基于位置信息的互联网金融风险管理

随着Fintech(Financial Technology)的发展,地理位置还能决定你能从金融机构借到多少款。IT技能的成熟,让LBRM(Location Based Risk Management)体系成为金融机构判定用户风险水平的重要工具。

什么是LBRM风控体系?地理坐标决定你的贷款额度随着Fintech近年来的飞速发展,各类IT技术,系统布置日臻成熟,Fintech公司的重心也进一步转移到了业务发展上。对于Fintech公司而言,大数据无疑是将金融与技术相互结合起来的重要工具之一,也是技术驱动发展的重要手段。从客户的日常活动范围可以推断出客户所处的生活环境,消费物价,以及工作地点等等信息,无疑可以在一定程度上反应出客户的信贷能力。由此我们提出了LBRM(Location Based Risk Management)的理念, 即基于位置信息的风险管理应用。具体来看,地理位置信息主要包含两大特征:集群(静态)与轨迹(动态)。

早在远古时期人类便学会相互合作狩猎,形成大大小小的部落。而现代人不论是出于对基本生活设施,医疗卫生等物质方面的需求,亦或是对社交娱乐,择偶多样性等方面的精神需求,人类总会聚集到大大小小的城镇内。这种集群是现代社会自然而然地形成的。

客户在不同时间的位置数据所展现出的日常活动范围以及移动轨迹,可以很好的反应出客户的工作,生活等方面的信息。比如上图的客户,我们结合获取位置信息的时间以及当地的建筑物信息,可以很快地判断出左边是客户的起居场所(多为晚上和早上获取到位置信息),而中间则是客户的工作地点(多为白天和下午),右上角则可能是客户下班后去采购建材了,右上角的建筑物是个建材市场。

基于位置信息这两大特质,通过位置信息可以很好地分析出客户真实的工作,生活等情况,从而在反欺诈,尤其是甄别中介包装,伪冒资料等方面有着得天独厚的优势。其次当出现一些地域性较强的信用风险事件时,也可以及时的做出风险策略调整。

LBRM策略实践尝试:对地理区域进行风险画像位置信息的获取主要有以下四种渠道:WIFI定位,IP地址,GPS定位以及运营商基站定位。下图所示为我们客户在注册时的位置分布,可以明显的看到我们的客户主要集中在沿海地区,直辖市及各省省会,而这些地方也是我们省呗目标客群的聚集地。


用户分布图

LBRM风控体系在省呗风险管理上的实践:

实践一、对欺诈用户的识别

场景1:伪冒/中介包装(依据省呗真实案例改编)随着互联网的普及,各种欺诈手段也不断流传开来,信用包装便是其中的一大类。好多人资信档案看着有房有车,收入稳定,其实只是各种信用包装,甚至是冒用他人资料。伪冒、中介包装案例:客户张某某今年8月来申请贷款,资信档案显示客户为某名校本科学历,户籍所在地为北方某城市,工作在上海,同时在上海还有套房贷,且各家征信机构的信用记录都良好。但定位则显示客户所在地为嘉兴,且几个紧密的联系人也都在嘉兴,客户因出差而在嘉兴的概率较小。经系统预警,综合排查后确认为该客户伪冒客户。

场景2:网络中介(或称线上中介)代办遇到经济问题的客户往往会通过各种不同渠道寻找借款机会,尤其是涉及赌博,吸毒等违法行为的客户。其中通过线上中介进行借贷的客户,随着互联网的发展也在逐年递增。相比通过线下中介借贷的客户,此类客户往往逾期后难以收回贷款金额,还款意愿也就相对较低,相对风险也就越高。在某宝上搜索小额贷款可以找到大量的中介网络中介代办案例:客户华某某,在北京某地使用水果手机注册,注册完成后不久即在沈阳登陆,并申请贷款。首先,该客户短时间内位置变动过大,从北京到沈阳用了不到1小时。其次,申请所在地与客户资信所提供的住所地址不符合,且客户本人的手机归属地也在沈阳。第三,客户连续多次在沈阳地区申请贷款。各种迹象表明客户疑似为网上中介代办,贷中管制后确认为中介代办。

实践二、信用风险识别


国范围内风险点

根据我们统计,全国高风险聚集点数量排名前三的分别为福建,江苏以及河南,如下图所示。这个结论与我们之前在风险管理上累积的经验所得也一致,相信广大风险从业人员也都知晓。

我们根据不同地区的实际风险表现结合当地可支配收入,最低工资等,将不同城市,不同区域划分为不同的风险等级。通过这种基于位置的打分结合申请人的其他资信情况,做出更加精确的信用评分。此外,我们还会根据一些特殊的事件调整相应区域的风险管控,例:东北特钢违约,微商管制等。

地理位置信息是互联网金融在基于大数据来进行风险管理过程新增的一个比较重要的数据变量。和其他风险变量一样,它也不是完全不能通过技术手段来做假,以蒙蔽大家的征信策略;但在结合了LBSRM及既有多个变量后,使得客户画像更趋真实、更趋完善,更让信用包装、作假者的马脚在大数据面前更容易现形。最后,套句我们风险人员常用的话来说,道高一尺魔高一丈,能否真正做到道比魔高,还是要靠自身在风险控制上的专注度和专业能力。

最后,由于很多位置信息数据考虑到商业机密,无法公开分享,文章显得比较空洞。图片来源腾讯用户在线图。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,456评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,370评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,337评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,583评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,596评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,572评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,936评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,595评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,850评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,601评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,685评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,371评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,951评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,934评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,167评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,636评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,411评论 2 342

推荐阅读更多精彩内容

  • 2006年时尚热剧《穿Prada的女魔头》里,主编米兰达在选色会上看见自己新招的助理对选色嗤之以鼻,她讲了一段尖锐...
    M_K益儿阅读 1,398评论 1 10
  • 立身第一 (已过) 会盟第二 (已过) 持强第三 (已过) 守柔第四 (现在 最难 努力) 改命第五 (未来) 传...
    巽道阅读 438评论 0 1
  • 有一天,一个女神突然在群里说到,我突然发现,现在一个人吃饭,一个人逛街,已经很久没有跟人好好坐下来畅聊了,别看在群...
    lansoul阅读 178评论 0 0
  • 陪伴是最长情的告白,谢谢你陪我走过人生路上的风风雨雨!我哭泣的时候,你轻轻抹去我眼角的泪水;我疲惫的时候,你悄悄地...
    钝角阅读 785评论 0 40