手机租赁的坏账主要从哪里来

常见来源有套现欺诈、多头共债、收入恶化和恶意逾期。四类坏账的发生阶段与提前信号不同，其中套现和共债通常与短期密集申请、负债增加及历史履约异常有关。

征信数据能识别手机租赁里的哪些风险

征信维度主要帮助识别近期查询密集、多头共债、负债与逾期历史以及履约异常。这些信息应作为担保机构自身承保决策的依据，模型、变量和分值留在其持牌体系内。

需要。征信数据难以覆盖白户新客、身份冒用、设备端损失和突发失业等新风险，还要由首单额度与押金策略、身份核验、设备管理、期限设计和贷后监测补位。

本文是「征信风控服务」系列第 6 篇（从第 1 篇读起）。

做过手机租赁的人多半见过这种单子：下单当天收货，收货当天关机，设备第二天出现在二手回收平台。租金一期没付，设备残值先折掉一大截。

这不是个别现象，而是一条分工明确的套现链条。这篇从坏账的真实来源讲起，说清楚征信数据在其中能拦住什么、拦不住什么。把边界讲老实，方案才可信。

四类里危害最大的是前两类，而它们的共同特征恰好是：风险信号主要藏在互联网数据看不到的地方。一个用户在多家银行和消费金融公司的负债与逾期，三方大数据分数覆盖不了；他这个月密集申请了几笔贷款，只有征信查询记录里有。

四类坏账来源与提前可见的信号：套现欺诈、多头共债、收入恶化、恶意逾期。

在有担保机构参与的交易结构里（结构见本系列第 4 篇），承保评估由担保公司在自身持牌体系内完成。它在评估中能看到、而互联网数据看不到的，主要是这几类信息，正好对应上面四类坏账：

需要说清楚的边界：这些是担保公司自身承保决策的依据，不是对外提供的信息产品。评估模型、变量与分值留在它的持牌体系内，租赁公司拿到的是这一单的担保决定。原因在《征信业务管理办法》对征信业务的定义，第 4 篇有完整说明。征信数据如何加工成风控可用的变量，可延伸阅读征信衍生变量的应用。

承保评估里征信维度能看到的四类信息，及其作为担保公司内部决策依据的边界。

所以合理的预期是：承保评估用上征信维度后，欺诈类与共债类的识别能力会明显改善，但它替代不了业务策略和贷后管理。风控是个组合，征信数据是其中最硬的一块拼图，不是全部。

征信数据拦不住的四类风险与对应补位策略：白户新客、身份冒用、设备端损失、突发失业。

至于这四类坏账分别该在订单流程的哪一步拦、拦不住的部分事后怎么归因，见手机租赁风控的四个决策点与逾期穿透归因。

最后一道分工留给人：模型做初筛与分层，边界单、争议单由人工复核终审，最终的承保判断与签字责任由担保机构的审核岗位承担。

可信金科沉淀了 1 万+ 征信衍生变量库，为持牌机构做评估维度设计与模型建设，是我们在这条路径上提供的核心能力之一。