深度解读：多头策略之大之小，大有多大?
一、多头的两个范围界定
传统金融的定义（也是正确的定义）：多头就是多头负债，一个客户有两个或者两个以上的在还金融借款，相比一个在还，客户的风险相对更高，因为他有更大的还款压力，更多的资金缺口。
这里说到另一个话题，我们通过分析多头数据发现，它的分布往往可能是呈现u型的，就是表现最好的并不一定是一笔负债，两笔负债，可能是5到8笔，然后再往后逾期开始过高。
这个问题并不与前面的相悖论，这些是大数据分析的结果。如果金融机构对借款人历史上只放了一笔，大概率是判断他为信用差的人。但是如果在有5-8笔共债的这些人群里，给他新的一笔借款可能比多给他两笔新的借款会好很多，因为给了两笔风险更大。
互联网金融的另一定义：申请记录作为了多头评估，这个严格意义上是错误的。
我看过某个头部大数据金融风控公司早期出的互联网金融用户借款多头报告，仔细读了内容，几十页的PPT居然都是根据自己庞大的申请查询记录分析的，并不知道这些客户是否通过，是否放款，贷后表现如何。
不过行业也普遍的存在这个错误，人云亦云，就连那些主流的人也跟风，不加纠正。
所以一看多头，要了解数据收集来源，是否真实的多个负债，如果不是，后面的分析大可不看，就是个数据集的统计描述分析而已。
二、多头的真实数据源有哪些？
央行：信用报告很全了，显示了每个授信的类别，结清情况，还款情况，逾期情况。
八大征信：由于自己内部庞大的数据资源和与合作伙伴的贷后数据交互，实时的多头数量不小。
三方：某头部p2p搞的贷款联盟征信平台，支付公司的支付代放代发资金数据衍生。
伪多头（查询申请记录）：某大头部智能征信，爬虫公司，短信，这些出来的大部分是伪多头，给你分析出来天花乱坠的多头报告，大可不观看。
自身积累：目前大部分公司的产品是多样化的，多分期的，多利率的，不同产品去营销，难免存在交叉客户，或者需要解决客户多产品申请的策略应对。
有的公司好几个子公司，但是没有打通数据库，这不太明智，放着数据不用。有的公司只给一个客户放款一个产品，显然也不是最优的。尝试放开，最后结合客户的数据表现做多产品放开策略才是最优的，进而对客户整体授信，再对每个产品授信才是最好的。
像典型的蚂蚁金服，花呗，借呗，备用金。这3个你如果都是在还状态，那么你就是在这个公司的有3个多头负债。
他们会根据人群，数据，还款行为，给出不同的信贷策略方案。你可能没有借呗，但是花呗额度很高。你也可能花呗额度很低，借呗额度很高，你也可能只有备用金的权限，这个就是一个内部公司积累自身多头数据的重要性了。可以为公司的后续产品、策略做更好的优化准备。
三、多头的分析与风控管理策略（案例展示）
分析方法与风控的其他因子类似，可以根据多头的个数，多头的金额来分析该因子的iv, ks，看逾期分布曲线。
对于风控策略，目前有的作为单个规则，有的放在模型里，有的只会作用在额度上。其实我觉得多头的用户如果数据全的话，最好可以单独分群建模，因为相当于共享了他的贷后数据，类似于自己的贷中管理，侧重行为评分卡更好，重点在额度上加以利用。
下图为笔者曾经工作过的某业务板块实例数据策略监测：
test_a/b为不同的策略分支，factor为多头共债的数量，ispd与is_notpd为表现期5天的好客户与坏客户数量，pd_rate为坏样本的数量即坏账率。
从因子0-9可以看出随着多头的增加坏账率有着明显的增加，test_a把多头为7, 8, 9的客户放进来了，通过小量的测试可以看出这部分的坏账0.6,坏账区别明显，作为新的迭代，这部分客户就需要拒绝它了，这是一个基本简单的策略应用实例。
下图为某公司简单的多头策略，作为单独的一个风控模块，采取多规则组合使用，在模型，额度上并没有应用。相当于在原有的策略上加了共债策略，这样相当于更严格了，笔者认为这样不合理，其实共债的客户通过共债数据会更好的识别好坏用户，可以单独的分群建立策略。（在途订单为多头个数）
四、危言耸听的多头危机
说起多头我觉得这个是大家应该值得关注的事情，我猜测未来应该会有金融政策的国家力量开始关注了，多头说到小，是一个人的信用评估，说到大，是一个金融环境的体量、结构。
如果多头严重，社会经济变坏，社会金融就会发生系统性危险，多头的严重性，可以说是诱发金融危机的慢性毒瘤。
这里从一个很好的单个个体举例来说。
生活中有这样一个小新，80后，工资2万，有着体面的计算机工作背景，一线都市小资的生活水准，金融理念有着超前的过度消费欲望。
金融机构都会喜欢这样的借款人，工行给他5万，招行给他5万，百度金融5万，借呗5万，一共就有了20万，小新由于超前的消费理念，和过渡的开支，便开始旅游，买电子产品，丰富业余生活······
金融普遍是万5的利息，那么如果动用这20万分期一年，小新大概需要年化一半的利率9%,就是18000，还好小新觉得很合适，消费20万，一年才还款18000，自己一个月的工资就够了。
那么小新的问题来了，自己每个月要还16666的本金，对小新每个月工资都在还这个本金了，生活费就更困难了，为了体面和维持消费习惯，小新习惯性地在微粒贷又开通了10万的额度，去干嘛呢，没有消费，去借新还旧，10万也就够他还5个月的了，但是这10万又分了12期，又有新的本金8333,然后又有新的利息10000要偿还。这样下来每个月要还25000左右，利息一共3万。
但是小新呢，生活似乎没有什么新的变化。
如果小新在习惯性地借款呢，因为月工资已经不能覆盖了，他又开始借款，几万几万的加，最后他必将是一个死者，为什么呢？
如果他每个月新借的本金产生的利息不能被他工资减去日常消费剩余覆盖，那么他必将死定了，因为自己的收入连每个月产生的利息都还不清了，那么本金呢，就别提了，这几十万的本金永远是他的吸血鬼，他永远还不清，他要永远把自己的工资偿给人家。
突然想到一句美国人说的话：不要去借款，你不仅要分文不少的偿还本金，你还要承担高额的利息，你得到的是看似体面的生活，却给自己留下了一堆再也还不完的利息，而那本金就像你心中的恶魔永远挥之不去，这辈子都要是本金的奴隶，而利息是你的血汗。
严重么，这不是举例，现在社会很多人，很多企业都是这样，那些严重的人很多自杀了，他们无法面对没有希望的未来，人生就这样被侵蚀下去。不严重的人呢，他们每天东墙补西墙，借新还旧，每个月的收入苟且的可以应付着这些借款的利息，却很难减少本金，并不断滚大着自己的本金，很可怕，他们担心的是工作的收入，担心的是没有办法借到新的借款，这就是小新的写照，生活中太多这样的人。
当下并没有统一的多头监管明确措施，金融机构更是不会主动防御，大众心理提前信用消费慢性自杀，美好的生活侵蚀与利息，这都是过度贪婪，欲望的终极牺牲者。
望监管之明确，金融之自守，用户之明哲，取之有道，用之合理。
不要盲信美国超前的消费理念，算一算每个月自己偿还的利息占自己收入的占比，如果占比是1,那要想想够不够生存。
如果个体危机发生存在普遍性，势必会影响社会金融系统的稳定。
希望以上全部原创给读者一点新的营养与思路，谢谢！
搜索：「 金科应用研院」
可以从微信公众号菜单栏点击「在线学习」
更多风控资讯与干货学习资料，都在微信公众号
公众号对话框回复关键字： 「风控量化包」➡️领取干货学习资料
深度解读：多头策略之大之小，大有多大?相关推荐
- 深度学习笔记（五）：深度学习卷积核的计算理解，小卷积核和大卷积核的转换比较
文章目录 一.卷积核(convolutional kernel): 1.1 介绍 1.2 设计中的问题 二.池化(pooling): 没有完全整理的blog 整理完的blog 一.卷积核(convol ...
- 小数据 vs. 大数据
2019年1月-2019年12月 文 | 潘爱民 来自 iSyscore Radio 的报道 第一讲 随着互联网技术的发展,电脑.智能手机和其他各种智能设备产生了大量的数据,我们从信息时代进入了大数据 ...
- 开发者的520！11位业界大咖齐聚，深度解读AI大模型落地“解法”
明天就是"520"了,在这个特殊的日子里,面向开发者的AI告白盛会--WAVE SUMMIT 2022深度学习开发者峰会即将准点上线! 随着数据井喷.算法进步以及算力的突破,效果好 ...
- 深度解读！新一代大数据引擎Flink厉害在哪？（附实现原理细节）
导语 | 大数据计算分为离线计算和实时计算,其中离线计算就是我们通常说的批计算,代表技术是Hadoop MapReduce.Hive等:实时计算也被称作流计算,代表技术是Storm.Spark Str ...
- 排序千万级数据_MySQL 对于千万级的大表要怎么优化？我写了6000字的深度解读...
千万级大表如何优化,这是一个很有技术含量的问题,通常我们的直觉思维都会跳转到拆分或者数据分区,在此我想做一些补充和梳理,想和大家做一些这方面的经验总结,也欢迎大家提出建议. 从一开始脑海里开始也是火光 ...
- mysql大于等于怎么写_MySQL 对于千万级的大表要怎么优化？我写了6000字的深度解读...
千万级大表如何优化,这是一个很有技术含量的问题,通常我们的直觉思维都会跳转到拆分或者数据分区,在此我想做一些补充和梳理,想和大家做一些这方面的经验总结,也欢迎大家提出建议. 从一开始脑海里开始也是火光 ...
- 《2019中国大数据产业发展白皮书》深度解读
文章经授权转载自赛迪智库(ID:ccidthinktank) 近日,由大数据产业生态联盟联合赛迪顾问共同完成的<2019中国大数据产业发展白皮书>(以下简称<白皮书>)在201 ...
- 赛迪顾问 | 政府大数据行业深度解读
本文要点 ▪中国正在加速提升政府服务能力 ▪政府大数据领域的痛难点 ▪政府大数据的未来机会点 ▪赛迪建议 政府大数据行业深度解读 一.中国正在加速提升政府服务能力 2018年,随着中国数字政府和新型智 ...
- 李涛:深度解读大数据时代的数据挖掘
3月13日下午,南京邮电大学计算机学院.软件学院院长.教授李涛在CIO时代APP微讲座栏目作了题为<大数据时代的数据挖掘>的主题分享,深度诠释了大数据及大数据时代下的数据挖掘. 众所周知, ...
最新文章
- MQTT初始篇笔记整理
- 美国大学录取时如何考察学生的背景
- js1：对象的学习，构造函数，继承构造函数【使用教材：JavaScript深度剖析第2版】...
- PyTorch Softmax
- Entity Framework 并发处理
- python能做什么程序-Python能做什么，能够开发什么项目？
- python open函数encoding_关于python内open函数encoding编码问题
- 学51单片机需要专门把C语言学透吗
- 读名老中医之路笔记（四）
- 十大因素——造就优秀的董事长
- 大数据Hadoop生态系统介绍
- zemax输出ies_基于ZEMAX的光学设计教程(第2版)
- 【知识图谱】OpenKG 发布多个新冠病毒相关开放知识图谱
- MySQL 定义条件与处理程序 的详细讲解
- box-sizing属性介绍
- 手机号批量筛选微信是什么？
- ntp服务restrict_Linux配置ntp时间服务器（全）
- 学习报告：基于原型网络的小样本学习《Prototypical Networks for Few-shot Learning》
- dedecms教程：单页制作教程
- iOS录音麦克风和系统震动的冲突