很高兴受邀参加硅谷高科技创新创业峰会，分享飞贷在金融科技领域做出的创新尝试。我之前在美国Fico咨询事业部任中国区负责人，我了解到飞贷开创了全球首款手机APP贷款，并在全球率先实现了信贷业务的移动互联网化，其产品背后的逻辑就是基于移动互联网化的风控体系，而这也是我在Fico多年以来致力于研究的问题。因此飞贷解决的是全球的信贷、风控难题。

　　飞贷风控科技的第一支柱就是欺诈防范和侦测。手机App贷款有两类非常典型的欺诈类型，即身份欺诈和团伙欺诈。前者是申请人伪冒他人身份的欺诈，后者是欺诈分子有组织地仿冒或伪造资料来进行集中的申请，骗取贷款。

　　对于身份欺诈，飞贷采用了人脸识别技术作为主要防范手段之一。客户申请时，会被要求扫描身份证正反面，同时也要求打开手机摄像头，根据系统的提示做出各种动作，如张张嘴、睁睁眼等小动作，用于记录个体的脸部属性，如两眼之间的距离，眼睛和鼻尖所构成的三角区域的形态等等，我们称为“活体检测”。每个人的这些特征都是独一无二的，从而用来识别身份。飞贷App会自动保存身份证照片和手机相机拍下的照片在后台进行程序运算比对，根据“活体检测”获得的特征来判断申请人手机拍摄的照片是否和身份证照片以及公安部后台数据中留存的高清照片是一致的。

　　对于团体申请，飞贷采用了一种叫复杂网络的技术来识别欺诈分子。我们把已经发现的欺诈分子作为种子，如果我们发现有的申请人在家庭地址，单位地址，手机设备号、IP地址、邮箱号码、联系人手机号码等代表个人信息的数据上和我们已知的欺诈分子一致，我们就会在这些申请人和欺诈分子之间划一条线，把他们关联起来。同样道理，正常申请之间如果存在相似的信息，我们也把他们用连线关联起来。我们会发现，有的欺诈分子周围可能聚合起一团这样的连接。通过运用图论的一些算法，我们可以把这种集中度的网络识别出来，我们把这些网络叫做社团。这个技术叫分团技术。飞贷正是利用这样的复杂网络技术，有效的防范和侦测了团伙欺诈。

　　飞贷风控科技的第二支柱就是大数据和信用评分。

　　在美国，征信体系比较完善，只要个人在银行有借贷和业务往来，就会记录在征信报告中，个人拥有征信报告和评分的比例相当高，基本上每个成年人都会有一个FICO评分，银行发放贷款的时候，都要去查询FICO评分。在中国，情况有些不一样。虽然中国人民银行在积极推动征信体系的建设，但目前为止，也仅有不到30%的适龄人群有征信报告。央行目前虽然已完成了征信局评分的开发，但还在测试中，未大面积推广使用。基于这样的现状，飞贷的解决办法是和第三方的数据公司进行合作，通过数据公司提供的地理位置信息、手机通讯行为、银行卡交易信息，甚至电商交易信息、房车等资产信息，开发我们称之为大数据评分的信用评分模型。这主要适合于没有征信记录的那一部分人群。对于有征信记录的人群，我们会接入央行的征信系统，调取他的个人征信报告。通常在征信报告中，我们可以了解到申请人的年龄、性别、居住和工作地址等基本信息;信用卡、房贷和个人借款等贷款明细;申请人如有法庭裁决，严重逾期而被催收也可以在公共记录部分调取;同时，如果申请人在不同的银行申请借款，银行会接入央行的征信系统调取申请人的征信报告，这种查询记录也会记录下来。飞贷正是利用了这一系列的信息，开发了自己的金融信用评分。这其实是飞贷自己的FICO评分，其中技术框架和方法都和FICO评分是一致的。如果申请既有征信记录，又有上面罗列的大数据，我们会结合大数据评分和金融信用评分综合评价申请人的信用等级。这两部分评分的结合，我们称之为飞贷的新一代个人信用评分。

　　飞贷风控科技的第三支柱就是生命周期管理。我们认为最佳的风险管理不是控制风险损失最小，而是扣除了风险成本之后的利润最大。因此精细化的“以客户为中心”的经营模式要求飞贷关注客户生命周期的每一个环节。不仅是在审批环节需要准确评估客户风险，给予合理的定价和初始额度。随着用户使用飞贷产品次数的增加，需要动态评估客户的信用和欺诈风险，从而动态调整客户的额度和价格。飞贷通过开发自己的行为评分模型，从客户的金融交易行为和非金融交易行为等方面衡量评估客户的风险。客户的金融交易行为主要是提现、还款、扣款等行为。非金融交易行为是指客户的登录、信息修改、密码修改等行为。举个例子，如果一个客户在短期内出现多次扣款失败的情况，系统提示是储蓄卡内还款余额不足，后经短信提醒，客户增加了储蓄卡内的存款，该期还款顺利进行，没有产生逾期。即使如此，虽然客户没有逾期，但卡内余额不足的这种状况，将被记录下来，做为动态信用评估的一个依据。飞贷的行为评分系统有上百个类似的指标。从不同的维度审视客户的资信，从而给出一个正确的行为评分。

　　基于这个行为评分，分数高的客户，即信用风险低的客户，有机会得到更低价格的贷款和更高的额度。