中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

筆者從汽車金融的市場規模出發，對具體的風控場景、反欺詐策略等進行了系統的分析，希望通過此文能夠加深你對汽車金融反欺詐的認識。

我們今天說的汽車金融相關內容，主要是針對的是汽車消費金融板塊的業務。

汽車金融板塊潛在規模及與汽車保有量、新車每年新增銷量、二手車每年銷量及新車二手車的金融貸款滲透率上升空間有關。而駕駛證人數與汽車租賃金融場景是相關的。所以可以簡單了解以下數據。

公安部交管局近日公布了上半年全國機動車和駕駛人最新數據。數據顯示，截至2019年6月，我國機動車保有量達3.4億輛，汽車2.5億輛；機動車駕駛人數量達4.22億人，汽車駕駛人為3.8億人。

2019年1月14日，中國汽車工業協會在新聞發布會上發布的初步數據顯示，2018年中國新車銷量同比下降2.8%，至2,808.1萬輛。全年產量也同比下滑4.2%，至2,780.9萬輛。其中，2018年乘用車銷量為2,371萬輛，同比下降4.1%。相比之下，商用車市場保持增長勢頭，去年銷量同比增長5.1%，至437.1萬輛。

2018年全年，全國二手車累積交易1382.19萬輛，累計同比增長11.46%，累計交易金額8603.57億元，同比增長6.31%。

截至目前，歐美國家的二手車金融滲透率在50%左右，中國市場則不到30%，而新車金融滲透率則在50%左右，歐美國家基本都在70%以上。金融滲透率泛指通過貸款等金融方式購買的車輛數量占總銷售車輛數量的比例。這些都代表了汽車金融市場的潛力所在。

一、汽車金融主要參與者

汽車消費金融這一塊主要的參與機構類型，包括我們現在熟悉的商業銀行，商業銀行里做的相對較好的平安銀行。根據平安銀行去年的用戶統計，產險用戶有六千多萬，車管家有錄入車輛信息的注冊用戶已經有三千多萬。在整個行業的活躍車輛數據來說，應該算是頭部規模了。

銀行汽車金融主要還是新車貸款，同時支持信用卡分期實現新車貸款的需求，新車貸款主要是為汽車廠商新客戶提供購買新車的貸款業務，然后信用卡分期付款，主要針對這個客戶，客戶如果是有能力去申請貸款的，銀行直接就給客戶放款或者讓客戶在本行開個信用卡賬戶，凍結里面的資金實現購車貸款，同時把信用卡指標做了。

有些已有本行信用卡的，就直接在這個卡上提高臨時額度，用于支付車款。這樣的風控壓力就轉移到了信用卡風控部門。

除了銀行的那個客群要求相對比較高之外，一般都是要求是本地的，額外擔保等，其他汽車金融公司，P2P，典當行，融資租賃公司基本上要求都不高，只要有一些新的記錄或者是收入相對穩定的，這些客戶均為放貸對象。

貸款期限，主要也是從12期到36期，最長不會超過60期，最短的可以一個月。新車首付最高的話還是銀行。然后最低的話是那個典當行，尤其租賃公司最低可以做到零首付。

利率方面，最高的話是典當行，P2P這些機構，其次是融資租賃。汽車金融公司和商業銀行的貸款利率相對比較低一點。

然后這里補充一點，商業銀行和汽車金融公司，已經占了整個汽車金融板塊85%以上的市場份額，這兩類機構針對車相關的貸款業務的風控和反欺詐的需求是非常大的，是金融科技或數據公司后續可以重點關注的一個板塊。

二、汽車金融傳統風控流程

汽車金融的傳統風控的流程，總共有十步。從資料提交，然后到初審，風險評估、盡職調查、部門復審、總部終審、簽訂合同、線下抵質押登記、發標放款（非P2P則直接放款）及貸后催收等十個步驟。

1. 提交申請。有線下分公司業務員邀約，或者線上客戶自行申請，提交貸款申請材料，主要包括身份證、機動車登記證、行駛證和工作證明等其他資信材料。
2. 業務初審。由業務員對借款人的證件和資料進行簡單核實，業務團隊長簽字確認，交給風控專員。
3. 風險評估。風控專員通過網絡查詢、電話審核對客戶資料風險點進行披露，并由車輛評估師對車輛進行估價，最后出具車輛評估報告。
4. 盡職調查。對于以上環節暴露出的風險點，如有必要，派出盡調專員進行上門查訪，確保資料真實，資產安全，風險可控。
5. 部門復審。將全部資料上報審貸會，由風控部門和業務部門相關人員進行評估授信，并將結果上報總部。
6. 總部終審?？偛繉徍巳抠Y料，和相關業務人員進行復議并給出終審意見。
7. 簽訂合同。商談放款條件，簽訂合同，客戶同意將車輛抵押給平臺指定的債權。
8. 抵質押登記。由債權人陪同借款人去車管所進行抵押登記，如果是質押，將車輛保存在指定車場，如果是抵押，在車輛隱秘處安裝多個GPS。
9. 發標放款。按照客戶的風險評級，在平臺上發標融資，滿標后把資金打給借款人。
10. 貸后催收。由專人負責監控GPS系統運行情況，或者檢查停車場車輛情況提醒客戶到期還款和輔助催收。

三、汽車金融各場景欺詐特點

汽車零售信貸場景，包括信用卡分期、新車按揭、二手車按揭。車抵貸場景包括押證貸款和押車貸款的業務。汽車融資租賃直租與回租業務。

汽車零售信貸場景常見的欺詐行為：資料造假、多頭負債、信用惡化、內外勾結、殘值造假、團伙欺詐、還款來源不足、用途不明等。

汽車抵貸場景常見的欺詐行為：資料造假、高估車價、多頭負債、團伙欺詐、信用不良、人車失蹤、還款來源不足、用途不明等。

汽車融資租賃場景常見的欺詐行為：資料造假、多頭負債、合同詐騙、人車失聯、還款來源不足、用途不明等。

四、欺詐黑產市場現狀

通過金融黑產現狀，側面看汽車金融欺詐情況及可能帶來的損害。

根據網上的公開數據，黑產2018年造成了4000億的經濟損失，假設這4000億里面有20%，是汽車金融的一個損失，那就有800億的損失，怎么通過做好風控防范，然后把這個風險降下來，是風控們需要關注重點。

右邊的欺詐客群分布圖體現汽車金融這個場景的欺詐客群，相對來說，比消費分期，現金分期，這樣通用的一個場景的占比相對更低，已經接近了信用卡。

非銀行的汽車金融100個申請用戶里面可能有三到四個人，是有欺詐行為的。然后銀行場景的汽車金融貸款產品可能只有一到兩個有欺詐行為。

這里其實體現了，場景是具有天然欺詐防范的功能的（汽車金融這個領域是否還有可以更深入細分的場景，會有更好的欺詐防范效果？例如貨車汽車金融、網約車租賃金融？）

五、常見兩大欺詐場景

1. 不良中介欺詐

分享兩個普遍案例，一個是不良中介的欺詐，這里主要包含好幾個場景。

第一種情況：這個客戶，就是沒有車的，想買新車或二手車。但是，他不知道去哪申請貸款，然后通過網絡渠道找到了中介，這個中介，就想坑他一筆錢。

本來客戶資質只夠買個5到10萬的車，但是中介覺得這樣沒有錢賺，就幫他美化資料，買了20萬的車。這樣就導致這個客戶本來只有能力還5萬到10萬的車的貸款，但20萬的車的負債卻超出了還款能力范圍，產生不良。

第二種情況：依然是沒有車的客戶，也沒貸款資質，但是他想要錢，找到這個中介。中介幫忙資料造假后把那個車貸款騙下來，然后這個車中介把車拿去黑市變現之后，分部分的錢給到這個客戶，剩下大部分的錢的話就裝到自己的口袋，這個客戶也不可能還款了。

第三種場景：這個車主，他有車，找到這個中介把車價估高，想抵押貸款額度可以做的更高，他這個車本來只值10萬塊錢，他想要個9萬，但是正常的一個抵押流程可能只能放個5、6萬；

中介勾結內部員工做高車輛的評估價，獲取更高的貸款金額，然后由于貸款金額基本可以覆蓋汽車折舊后價格，導致車主后續就不想要車，拒絕還貸了。

2. 經銷商欺詐

這個主要是一個內外勾結或者就是經銷商自行欺詐的一個問題。經銷商庫存太多了，車子首付大多客戶付不起，所以經銷商為了將車賣出去，找一些想要車或者做低首付廣告吸引一些客戶過來，然后通過虛開發票價格，做高車價拿到更多的貸款，實現客戶買得起車。

經銷商把庫存清理了，而這些客戶還不還得起錢就不是經銷商要考慮的事情了。

六、欺詐場景信息造假方式

這個是互聯網金融常見的欺詐手段，包括假冒真實用戶的活體識別破解手段，假冒真實用戶的身份證信息、銀行卡信息（黑產或收購回來的），偽裝新用戶的改機工具（通過IMEI/IMSI/手機型號/MAC地址/GPS等），模擬真實用戶使用手機的行為。

在汽車金融場景，主要是團伙欺詐針對線上的行為所作出的應對手法。

很多的汽車相關的貸款產品都需要車主或者這個賣車的車主，提供相關的資質證明包括流水證明，工作證明或者收入等，這些造假非常簡單，包括掛靠電話，造假收入證明，掛靠社保及代發流水或工資流水等，造假水電費可以通過去小區樓下的郵箱拿那些用戶的費單即可。

對于一些大額的車貸詐騙，中介通過把其擁有的高價車臨時過戶給客戶，造成客戶資質非常良好，客戶騙貸完成后，再把車轉回給中介。

七、反欺詐數據維度探討

這個四象限圖是為了區分技術及基礎要素與垂直場景下的數據維度的造假成本及造假難易度。

例如駕駛證數據，高速數據，違章數據，車輛數據等，都是權威的同時難篡改，造假成本很高。那些設備數據、工作流水、工作證明等數據，都相對容易修改，造假邊際成本也不高。

八、汽車金融有效風控等式

這里提出一個概念：有效風控。有效風控需要有明確的垂直場景，加上國有數據及傳統的反欺詐手段，這樣能夠更好的實現風控。

這里用汽車金融舉例，汽車相關的金融場景，類似新車金融、二手車金融、車抵貸、車輛融資租賃及網約車金融等。雖然這些金融場景的風控其實比較難做，但這其中的欺詐占比其實比無場景金融都少的多。

而國有數據指的是記錄在各個部委里的數據，例如車輛配置相關的數據在工信部，車輛證件及車輛過戶抵押等數據記錄在車管所，社保數據在社保局，公積金數據在公積金局等等，這些部委不會串改相關數據，比市場上大部分通過采購或自有場景產生的數據相對更權威。

因此使用過程，無論是覆蓋面、準確性、時效性等都是比較優質的，合規性就更有保障了。

而傳統的技術手段，包括設備指紋、關聯圖譜、復雜網絡等技術能力其實是很好的團伙欺詐識別，機器人操作識別的防范工作。

場景+技術+國有數據=有效風控——汽車場景+技術+汽車相關國有數據=汽車金融有效風控。

九、新車及二手部分風控場景要點分享

獵人在這里主要針對新車及二手部分車風控場景及應對點做最后的分享總結。針對新車場景分購車與租車場景，而購車場景分有意購車及無意購車。

有意購車主要有5大風險點

（1）通過中介、經銷商或自行包裝資質

• 針對掛靠工作單位，風控需要識別公司經營是否正常、公司單位及職位是否高危類、申請的單位相關用戶是否過多及通過GPS等位置數據判斷用戶工作地址與填寫公司單位是否一致等。
• 針對刷流水的行為：主要看是否有代付工資字樣、查看資金流入流出異常情況及工作性質與流水匹配情況等。
• 針對收入證明真實性問題：識別印章真實性比較難，所以可以通過收入水平與同行業相關崗位是否匹配及與工作年限及經驗是否匹配側面判斷。
• 針對有擔保的客群：可以通過工商和財務及擔保調研等途徑識別擔保用戶或企業的擔保能力是否充足，是否已經超過其擔保能力范圍。經銷商為無支付首付能力的人開高發票價。
• 針對這個情況：可以通過車輛檔案或配置數據獲取車輛出廠銷售價，與市場同類車型銷售價對比發票真實性。

（2）負債過高的風險

這個風險主要看2塊，一個是多頭借貸情況、另一個是有無擔保過渡的行為。其中多頭借貸的接口還相對比較豐富，但擔保的查詢接口比較稀缺。

（3）信用不良的風險

通過查詢央行征信、互聯網金融信用及公開的法院訴訟及被執行情況，公安對外的不良名單接口識別信用不良的風險。

（4）貸后用戶其他風險識別

貸后需要觀察短期及長期的年檢到期續期情況、是否出現多頭借貸及逾期情況、有無車輛抵押風險、用戶違章長期不處理是什么原因等。這些都是壞賬發生前的征兆。

無意購車可以關注3大風險點

（1）通過中介、經銷商或自行包裝資質

• 針對掛靠工作單位，風控需要識別公司經營是否正常、公司單位及職位是否高危類、申請的單位相關用戶是否過多及通過GPS等位置數據判斷用戶工作地址與填寫公司單位是否一致等。
• 針對刷流水的行為：主要看是否有代付工資字樣、查看資金流入流出異常情況及工作性質與流水匹配情況等。
• 針對收入證明真實性問題：識別印章真實性比較難，所以可以通過收入水平與同行業相關崗位是否匹配及與工作年限及經驗是否匹配側面判斷。
• 針對有擔保的客群：可以通過工商和財務及擔保調研等途徑識別擔保用戶或企業的擔保能力是否充足，是否已經超過其擔保能力范圍。

（2）貸后車權即刻轉讓識別

識別一個月內的是否有過戶操作、一個月內是否有做過抵押。一般有這樣情況出現都大概率代表這個用戶有欺詐行為。

（3）貸后用戶其他風險識別

監控每年年檢到期續期情況、有無新增多頭借貸及逾期情況。預防客戶資質變差導致的壞賬。

在租車環節，分直租與回租場景。

直租場景主要關注三大風險

1. 信用風險：可以通過公檢法相關接口名單獲取、通過手機APP黃賭毒安裝使用情況監控及是否有多頭借貸及逾期情況；
2. 用途風險：對常出沒違章風險區域監控、例如是否租車去跑黑車、租車是否拿去載貨、租車是否在一些高危風險地帶經常出沒，例如賭博、酒吧等；
3. 騙車風險：通過常出行軌跡識別是否頻繁出沒于偏遠地區，判斷騙車概率。

回租場景關注4大風險

1. 信用風險：通過公檢法名單、手機APP黃賭毒類監控、多頭借貸及逾期情況查詢信用風險。
2. 騙車風險：對常出沒違章風險區域監控、例如是否租車去跑黑車、租車是否拿去載貨、租車是否在一些高危風險地帶經常出沒，例如賭博、酒吧等。
3. 車輛性質風險：識別是否事故車、套牌車、租賃車及查封車等
4. 身份真實性識別：例如車主身份是否虛假及車輛相關材料真實性。

二手車分為押證（抵押）及押車（質押）

押證分為5大風險：

1. 車主身份真實性風險：例如車主身份是否虛假及車輛相關材料真實性；
2. 職業風險：判斷車主是否屬于高危及敏感職位。高危及敏感行業容易導致壞賬也無法順利把車收回來。
3. 信用風險：通過公檢法名單、手機APP黃賭毒類監控、多頭借貸及逾期情況查詢信用風險。
4. 車輛性質風險：事故車、套牌車、租賃車、查封車、無年檢車、公司車、擔保車、二手車等
5. GPS風險：GPS拆卸風險、軌跡異常、斷電風險、GPS離線及長時間停留預警等。

押車關注2大風險：

1. 車輛性質風險：事故車、套牌車、租賃車、查封車、無年檢車、公司車、擔保車、二手車等。
2. GPS狀態情況：實現圍欄預警及位移預警等。

#專欄作家#

大數據獵人，微信公眾號：大數據獵人，人人都是產品經理專欄作家。多年金融科技行業相關戰略研究、行業分析、商業模式及產品體系研究經驗，擅長政府數據+企業數據+公開數據多源數據融合流通交易及應用

本文原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自 Unsplash，基于 CC0 協議