丁曉萍

摘要：隨著消費觀念的轉(zhuǎn)變，汽車融資租賃模式已經(jīng)逐漸被汽車市場中相對成熟的用戶所認(rèn)可，同時成為了低線城市擴大汽車銷量的主要方式之一。以毛豆新車、彈個車為代表的行業(yè)領(lǐng)軍者已經(jīng)形成了比較系統(tǒng)的業(yè)務(wù)流程和模式，但與此同時也對信用風(fēng)險控制提出了新的挑戰(zhàn)。本文主要介紹了大數(shù)據(jù)和云計算概述、互聯(lián)網(wǎng)汽車融資租賃的信用風(fēng)險分析，接著重點基于大數(shù)據(jù)和云計算的互聯(lián)網(wǎng)汽車融資租賃的信用風(fēng)險控制思路。

關(guān)鍵詞：互聯(lián)網(wǎng)汽車融資租賃;大數(shù)據(jù);云計算;風(fēng)險控制

中圖分類號：F830.571? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-957X（2021）14-0187-03

0? 引言

近幾年，互聯(lián)網(wǎng)和電商的發(fā)展浪潮也逐漸滲透到了汽車行業(yè)，迎合了部分勇于嘗試新事物的消費者的需求。與此同時，隨著80后、90后逐漸成為購車群體的主力軍，他們不再強調(diào)汽車的所有權(quán)而是更看重汽車的使用權(quán)，消費觀念的轉(zhuǎn)變加上多樣化金融方案的推出，使得互聯(lián)網(wǎng)汽車融資租賃業(yè)務(wù)成為汽車消費市場的新型模式，但其中也伴隨著風(fēng)控模式的轉(zhuǎn)變。

1? 金融風(fēng)控新技術(shù)——大數(shù)據(jù)和云計算

目前汽車融資租賃業(yè)務(wù)主要有三大參與者：主機廠、經(jīng)銷商、互聯(lián)網(wǎng)玩家，這其中由于互聯(lián)網(wǎng)浪潮的快速推進和消費者消費習(xí)慣的培養(yǎng)，互聯(lián)網(wǎng)玩家是最近兩年發(fā)展最快的汽車融資租賃業(yè)務(wù)形式。憑借互聯(lián)網(wǎng)基因，互聯(lián)網(wǎng)汽車融資租賃業(yè)務(wù)具有天然的科技和場景優(yōu)勢，因此新型的金融科技可以廣泛應(yīng)用于互聯(lián)網(wǎng)汽車融資租賃的獲客業(yè)務(wù)和后續(xù)的風(fēng)控流程中。目前在金融風(fēng)控方面也出現(xiàn)了很多新型的技術(shù)手段，包括大數(shù)據(jù)、云計算、OCR、電子簽章、人臉識別、區(qū)塊鏈、人工智能等等，其中以大數(shù)據(jù)和云計算在互聯(lián)網(wǎng)汽車融資租賃信用風(fēng)險控制中的運用最為突出。

大數(shù)據(jù)技術(shù)是指對海量、多維度、不同價值度的數(shù)據(jù)進行分析的技術(shù)。大數(shù)據(jù)在互聯(lián)網(wǎng)汽車融資租賃方面的重要應(yīng)用之一就是進行信用評估。由于目前我國央行的征信系統(tǒng)所覆蓋的信息和人群都不夠全面，所以可以通過搜集來自運營商、地理位置、多頭借貸、關(guān)系網(wǎng)絡(luò)和互聯(lián)網(wǎng)行為數(shù)據(jù)等多維度數(shù)據(jù)，更精準(zhǔn)地實現(xiàn)對承租人的信用評級。運用大數(shù)據(jù)技術(shù)可以很好地解決傳統(tǒng)風(fēng)控中量化風(fēng)控能力不足、沒有充分利用線上形式實現(xiàn)數(shù)據(jù)的沉淀和流轉(zhuǎn)、風(fēng)控系統(tǒng)功能滯后、反欺詐能力弱等風(fēng)控痛點。

云計算是一種基于互聯(lián)網(wǎng)的計算方式，能夠向計算機及其它設(shè)備提供軟硬件資源和信息應(yīng)用資源，通過共享使各行業(yè)實現(xiàn)市場規(guī)?；??；ヂ?lián)網(wǎng)汽車融資租賃相較于傳統(tǒng)融資租賃業(yè)務(wù)最大的一個轉(zhuǎn)變就是大部分業(yè)務(wù)流程都從線下轉(zhuǎn)移到了線上，云計算在互聯(lián)網(wǎng)汽車融資租賃業(yè)務(wù)中的應(yīng)用主要就體現(xiàn)在實現(xiàn)租賃業(yè)務(wù)線上化和數(shù)據(jù)化，促進風(fēng)控智能化升級。

2? 互聯(lián)網(wǎng)汽車融資租賃的信用風(fēng)險分析

汽車融資租賃業(yè)務(wù)改變了傳統(tǒng)以所有權(quán)為主導(dǎo)的消費信貸購車模式，其低門檻、低首付、靈活度高的業(yè)務(wù)特點吸引了很多消費者的注意。同時隨著一二線城市的汽車市場逐漸飽和，低線城市和農(nóng)村地區(qū)的消費需求正在快速釋放，汽車融資租賃業(yè)務(wù)模式剛好滿足了這些地區(qū)年輕消費群體的購車需求。據(jù)《2020中國汽車金融報告》統(tǒng)計，中國汽車融資租賃未來市場份額將大幅增加（如圖1）。

據(jù)艾瑞咨詢《2019年中國汽車融資租賃行業(yè)研究報告》中的預(yù)測數(shù)據(jù)顯示，我國汽車融資租賃市場規(guī)模，在2021年將會達(dá)到3897億元。其中互聯(lián)網(wǎng)汽車融資租賃公司成長速度尤為顯著，具體如表1。從福建本土來看，已經(jīng)出現(xiàn)了像喜相逢這樣的在國內(nèi)領(lǐng)先的汽車融資租賃服務(wù)商，2016-2018年，利潤分別達(dá)到了6150萬、6082萬和5994萬。在互聯(lián)網(wǎng)汽車融資租賃業(yè)務(wù)快速發(fā)展的同時，我們要注意到，汽車融資租賃業(yè)務(wù)面對的群體是經(jīng)過銀行和汽車金融公司篩選之后的次級信用群體，及央行征信系統(tǒng)沒有覆蓋到的信用白戶，這為互聯(lián)網(wǎng)汽車融資租賃業(yè)務(wù)的開展埋下了巨大的信用風(fēng)險隱患。

互聯(lián)網(wǎng)汽車融資租賃平臺在業(yè)務(wù)開展過程中面臨的信用風(fēng)險是來自車輛租賃的單個承租方的風(fēng)險，主要是指承租方的還款意愿和還款能力，具體表現(xiàn)為承租方租賃車輛后，主觀惡意或由于客觀因素造成無法按時或者全額支付租金，使出租方無法按照約定收回車輛成本以及相應(yīng)利息收入。信用風(fēng)險的成因可以從出租方和承租方兩個方面來看，一方面跟承租方自身的信用有關(guān)，比如承租方信用意識差或者多頭負(fù)債;另一方面跟出租方在授信時的判斷有關(guān)，目前大多數(shù)汽車融資租賃企業(yè)在對承租方進行信用審核時，一般還是憑借傳統(tǒng)資料，如承租方的銀行流水、相關(guān)證件和證照、人行的個人信用數(shù)據(jù)等，評價結(jié)果不夠客觀。信用查詢系統(tǒng)主要依據(jù)央行的征信系統(tǒng)，據(jù)央行征信中心統(tǒng)計，截至2019年底，征信系統(tǒng)收錄10.2億自然人的相關(guān)信息，那就意味著有將近4億人的信用信息還未被征信系統(tǒng)收錄，而這部分人恰恰和互聯(lián)網(wǎng)融資租賃的客戶群體有較高的重合度。另外，獨立第三方征信機構(gòu)發(fā)展緩慢，這些從客觀上決定了信用風(fēng)險的增加。同時，鑒于目前貸后催收業(yè)務(wù)在開展時會受到諸如法律合規(guī)性等因素的制約，這無形中增加了貸后催收的難度和追回?fù)p失的不確定性。因此，建立以大數(shù)據(jù)和云計算為基礎(chǔ)的貸前信用評估模型顯得尤為重要。

3? 互聯(lián)網(wǎng)汽車融資租賃業(yè)務(wù)風(fēng)險控制的難點

3.1 互聯(lián)網(wǎng)汽車融資租賃相對于傳統(tǒng)融資租賃業(yè)務(wù)的變化

互聯(lián)網(wǎng)汽車融資租賃業(yè)務(wù)雖然和傳統(tǒng)融資租賃業(yè)務(wù)的本質(zhì)是一樣的，但是由于互聯(lián)網(wǎng)基因的加入，使得業(yè)務(wù)形式發(fā)生了一些變化：首先，從獲客方式上來看，當(dāng)下消費者消費行為更多發(fā)生在線上，互聯(lián)網(wǎng)融資租賃的獲客方式也更多轉(zhuǎn)移到了線上;其次，在風(fēng)險控制方面，傳統(tǒng)的風(fēng)控方式更多依賴紙質(zhì)材料導(dǎo)致風(fēng)險較大，隨著數(shù)據(jù)線上化，風(fēng)控也更多依賴線上技術(shù)手段;再次，車輛在交易過程中業(yè)務(wù)更多地實現(xiàn)線上化;最后，互聯(lián)網(wǎng)汽車融資租賃業(yè)務(wù)的金融場景也實現(xiàn)了線上化。

3.2 互聯(lián)網(wǎng)汽車融資租賃業(yè)務(wù)的風(fēng)控難點

汽車融資租賃業(yè)務(wù)具有小額分散、每筆業(yè)務(wù)之間違約相關(guān)性弱、整體資產(chǎn)質(zhì)量受部分主體違約影響較小的特點，互聯(lián)網(wǎng)汽車融資租賃業(yè)務(wù)又更加依賴信息化和數(shù)字化，線上化操作風(fēng)險隱蔽性強，線上線下整合難，增加了風(fēng)險識別和管理的難度;基于此，對于互聯(lián)網(wǎng)汽車融資租賃業(yè)務(wù)來說，在交易場景、融資租賃公司的主體風(fēng)險和基礎(chǔ)資產(chǎn)方面進行有效管理就顯得尤為重要，這就意味著需要保證數(shù)據(jù)的真實完整性、風(fēng)控模型的有效性、穩(wěn)定性和可靠性，同時對融資租賃的產(chǎn)品設(shè)計、風(fēng)控模型的搭建和運營管理的科技化要求也就更高。

在互聯(lián)網(wǎng)汽車融資租賃業(yè)務(wù)中，要想實現(xiàn)有效信用風(fēng)險管理，需要分析交易場景中必要的數(shù)據(jù)和信息，利用交易過程中采集的數(shù)據(jù)和通過第三方渠道獲取的數(shù)據(jù)對核心交易流程、風(fēng)控標(biāo)準(zhǔn)和風(fēng)控措施進行持續(xù)驗證。從承租者這個角度來看，風(fēng)控主要是數(shù)據(jù)質(zhì)量和模型建立兩個角度，從根本上來說，模型建立不是難點，關(guān)鍵的是收集的數(shù)據(jù)質(zhì)量，比如可以從哪些網(wǎng)站收集到數(shù)據(jù)，這些數(shù)據(jù)是否與官方相關(guān)部門連接等，數(shù)據(jù)沉淀量怎么樣，需要收集更多維度的數(shù)據(jù)保證風(fēng)險管理模型的效果。數(shù)據(jù)系統(tǒng)的完善需要在平常的業(yè)務(wù)開展過程中不斷地積累和保存數(shù)據(jù)，經(jīng)過風(fēng)控模型開展信用風(fēng)險控制的過程中會實現(xiàn)數(shù)據(jù)沉淀，這些沉淀后的數(shù)據(jù)經(jīng)過數(shù)據(jù)清洗參考價值就會越來越高，逐漸實現(xiàn)由數(shù)據(jù)收集過渡到數(shù)據(jù)驅(qū)動。這里主要是個人數(shù)據(jù)，涉及到個人隱私安全的問題，因此需要盡快完善個人征信制度。

4? 基于大數(shù)據(jù)和云計算的互聯(lián)網(wǎng)汽車融資租賃的信用風(fēng)險控制思路

在基于大數(shù)據(jù)和云計算進行互聯(lián)網(wǎng)汽車融資租賃的信用風(fēng)險控制時，需要先建立出租方自身的數(shù)據(jù)系統(tǒng)、然后搭建風(fēng)險評估模型、信用評價體系和風(fēng)險定價系統(tǒng)，搜集出租方自身系統(tǒng)內(nèi)外部用戶的大量數(shù)據(jù)，進行相應(yīng)分析，這樣才能發(fā)揮云數(shù)據(jù)系統(tǒng)和評估定價模型在互聯(lián)網(wǎng)汽車融資租賃業(yè)務(wù)風(fēng)險控制環(huán)節(jié)的最大效應(yīng)，從而實現(xiàn)真正以數(shù)據(jù)為驅(qū)動，提高風(fēng)險控制流程的效率。

4.1 信用評估評分模型的篩選

具體來說，評分模型可以細(xì)分為準(zhǔn)入模型和審批模型。在傳統(tǒng)的信貸業(yè)務(wù)中，對個人客戶信用風(fēng)險的判斷主要是通過信用模型的評估對客戶的信用等級進行評定，確定客戶是屬于優(yōu)質(zhì)客戶、風(fēng)險客戶還是不良客戶。信用評估主要側(cè)重兩個方面的內(nèi)容，一是客戶的還款意愿，二是客戶的還款能力，傳統(tǒng)的做法是建立如評分卡技術(shù)的信用評估模型，通過計算得出客戶的信用分，根據(jù)得分情況進行分級判斷。

常見的個人信用評估模型分為統(tǒng)計類和非統(tǒng)計類。邏輯回歸模型樣本數(shù)據(jù)線性與非線性皆可使用，但存在評價指標(biāo)界限，不適用于高維數(shù)據(jù)的缺點;BP神經(jīng)網(wǎng)絡(luò)模型數(shù)據(jù)處理運算快，有較強的容錯能力，但數(shù)據(jù)需要量大。汽車融資租賃業(yè)務(wù)個人客戶信用數(shù)據(jù)類型多且復(fù)雜，在后期優(yōu)化信用數(shù)據(jù)引入大量數(shù)據(jù)后要求模型具備處理高維數(shù)據(jù)的能力，且涉及信用分類問題，因此非統(tǒng)計類的BP神經(jīng)網(wǎng)絡(luò)模型更為適用。

4.2 模型指標(biāo)的選定

當(dāng)前，互聯(lián)網(wǎng)汽車融資租賃公司的主要客戶群體是次級消費群體。如果租賃公司依然關(guān)注客戶的央行征信、客戶的負(fù)債比和流動現(xiàn)金比例，就很難開展業(yè)務(wù)，租賃公司更應(yīng)該關(guān)注用戶的行為習(xí)慣，或者說是用戶的大數(shù)據(jù)分析。

4.2.1 準(zhǔn)入條件

在準(zhǔn)入門檻方面，我們可以從以下基本信息來進行篩選：消費者的年齡、行業(yè)、地區(qū)、駕駛證違章、出行信息、其他負(fù)面信息，對于沒有達(dá)到指定條件的不予通過。在信息真實性的驗證方面，可以借助一些科技化的手段和設(shè)備來輔助完成身份校驗，比如可以通過后臺集中化視頻電審的方式進行交叉驗證，對于消費者提供的個人工作單位、聯(lián)系電話、生活行為等數(shù)據(jù)進行驗證，降低欺詐風(fēng)險。

4.2.2 關(guān)鍵指標(biāo)

對于汽車融資租賃的客戶來說，重點應(yīng)該放在客戶的消費行為習(xí)慣、社交信息和互聯(lián)網(wǎng)信用信息等方面上來。

在用戶的消費行為習(xí)慣方面：在互聯(lián)網(wǎng)大環(huán)境下，我們更應(yīng)該關(guān)注消費者的消費信息和社交信息，關(guān)注他社交和電商平臺上留下的痕跡，這些屬于系統(tǒng)外部數(shù)據(jù)，可以通過與第三方達(dá)成合作來獲得數(shù)據(jù)并進行相應(yīng)分析。比如喜相逢融資租賃有限公司通過消費者的手機號，經(jīng)過天貓等第三方數(shù)據(jù)分析后發(fā)現(xiàn)，雖然有一些逾期行為和其他問題，但是通過分析客戶的瀏覽網(wǎng)站時長和主要通話對象的身份，就大概可以判斷消費者的社交范圍;同時也可以與物流公司合作，查詢以該手機號碼為收件人的相關(guān)購物記錄，大致就可以判斷出這個消費者的群體類別、以及他的社交習(xí)慣和收支情況等。之前喜相逢風(fēng)控部門就發(fā)現(xiàn)這樣的一個案例，一個30歲左右的男性消費者打算在該公司通過融資租賃的方式購買一臺30萬以上的奔馳C級車，但是通過相關(guān)系統(tǒng)數(shù)據(jù)分析后發(fā)現(xiàn)，這名客戶的上網(wǎng)時間不長，手機號對應(yīng)的收貨地址經(jīng)常進行更換，消費水平長期低于兩百元，沒有購買一些貴重物品，從而推斷該客戶的工作可能不夠穩(wěn)定，進而懷疑客戶的還款能力。將這類型信息進行歸納分類并加以分析后一般能夠獲得一些比較有價值的線索。

在取得客戶授權(quán)的時候，還可以對他互聯(lián)網(wǎng)上的多頭借貸進行查詢，引入外部黑灰名單、網(wǎng)貸共債逾期等，比如說螞蟻花唄、京東白條等相關(guān)互聯(lián)網(wǎng)上的多頭借貸。通過查詢這些信息，并給客戶的工作單位和朋友進行電話調(diào)研，大概就可以得到客戶的一個基本畫像，確定這個客戶大致的還款能力區(qū)間，了解這臺車的承租人的消費習(xí)慣和社交群體。

4.3 大數(shù)據(jù)風(fēng)控模型邏輯分析

在大數(shù)據(jù)和云計算的技術(shù)支持下，完成互聯(lián)網(wǎng)汽車融資租賃業(yè)務(wù)的風(fēng)控模型大致分為以下幾個步驟：

①數(shù)據(jù)分層：對搜集的系統(tǒng)內(nèi)外部數(shù)據(jù)進行分層處理，從橫向上，按照行業(yè)形態(tài)、業(yè)務(wù)模式等做好場景分類;從縱向上，按照數(shù)據(jù)的有效性和重要性進行分層設(shè)計。

②特征工程：是通過機器歸納的方法，針對不同的源數(shù)據(jù)以及分層特點，提取特征的過程，這個過程可以通過行業(yè)專家進行分析提煉也可以通過機器算法進行輔助。

③智能建模：在特征提取完成之后對特征的組合權(quán)重通過數(shù)學(xué)算法進行模擬演算，形成具有針對性的場景模型。

④演算修正：信用準(zhǔn)入和評估模型根據(jù)各自應(yīng)用場景，通過不斷輸入增量數(shù)據(jù)和模型微調(diào)，進行重新演算和修正優(yōu)化。

⑤數(shù)據(jù)回歸：模型修正優(yōu)化后對存量數(shù)據(jù)進行回歸計算，并重新對風(fēng)險進行預(yù)測，將預(yù)測結(jié)果反饋給運營和管理部門，這將使業(yè)務(wù)流程、營銷策略、管理模式得到進一步的修復(fù)和優(yōu)化。

4.4 模型的使用

模型搭建好之后，接下來要考慮的是模型運用的問題，可以在實際操作中利用表格的方式實現(xiàn)數(shù)據(jù)的整理和轉(zhuǎn)化，將每個信用評分區(qū)間的壞賬率和預(yù)測正負(fù)樣本分隔程度的指標(biāo)KS值列出來，然后劃分閾值，作為后續(xù)業(yè)務(wù)風(fēng)險的審批依據(jù)。

識別完欺詐風(fēng)險和信用風(fēng)險，與后續(xù)資產(chǎn)質(zhì)量直接掛鉤的就是互聯(lián)網(wǎng)汽車融資租賃企業(yè)如何進行產(chǎn)品設(shè)計，即放款額度和價格，所以額度定價模型也是非常重要的一環(huán)。通常會把信用評分結(jié)果和個人還款能力的評估做一個交叉，對客戶進行風(fēng)險細(xì)分，還款能力強同時信用風(fēng)險低，代表客戶資質(zhì)好，就可以相應(yīng)地提高客戶地額度空間;信用風(fēng)險高同時還款能力弱，代表客戶資質(zhì)差，就可以相應(yīng)的提高客戶的首付比，降低放款額度空間，提高客戶的違約成本，實現(xiàn)更好的風(fēng)控效果，如圖2所示。

5? 總結(jié)

在實際業(yè)務(wù)操作過程中，互聯(lián)網(wǎng)汽車融資租賃企業(yè)有時為了增加業(yè)務(wù)量，會降低準(zhǔn)入門檻，這無形中也增加了信用風(fēng)險，所以開展業(yè)務(wù)量的規(guī)模和資產(chǎn)不良率是成正比的。由于每一家企業(yè)的風(fēng)險偏好不一樣，因此可以在業(yè)務(wù)開展過程中找到最適合自己企業(yè)的業(yè)務(wù)量水平和能接受的不良率水平。

參考文獻(xiàn)：

[1]劉志惠，黃志剛，謝合亮.大數(shù)據(jù)風(fēng)控有效嗎？——基于統(tǒng)計評分卡與機器學(xué)習(xí)模型的對比分析[J].統(tǒng)計與信息論壇，2019.

[2]左晨.汽車融資租賃的大數(shù)據(jù)風(fēng)控應(yīng)用淺議[J].產(chǎn)業(yè)研究，2020.

[3]劉占輝.大數(shù)據(jù)智能如何助力汽車金融風(fēng)控[C].SP閃光輝之反欺詐分享會，2018.

[4]2019年中國汽車融資租賃行業(yè)研究報告.

[5]安福緒.大數(shù)據(jù)背景下消費信貸風(fēng)險因素分析[D].2015.

[6]王嘉儀.大數(shù)據(jù)在互聯(lián)網(wǎng)金融風(fēng)控中的應(yīng)用探討[J].信息系統(tǒng)工程，2018（07）.

[7]彭小輝.大數(shù)據(jù)在互聯(lián)網(wǎng)金融風(fēng)控中的應(yīng)用研究[J].中外企業(yè)家，2020（08）.

[8]肖劍秋.中國互聯(lián)網(wǎng)背景下的汽車融資租賃分析———以車好多集團為例[J].市場周刊，2019（03）.

[9]彭湖.大數(shù)據(jù)風(fēng)控的現(xiàn)狀及優(yōu)化對策[J].商展經(jīng)濟，2020（04）.

[10]羅蘭貝格.2020中國汽車金融報告.