汽车金融零首付骗贷：图数据库如何识别经销商、中介、购车人三角网络？

零首付开新车，月供只要一千九——这句贴在 4S 店玻璃门上的广告，卖的不是车，是一笔被精心包装过的贷款。首付那一块钱之所以能免掉，是因为有人替你把购车发票的金额抬高了；而抬高发票的收益，由车商、中介、购车人三方按比例分走，账单最终落在金融机构的资产负债表上。传统车贷风控盯的是人（征信、收入、职业）和物（车辆、抵押、GPS），偏偏不盯这三方之间的关系，于是每一笔单看起来都合规，凑到一起才是骗贷。本文把这张三角网络的结构、识别方法与落地路径讲清楚。

一、零首付骗贷的三种典型结构

零首付不是某一个环节造假，而是整条链路协同造假。按主导方划分，实际业务中常见三种结构。

结构一：经销商主导的高开虚报。 这是最主流的一种。车辆实际成交价 12 万，经销商把发票开到 16 万，购车人以 16 万的车价申请贷款，按 80% 放款比例可贷 12.8 万，正好覆盖全部车款，首付为零。多出的 4 万被经销商以"返利""装潢包"名义与购车人分成。金融机构按 16 万的车价放了 12.8 万，抵押物实际只值 12 万，一旦违约处置，缺口立刻出现。

结构二：中介主导的人头包装。 购车人本身可能是征信白户或背债人，由中介统一包装职业、收入、流水、居住地址，批量向多家金融机构进件。车辆到手后迅速过户或抵押给民间借贷，形成"一车多融"。这类案件中购车人通常只拿到几千元好处费，真正受益的是中介。

结构三：购车人主导的套现型骗贷。 购车人本身有真实购车意愿，但通过中介配合做高车价，把差额套出来用于经营周转或偿还其他债务。这类客户前几期还款正常，风险暴露滞后，是最容易被误判为优质客户的一类。

三种结构里三方角色固定，区别只在于谁主导、谁分成：

角色	承担动作	获得的收益	风控可见度
经销商	高开发票、虚报车价、配合提供虚假首付款凭证	车款全额回笼 + 分成	低，发票在系统内为合法单据
中介	包装资质、组织人头、对接多家资金方	贷款金额 3%-8% 佣金	极低，不出现在任何业务字段
购车人	提交申请、配合面签、接收车辆	零首付提车或数千元好处费	高，但单人资质往往"没问题"
金融机构	审核、放款	一笔看似合规的抵押贷	被动，风险滞后 3-9 个月暴露

三方中经销商和购车人有合同关系、有票据、有面签记录，唯独中介这层关系在业务系统里几乎不落任何字段——它只存在于通话记录、转账备注、设备指纹和共同联系人里。这也正是关系数据看得到三角、图数据库看得到三角加中介的原因。

二、传统车贷风控的三道关口为何集体失守

汽车金融的风控流程并不简陋：征信报告、收入核实、车辆评估、抵押登记、GPS 安装，五道流程一个不少。但骗贷团伙绕开的不是流程，是流程背后的单点视角假设。

第一，审核对象都是孤立的个体。 每一笔申请被拆成一个客户加一辆车来评估：征信无逾期、收入覆盖月供两倍、车辆估值与发票一致、抵押已登记。单看每项都过，因为造假是按审核项逐条定制的。真正暴露问题的是项与项之间的关系——同一个经销商三个月内递交的 47 笔申请里，有 31 笔的紧急联系人存在交叉；同一批申请的首付款来源账户集中在 5 张卡上。这些信号分散在不同表里，单条永远不构成拒件理由。

第二，经销商风险评级滞后于骗贷演化。 多数机构对经销商有黑白名单，但名单更新靠人工巡检和事后不良回溯，周期以季度计。团伙一旦察觉某家经销商被标记，会立刻换壳——换个门店名、换个对公账户、换个法人，实质控制关系不变。关系数据库按主体 ID 建索引，换壳等于换来一个全新身份。

第三，贷后与贷前数据不打通。 车辆 GPS 异常、连续逾期、车辆被二次抵押，这些信号在贷后系统里是孤立的个案；等到积累成区域不良率异常时，损失已经形成。而骗贷团伙的贷后行为往往高度同步——同一批客户的首次逾期集中在同一周，同一经销商的车辆在同一时间段批量拆除 GPS。

传统审核维度与骗贷真实结构之间的错位，可以概括为下表：

传统审核维度	审核看到的	骗贷真实结构	失效原因
个人征信	无逾期记录、负债合理	背债人被包装成白户	征信更新滞后，包装周期短于更新周期
收入与流水	月入覆盖月供两倍	流水由中介统一制造	只看金额不看资金来源账户的复用
车辆估值	发票价与评估价一致	发票本身被高开	评估依据的是被污染的价格
抵押登记	抵押手续齐全	车辆同步被二次融资	跨机构抵押信息不互通
经销商资质	合作渠道在白名单	实控人已换壳	主体 ID 变更即视为新主体

三道关口失守的共同点是：审核的是属性和状态，而非关系和过程。关系型表结构天然适合记录属性，不适合做多跳关联检索。

三、图数据库如何还原经销商、中介、购车人三角网络

把汽车金融业务数据抽象成图之后，骗贷网络的结构会自然浮现。

建模：六类节点、八类关系。 节点包括购车人、经销商（门店）、销售顾问、车辆、银行账户、联系号码与设备。关系包括购车人-申请-车辆、经销商-销售-车辆、购车人-使用-设备、购车人-提供-银行账户、购车人-联系人-号码、经销商-关联-银行账户、中介-服务-购车人、经销商-实控-门店。其中后两类关系通常不来自业务表，而是从通话、转账、地址、设备等弱信号中抽取。

建图：弱信号是关键。 业务系统里的强关系（合同、发票、抵押）团伙会刻意做得干净；真正暴露团伙的是弱信号——同一设备 ID 在 24 小时内提交过多份申请、多个购车人的收款账户是同一张卡、不同门店的销售顾问留的是同一个手机号、申请填写的公司地址落在同一间注册在册的虚拟办公空间。这些信号单独看都是噪声，连成边之后就构成中介节点。

查询：多跳遍历替代多表 JOIN。 识别一笔申请是否属于团伙，本质是问"这个购车人三跳之内能碰到哪些已知风险节点"。用关系数据库表达这一问是五张表的级联 JOIN，在千万级数据量下四跳即超时；图数据库沿边遍历，同样深度在百毫秒级返回。

算法：从单点可疑到群体定性。 具体识别动作与对应算法如下：

识别目标	使用算法	判定依据	输出形态
团伙划分	Louvain 社区发现	购车人、经销商、中介构成的稠密子图	团伙清单与成员角色
中介定位	介数中心度 / PageRank	不持有资产却连接大量申请的节点	中介疑似名单
资金归集	环路检测	首付款账户与经销商收款账户形成闭环	资金回流证据链
影响范围	联通子图	单个风险经销商可达的全部在贷客户	敞口金额与户数
传导路径	最短路径	购车人与已知黑名单之间的跳数与中间人	关联深度与风险等级
换壳识别	子图匹配	新门店与已关停门店的邻域结构相似度	疑似同一实控人

一次典型命中是这样的：Louvain 在当月进件中圈出一个 62 人的社区，社区内介数中心度最高的节点是一个不在任何业务字段里出现的号码；从该号码出发两跳，可触达 4 家门店、31 笔申请、合计 780 万敞口；再跑环路检测，发现其中 22 笔的首付款在放款后 72 小时内回流至经销商关联账户。整个过程从数据到结论，图数据库内一次查询链路完成。

四、五个可落地的识别信号

算法提供能力，业务规则提供可解释性。以下五个信号在实战中命中率最高，且都能直接翻译成图查询语句。

信号一：高开幅度异常。 同一车型、同一配置，某经销商的开票价长期高于区域成交均价 8% 以上，且高开部分与首付免除部分高度吻合。图查询按"经销商-销售-车辆"聚合开票价与车型基准价，偏差排序即可生成名单。

信号二：集中进件。 同一门店、同一销售顾问在短时间内递交大量申请，且申请人之间无明显的自然社交关系（非同单位、非同村居），却共享设备、地址或联系人。这是中介批量操作的典型痕迹。

信号三：首付来源代付。 首付款不来自购车人本人账户，而来自经销商、销售顾问或其关联账户——本质是经销商借钱给客户付首付，再把这笔钱从贷款里拿回来。环路检测对这一信号的识别最为直接。

信号四：贷后同步异常。 同一社区内的客户首次逾期时间集中在 7 天窗口内，或同一批车辆 GPS 在同一周内批量离线。贷后行为同步性说明背后存在统一指挥。

信号五：车辆快速再处置。 放款后 90 天内车辆完成过户、解押或二次抵押，且受让方与经销商存在关联关系。这类信号需要与车管所、第三方抵押登记数据打通才能捕获。

五个信号可以单独配置，也可以组合成规则集。建议的做法是先跑信号一和信号二做存量回溯，验证命中率后再配置实时拦截规则——避免在误判成本高的时候贸然上线硬拦截。

五、悦数图数据库的核心支撑能力

针对汽车金融这类多主体、弱信号、深关联的场景，悦数图数据库提供万亿边规模的分布式底座，经销商、购车人、车辆、账户、设备等全量关系可在一张图内统一管理，多跳关联查询稳定在百毫秒级；内置 Louvain、PageRank、环路检测、最短路径、子图匹配等图算法，无需自研即可完成团伙划分与中介定位；支持动态 Schema，新增识别维度时不必停机重建表结构；通过 CDC 实时同步业务库变更，进件即入图、入图即校验；配合 Text2nGQL 与 GraphRAG，业务人员可用自然语言完成线索追问与案件归因，不必依赖开发排期。

六、落地路线图

汽车金融机构引入图数据库，建议按四阶段推进，每一步都有可验证的产出。

第一阶段：存量回溯，验证价值。 选取近 12 个月的进件与贷后数据，构建包含经销商、购车人、车辆、账户、设备的最小图谱，用已知不良客户做回溯测试，验证图特征对不良的区分度。这一阶段不改动线上流程，目标是拿到"能识别出多少此前漏掉的团伙"的量化结论。

第二阶段：贷前实时接入。 将图查询嵌入进件流程，对每笔申请做三跳关联校验，输出风险评分与关联线索，作为人工审核的辅助依据。此时应配置白名单机制，避免对优质渠道产生额外摩擦。

第三阶段：图算法团伙识别常态化。 按周或按日跑社区发现与中介定位，输出团伙清单交反欺诈团队核查，命中结果回流至经销商评级与黑名单。这一阶段的价值从"拦截单笔"升级为"打掉网络"——一次命中往往能阻断数十笔后续申请。

第四阶段：贷前贷后一体化。 打通贷后行为数据（还款、GPS、二次抵押），贷后异常信号实时回流图谱并触发贷前策略调整，形成闭环。同时探索与同业或行业征信平台的关联信息交互，让跨机构骗贷网络也无处遁形。

零首付骗贷之所以难防，不是因为造假手段有多高明，而是因为三方合力把关系藏了起来——发票是真的、抵押是真的、征信是干净的，只有把它们连起来看，假的那一面才露出来。图数据库做的正是这件事：让关系显形，让中介从隐形变成图上一个度数异常的节点。对汽车金融机构而言，这一步走完，被骗走的就不再只是事后追偿的残值。