新产品发布 - 公司推出名为Credit Washing Solution的新解决方案 旨在帮助金融机构检测和打击信用清洗行为[1] - 信用清洗是指从信用档案中移除合法、准确且“未过时”的信用数据的行为[1][3] 市场问题严重性 - 今年美国约有5%的消费者因非典型原因导致坏账账户被隐藏 预计到年底将有100亿美元债务从信用报告中抹去[1] - 公司分析显示 过去几年消费者主动发起的坏账隐藏事件激增近700% 过去四年贷款机构主动发起的隐藏事件增加200%[1] - 存在非典型坏账隐藏的消费者 在新账户开立一年内发生坏账的可能性是未进行信用清洗消费者的3.5倍[2] 对信贷生态系统的影响 - 信用清洗对信贷生态系统造成损害 贷款机构因消费者信用和欺诈风险未被准确评估而遭受巨大财务损失[2] - derogatory数据被隐藏后 消费者信用风险平均被低估至少一个风险等级 极端情况下可能一夜之间从次级贷款者变为优质贷款者[2] 解决方案功能 - 该解决方案使贷款机构能够将潜在高风险消费者引导至人工审核 优化信用额度并减少早期坏账[3] - 解决方案提供三个核心指标：Credit Washing Default Score机器学习模型 Tradeline Washing Attributes算法和Inquiry Washing Attributes算法[5] 产品部署与集成 - 该解决方案最初作为公司信用和模型报告的附加功能提供 可在预筛选、预审和投资组合审查流程中应用[4] - 额外的交付渠道和第三方平台集成正在开发中 预计在不久的将来推出[4]

核心观点 - TransUnion推出业界首创的信用清洗解决方案，旨在帮助金融机构检测和应对日益增长的信用清洗行为，即从信用档案中非法移除合法、准确且未过时的信用数据[1] 问题严重性与市场背景 - 2025年美国约有5%的消费者因非典型原因导致坏账账户被隐匿，预计年底前将有100亿美元债务从信用报告中抹去[2] - 非典型数据隐匿导致信用评分被人为抬高，显著改变消费者风险评估结果[2] - 过去两年消费者主动发起的坏账隐匿事件激增近700%，过去四年贷款机构发起的隐匿事件增长200%[3] - derogatory数据被隐匿后，消费者平均信用风险至少上升一个风险等级，极端情况下可能一夜之间从次级贷款者变为优质贷款者[4] - 存在非典型坏账隐匿的消费者，在新账户开立一年内出现坏账的可能性是未参与信用清洗消费者的3.5倍[4] 解决方案功能与特点 - 解决方案采用先进分析和机器学习技术，提供三种核心指标[6][8] - 信用清洗违约评分：机器学习模型识别有坏账隐匿历史的消费者，预测其在12个月内对新账户违约的更高风险[8] - 交易记录清洗属性：算法计算六个业务领域（汽车贷款、银行卡、催收、抵押贷款、个人贷款、零售卡）和不同时间段内已报告坏账的变化[8] - 查询清洗属性：算法计算四个业务领域和六个时间段内硬查询的变化[8] - 解决方案最初作为TransUnion信用和模型报告的附加功能提供，可在预筛选、预资格审核和组合审查流程中使用[6] 行业影响与公司定位 - 信用清洗对信贷生态系统构成重大损害，贷款机构因消费者信用和欺诈风险未能准确呈现而遭受巨大财务损失[4] - 该解决方案使贷款机构能够将潜在高风险消费者引导至人工审核，优化信用额度，并减少早期坏账[6] - TransUnion作为全球信息和洞察公司，在超过30个国家拥有13,000名员工，致力于通过可靠的代表性促进市场信任[9]

文章核心观点 - 汽车贷款领域的欺诈相关核销损失显著高于其他消费信贷产品 且欺诈策略正在演变 合成身份欺诈和信用清洗是两大新兴威胁 它们扭曲了真实的消费者风险 导致即使在传统低风险信用层级中也出现损失上升 [1][2][7] 汽车贷款欺诈损失严重性 - 对2023年3月至9月发放的贷款进行两年后观察 汽车贷款因欺诈造成的平均美元损失是信用卡的21倍 是无担保个人贷款的6倍 [2] - 汽车贷款欺诈平均损失接近2万美元 远高于无担保个人贷款的3,427美元和信用卡的940美元 [5][6] - 尽管汽车贷款的欺诈发生率低于信用卡和无担保个人贷款 但由于贷款金额较大 其美元损失在所有信用风险层级中都显著更高 [3] 合成身份欺诈在汽车贷款中的特点 - 汽车贷款欺诈损失独特地由优质及以上风险层级的消费者驱动 这些消费者通常被视为低风险 [4] - 被标记为更可能涉及合成欺诈的优质及以上消费者 其不良率是其他消费者的12.5倍 平均余额损失超过2.2万美元 其中超级优质消费者的平均损失超过5.3万美元 [4][5] - 合成欺诈在无担保个人贷款和信用卡领域的损失 无论是频率还是财务影响 都显著较低 [4] 信用清洗对风险感知的扭曲 - 信用清洗是指消费者欺诈性地争议合法的、准确的数据（通常是逾期或核销账户）以暂时改善其信用档案 这会造成借款人信用质量的虚假印象 [8][9] - 拥有超级优质信用评分的信用清洗者 其核销率与接近优质层级的非信用清洗者相当 揭示了感知风险与实际风险之间的严重脱节 [10][11] - 具体数据显示 超级优质信用清洗者的核销率为3.4% 而其他超级优质消费者的核销率仅为0.1% 前者核销率接近其他接近优质消费者的3.4% [11][12] 行业挑战与解决方案方向 - 随着汽车贷款行业变得更加数字化和互联 欺诈风险不再是边缘案例 而成为系统性挑战 需要主动、数据驱动和创新的解决方案 [7] - 高风险行为可能被看似强大的信用档案所掩盖 使得确保汽车贷款市场中每个人都被可靠地代表变得更加困难 [7] - 贷款机构需要整合欺诈特定属性和验证工具 以在信用清洗等异常行为影响投资组合表现之前将其检测出来 [13]