網(wǎng)貸作為一種新型的投資融資渠道，為資金的出借者和借入者對接提供了一個偉大的信息化時代創(chuàng)新模式，正在以快速迅猛的態(tài)勢發(fā)展。但是貸款本身是存在很高風險的，雖然投資人在P2P網(wǎng)貸平臺投資獲得了相對較高的民間借貸收益，但是讓投資人自己去識別和控制風險還是不現(xiàn)實的，一方面很多投資人并沒有風險管理方面的專業(yè)知識，另一方面大部分投資人也沒有那么多精力，尤其是當風險出現(xiàn)時，單個投資人更無法招架。更重要的是我國的個人信用建設還在發(fā)展過程中，跟歐美發(fā)達國家相比，信用環(huán)境的差距還比較大，所以國內主要還是需要主動去控制風險，讓借款人完全自覺遵守信用，還有很長一段路要走。
那么如此重要的貸款風險誰來控制？當然應落在網(wǎng)貸平臺的身上，它關系到投資人的利益，同時也關系到網(wǎng)貸平臺的生存，網(wǎng)貸平臺存在的價值就在于控制風險，所以網(wǎng)貸平臺需要專業(yè)化的風險控制能力。對于投資人來說，選擇有安全保障和專業(yè)化風險管理控制能力的網(wǎng)貸平臺尤為重要，這不僅關系到投資人的資金安全，也關系到P2P網(wǎng)貸行業(yè)的健康發(fā)展。
網(wǎng)貸風險管理是一項綜合性、系統(tǒng)化的工作，貫穿于整個網(wǎng)貸業(yè)務流程，包括貸前綜合調查、貸中嚴格審查、貸時多方保證、貸后監(jiān)控管理直至貸款安全收回。環(huán)節(jié)眾多，環(huán)環(huán)相扣，每一個環(huán)節(jié)出現(xiàn)問題都會導致風險的發(fā)生，在眾多的風險中我們今天探討一下貸前調查中對客戶的信用等級評估的風險控制。
信用評分，作為一種預測貸款人信用風險的信貸方法，已在西方銀行界的個人信貸領域運用近半個世紀，自上世界90年代初開始，一些著名的國際大銀行也開始將信用評分法運用到小企業(yè)貸款業(yè)務中，并取得了巨大的成功。現(xiàn)代的信用評分方法主要是利用多種統(tǒng)計學、運籌學及其他定量分析工具。統(tǒng)計學方法主要包括線性回歸、判別分析和logistc回歸等；運籌學方法則主要是一些數(shù)學規(guī)劃方法。大部分的信用評分模型都適用其中的一種方法，或將集中方法結合起來使用。最近幾年，一些新的方法，如神經(jīng)網(wǎng)絡（Neural networks）遺傳算法（Genetic Algorithm）、專家系統(tǒng)（Expert systems）等人工智能模型以及非參數(shù)統(tǒng)計中的K階緊鄰方法（K-nearest neighbor classification）等均被應用到評分系統(tǒng)的開發(fā)中。如此多的方法被應用到這樣一個實際上是分類的問題，一個重要的原因在于信用評分是一個注重實效的領域。模型預測的精度是非常重要的，許多情況下即使預測的準確性只提高一點點，也會使網(wǎng)貸平臺機構的損失減少很多。因此只要能提高預測準確性的方法均可使用。
在鼎信華銘的網(wǎng)絡借貸平臺中，使用了IPC（Internationale Projekt Consult）的信貸技術的思想，借鑒了國內一些商業(yè)銀行的評分模型的基礎上開發(fā)出一套科學嚴謹?shù)脑u估模型，把個人客戶分為三類：城戶、農(nóng)戶、工商戶，對應不同的評估模型。
對公客戶按規(guī)模與行業(yè)關聯(lián)，分為四類：大型、中型、小型、微型，對應不同的評估模型。
系統(tǒng)可以根據(jù)填入的客戶資料，自動抓取關鍵信息，通過匹配對應的評估模型，對客戶進行評分。
如果在貸前調查階段，取得到的數(shù)據(jù)真實有效，使用系統(tǒng)中的等級評估功能，可快速的對客戶質量進行認定，一方面可大大減少客戶工作量，另一方面通過直觀的數(shù)據(jù)可以清晰的對客戶質量進行把控，當我們把客戶的情況調查清楚，才能做出風險把控。一位在第一線工作副總曾經(jīng)說過，我不看客戶的什么抵質押物，我只看重第一還款來源，如果還款來源沒問題，我就可以放款。乍聽上去話很粗，但仔細思考一下，這不就是一種樸實的風險控制嗎，當客戶質量沒有問題時，還款也不會有問題。所以對客戶的調查是風險控制中的重中之重，那么能科學的對客戶質量進行分析更無異于如虎添翼，可以提高工作效率，更重要的是能做到準確，這樣才能真正的做到貸前盡職調查的風險把控，降低整筆業(yè)務的風險。
京公網(wǎng)安備 11010502049343號