一种稀缺的资源。

线上风控数据一般有两类：资质数据和行为数据。

- 资质数据主要有：个人身份信息、社交信息、电商购物信息、信用信息，信用分等等。

- 行为数据主要有：设备数据（cookie、MAC、IMEI）、位置数据（IP/LBS/GPS）、时间数据（填写速度、填写使用时间）、操作行为（资料修改）等等.

2 ) 风控的模型从线性的LR，到GBDT、随机森林，再到最近很火的神经网络，性能逐步提升。风控模型的选择，主要考虑公司业务需求和技术能力。（由于对这块不熟，之后再补充......）

3 ) 规则一般由专家来定义。

5.如何搭建风控体系：

1 ） 第一步 - 搜集大量数据：央行征信、个人身份信息、社交信息、电商购物信息、信用信息、信用分（芝麻信用，同盾信用分......）、社交信息、电商购物信息、信用信息......

2 ）第二步 - 选择量化因子：无论是评级，还是建模，首先要选取量化因子，通俗的说就是哪些指标可以反映客户的风险情况。选好量化因子之后，根据业务分析每个量化分子的重要级别，之后对它们进行权重。

3 ）第三步 - 确定模型：如果是评级的话，需要确定每个指标的分数等级和指标间的权重；如果是建模的话，需要确定具体采用哪种模型。（由于对这块也不熟，之后再补充......）

4 ）第四步 - 验证：上线前需要大量数据和信息验证模型的正确性和精确性，以保证在之后的业务中更好的发挥作用。待风控系统上线后检测大量的用户数据，一边验证一边对系统进行调整。

6.如何评估效果：

两个关键指标：误警和漏警。

误警：将好客户当风险客户处理。（这里需要平衡用户体验和商业，由于其小额短期的特点，现金贷风控更重视的是借款人的还款意愿而非还款能力。适度的逾期不仅不会影响平台的正常运营，反而可以通过逾期费用提高其营收。PS：不要问我怎么知道，因为京东白条就是这样......）

漏警：将风险客户当好客户处理。（这样在贷款后期会花费大量的催收成本）

风控系统应当是缜密的，不能把坏人当好人处理，也不能将好人当坏人处理。在上线前，需要用很多数据做离线和在线的测试，确保最终效果以及带来的效益是可以接受的。

总结：在业务中，我们无法消灭风险。那么风险和损失就是一个动态平衡的过程。平衡好风险和资损，才是我们追求的目标。