互联网消费贷款违约率

① 一般网上贷款逾期费用上限是多少

平台渠道不同逾期费用不同

② 网贷逾期率这么高，借款人能坚持多久

在所有上榜的零售财富管理赛道的17家企业中，共有8家具有有集团或股东资源支撑的企业，这些资源不仅带来了低成本的获客、更轻盈的资产和品牌背书，更使得在“马太效应”市场下，平台能够持续性地吸入更多发展养分。

而面对用户增长较慢的现实，这些企业也选择加深资产端的纵深度来应对转化率不高的困境，即我们常说的“资产闭环”。大部分企业通过自营消费分期、车贷业务，来实现更加完整的场景化运作，同时横向扩大资产类别，涉足房贷、车贷、ABS和海外资产等多重业务。

“自建资产端和扩大资产类别，或许能够增加对于资产的把控力，尤其是风险层面。同时，尽量提供更多元化的资产，以提高客户的投资额度，同时提高费率或利差。”某平台负责人表示。

不过对于大部分想活下去的零售财富管理企业来说，未来还需要更多地依靠科技和数据，使搜集并标准化客户行为和数据变得可行，从而做好用户识别和资产匹配，构起较高的竞争壁垒。

俗语说，最黑暗的时刻总在黎明之前。对于这些已然看见春天的网贷企业来说，光明前仍要度过这段艰苦的洗礼时间。也许存活下来的不仅仅是传说中拿到那100张牌照的“幸运儿”，还有由这次黑暗而产生的科技、创新和改变。

③ 如何利用大数据做金融风控

大数据能够进行数据变现的商业模式目前就是两个，一个是精准营销，典型的场景是商品推荐和精准广告投放，另外一个是大数据风控，典型的场景是互联网金融的大数据风控。

金融的本质是风险管理，风控是所有金融业务的核心。典型的金融借贷业务例如抵押贷款、消费贷款、P2P、供应链金融、以及票据融资都需要数据风控识别欺诈用户及评估用户信用等级。

传统金融的风控主要利用了信用属性强大的金融数据，一般采用20个纬度左右的数据，利用评分来识别客户的还款能力和还款意愿。信用相关程度强的数据 纬度为十个左右，包含年龄、职业、收入、学历、工作单位、借贷情况、房产，汽车、单位、还贷记录等，金融企业参考用户提交的数据进行打分，最后得到申请人 的信用评分，依据评分来决定是否贷款以及贷款额度。其他同信用相关的数据还有区域、产品、理财方式、行业、缴款方式、缴款记录、金额、时间、频率等。普惠在线

互联网金融的大数据风控并不是完全改变传统风控，实际是丰富传统风控的数据纬度。互联网风控中，首先还是利用信用属性强的金融数据，判断借款人的还 款能力和还款意愿，然后在利用信用属性较弱的行为数据进行补充，一般是利用数据的关联分析来判断借款人的信用情况，借助数据模型来揭示某些行为特征和信用 风险之间的关系。

互联网金融公司利用大数据进行风控时，都是利用多维度数据来识别借款人风险。同信用相关的数据越多地被用于借款人风险评估，借款人的信用风险就被揭示的更充分，信用评分就会更加客观，接近借款人实际风险。

常用的互联网金融大数据风控方式有以下几种：

验证借款人身份
验证借款人身份的五因素认证是姓名、手机号、身份证号、银行卡号、家庭地址。企业可以借助国政通的数据来验证姓名、身份证号，借助银联数据来验证银行卡号和姓名，利用运营商数据来验证手机号、姓名、身份证号、家庭住址。

如果借款人是欺诈用户，这五个信息都可以买到。这个时候就需要进行人脸识别了，人脸识别等原理是调用国政通／公安局 API接口，将申请人实时拍摄的照片／视频同客户预留在公安的身份证进行识别，通过人脸识别技术验证申请人是否是借款人本人。

其他的验证客户的方式包括让客户出示其他银行的信用卡及刷卡记录，或者验证客户的学历证书和身份认证。
分析提交的信息来识别欺诈

大部分的贷款申请都从线下移到了线上，特别是在互联网金融领域，消费贷和学生贷都是以线上申请为主的。
线上申请时，申请人会按照贷款公司的要求填写多维度信息例如户籍地址，居住地址，工作单位，单位电话，单位名称等。如果是欺诈用户，其填写的信息往 往会出现一些规律，企业可根据异常填写记录来识别欺诈。例如填写不同城市居住小区名字相同、填写的不同城市，不同单位的电话相同、不同单位的地址街道相 同、单位名称相同、甚至居住的楼层和号码都相同。还有一些填写假的小区、地址和单位名称以及电话等。

如果企业发现一些重复的信息和电话号码，申请人欺诈的可能性就会很高。

分析客户线上申请行为来识别欺诈

欺诈用户往往事先准备好用户基本信息，在申请过程中，快速进行填写，批量作业，在多家网站进行申请，通过提高申请量来获得更多的贷款。

企业可以借助于SDK或JS来采集申请人在各个环节的行为，计算客户阅读条款的时间，填写信息的时间，申请贷款的时间等，如果这些申请时间大大小于 正常客户申请时间，例如填写地址信息小于2秒，阅读条款少于3秒钟，申请贷款低于20秒等。用户申请的时间也很关键，一般晚上11点以后申请贷款的申请 人，欺诈比例和违约比例较高。

这些异常申请行为可能揭示申请人具有欺诈倾向，企业可以结合其他的信息来判断客户是否为欺诈用户。
利用黑名单和灰名单识别风险

互联网金融公司面临的主要风险为恶意欺诈，70%左右的信贷损失来源于申请人的恶意欺诈。客户逾期或者违约贷款中至少有30%左右可以收回，另外的一些可以通过催收公司进行催收，M2逾期的回收率在20％左右。

市场上有近百家的公司从事个人征信相关工作，其主要的商业模式是反欺诈识别，灰名单识别，以及客户征信评分。反欺诈识别中，重要的一个参考就是黑名单，市场上领先的大数据风控公司拥有将近1000万左右的黑名单，大部分黑名单是过去十多年积累下来的老赖名单，真正有价值的黑名单在两百万左右。

黑名单来源于民间借贷、线上P2P、信用卡公司、小额借贷等公司的历史违约用户，其中很大一部分不再有借贷行为，参考价值有限。另外一个主要来源是催收公司，催收的成功率一般小于于30%（M3以上的），会产生很多黑名单。

灰名单是逾期但是还没有达到违约的客户（逾期少于3个月的客户），灰名单也还意味着多头借贷，申请人在多个贷款平台进行借贷。总借款数目远远超过其还款能力。

黑名单和灰名单是很好的风控方式，但是各个征信公司所拥有的名单仅仅是市场总量的一部分，很多互联网金融公司不得不接入多个风控公司，来获得更多的 黑名单来提高查得率。央行和上海经信委正在联合多家互联网金融公司建立统一的黑名单平台，但是很多互联网金融公司都不太愿意贡献自家的黑名单，这些黑名单 是用真金白银换来的教训。另外如果让外界知道了自家平台黑名单的数量，会影响其公司声誉，降低公司估值，并令投资者质疑其平台的风控水平。

利用移动设备数据识别欺诈
行为数据中一个比较特殊的就是移动设备数据反欺诈，公司可以利用移动设备的位置信息来验证客户提交的工作地和生活地是否真实，另外来可以根据设备安装的应用活跃来识别多头借贷风险。

欺诈用户一般会使用模拟器进行贷款申请，移动大数据可以识别出贷款人是否使用模拟器。欺诈用户也有一些典型特征，例如很多设备聚集在一个区域，一起 申请贷款。欺诈设备不安装生活和工具用App，仅仅安装和贷款有关的App，可能还安装了一些密码破译软件或者其他的恶意软件。

欺诈用户还有可能不停更换SIM卡和手机，利用SIM卡和手机绑定时间和频次可以识别出部分欺诈用户。另外欺诈用户也会购买一些已经淘汰的手机，其机器上面的操作系统已经过时很久，所安装的App版本都很旧。这些特征可以识别出一些欺诈用户。

利用消费记录来进行评分

大会数据风控除了可以识别出坏人，还可以评估贷款人的还款能力。过去传统金融依据借款人的收入来判断其还款能力，但是有些客户拥有工资以外的收入，例如投资收入、顾问咨询收入等。另外一些客户可能从父母、伴侣、朋友那里获得其他的财政支持，拥有较高的支付能力。

按照传统金融的做法，在家不工作照顾家庭的主妇可能还款能力较弱。无法给其提供贷款，但是其丈夫收入很高，家庭日常支出由其太太做主。这种情况，就需要消费数据来证明其还款能力了。

常用的消费记录由银行卡消费、电商购物、公共事业费记录、大宗商品消费等。还可以参考航空记录、手机话费、特殊会员消费等方式。例如头等舱乘坐次数，物业费高低、高尔夫球俱乐部消费，游艇俱乐部会员费用，奢侈品会员，豪车4S店消费记录等消费数据可以作为其信用评分重要参考。

互联网金融的主要客户是屌丝，其电商消费记录、旅游消费记录、以及加油消费记录都可以作为评估其信用的依据。有的互联金融公司专门从事个人电商消费数据分析，只要客户授权其登陆电商网站，其可以借助于工具将客户历史消费数据全部抓取并进行汇总和评分。

参考社会关系来评估信用情况

物以类聚，人与群分。一般情况下，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，

参考借款人常联系的朋友信用评分可以评价借款人的信用情况，一般会采用经常打电话的朋友作为样本，评估经常联系的几个人（不超过6六个人）的信用评分，去掉一个最高分，去掉一个最低分，取其中的平均值来判断借款人的信用。这种方式挑战很大，只是依靠手机号码来判断个人信用可信度不高。一般仅仅用于反欺诈识别，利用其经常通话的手机号在黑名单库里面进行匹配，如果命中，则此申请人的风险较高，需要进一步进行调查。

参考借款人社会属性和行为来评估信用

参考过去互联网金融风控的经验发现，拥有伴侣和子女的借款人，其贷款违约率较低；年龄大的人比年龄低的人贷款违约率要高，其中50岁左右的贷款人违 约率最高，30岁左右的人违约率最低。贷款用于家庭消费和教育的贷款人，其贷款违约率低；声明月收入超过3万的人比声明月收入低于1万5千的人贷款违约率 高；贷款次数多的人，其贷款违约率低于第一次贷款的人。

经常不交公共事业费和物业费的人，其贷款违约率较高。经常换工作，收入不稳定的人贷款违约率较高。经常参加社会公益活动的人，成为各种组织会员的人，其贷款违约率低。经常更换手机号码的人贷款违约率比一直使用一个电话号码的人高很多。

午夜经常上网，很晚发微博，生活不规律，经常在各个城市跑的申请人，其带贷款违约率比其他人高30%。刻意隐瞒自己过去经历和联系方式，填写简单信 息的人，比信息填写丰富的人违约概率高20%。借款时间长的人比借款时间短短人，逾期和违约概率高20%左右。拥有汽车的贷款人比没有汽车的贷款人，贷款 违约率低10%左右。

利用司法信息评估风险

涉毒涉赌以及涉嫌治安处罚的人，其信用情况不是太好，特别是涉赌和涉毒人员，这些人是高风险人群，一旦获得贷款，其贷款用途不可控，贷款有可能不会得到偿还。

寻找这些涉毒涉赌的嫌疑人，可以利用当地的公安数据，但是难度较大。也可以采用移动设备的位置信息来进行一定程度的识别。如果设备经常在半夜出现在 赌博场所或赌博区域例如澳门，其申请人涉赌的风险就较高。另外中国有些特定的地区，当地的有一部分人群从事涉赌或涉赌行业，一旦申请人填写的居住地址或者 移动设备位置信息涉及这些区域，也要引起重视。涉赌和涉毒的人员工作一般也不太稳定或者没有固定工作收入，如果申请人经常换工作或者经常在某一个阶段没有 收入，这种情况需要引起重视。涉赌和涉毒的人活动规律比较特殊，经常半夜在外面活动，另外也经常住本地宾馆，这些信息都可以参考移动大数据进行识别。

总之，互联网金融的大数据风控采用了用户社会行为和社会属性数据，在一定程度上补充了传统风控数据维度不足的缺点，能够更加全面识别出欺诈客户，评价客户的风险水平。互联网金融企业通过分析申请人的社会行为数据来控制信用风险，将资金借给合格贷款人，保证资金的安全。

④ 银行贷款违约率怎么计算

违约率的计算方法
由于违约认定的主观因素难以测度以及资料的不完善，我们仅根据银行信贷登记咨询系统现有资料，给出了以下几种度量违约率的方法：
A.违约企业户数法：反映贷款违约企业数量比重
某信用等级违约率(i)=本期内贷款违约企业户数/本期初贷款企业总户数×100％
B.违约贷款笔数法：反映贷款违约次数比重(违约频率)
某信用等级违约率(ii)= 本期内贷款违约笔数/本期初贷款总笔数×100％
C.违约贷款金额法：反映违约贷款金额比重
某信用等级违约率(iii)= 本期内贷款违约金额/本期初贷款总金额×100％

⑤ p2p网络借贷平台的违约率一般是多少

p2p网络借贷的最大风险是违约率。
我们必须明白，这些贷款是否为担保贷款。若它们没有任何抵押物，如房子、车子或其他抵押品，因此借款人没有足够的动力明确以及肯定偿还他们的贷款。目前，大多数借款人会按期付款，也有一部分人不会，我们需要在我们整个投资策略中考虑到这一点。
当人们在P2P借贷中遇到问题，投资经历总体上来看很消极，通常是由于他们没有分散投资，或投资的不够分散造成的。例如，我们假设你有10000元，你投给了10个借款人，每人1000元。如果有一个人违约，你就损失了整体投资资金的10%，这就是一个典型的缺乏多样化投资的账户。另一方面，假设你投资了200个贷款，如果有一个人违约，那么你仅仅损失了0.5%，这很容易恢复。到目前为止，投资不够分散是人们在P2P借贷中亏钱的最主要、最常见的原因。所以我们需要意识到过量的借款人违约是最大的风险。
所以分散投资是有效的规避风险
的方式。

⑥ 常用的互联网金融大数据风控方式有哪些

1：验证借款人信息
验证借款人身份的五因素认证是姓名、手机号、身份证号、银行卡号、家庭地址。企业可以通过借助银联数据来验证银行卡号和姓名。
其他的验证客户的方式包括让客户出示其他银行的信用卡及刷卡记录，或者验证客户的学历证书和身份认证。

2：大数据分析提交的信息
大部分的贷款申请都从线下移到了线上，特别是在互联网金融领域，消费贷一般都是以线上申请为主的。
线上申请时，申请人会按照贷款公司的要求填写多维度信息例如户籍地址，居住地址，工作单位，单位电话，单位名称等。如果是欺诈用户，其填写的信息往往会出现一些规律，企业可根据异常填写记录来识别欺诈。例如填写不同城市居住小区名字相同、填写的不同城市，不同单位的电话相同、不同单位的地址街道相同、单位名称相同、甚至居住的楼层和号码都相同。
3：分析客户的消费信息
从客户的电商消费记录、旅游消费记录、以及加油消费记录都可以作为评估其信用的依据。有的互联金融公司专门从事个人电商消费数据分析，只要客户授权其登陆电商网站，其可以借助于工具将客户历史消费数据全部抓取并进行汇总和评分。
4：参考客户的社会属性和行为进行评估
参考过去互联网金融风控的经验发现，拥有伴侣和子女的借款人，其贷款违约率较低；年龄大的人比年龄低的人贷款违约率要高。经常不交公共事业费和物业费的人，其贷款违约率较高。经常换工作，收入不稳定的人贷款违约率较高。经常参加社会公益活动的人，成为各种组织会员的人，其贷款违约率低。经常更换手机号码的人贷款违约率比一直使用一个电话号码的人高很多。

5：调查客户是否进入黑名单
市场上有近百家的公司从事个人征信相关工作，其主要的商业模式是反欺诈识别，灰名单识别，以及客户征信评分。反欺诈识别中，重要的一个参考就是黑名单，市场上领先的大数据风控公司拥有将近1000万左右的黑名单，大部分黑名单是过去十多年积累下来的老赖名单，真正有价值的黑名单在两百万左右。
涉毒涉赌以及涉嫌治安处罚的人，其信用情况不是太好，特别是涉赌和涉毒人员，这些人是高风险人群，一旦获得贷款，其贷款用途不可控，贷款有可能不会得到偿还。

⑦ 一般网贷逾期多少钱会被起诉

一、一般网贷欠多少钱会被起诉

欠网贷属于民事纠纷，对于民事纠纷的起诉，法律没有规定具体的数额标准，网贷逾期不还就有被起诉的可能。也就是说如果债务人决定要起诉的，无论欠多少钱都会被起诉，但一般债权人首先会催债务人还款，如果债务人经过多次催款不还的，才会向法院提起诉讼。

法律依据：

依据《中华人民共和国民事诉讼法》

第三条人民法院受理公民之间、法人之间、其他组织之间以及他们相互之间因财产关系和人身关系提起的民事诉讼，适用本法的规定。

二、法院会受理网贷纠纷吗

P2P网贷模式是随着互联网的发展和民间借贷的兴起而发展起来的一种新的金融模式，P2P网贷平台由于没有贷款牌照，本质上属于民间借贷。若借款人在借贷后不按约定时间还贷的话，作为债权人的网贷平台有权力对债务人提起民事诉讼。

1、当事人对利息有约定情形的，人民法院对最高不得超过银行同类贷款利率的四倍(包含利率本数)部分予以保护，超过部分不予保护。

2、当事人仅约定借期内利率，未约定逾期利率，出借人以借期内的利率主张逾期还款利息的，人民法院依法予以支持。

3、当事人既未约定借期内利率，也未约定逾期利率的，出借人参照中国人民银行同期同类贷款基准利率，主张自逾期还款之日起的利息损失的，人民法院依法予以支持。

4、对于债务人已经按约履行的超过法律规定的利息部分，债务人要求返还的，一般不予支持。

5、对于P2P平台通过服务费、催收费等名目变相收取的费用以及约定的相应违约金，应当与利息、逾期利息一起予以计算，人民法院对最高超过银行同类贷款利率的四倍(包含利率本数)部分，不予保护。

网贷如果一直不还的话，网贷平台可能会将你的朋友告上法庭，法院将强制执行、列入失信人名单、司法拘留、限制高消费令。这个失信的记录，就会进入个人信用档案，此时去银行贷款、办信用卡、买房、租车等等，都会遇到问题。

⑧ p2p网络借贷平台违约率一般是多少

很难有清晰的数据，
需要自己认真鉴别，
挑选P2P平台注意事项：
1、鉴别公司实力
不可一味看注册资本，
平台的注册资本可以侧面的
反映出平台的部分实力，
注册资本过小没实力的概率很大。
但是注册资本过大的不见得一定有实力。
还应关注以下几点：
1.是否有金融背景或金融基因
P2P一直作为互联网金融的重要实践形式，归其根源还是金融服务，只是服务方式更加快速，便民。运营团队严谨的金融从业背景直接决定着P2P平台风控是否严谨。国内借助传统金融风控手段运营比较成功的P2P平台。
2.担保公司实力是否雄厚
这种方式主要是由P2P理财平台跟第三方担保公司进行合作，由第三方担保公司来为平台的每一笔交易来进行连带责任担保。如借款人出现了逾期不付的问题，那么第三方担保公司将会为投资者进行一个全额的本息垫付，很多P2P理财平台都采用这种方式来做安全保障。
2、运营模式既决定平台业务内容及范围，同时决定平台稳定性
P2P本质隶属借贷双方信息服务平台，国内大小平台根据自身特长出现了O2O、P2B等业务借贷模式。P2P是一种个人对个人的借贷模式，个人债务属于无限责任；P2B是个人对企业，如果是有限责任公司可能出现倒闭和破产，债务追回就会十分渺茫；O2O属于P2P时代的创新，直接线上对线下模式，也是相对比较安全的P2P理财模式。基本线上寻找投资人，线下寻找借款人，同时引入第三方担保或融资性金融机构担保及实物抵押。
三.风控很重要
首先，要看平台是否有投资担保公司担保，而且担保公司的实力是否足够强。是否有第三方资金托管。其次，单一项目募集资金总额过大，是否超出了该P2P平台交易总额的5%。即使很多都提供本息全额担保，也有自己独特的风险控制机制。要规避大额借贷资金或者资金池操作。
其次，取决于风险管理能力是否足够强大。风控这块主要做两个工作，一个是前期借款标审定的时候对风险进行评估，如风险在控制范围之外则一票否决。另一个是贷后进行跟踪，定期对借款人的经营状况进行了解、上门调查。
另外，线下催收能力也是风险控制能力的体现，这个判断标准主要是在：
（1）对于抵押物的处理能力；
（2）公检法社会资源协调能力 ；
（3）对于借款人心理分析、处理能力。
4、平台是否有逾期，逾期坏账率具体情况
P2P平台是为借款人和投资人提供有效的信息撮合服务，使投资人资金最大化，借款人享受小微金融实惠。撮合借贷双方过程中，肯定会产生一些小概率事件，这就是投资人和平台最讨厌的坏账和逾期，这种情况肯定存在，就连国内最权威的银行业都不可避免。

⑨ p2p网络借贷风险是什么谁能介绍一下.

风险大：
1、信用风险大。现阶段中国信用体系尚不完善，互联网金融的相关法律还有待配套，互联网金融违约成本较低，容易诱发恶意骗贷、卷款跑路等风险问题。特别是P2P网贷平台由于准入门槛低和缺乏监管，成为不法分子从事非法集资和诈骗等犯罪活动的温床。去年以来，淘金贷、优易网、安泰卓越等P2P网贷平台先后曝出“跑路”事件。

2、是网络安全风险大。中国互联网安全问题突出，网络金融犯罪问题不容忽视。一旦遭遇黑客攻击，互联网金融的正常运作会受到影响，危及消费者的资金安全和个人信息安全。

温馨提示：以上内容仅供参考，不做任何建议。
应答时间：2021-10-14，最新业务变化请以平安银行官网公布为准。
[平安银行我知道]想要知道更多？快来看“平安银行我知道”吧~
https://b.pingan.com.cn/paim/iknow/index.html