爱钱进的P2P移动互联时代：网络行为数据可实现借款

今年3月，李克强总理在政府报告中正式提出制定“互联网+”行动计划，其中互联网金融成为发展的热词。最近两年，以P2P为代表的互联网金融呈现爆发性增长，但另一方面，坏账、跑路等敏感词也让行业对互联网金融的风险防范日益收紧，如何完善P2P的征信系统，在普惠金融信息服务（上海）有限公司（简称普惠金融）创始合伙人张辉看来，是P2P企业减少坏账的关键因素。

普惠金融成立于2013年7月，2014年5月旗下的互联网金融平台爱钱进正式上线，并于同年12月获得高榕资本5000万美元规模的A轮融资。最近，爱钱进正式推出国内P2P网贷行业首个动态反欺诈模型体系，张辉预测，这将减少30%欺诈的可能性。

张辉将中国信用借款坏账分为两类：一是借款人主观上在借款时就不想还款，这被称之为欺诈；另一类是借款后，还款能力出现了问题。而在中国欺诈违约的比例高于海外，可达到60%以上，这对信用借款行业造成了极大的负面影响。

这也与中国的征信体制有着紧密的关系，国内个人征信体系尚不完善，虽然监管机构、央行在积极推动个人征信体系的建立，但与海外相比仍有较大的差距。“海外的征信记录较为完善，在金融机构中借款，如果出现第一、二个月就无法偿还的问题，就可以被定义为欺诈，这将上传到相关的金融公司，他就会出现以后无法借款的情况。”张辉称。

另一种欺诈来自于线下门店中的虚假信息，在目前的P2P信贷中，以线下门店的人工识别信息仍占较大的比重。如果线下门店过于激进的开发借款人的需求，可能会遇到开发人员为了粉饰业绩而做的包装，而现在包装代办公司的逐渐兴起，也成为帮助蓄意骗贷者进行信息包装的关键环节，例如伪造资产证明，伪装亲人，伪造公章等方式提供假证明，这类方法令传统风控难以发挥作用。

风控是P2P业务的核心，面对上面的问题，张辉带领团队开发的动态反欺诈模型体系在移动互联网趋势下开始逐渐发挥作用。张辉详解了模型的几个关键点：

1．  通过移动端的方式获得用户。在爱钱进的客户识别体系中，即使是线下门店获得的用户，也需要通过手机客户端的APP输入相关信息。这种方式改变了过去由线下门店录入的方式，降低了蓄意骗贷的可能性。而通过关联用户的手机通话详单等方式，可以结构化分析过滤可能存在欺诈黑名单的人群。

2．  抓取用户行为轨迹和模式。用户在输入信息时产生的行为动作，都将被反欺诈模型抓取。例如用户再输入联系人时，直接从手机联系人中导入会比输入一个手机号码的可信度更高，用户是否可能反复输入关键数据等行为都会被模型抓取后打分，判断是否可能是欺诈用户。

3．  线上资金用途判断。例如用户借款用于互联网生活场景消费时，爱钱进可以通过用户授权了解其在网站上的行为数据等方式判断用户的真实性。但如果用户直接申请5万元资金用于难以验证的线下装修或者买车等用途，相对于可验证的线上消费，用户真实性可能会降低。

建立这套反欺诈模型的初衷，在于P2P借款人的特殊性。“我们跟银行处在两个不同的战场，我们面对的人群更复杂，变量更多。”张辉坦言，在国内的很多P2P公司是通过欺诈规则去“筛”申请人，但P2P不能参考银行的抵押贷款的模式，可以参考更多的是信用卡风控和技术。但信用卡服务的是主流（Prime）人群，目前国内整个信用卡市场用户为1亿人，仍存在超过10亿的更多元化的市场需求。

信用完善的人群总是具有一致性，而不完善的人群会千差万别。张辉认为，P2P信贷服务的这些占社会组成80%的次级（Sub Prime）信用人群，与信用卡的模式相比，变量模型更加复杂。

这部分人群不可避免会形成坏账，之前陆金所董事长计葵生曾表示P2P贷款合理坏账率是6%-7%，也能有P2P平台表示这个比例为8%。在张辉看来，坏账控制需要看利息如何收费。个人贷款与企业贷款相比，没有更有分量的抵押物，更多是靠较高的还款利息来控制风险。

以美国市场为例，发薪日贷款（Payday Loan）已经十分流行。面对低收入人群在发薪日前几天青黄不接的情况，借贷公司提供一至两周的短期贷款，借款人承诺在自己发薪水后即偿还贷款，现在已经深化至提供3-4天的借款。张辉称，这部分次级人群的年化还款利率可能高达100%，但只要能保证20%的借款人还款，即便产生80%的坏账借贷公司仍可以盈利。

张辉介绍，这对数据模型要求更高，要将欺诈规则融在数据模型里，建立一个立体网状的关联性，找到信息中某一些东西关联到行为，这些行为会可能欺诈性，在每一轮信审中将上一轮的结果带到下一轮优化结构，逐渐提高精确率。

同时也对人才提出了一定的要求，需要精通统计学、数学建模等相关专业的人才，且人才更多来自海外市场。张辉称，普惠金融的风控人员多来自海外，且与其他P2P公司相比，人员配比更多。普惠金融的风控人员，一部分是操作型人才，负责信审中核对信息等，约100人；另一部分是30多人的政策制定部门，负责模型优化、政策设计、决策引擎等，以及150人左右的IT部门人员，和更多的全国门店初审的人员。

目前这个模型已经在母公司普惠金融启用，通过在数以万计的客户数据中不断自我学习，逐渐调整为更适合中国用户的特点的数据系统。在这其中，爱钱进也逐渐挖掘出一些更有趣的数据点，例如月薪1万左右的用户，可能比月收入3000-4000的用户具有更高信贷风险等。

在爱钱进的借款系统中，有一项在行业内具有突破性进展的征信评分体系，用户只需要向爱钱进授权一些网络行为数据，爱钱进可以做到十秒内判断是否可以借款，以及借款金额、利息和还款期限。

“这项系统目前是行业领先的。”张辉称，爱钱进的反欺诈系统有跨越式的进展，线上不需要任何资产信息的提交，只是通过你日常的社会行为的判断就可以借款。这摒弃了很多线下银行产品需要通过个人信用借款、电话审核以及调查个人银行征信报告等繁琐的步骤，通过简单授权就可以完成审核。

张辉也坦言，移动互联网的发展，为P2P平台带来了更多元化的数据基础，未来行业将向更加去中心化的方向发展，用户可以通过社会化的方式获得服务。而爱钱进在其中可以基于互联网模式深入挖掘，“我们的愿景是能成为中国的虚拟信用卡。”他说。