汽车金融下半场：谁能参透大数据，谁就能率先破局

正文

请到「今天看啥」查看全文

所以，在当前的环境下，汽车金融服务提供商也需要迎合客户的诉求，进一步优化自身的申请审批流程，减少人工环节，提升审批决策的效率，实现高效的自动化申请审批决策。但如何在提升效率的同时仍能有效管理进件风险，这也是对各入场玩家在数据分析、经营管理乃至流程设计能力上的一大挑战了。

运用共同借款人加强风险管理

如笔者前段所述，买车往往是人生一件意义重大的事情，更可能是一个家庭除了买房以外的第二大开销。然而夫妻之间若有一人具有信用不良记录，就很可能会选择信用状况较好的一方申请车贷，借以掩饰信用瑕疵。因此，在实务上，许多金融业者都会要求客户在申请车贷时必须提供配偶或是直系亲属的姓名作为共同借款人，一同承担还款责任，以同一套风险评估标准共同评估车贷借款人及共借人之信用风险，完整描绘出信用主体的真实信用状况。

同样的概念亦可应用至风险评估模型内，将共借人信息也导入信用风险评估模型中，以借款人与共借人两者的风险评分建立更细化的风险等级判断标准，并以此风险等级为基础来设计额度策略，例如对于有共借人且风险等级良好之客群，可以调降车贷首付比例，让自动化的审批流程也不再只是单方面考量借款人自身信用状况，亦考量共同借款人的信用记录。这样一来，不仅能够更完整地呈现贷款主体的信用风险，也会让贷款额度更符合实际信用情况。

不良率太低导致坏客户样本不够支持模型开发

笔者曾与国内多家汽车金融公司以及融资租赁公司的风险负责人探讨风控心得，发现当下汽车金融服务提供商在构建风险模型时，最常遇到的一个问题即是坏客户样本太少。毕竟买车往往属于生活的必需品，资金用途非常明确，车辆价格也十分透明，不容易发生资金挪用及超额贷款风险，加上又有车辆抵押作为债权的保护，客户的违约成本高，自然提升了还款意愿，也造就了新车贷款不良率低的情况。根据中国银行业协会的数据统计，2016年国内汽车消费贷款不良率仅0.37%。

从风险管理的角度来看，低不良率是绩效的表现，是获利的保证，是每个从事风险管理的人最渴望看到的成果，但对于数据分析的人来说，这就未必是一件好事了。一个好的模型，是着眼于过去而预测未来，从过去的失败中学习经验，才能确保在未来提前规避风险。模型开发时，必须要有足够的坏样本支持，才能确保模型对于好坏客户的区分能力。低不良率无疑大大提高了模型开发的难度。

请到「今天看啥」查看全文