信用宝涂志云：让中国人更有信用 靠征信解决多头借贷信用宝涂志云：让中国人更有信用 靠征信解决多头借贷笑话吧了百家号截止2016年9月，人民银行个人征信系统共有2927家接入机构，收录自然人数8.99亿，其中4.12亿人有信贷业务记录。剩下“没有信用”的中国人有借贷需求谁来管，怎么管？曾经参与开发了美国个人信用风险评级的行业标准—— FICO信用局评分的信用宝创始人涂志云，留美归来后，想通过信用宝逐渐开发出一套适合中国国情的信用评分系统，实现真正意义上的普惠金融。“除了银行以外，其他都是‘二等公民’，拿不到征信数据。”涂志云向互金通讯社形容当前的央行征信体系。他认为，做征信不是一件容易的事情，而互联网金融行业的出现，对金融市场起到促进作用，催生了中国的征信体系。“如果只有银行机构，缺少竞争，对这个征信报告的需求不那么强，它会慢很多的。”涂志云说。让中国人更有信用“斯坦福、伯克利、博士、信用评级专家、金融科技老炮。”涂志云的标签很多，做了很多事，然而有一件事，是他一直坚持的，即如何让中国人更有信用。为了这个目标，2005年，信用卡第三方服务平台——“我爱卡”诞生了。然而在探索过程中，他发现，产品无法完全满足用户需求，对接给平台的流量有时难以消化。同时，一些没有信用卡或是被银行错杀的好人们需求亦无法满足。2013年，为了让我爱卡与互联网金融有效结合，涂志云团队推出个人金融信用管理平台“信用宝”。“信用宝就是做标准化的个人信贷的产品，来补充银行的信用卡产品。”涂志云坦言。据了解，信用宝团队在个人信用服务、信用评级等领域为用户提供服务，在全国30多个重点省市建立服务机构，集中优势力量，解决个人信贷问题。此外，涂志云介绍，信用宝重点面向三线四线城市用户，人群主要分为三类，小的事业单位、小白领、女性消费类人群，平均金额在元。他指出，这些人群数量比较多，而且风险把控起来相对容易。做最后一公里征信相比于美国，我国在金融覆盖率和征信覆盖率上都处于不充分的阶段，中国的网络贷款市场情况特殊。国内银行之间，已经通过形成联盟可以互查各自间开户用户的征信历史。但遗憾的是，这种联盟间的信息并不对“第三方”开放。“我估计在未来5到10年的时间里，中国都无法解决这种数据的质量问题，中国的这些用户的数据是分散的，没有形成完整的征信数据，进入征信记录，也没有形成完整的信用评分和信用体系。”涂志云告诉互金通讯社，这就意味着长期来讲，在中国需要做利用线下门店来做最后一公里的征信。对此，信用宝独创了一门功夫——基于O2O的轻门店模式。其一，坚持O2O的线上跟线下相结合,信用宝既有线上化的获客，又有大数据评分，又有线下的门店，来专门负责本地化的征信。用户借款金额超过一万块钱，就需要来门店进行一些核实，拍照、视频等等，“我认为这些，中国长期是需要的，它不可能消失掉”。其二，门店是轻门店，信用宝在这块不做人海战术，一个门店20-30人，全部标准化的产品、定价、风险审核和其他服务。“它就像一个金融麦当劳。就那么几个产品全部标准化，不能搞得太复杂。”涂志云笑了笑。靠征信解决多头借贷当前，客群重合度很高已是行业共识，客户在多个平台借贷，拆东墙补西墙的现象也屡见不鲜。涂志云认为，多头借贷，就是因为没有一套全面的、权威的征信体系，他指出，数据库早就存在，数据调不出来，分散在各个地方，体系也没有建立起来。大家都痛苦，只有坏人得好处，所以这状态非常不好。谈及用户借款成本，他提到，为什么好人的借款成本跟坏人的借款成本是一样的呢？就是因为平台分不清好人坏人，承担了相关风险，所以大家借钱都是一个利息。“如果有完善的征信体系，很快能判断你是好人，利率低，坏人，利息高。骗子，对不起，绝对借不到钱。”对目前的征信状况，涂志云表示可惜。涂志云坦言，征信其实能够解决这个问题，好的征信，就是应该多头借调的数据，适时出现。对于理想中的征信体系，他提出，一个人在任何的机构、银行或者非银行借的任何一笔钱，应该实时地报到系统里做征信，全部的玩家都能实时查到用户在任何平台的每一笔借款记录。“这不是一个很奢侈的要求，而是一个真正的好的征信体系最基本的要求。只要愿意按照游戏规则来玩的人，借款的记录都应该是公开透明的。”涂志云补充道。本文由百家号作者上传并发布，百家号仅提供信息发布平台。文章仅代表作者个人观点，不代表百度立场。未经作者许可，不得转载。笑话吧了百家号最近更新：简介:2017让我把这个世界更加精彩作者最新文章相关文章“百行征信”是什么 期待已久的“信联”逐步揭开神秘面纱
来源：凤凰网
唯品金融副总经理汤磊对新京报记者指出，对于消费者而言，百行征信发挥了&守信激励，失信惩戒&的作用。在守信激励上，对信用良好的人，可以进行充分的服务，尤其是对于缺乏银行信贷记录的人群而言，如没有在银行办过贷款或者信用卡的客户，能够纳入到范围中来，给他们提供更好的征信服务，从而达到普惠金融的目的；而在失信惩戒上，则对于&老赖&人群能够发挥一定的惩戒作用。此前，曾出现多起网贷&拆东墙补西墙&，最终不得不铤而走险的案例，而当中征信信息不共享被认为是关键原因之一。&当前，随着互联网消费金融的发展，市场中信息孤岛效应愈发明显，&过度多头借贷&、&诈骗借贷&等乱象频发，同时，借用征信的名义过度采集个人信息的现象也时有发生，迫切需要有一家符合独立性要求、具有客观公正性、能够保护个人信息主体权益的个人征信机构，百行征信恰好具备上述特征。&苏宁金融研究院互联网金融研究中心主任薛洪言表示。薛洪言认为，百行征信的成立有助于解决互联网金融领域的信息分割问题，可以缓解行业中的信息孤岛效应，有效遏制&过度多头借贷&、&诈骗借贷&等乱象，促进互联网金融行业的健康有序发展。&新京报记者宓迪陈鹏
点击排行榜信用消费火爆共债问题显现 多头借贷风险难控信用消费火爆共债问题显现 多头借贷风险难控央广网百家号　　编者按 今年“双11”，信用消费火爆，在“买买买”的背后，也有不少消费者透支现金流，甚至在各现金贷平台多头举债，共债带来的风险开始显现。如何识别和控制这一风险？个人征信信息共享又到底难在哪里？“信联”将起到哪些作用？本报组织了相关报道。　　在今年“双11”，京东和阿里巴巴的销售规模再创新高，其中不少来自京东白条和支付宝花呗调高的信用额度。同样，各个商业银行的信用卡业务也在这一狂欢节中大放异彩。值得思考的是，如果消费者从不同平台的贷款超过了自己的现金流，会否产生风险隐患？特别是在现金贷盛行的当下，一些平台由于多头借贷产生的共债问题，也一再引发社会关注。在不少业内人士看来，解决个人征信共享问题十分必要。　　多头借贷风险难控　　如今，贷款业务已经从传统商业银行蔓延扩展到现金贷平台，购物分期对大多数消费者来说已不是新鲜事。一般来说，同一借贷人在2家或者以上的金融机构提出借贷需求的行为，被称为“多头借贷”。相关调查发现，小额现金贷人群中，有多头借贷行为的用户占比超过50%。　　多头借贷为何盛行？“近年来，银行、电商、互联网金融公司都推出了个人贷款业务，一方面为了客户流量变现，另一方面出于争夺客户、营销等目的，在授信额度、费率水平等方面，竞相给出优惠条件，特别是在行业起步阶段，平台可能更加看重短期内规模和流量的提升而忽略了风险。”开鑫金服总经理周治翰说。　　中国人民大学金融科技与互联网安全研究中心主任杨东也指出，现金贷平台因其贷款标的额较小，准入门槛设置较低，想要获得贷款的个人只要信用记录满足要求，就能轻易地取得贷款。　　多头借贷本身没有错，但存在较大的风险隐患。杨东表示，一些多头借贷存在信用风险，比如借新还旧，同期大笔多头借贷。一般来说，当借贷人出现了多头借贷情况时，说明该借贷人资金需求出现了较大困难，有理由怀疑其还款能力。同时，还存在“拆东墙补西墙”的可能。　　“还可能导致坏账产生。”杨东表示，贷款平台往往会对借款人的个人信用记录、经济来源以及还款能力审核，在其还款能力范围之内对借款人发放贷款，必要时要求其提供担保。在多头借贷的情形下，贷款人取得超过其现金流、在其还款能力之外的贷款，一旦贷款人无法及时还款，就会有产生坏账的危险。　　盈灿咨询高级研究员张叶霞还指出，“多头借贷容易使得借款人过度消费，导致恶意欠款或者信贷违约，同时还容易产生暴力催收等恶性事件。”　　各为其利“市场失灵”　　为了防范网络借贷风险，四部门曾在2016年发布了《网络借贷信息中介机构业务活动管理暂行办法》，明确提出网络借贷金额应当以小额为主。同一自然人在同一网络借贷信息中介机构平台的借款余额上限不超过人民币20万元；同一法人或其他组织在同一网络借贷信息中介机构平台的借款余额上限不超过人民币100万元；同一自然人在不同网络借贷信息中介机构平台借款总余额不超过人民币100万元；同一法人或其他组织在不同网络借贷信息中介机构平台借款总余额不超过人民币500万元。但从实际效果来看，并不理想。　　“数据是各家现金贷平台及数据征信公司的核心资源，因此并不会随意共享，所以想要确切地知道投资者的重复借款情况有一定难度。”杨东表示，各现金贷平台对于投资者贷款资格的审核，往往只停留在其个人信用记录和还款能力等静态信息，却无法获得其在其他平台的贷款情况等动态信息。　　随着金融科技的快速发展，大数据对处理个人信息的作用也逐渐显现。一些业内人士也指出，通过大数据可以从技术上有效地解决多头借贷出现的问题。杨东表示，大数据的优势很明显，它具有一个对所有人通用的结构，每个用户这些维度的数据都会被记录在表格中。不过，杨东指出大数据的不足之处在于，它仅仅是对世界的一个切片。张叶霞也指出，大数据收集到的信息是否完全准确，归根结底还要看数据是否真实。“若借贷方提供的基础数据不真实，或者平台没有严格根据大数据收集的信息对借款方把控，而是依靠高收益覆盖高风险的方式开展业务，就没有达到大数据风控的初衷。”　　周治翰表示，目前很多机构和平台所谓的大数据风控，由于数据量不足及模型运算不完善等原因，或许还不能准确判断风险。　　市场化征信路在何方　　在杨东看来，由于网贷信息不接入央行的征信系统，现金贷平台之间信息共享程度较低，多头借贷现象短期内不会有太大的改观。那么，如何解决上述多头借贷以及相关风险问题？　　杨东表示，短期来看，为了控制风险，贷款平台不仅要去查这类客户是否存在多头借贷的过往历史，还要去查这些人曾经借贷时所接触的行业。中长期来看，杨东认为可以监管科技实现现金贷有效治理，对于现金贷的监管也可以借鉴P2P网络借贷的监管方式。　　值得注意的是，目前由互联网金融协会牵头的个人征信机构已经进入实质筹备状态。“目前接入信联的互联网企业不仅局限于8家个人征信试点，还有一些其他具有优势的互联网企业。”杨东表示，信联的出现，打开了我国个人征信市场改革的一个口子，也是为个人征信行业的准入设置了一个标杆。（经济日报·中国经济网记者 钱箐旎）本文由百家号作者上传并发布，百家号仅提供信息发布平台。文章仅代表作者个人观点，不代表百度立场。未经作者许可，不得转载。央广网百家号最近更新：简介:由中央人民广播电台主办的中央重点新闻网站作者最新文章相关文章朝阳35处｜谁动了我的多头借贷记录？ : 经理人分享
朝阳35处｜谁动了我的多头借贷记录？
近年来，随着互联网金融的飞速发展，各种P2P、网贷公司如雨后春笋般冒出头来。过快的发展必然会导致风险管控的不足。尤其是很多做小额信贷的公司，如果每一单都去做线下调查，无疑成本过于高昂。此时，基于第三方征信机构大数据产品进行风险控制就变得尤为重要。今天，处座就来谈谈，利用第三方征信机构提供的多头借贷信息降低信用和欺诈风险的一些经验。
多头借贷存在的违约风险更高
首先，处座要介绍一个专有名词：多头借贷。
多头借贷：同一借贷人在多个金融机构有贷款行为的被称为“多头借贷”。
小A是一名忠实果粉，每次苹果新品发布之后，他总是第一时间入手。而且小A喜欢分期付款，去年买iPhone6s的分期付款到这个月正好结清。前几天iPhone7出来了，于是小A又在某网贷公司X申请了一笔消费分期贷款。因此，小A的个人征信记录里就有多笔消费金融类的贷款记录。我们再看一个例子，小C虽然有车有房，但是一名自由职业者，近年炒股为生。没想到2015年夏天，股灾爆发，由于之前加了杠杆，被强行平仓的小C的本金所剩无几。急于追回本金的他，又向某网贷公司Y申请了一笔贷款，想在之后的反弹中获利一波。然而，还没有赚回本金，市场却继续下跌，小C看着自己股票账户上的数字一天天的减少，却又不忍割肉。眼看着下个月的还款日就要到来，小C根本没办法一下子拿出那么多的钱来。于是，他只得找到某贷公司Z，又申请了一笔贷款；到了下个月，股市仍旧没有好转，此时的小C又找到了某P2P公司……
因此，小C有多笔p2p和网贷的记录。
之后的故事，处座不想再讲下去了。从某种程度上说，小A和小C都有多头借贷行为，但却有着本质的区别。小A的多头借贷是良性的，而小C这种借新还旧、拆东墙补西墙的多头借贷是恶性的。那么对于小贷公司来说，像小C这样的客户，其违约风险就比小A要高得多。
多头借贷发生场景都有哪几种
那么如何分辨什么场景下的多头借贷是良性的，什么场景下的多头借贷是恶性的？
平安集团旗下前海征信数据总监姚志勇总结到，多头借贷存在信用和欺诈风险，识别这些风险需要结合贷款具体发生的场景，如贷款所属行业和贷款申请间隔来辨别。一般来说，个人正常的多头贷款行为有以下几种：
1分期消费（贷款所属行业属于消费分期）2还旧借新（贷款申请间隔多为12期以上）3前N家公司贷款申请失败（贷款申请间隔多为审批周期）
有些场景下的多头借贷存在信用风险，借款人可能由于还款能力不足而造成违约，例如：
1借新还旧（贷款申请间隔多为12期以上）2同期大笔多头借贷（贷款申请间隔多为同时）
有些场景下的多头借贷存在欺诈风险，借款人在申请贷款时就没打算还款，例如：
1车辆多押（贷款所属行业属于车贷）2诈骗（贷款申请间隔多为同时）
现有多头借贷数据产品准确度堪忧
回到上一节的故事中，小A进入Z某贷公司的网站申请了一笔一万元的贷款。然而过了两天，却收到贷款申请失败的通知。小A很是纳闷，于是咨询客服人员。咨询结果让小A大吃一惊，Z某贷公司驳回小A申请贷款的理由是：小A这一个月来已经申请了3笔贷款，有多头借贷的风险。小A回想这一个月并没有提出别的贷款申请，这又是怎么回事呢？
原来，第三方征信机构的多头借贷产品多是通过p2p网贷查询记录汇总而来，以某盾多头借贷产品为例，p2p网贷公司和消费分期公司分别在某盾查询了小A的信用报告，则其小A的多头借贷次数为2，查询报告如下图所示：
这时，如果另外一家p2p网贷公司从非法渠道获取了小A的身份信息，在未经小A授权的情况下查询了他的信用报告，则小A就会增加了一次借贷记录。因此，小A的3次异常贷款记录，很可能是因为：某p2p网贷公司在未经授权的情况下查询了小A的信用报告，同时第三方征信公司由于并未做好异常查询检测和授权抽检工作，从而导致了小A错误的多头借贷信息。
“异常检测算法”能排除未授权查询
针对上述问题，处座接下来要介绍一种“查询异常检测算法”来解决多头借贷产品数据准确性低的问题。在这个场景中，我们需要识别p2p机构所查询的借款人是否真正在其公司申请贷款，即，需要排除用户并未申请贷款，却被p2p机构查询的情况。以下是两种典型的异常查询情景：
1p2p机构随机生成了一批虚假身份证号进行查询2p2p机构从黑市购买了一批真实身份证号进行查询
p2p机构查询信用报告时，需要提交借款人的身份证、手机号和姓名三个字段。对于第一种场景，因为身份证号是虚假的，所以当p2p机构用其来查询征信报告时，命中率会很低；对于第二种场景，虽然身份证号是真实的，但其购买的数据可能缺少姓名或者手机号字段，从而导致其查询所提交的姓名或手机号准确率较低。
基于以上分析，查询异常检测的算法流程如下图所示：
首先，我们对查询机构按活跃度（每日查询量）和粘性（使用天数）进行分群。分群结果如下图所示（因为敏感，隐去了具体数字）。对于低粘性的机构，因为数据量不足，我们没有有效地手段进行异常检测。
对于高粘性的机构，我们对其进行机构异常查询检测。由于查询信用报告时所输入的手机号或姓名的正确与否并不影响查询结果，所以很多机构不愿意将客户的真实手机号提交给第三方征信公司。为了将这部分机构排查出来，我们以手机号准确度和姓名准确度这两个变量为特征，采用one class svm算法来进行异常检测。结果发现，在所有1600家机构中，姓名准确度在90%-100%之间，而手机号准确度在60%-80%之间（如下图蓝色区域所示）。而在蓝色区域之外的机构，则经常性的输入虚假的姓名或手机号。
对于正常的高粘性机构，我们需要进一步检测其每日查询是否存在异常，因为，即使一个机构总体上表现是正常的，也不代表其每天的查询行为都是正常的。为此，我们统计了各个机构的每日查询量、每日命中率、每日手机号准确度和每日姓名准确度，来检测其是否异常。
对于每日查询量，我们采用时间序列的异常检测算法，来检测机构在某天的查询量是否存在异常。下图展示了一家p2p网贷公司信用报告的每日查询量。这个查询量从一定程度反映了这家p2p公司的业务量。由图可见，其业务量逐步稳定增长，然而在其中某几天（红点标出），其查询量超出了其实际预期业务量，从而表现异常。
对于命中率、手机号准确度和姓名准确度，我们采用椭圆拟合检测的方法来识别异常。以命中率为例，某p2p网贷机构其查询的命中率集中分布在60%-70%。这个命中率从某种程度上反映了这家机构的客群分布。正常来说，一家机构的客群分布是稳定的，如，针对大学生消费分期的机构，其客群的年龄分布会保持在18-22岁左右，不会发生剧烈变化。因此，其对应的命中率也会表现稳定。而下图中同一机构有四天的命中率在30%-40%之间，这说明其查询的客群发生了变化，可能存在异常。
综合以上四个维度的异常检测，我们可以总结出以下两个异常场景：
1伪造虚假身份证号刷库：查询量异常（极高）；命中率异常（极低）2黑市够买真实身份证号刷库：姓名准确度异常（较低）；电话准确度异常（较低）
例如，下表中展示了某机构日的查询结果，该机构在当日查询量高达46W人，命中率却只有14.9%。该机构当天疑似伪造身份证号刷库。
xxxxxxxxxx
对于检测出异常的机构，我们会向查询机构调取用户授权，来核实其是否未经用户授权而查询其信用报告。这不仅是征信机构正规性的要求，也会提升多头借贷产品数据准确性。从而避免前文中小A没有申请贷款，却被“多头借贷”乱象。
到了这里，熟悉处座套路的人都知道，该上广告了。咳咳，如果你关注风控，或者对“查询异常检测算法”很感兴趣，但又看得不太明白，不如再看看下面这张图加强一下理解吧。处座更欢迎你联系我们一起讨论哦。
&关于“朝阳35处”&
我们是来自于前海征信的专业大数据挖掘团队。我们不仅是数据科学家，更是数据玩客。我们既用数据挖掘技术解决专业领域的问题，也喜欢在各个领域寻找数据的乐趣，以好玩易懂的方式给大家提供新鲜靠谱的内容。我们会每周定时推送一篇原创干货，欢迎大家踊跃点击本帖底部的“写留言”与我们和广大大数据爱好者进行实时沟通和讨论。
& & & & & & & &&（图片来源于网络）
信用·让你我更好互联
看你靠不靠谱，点击阅读原文测分
（下载iPhone或Android应用“经理人分享”，一个只为职业精英人群提供优质知识服务的分享平台。不做单纯的资讯推送，致力于成为你的私人智库。）
作者：佚名
文章相关知识点
评论&&|&& 条评论
畅阅·猜你喜欢网贷将统一征信 过度多头借贷等乱象有望终结
中国人民银行官网发布“关于百行征信有限公司（筹）相关情况的公示”称，已受理百行征信有限公司（筹）的个人征信业务申请，根据《征信业管理条例》《征信机构管理办法》等规定，现将百行征信有限公司（筹）相关情况予以公示。业内期盼已久的“信联”终于揭开神秘面纱。
酝酿半年的官方版个人征信机构“信联”即将落地。据央行公示的最新进展，市场俗称的“信联”确定名称为“百行征信”，业务申请已获央行受理。在分析人士看来，“百行征信”由中国互联网金融协会牵头，8家个人征信牌照试点机构入股，这样商业化的经营方式，既有望解决这一机构的权威性问题，也有可能引入市场因素
公示显示，百行征信主要股东及所持股份为：中国互联网金融协会持股36%，芝麻信用管理有限公司持股8%，腾讯征信有限公司持股8%，深圳前海征信中心股份有限公司持股8%，鹏元征信有限公司持股8%，中诚信征信有限公司持股8%，考拉征信有限公司持股8%，中智诚征信有限公司持股8%，北京华道征信有限公司持股8%。注册资本人民币10亿元。
八大征信机构的联合以及未来像百度、网易、360、小米、滴滴、开鑫金服、宜信等行业相关机构的加入，会使得新时代创新的互联网大数据征信体系愈加完善，让守信的个人或企业得到更多金融企业的授信与帮助，失信者将成为这个时代破产者。
据了解，百行征信主要在银、证、保等传统金融机构以外的网络借贷等领域开展个人征信活动，与人民银行征信中心运维的国家金融信用信息基础数据库形成错位发展、功能互补的市场格局。
业内人士认为，组建百行征信有利于共享个人征信信息，化解信息孤岛的困局，缓解个人征信产品有效供给不足的问题；有利于防范系统性金融风险，有效遏制“过度多头借贷”“诈骗借贷”等乱象，促进互联网金融行业的健康有序发展；有利于贯彻个人信息隐私权益保护原则，防止个人信息被过度采集、不当加工和非法使用。
责任编辑：
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
今日搜狐热点}