互聯網消費貸款違約率

① 一般網上貸款逾期費用上限是多少

平台渠道不同逾期費用不同

② 網貸逾期率這么高，借款人能堅持多久

在所有上榜的零售財富管理賽道的17家企業中，共有8傢具有有集團或股東資源支撐的企業，這些資源不僅帶來了低成本的獲客、更輕盈的資產和品牌背書，更使得在「馬太效應」市場下，平台能夠持續性地吸入更多發展養分。

而面對用戶增長較慢的現實，這些企業也選擇加深資產端的縱深度來應對轉化率不高的困境，即我們常說的「資產閉環」。大部分企業通過自營消費分期、車貸業務，來實現更加完整的場景化運作，同時橫向擴大資產類別，涉足房貸、車貸、ABS和海外資產等多重業務。

「自建資產端和擴大資產類別，或許能夠增加對於資產的把控力，尤其是風險層面。同時，盡量提供更多元化的資產，以提高客戶的投資額度，同時提高費率或利差。」某平台負責人表示。

不過對於大部分想活下去的零售財富管理企業來說，未來還需要更多地依靠科技和數據，使搜集並標准化客戶行為和數據變得可行，從而做好用戶識別和資產匹配，構起較高的競爭壁壘。

俗語說，最黑暗的時刻總在黎明之前。對於這些已然看見春天的網貸企業來說，光明前仍要度過這段艱苦的洗禮時間。也許存活下來的不僅僅是傳說中拿到那100張牌照的「幸運兒」，還有由這次黑暗而產生的科技、創新和改變。

③ 如何利用大數據做金融風控

大數據能夠進行數據變現的商業模式目前就是兩個，一個是精準營銷，典型的場景是商品推薦和精準廣告投放，另外一個是大數據風控，典型的場景是互聯網金融的大數據風控。

金融的本質是風險管理，風控是所有金融業務的核心。典型的金融借貸業務例如抵押貸款、消費貸款、P2P、供應鏈金融、以及票據融資都需要數據風控識別欺詐用戶及評估用戶信用等級。

傳統金融的風控主要利用了信用屬性強大的金融數據，一般採用20個緯度左右的數據，利用評分來識別客戶的還款能力和還款意願。信用相關程度強的數據 緯度為十個左右，包含年齡、職業、收入、學歷、工作單位、借貸情況、房產，汽車、單位、還貸記錄等，金融企業參考用戶提交的數據進行打分，最後得到申請人 的信用評分，依據評分來決定是否貸款以及貸款額度。其他同信用相關的數據還有區域、產品、理財方式、行業、繳款方式、繳款記錄、金額、時間、頻率等。普惠在線

互聯網金融的大數據風控並不是完全改變傳統風控，實際是豐富傳統風控的數據緯度。互聯網風控中，首先還是利用信用屬性強的金融數據，判斷借款人的還 款能力和還款意願，然後在利用信用屬性較弱的行為數據進行補充，一般是利用數據的關聯分析來判斷借款人的信用情況，藉助數據模型來揭示某些行為特徵和信用 風險之間的關系。

互聯網金融公司利用大數據進行風控時，都是利用多維度數據來識別借款人風險。同信用相關的數據越多地被用於借款人風險評估，借款人的信用風險就被揭示的更充分，信用評分就會更加客觀，接近借款人實際風險。

常用的互聯網金融大數據風控方式有以下幾種：

驗證借款人身份
驗證借款人身份的五因素認證是姓名、手機號、身份證號、銀行卡號、家庭地址。企業可以藉助國政通的數據來驗證姓名、身份證號，藉助銀聯數據來驗證銀行卡號和姓名，利用運營商數據來驗證手機號、姓名、身份證號、家庭住址。

如果借款人是欺詐用戶，這五個信息都可以買到。這個時候就需要進行人臉識別了，人臉識別等原理是調用國政通／公安局 API介面，將申請人實時拍攝的照片／視頻同客戶預留在公安的身份證進行識別，通過人臉識別技術驗證申請人是否是借款人本人。

其他的驗證客戶的方式包括讓客戶出示其他銀行的信用卡及刷卡記錄，或者驗證客戶的學歷證書和身份認證。
分析提交的信息來識別欺詐

大部分的貸款申請都從線下移到了線上，特別是在互聯網金融領域，消費貸和學生貸都是以線上申請為主的。
線上申請時，申請人會按照貸款公司的要求填寫多維度信息例如戶籍地址，居住地址，工作單位，單位電話，單位名稱等。如果是欺詐用戶，其填寫的信息往 往會出現一些規律，企業可根據異常填寫記錄來識別欺詐。例如填寫不同城市居住小區名字相同、填寫的不同城市，不同單位的電話相同、不同單位的地址街道相 同、單位名稱相同、甚至居住的樓層和號碼都相同。還有一些填寫假的小區、地址和單位名稱以及電話等。

如果企業發現一些重復的信息和電話號碼，申請人欺詐的可能性就會很高。

分析客戶線上申請行為來識別欺詐

欺詐用戶往往事先准備好用戶基本信息，在申請過程中，快速進行填寫，批量作業，在多家網站進行申請，通過提高申請量來獲得更多的貸款。

企業可以藉助於SDK或JS來採集申請人在各個環節的行為，計算客戶閱讀條款的時間，填寫信息的時間，申請貸款的時間等，如果這些申請時間大大小於 正常客戶申請時間，例如填寫地址信息小於2秒，閱讀條款少於3秒鍾，申請貸款低於20秒等。用戶申請的時間也很關鍵，一般晚上11點以後申請貸款的申請 人，欺詐比例和違約比例較高。

這些異常申請行為可能揭示申請人具有欺詐傾向，企業可以結合其他的信息來判斷客戶是否為欺詐用戶。
利用黑名單和灰名單識別風險

互聯網金融公司面臨的主要風險為惡意欺詐，70%左右的信貸損失來源於申請人的惡意欺詐。客戶逾期或者違約貸款中至少有30%左右可以收回，另外的一些可以通過催收公司進行催收，M2逾期的回收率在20％左右。

市場上有近百家的公司從事個人徵信相關工作，其主要的商業模式是反欺詐識別，灰名單識別，以及客戶徵信評分。反欺詐識別中，重要的一個參考就是黑名單，市場上領先的大數據風控公司擁有將近1000萬左右的黑名單，大部分黑名單是過去十多年積累下來的老賴名單，真正有價值的黑名單在兩百萬左右。

黑名單來源於民間借貸、線上P2P、信用卡公司、小額借貸等公司的歷史違約用戶，其中很大一部分不再有借貸行為，參考價值有限。另外一個主要來源是催收公司，催收的成功率一般小於於30%（M3以上的），會產生很多黑名單。

灰名單是逾期但是還沒有達到違約的客戶（逾期少於3個月的客戶），灰名單也還意味著多頭借貸，申請人在多個貸款平台進行借貸。總借款數目遠遠超過其還款能力。

黑名單和灰名單是很好的風控方式，但是各個徵信公司所擁有的名單僅僅是市場總量的一部分，很多互聯網金融公司不得不接入多個風控公司，來獲得更多的 黑名單來提高查得率。央行和上海經信委正在聯合多家互聯網金融公司建立統一的黑名單平台，但是很多互聯網金融公司都不太願意貢獻自家的黑名單，這些黑名單 是用真金白銀換來的教訓。另外如果讓外界知道了自家平台黑名單的數量，會影響其公司聲譽，降低公司估值，並令投資者質疑其平台的風控水平。

利用移動設備數據識別欺詐
行為數據中一個比較特殊的就是移動設備數據反欺詐，公司可以利用移動設備的位置信息來驗證客戶提交的工作地和生活地是否真實，另外來可以根據設備安裝的應用活躍來識別多頭借貸風險。

欺詐用戶一般會使用模擬器進行貸款申請，移動大數據可以識別出貸款人是否使用模擬器。欺詐用戶也有一些典型特徵，例如很多設備聚集在一個區域，一起 申請貸款。欺詐設備不安裝生活和工具用App，僅僅安裝和貸款有關的App，可能還安裝了一些密碼破譯軟體或者其他的惡意軟體。

欺詐用戶還有可能不停更換SIM卡和手機，利用SIM卡和手機綁定時間和頻次可以識別出部分欺詐用戶。另外欺詐用戶也會購買一些已經淘汰的手機，其機器上面的操作系統已經過時很久，所安裝的App版本都很舊。這些特徵可以識別出一些欺詐用戶。

利用消費記錄來進行評分

大會數據風控除了可以識別出壞人，還可以評估貸款人的還款能力。過去傳統金融依據借款人的收入來判斷其還款能力，但是有些客戶擁有工資以外的收入，例如投資收入、顧問咨詢收入等。另外一些客戶可能從父母、伴侶、朋友那裡獲得其他的財政支持，擁有較高的支付能力。

按照傳統金融的做法，在家不工作照顧家庭的主婦可能還款能力較弱。無法給其提供貸款，但是其丈夫收入很高，家庭日常支出由其太太做主。這種情況，就需要消費數據來證明其還款能力了。

常用的消費記錄由銀行卡消費、電商購物、公共事業費記錄、大宗商品消費等。還可以參考航空記錄、手機話費、特殊會員消費等方式。例如頭等艙乘坐次數，物業費高低、高爾夫球俱樂部消費，遊艇俱樂部會員費用，奢侈品會員，豪車4S店消費記錄等消費數據可以作為其信用評分重要參考。

互聯網金融的主要客戶是屌絲，其電商消費記錄、旅遊消費記錄、以及加油消費記錄都可以作為評估其信用的依據。有的互聯金融公司專門從事個人電商消費數據分析，只要客戶授權其登陸電商網站，其可以藉助於工具將客戶歷史消費數據全部抓取並進行匯總和評分。

參考社會關系來評估信用情況

物以類聚，人與群分。一般情況下，信用好的人，他的朋友信用也很好。信用不好的人，他的朋友的信用分也很低，

參考借款人常聯系的朋友信用評分可以評價借款人的信用情況，一般會採用經常打電話的朋友作為樣本，評估經常聯系的幾個人（不超過6六個人）的信用評分，去掉一個最高分，去掉一個最低分，取其中的平均值來判斷借款人的信用。這種方式挑戰很大，只是依靠手機號碼來判斷個人信用可信度不高。一般僅僅用於反欺詐識別，利用其經常通話的手機號在黑名單庫裡面進行匹配，如果命中，則此申請人的風險較高，需要進一步進行調查。

參考借款人社會屬性和行為來評估信用

參考過去互聯網金融風控的經驗發現，擁有伴侶和子女的借款人，其貸款違約率較低；年齡大的人比年齡低的人貸款違約率要高，其中50歲左右的貸款人違 約率最高，30歲左右的人違約率最低。貸款用於家庭消費和教育的貸款人，其貸款違約率低；聲明月收入超過3萬的人比聲明月收入低於1萬5千的人貸款違約率 高；貸款次數多的人，其貸款違約率低於第一次貸款的人。

經常不交公共事業費和物業費的人，其貸款違約率較高。經常換工作，收入不穩定的人貸款違約率較高。經常參加社會公益活動的人，成為各種組織會員的人，其貸款違約率低。經常更換手機號碼的人貸款違約率比一直使用一個電話號碼的人高很多。

午夜經常上網，很晚發微博，生活不規律，經常在各個城市跑的申請人，其帶貸款違約率比其他人高30%。刻意隱瞞自己過去經歷和聯系方式，填寫簡單信 息的人，比信息填寫豐富的人違約概率高20%。借款時間長的人比借款時間短短人，逾期和違約概率高20%左右。擁有汽車的貸款人比沒有汽車的貸款人，貸款 違約率低10%左右。

利用司法信息評估風險

涉毒涉賭以及涉嫌治安處罰的人，其信用情況不是太好，特別是涉賭和涉毒人員，這些人是高風險人群，一旦獲得貸款，其貸款用途不可控，貸款有可能不會得到償還。

尋找這些涉毒涉賭的嫌疑人，可以利用當地的公安數據，但是難度較大。也可以採用移動設備的位置信息來進行一定程度的識別。如果設備經常在半夜出現在 賭博場所或賭博區域例如澳門，其申請人涉賭的風險就較高。另外中國有些特定的地區，當地的有一部分人群從事涉賭或涉賭行業，一旦申請人填寫的居住地址或者 移動設備位置信息涉及這些區域，也要引起重視。涉賭和涉毒的人員工作一般也不太穩定或者沒有固定工作收入，如果申請人經常換工作或者經常在某一個階段沒有 收入，這種情況需要引起重視。涉賭和涉毒的人活動規律比較特殊，經常半夜在外面活動，另外也經常住本地賓館，這些信息都可以參考移動大數據進行識別。

總之，互聯網金融的大數據風控採用了用戶社會行為和社會屬性數據，在一定程度上補充了傳統風控數據維度不足的缺點，能夠更加全面識別出欺詐客戶，評價客戶的風險水平。互聯網金融企業通過分析申請人的社會行為數據來控制信用風險，將資金借給合格貸款人，保證資金的安全。

④ 銀行貸款違約率怎麼計算

違約率的計算方法
由於違約認定的主觀因素難以測度以及資料的不完善，我們僅根據銀行信貸登記咨詢系統現有資料，給出了以下幾種度量違約率的方法：
A.違約企業戶數法：反映貸款違約企業數量比重
某信用等級違約率(i)=本期內貸款違約企業戶數/本期初貸款企業總戶數×100％
B.違約貸款筆數法：反映貸款違約次數比重(違約頻率)
某信用等級違約率(ii)= 本期內貸款違約筆數/本期初貸款總筆數×100％
C.違約貸款金額法：反映違約貸款金額比重
某信用等級違約率(iii)= 本期內貸款違約金額/本期初貸款總金額×100％

⑤ p2p網路借貸平台的違約率一般是多少

p2p網路借貸的最大風險是違約率。
我們必須明白，這些貸款是否為擔保貸款。若它們沒有任何抵押物，如房子、車子或其他抵押品，因此借款人沒有足夠的動力明確以及肯定償還他們的貸款。目前，大多數借款人會按期付款，也有一部分人不會，我們需要在我們整個投資策略中考慮到這一點。
當人們在P2P借貸中遇到問題，投資經歷總體上來看很消極，通常是由於他們沒有分散投資，或投資的不夠分散造成的。例如，我們假設你有10000元，你投給了10個借款人，每人1000元。如果有一個人違約，你就損失了整體投資資金的10%，這就是一個典型的缺乏多樣化投資的賬戶。另一方面，假設你投資了200個貸款，如果有一個人違約，那麼你僅僅損失了0.5%，這很容易恢復。到目前為止，投資不夠分散是人們在P2P借貸中虧錢的最主要、最常見的原因。所以我們需要意識到過量的借款人違約是最大的風險。
所以分散投資是有效的規避風險
的方式。

⑥ 常用的互聯網金融大數據風控方式有哪些

1：驗證借款人信息
驗證借款人身份的五因素認證是姓名、手機號、身份證號、銀行卡號、家庭地址。企業可以通過藉助銀聯數據來驗證銀行卡號和姓名。
其他的驗證客戶的方式包括讓客戶出示其他銀行的信用卡及刷卡記錄，或者驗證客戶的學歷證書和身份認證。

2：大數據分析提交的信息
大部分的貸款申請都從線下移到了線上，特別是在互聯網金融領域，消費貸一般都是以線上申請為主的。
線上申請時，申請人會按照貸款公司的要求填寫多維度信息例如戶籍地址，居住地址，工作單位，單位電話，單位名稱等。如果是欺詐用戶，其填寫的信息往往會出現一些規律，企業可根據異常填寫記錄來識別欺詐。例如填寫不同城市居住小區名字相同、填寫的不同城市，不同單位的電話相同、不同單位的地址街道相同、單位名稱相同、甚至居住的樓層和號碼都相同。
3：分析客戶的消費信息
從客戶的電商消費記錄、旅遊消費記錄、以及加油消費記錄都可以作為評估其信用的依據。有的互聯金融公司專門從事個人電商消費數據分析，只要客戶授權其登陸電商網站，其可以藉助於工具將客戶歷史消費數據全部抓取並進行匯總和評分。
4：參考客戶的社會屬性和行為進行評估
參考過去互聯網金融風控的經驗發現，擁有伴侶和子女的借款人，其貸款違約率較低；年齡大的人比年齡低的人貸款違約率要高。經常不交公共事業費和物業費的人，其貸款違約率較高。經常換工作，收入不穩定的人貸款違約率較高。經常參加社會公益活動的人，成為各種組織會員的人，其貸款違約率低。經常更換手機號碼的人貸款違約率比一直使用一個電話號碼的人高很多。

5：調查客戶是否進入黑名單
市場上有近百家的公司從事個人徵信相關工作，其主要的商業模式是反欺詐識別，灰名單識別，以及客戶徵信評分。反欺詐識別中，重要的一個參考就是黑名單，市場上領先的大數據風控公司擁有將近1000萬左右的黑名單，大部分黑名單是過去十多年積累下來的老賴名單，真正有價值的黑名單在兩百萬左右。
涉毒涉賭以及涉嫌治安處罰的人，其信用情況不是太好，特別是涉賭和涉毒人員，這些人是高風險人群，一旦獲得貸款，其貸款用途不可控，貸款有可能不會得到償還。

⑦ 一般網貸逾期多少錢會被起訴

一、一般網貸欠多少錢會被起訴

欠網貸屬於民事糾紛，對於民事糾紛的起訴，法律沒有規定具體的數額標准，網貸逾期不還就有被起訴的可能。也就是說如果債務人決定要起訴的，無論欠多少錢都會被起訴，但一般債權人首先會催債務人還款，如果債務人經過多次催款不還的，才會向法院提起訴訟。

法律依據：

依據《中華人民共和國民事訴訟法》

第三條人民法院受理公民之間、法人之間、其他組織之間以及他們相互之間因財產關系和人身關系提起的民事訴訟，適用本法的規定。

二、法院會受理網貸糾紛嗎

P2P網貸模式是隨著互聯網的發展和民間借貸的興起而發展起來的一種新的金融模式，P2P網貸平台由於沒有貸款牌照，本質上屬於民間借貸。若借款人在借貸後不按約定時間還貸的話，作為債權人的網貸平台有權力對債務人提起民事訴訟。

1、當事人對利息有約定情形的，人民法院對最高不得超過銀行同類貸款利率的四倍(包含利率本數)部分予以保護，超過部分不予保護。

2、當事人僅約定借期內利率，未約定逾期利率，出借人以借期內的利率主張逾期還款利息的，人民法院依法予以支持。

3、當事人既未約定借期內利率，也未約定逾期利率的，出借人參照中國人民銀行同期同類貸款基準利率，主張自逾期還款之日起的利息損失的，人民法院依法予以支持。

4、對於債務人已經按約履行的超過法律規定的利息部分，債務人要求返還的，一般不予支持。

5、對於P2P平台通過服務費、催收費等名目變相收取的費用以及約定的相應違約金，應當與利息、逾期利息一起予以計算，人民法院對最高超過銀行同類貸款利率的四倍(包含利率本數)部分，不予保護。

網貸如果一直不還的話，網貸平台可能會將你的朋友告上法庭，法院將強制執行、列入失信人名單、司法拘留、限制高消費令。這個失信的記錄，就會進入個人信用檔案，此時去銀行貸款、辦信用卡、買房、租車等等，都會遇到問題。

⑧ p2p網路借貸平台違約率一般是多少

很難有清晰的數據，
需要自己認真鑒別，
挑選P2P平台注意事項：
1、鑒別公司實力
不可一味看注冊資本，
平台的注冊資本可以側面的
反映出平台的部分實力，
注冊資本過小沒實力的概率很大。
但是注冊資本過大的不見得一定有實力。
還應關注以下幾點：
1.是否有金融背景或金融基因
P2P一直作為互聯網金融的重要實踐形式，歸其根源還是金融服務，只是服務方式更加快速，便民。運營團隊嚴謹的金融從業背景直接決定著P2P平台風控是否嚴謹。國內藉助傳統金融風控手段運營比較成功的P2P平台。
2.擔保公司實力是否雄厚
這種方式主要是由P2P理財平台跟第三方擔保公司進行合作，由第三方擔保公司來為平台的每一筆交易來進行連帶責任擔保。如借款人出現了逾期不付的問題，那麼第三方擔保公司將會為投資者進行一個全額的本息墊付，很多P2P理財平台都採用這種方式來做安全保障。
2、運營模式既決定平台業務內容及范圍，同時決定平台穩定性
P2P本質隸屬借貸雙方信息服務平台，國內大小平台根據自身特長出現了O2O、P2B等業務借貸模式。P2P是一種個人對個人的借貸模式，個人債務屬於無限責任；P2B是個人對企業，如果是有限責任公司可能出現倒閉和破產，債務追回就會十分渺茫；O2O屬於P2P時代的創新，直接線上對線下模式，也是相對比較安全的P2P理財模式。基本線上尋找投資人，線下尋找借款人，同時引入第三方擔保或融資性金融機構擔保及實物抵押。
三.風控很重要
首先，要看平台是否有投資擔保公司擔保，而且擔保公司的實力是否足夠強。是否有第三方資金託管。其次，單一項目募集資金總額過大，是否超出了該P2P平台交易總額的5%。即使很多都提供本息全額擔保，也有自己獨特的風險控制機制。要規避大額借貸資金或者資金池操作。
其次，取決於風險管理能力是否足夠強大。風控這塊主要做兩個工作，一個是前期借款標審定的時候對風險進行評估，如風險在控制范圍之外則一票否決。另一個是貸後進行跟蹤，定期對借款人的經營狀況進行了解、上門調查。
另外，線下催收能力也是風險控制能力的體現，這個判斷標准主要是在：
（1）對於抵押物的處理能力；
（2）公檢法社會資源協調能力 ；
（3）對於借款人心理分析、處理能力。
4、平台是否有逾期，逾期壞賬率具體情況
P2P平台是為借款人和投資人提供有效的信息撮合服務，使投資人資金最大化，借款人享受小微金融實惠。撮合借貸雙方過程中，肯定會產生一些小概率事件，這就是投資人和平台最討厭的壞賬和逾期，這種情況肯定存在，就連國內最權威的銀行業都不可避免。

⑨ p2p網路借貸風險是什麼誰能介紹一下.

風險大：
1、信用風險大。現階段中國信用體系尚不完善，互聯網金融的相關法律還有待配套，互聯網金融違約成本較低，容易誘發惡意騙貸、捲款跑路等風險問題。特別是P2P網貸平台由於准入門檻低和缺乏監管，成為不法分子從事非法集資和詐騙等犯罪活動的溫床。去年以來，淘金貸、優易網、安泰卓越等P2P網貸平台先後曝出「跑路」事件。

2、是網路安全風險大。中國互聯網安全問題突出，網路金融犯罪問題不容忽視。一旦遭遇黑客攻擊，互聯網金融的正常運作會受到影響，危及消費者的資金安全和個人信息安全。

溫馨提示：以上內容僅供參考，不做任何建議。
應答時間：2021-10-14，最新業務變化請以平安銀行官網公布為准。
[平安銀行我知道]想要知道更多？快來看「平安銀行我知道」吧~
https://b.pingan.com.cn/paim/iknow/index.html