自國内金融P2P暴雷，國内很多小貸機構便湧入了東南亞、非洲等未開拓的市場，像印尼、印度、菲律賓、泰國、越南、奈及利亞等國家。
分析這些東南亞/非洲國家的市場特點，有低金融包容性（2017年越南有30.8%的人擁有銀行賬戶），對金融的高需求（2017年借貸的人口比例49.0%）和網際網路普及率（2018年為66%）和移動連通性，為東南亞金融科技貸款的發展提供了最有利的條件，開啟了野蠻生長的模式。
結合這些地域的貸款市場情況，通常征信體系建設及經濟情況都比較差，且大部分的使用者資質比較差（也并不滿足銀行的貸款資格）。種種因素下，機構對于放貸使用者的信用/欺詐風險的掌握是比較差的，小貸機構壞賬率普遍地高（如一些機構的新借貸使用者壞賬率可達 20~30%，而銀行壞賬通常在10%左右）。
在東南亞開展的小額貸款産品，普遍是714高炮（貸款周期7-14天，收取高額逾期費用或放貸時提前從本金中扣除利息-砍頭息，有的實際年化利率竟達到300%）。
高利率必然帶着高風險，這種業務也很容易受到金融監管政策的封殺。
小貸風控體系介紹
這麼高的壞賬情況，如果小貸機構在對借貸使用者信用情況的掌握不足，即使高利率也未必覆寫這麼高的信用風險。
可見，風控能力是小貸業務控制損失的核心，風控體系通常由 反欺詐（證件資訊核實、人臉識别驗證、黑名單）+ 申請評分模型組成。
風控好壞關鍵在于資料擷取及積累。一個明顯差異展現在于，機構新借貸的使用者壞賬率是20~30%（裡面騙貸欺詐的比重應該挺高），而對于在機構内複貸的老使用者（之前有借貸的再重複貸款的使用者）壞賬率僅有4%。
也就是，對于機構有掌握借貸曆史的使用者，其壞賬率是顯著較低的！信貸風控能力的差異其實也就是資料壟斷優勢的展現！ 對于小貸機構，營銷擴充新使用者後，如何應用風控模型盡量準确地評估新使用者，并給予較低的額度，當其有較好的信貸曆史後再提高額度，好好維持及擴充這部分複貸使用者就是業務盈利的關鍵。
海外的小貸機構申請評分模型的資料主要來源有：
- 機構曆史借貸記錄：如使用同一手機号申請貸款次數、逾期次數。在征信體系建設覆寫不完全的情況下，在機構内（或聯合機構）的借貸曆史往往也是最有說服力及有效的。
- 客戶基本資料：如身份資訊、聯系方式、職業、收入、借款用途等資訊。由于線上申請這些資料往往沒有人工稽核，資訊的可靠性是存疑的，通常可以借助多方資料來核驗這些是不是一緻及可靠的。
- 征信機構的征信報告：全球三大商業個人征信巨頭分别為益百利（Experian）、艾克發（Equifax）和環聯（Trans union），可以提供貸款申請次數、貸款額度、信用賬戶數等資訊。但不足的地方在于，對于征信體系建設不完善的地區，覆寫度、資訊記錄會比較差（本項目驗證的Experian實際覆寫度80%左右）。
- 手機短信：短信可以提供很多有價值的資訊，如話費欠費、銀行卡收入支出、聯系人數量、日常閑聊短信、機構催收短信、信貸廣告數量。可以通過簡單關鍵字比對、詞袋模型等方法抽取關鍵特征，進一步還可以通過短信分類、資訊抽取（實體抽取）等方法統計催收短信數量、欠款金額、收入支出金額等資料（注：擷取短信資料肯定是不合規的，對于機構隻想要更多的資料保證，而對于使用者急着用錢哪還管什麼隐私資料。目前，有些APP已被禁止擷取短信、通話記錄，這也是要随着監管不斷完善。）
- 手機通訊錄：可用于統計關聯的聯系人的逾期次數等特征，以及其他的一些社交資訊；
- APP資料：可統計安裝信貸類APP、社交類APP的數量，以及app使用率；
- 登入IP、GPS、裝置号資訊：可以用于關聯特征，如同一IP下逾期次數，以及建立IP、裝置黑名單；
- 銀行對賬單資料：如工資流水等資訊，可以比較有效展現使用者還款能力。
申請評分模型實踐
1 征信特征加工
本項目基于東南亞某國近期的500筆的小額貸款交易（資料源于網絡，侵删），擷取相應Experian征信報告資料，并用Python加工出滑動視窗的征信特征：如近30天的貸款次數，貸款平均額度、最近貸款日期間隔、曆史逾期次數等特征，通過LightGBM建構申請評分模型。
本項目模組化較為簡化，更為完整的評分卡模組化全流程可以參考之前文章：真香啊，一文講透金融風控模組化全流程(Python)
Experian征信報告原始封包包含了個人基本資訊、近期貸款資訊、信用卡、貸款等曆史表現等資訊。如下代碼滑動時間視窗，提取相應的特征。
def add_fea_grids(fea_dict, mult_datas, apply_dt='20200101', dt_key='Open_Date', calc_key="data['Amount_Past_Due']",groupfun=['count','sum', 'median','mean','max','min','std'], dt_grids=[7, 30,60,360,9999]):
"""
征信報告使用滑動時間視窗-近N天，加工字段A的 計數、平均、求和等特征.
fea_dict:最終特征存儲的字典
mult_datas:多條的記錄值
calc_key:資料特征字段的相對位置
"""
new_fea = {} # 記錄各時間視窗的原始特征
for _dt in dt_grids:
new_fea.setdefault(_dt, [])# 按時間視窗初始化
fea_suffix = calc_key.split("'")[-2] + str(len(calc_key)) # 字首備注
if mult_datas:
mult_datas = con_list(mult_datas)
for data in mult_datas:
if len(data[dt_key]) >=4 and data[dt_key] < apply_dt: #篩選申請日期前的記錄,報告應該為準實時調用的
for _dt in dt_grids:
if (_dt==9999) or (ddt.datetime.strptime(str(data[dt_key]),"%Y%m%d") >= (ddt.datetime.strptime(str(apply_dt),"%Y%m%d") + ddt.timedelta(days=-_dt))) :# 篩選為近N天的記錄，為9999則不做篩選
if "Date" in calc_key or "Year" in calc_key : #判斷是否為日期型，日期直接計算為時間間隔
fea_value = diff_date(apply_dt, eval(calc_key) )
elif "mean" in groupfun: # 判斷是否為數值型，直接提取到相應的時間窗
fea_value = to_float_ornan(eval(calc_key))
else:# 其他按字元型處理
fea_value = eval(calc_key)
new_fea[_dt].append(fea_value) # { 30: [2767.0, 0.0]}
for _k, data_list in new_fea.items(): # 生成具體特征
for fun in groupfun:
fea_name = fea_suffix+ '_'+ fun + '_' +str(_k)
fea_dict.setdefault(fea_name, [])
if len(data_list) > 0:
final_value = fun_dict[fun](data_list)
else :
final_value = np.nan
fea_dict[fea_name].append(final_value) 3.2 特征選擇
考慮征信報告的隐私性，本項目僅提供一份報告示例做特征加工。特征加工後特征選擇，關聯逾期标簽，形成如下最終資料特征寬表。
df2 = pd.read_pickle('filter_feas_df.pkl')
print(df2.label.value_counts()) # 逾期标簽為label==0
df2.head() 3.3 模型訓練
train_x, test_x, train_y, test_y = train_test_split(df2.drop('label',axis=1),df2.label,random_state=1)
lgb = lightgbm.LGBMClassifier()
lgb.fit(train_x, train_y,
eval_set=[(test_x,test_y)],
eval_metric='auc',
early_stopping_rounds=50,
verbose=-1)
print('train ',model_metrics2(lgb,train_x, train_y))
print('test ',model_metrics2(lgb,test_x,test_y))