貸款買車痛點

A. 汽車金融風控的難點是什麼

汽車金融風控行業的最大難點是騙貸，所以貸前的信用和還款能了評估很重要，微科的雲圖車聯雲平台這方面就做得很好。

B. 買車貸款需要什麼手續和條件

一、1.身份證、戶口簿或其他有效居留證件原件，並提供其復印件; 2.職業和經濟收入證明; 3.與經銷商簽訂的購車協議、合同或者購車意向書; 4.合作機構要求提供的其他文件資料。
二、當你提供了這些按揭買車的手續後，你還需要達到一些其他的條件才能申請買車：1.具有有效身份證明且具有完全民事行為能力; 2.能提供固定和詳細住址證明; 3.具有穩定的職業和按期償還貸款本息的能力; 4.個人社會信用良好; 5.持有貸款人認可的購車合同或協議; 6.合作機構規定的其他條件。
三、按揭買車由銀行根據相關規定要求客戶准備個人相關資料。 包括：婚姻證明、身份證、房屋產權證、收入證明、居住戶口證明(或暫住證等)、駕照等這六大證件的復印件，如果你是國企業員工，則還需要准備工作證復印件，如果你是個體私營戶，還要交稅務登記證、營業執照、等相關證件的復印件。和一個有本市戶口的擔保人。
四、按揭買車的申請方式有兩種一種是個人信用按揭購車(一般要求你有很娘好的信用，無抵押無擔保、工作收入穩定、無不良嗜好)，這種形式買車一般可以貸5年。另一種是用房產抵押按揭買車(用房產證作為抵押)。房產抵押貸款購車一般最五、長可貸5年。兩種按揭買車的首付都是是3成以上。利率主要根據你的貸款類型和你的個人資質綜合決定。
具體流程：
1、貸款人向銀行提交貸款申請材料明細; 2、銀行對借款人提交的申請材料進行初步審核; 3、銀行對購車貸款人進行資信調查和客戶評價; 4、如果通過了銀行的初審和資信調查，則對貸款申請進行審批; 5、客戶資質及資料通過審核後，即可簽訂合同，並辦理抵押登記和保險等手續，簽訂車輛貸款抵押合同，銀行一份，客戶一份，還要簽汽車銷售合同，車商一份，客戶一份，銀行一份;未通過審批的，銀行會向借款人進行說明; 6、借款合同生效後，經辦銀行發放貸款，整個審批流程是3～5個工作日。銀行採取專款專用方式，即根據合同約定，經辦銀行會直接將貸款轉入借款人購車的4S店賬戶中。7、辦理提車手續：借款人將首付款交給汽車商，並憑銀行開具的提車單辦理提車手續，給車上牌，上完牌後，將車輛證、發票、保險單、行駛證、身份證、戶口本提交銀行，經過抵押後，銀行會把行駛證、身份證及戶口本歸還。

C. 干貨 | 如何應對汽車金融貸款中的3種風險

汽車金融火了。

汽車金融滲透率低、購車群體的年輕化以及超前消費觀念的普及，加之資本的青睞和互聯網的加持，使得汽車新零售新金融迅速成為了互聯網金融領域的新風口。

那麼問題來了！汽車金融企業或平台如何在新零售新金融模式下立於不敗之地，又該如何運用大數據技術建立核心競爭力？本文主要針對汽車新零售的三種模式，以及面臨的三種主要風險，提出如何通過大數據來化解風險。

 01 數據驅動下的汽車新零售模式 

商業模式好壞與否或競爭力的強還是弱，關鍵都在於是否能有效解決用戶的痛點。那麼在購車這個場景下，用戶最關心的問題可以歸納為兩個： 一個是能不能貸款購車；一個是在可以貸款的情況下能否提供一個適合且利率公允的產品 。為了解決以上問題，汽車金融企業或平台可以利用大數據在如下幾個方面進行發力。

1. 建立純線上的自動化授信體系

融合業務數據和互聯網大數據， 利用先進的機器學習技術打造純線上自動化汽車金融大數據風控體系，從而改變傳統汽車金融依靠線下提交材料人工審核的方式，給用戶以更優質的購車體驗。 同時以授信為主，也可以提前鎖定一個潛在購車用戶，因為一個肯在線上提交資料進行授信的用戶肯定比只是APP上瀏覽車型的用戶需求更明確。

2. 以用戶為中心進行授信

以用戶為中心的授信就相當於在你的平台上給用戶發放了一張汽車領域的信用卡，只要不超過相關額度和使用期限，可以隨便購買平台上任何車。也就是 授信弱化了對車型和車價因素的干擾，從而極大提高了用戶的體驗。 試想下，如果你每改變一款車型或車價發生了改變就需重新走審批流程，這種體驗會有多糟糕。

3. 動態風險定價，提供靈活多變的金融配套方案

互聯網是為了消除信息不對稱，如果利用用戶不夠專業、信息不對稱而匹配給用戶貴的產品或者對平台有利的產品，遲早是殺雞取卵，得不償失的。根據用戶的實際情況利用數據進行動態的風險定價策略，提供適合用戶的金融配套方案，將有利於提高用戶對平台的忠誠度和粘性，也更利於企業的長遠發展。

 02 汽車新金融存在的主要風險 

在中國的汽車金融業務中，最主要的參與方有四大類：商業銀行、汽車金融公司、融資租賃公司和互聯網汽車金融平台。其中，銀行和汽車金融公司無疑是最主流的玩家，銀行有資金優勢，汽車金融公司的主體則往往是整車廠或經銷商，有渠道優勢，這倆已經占據了95%的市場份額。

作為汽車新金融代表的融資租賃公司和互聯網汽車金融平台均選擇差異化競爭的道路：渠道下沉，針對銀行、汽車金融公司無法覆蓋的人群，以及產品、服務的持續深化。 目前各企業基本都是瞄準二三線以下甚至農村地區缺乏購車資金的年輕人，他們消費意識超前，對金融產品接受度比較高，同時也熟悉互聯網 。

與此同時，汽車金融業務在低線城市的滲透，客戶質量還明顯低於銀行、汽車金融公司，因此其中的風險是顯而易見的。在擴大業務規模的同時，有力的風控能力，將成為新興汽車金融機構在這一輪競爭中的決勝點所在。

首先我們來分析下汽車融資租賃業務（這里主要討論直租）中存在的主要風險，可歸為如下三類：

1. 信用違約風險

信用違約，即通常我們說的償還能力不足導致的違約，這類違約人群均是真實購車意願用戶。 這類風險主要是由於申請時材料造假導致，比如虛高收入等，或者後期由於某些原因導致的，如失業等。

2. 車輛套現風險

這類風險主要是承租人出於現金周轉的需要，而選擇將車子去進行套現處理。汽車租賃過程中因為車輛的所有權不在承租人，選擇這種方式去進行變現的代價過大。這類人一般都是在正規渠道（包括網路借貸平台）已經無法借到錢或者已經是信貸黑名單客戶。

3. 詐騙風險

汽車金融欺詐可以分為個人欺詐和團伙欺詐（中介欺詐）。可以認為， 個人欺詐的概率很小 。假定10萬元的車，按1成首付加上保險等費用差不多需小2萬元，正常二手市場買差不多可以7-8萬元，但因租賃車輛承租人無所有權，只能進入黑市轉賣，大概在3-4萬元，因此通過這個方式騙得的金額並不高，而手續卻極其繁瑣，代價很高。肯冒這個險的人其實都可以歸為上述第二類風險人群裡面。

 03 汽車新金融的大數據風險控制 

對於第一類風險， 一方面建立多渠道交叉驗證機制，避免用戶信息的造假；另一方面，融合業務數據和互聯網大數據，利用先進的機器學習技術，全面評估用戶履約能力；再者就是建立貸中監控機制，如發現用戶異常（如工作單位經營異常、最近出現多平台借款行為等），則可提前主動介入，最大程度降低企業損失。

對於第二類風險， 可以建立黑灰名單模型。黑名單數據深得各家互金公司的寵愛，幾乎是來者不拒。但因數據污染等問題的存在，市面上各家黑名單的質量參差不齊，而且整體質量有不斷下降的趨勢。因此如果還是按照命中黑名單就拒絕這種強規則邏輯肯定不適合，且會將很多本質上是優質的客戶拒之門外。

在這里我們可以 藉助Adaboost演算法思想更好的挖掘黑名單的價值， 集眾家之所長。藉助這個演算法原理，可以把每家黑名單當成一個弱分類器，隨著接入外部黑名單數據源的不斷增加，根據各家黑名單的表現給予各家一定的權重，最終構成一個強的分類器。根據最後模型的得分進行黑灰名單的劃分，從而採取拒絕或者提高首付或降低授信額度等措施。

Adaboost演算法結構

對於第三類風險， 因汽車金融裡面欺詐不同於3C產品或網貸，手續卻極其繁瑣，均是需要專業產業鏈團隊進行操作，而且持續的時間一般較長，涉及的鏈路較長。正是因為這樣的欺詐特性， 可以通過大數據建立關聯知識圖譜同時結合線下人工審核的手段來有效防止團伙的欺詐。

作者 | 第一消費金融  甘華來 

文章來源 | 金融科技安全

D. 汽車金融風控GPS能起到什麼作用

GPS定位系統主要用來把控車輛貸後風險。如今汽車金融越來越難做，很多汽車金融貸款企業為了搶奪客戶，將貸款門檻降至最低。隨之而來的是企業自身難以把控的風險，很有可能辛苦一整年，丟失一輛車，變一朝變回解放前。所以現在市面上絕大多數企業選擇為放貸車輛安裝GPS來把控風險。當客戶違約後，企業通過定位系統，可以及時找到貸款車輛。

但有時候會有專業的騙貸人員在企業進行騙貸。騙貸者貸款購買車輛後，為了拿到更多的貸款金額，經過多家貸款公司的抵押後，最後銷聲匿跡。就算追蹤到車輛，幾家貸款公司爭搶這一輛車，損失巨大。甚至有些車輛被倒賣黑車，人車兩空。有時客戶逾期時，追車人員按照GPS定位趕到現場時，早已錯過追車時機。

所以單純的GPS定位系統並不能規避很多風險。我們更多的是需要通過防禦檢測，來減少風險和損失。