人保金服戴星：小額信貸風(fēng)控的金融科技還在路上

來源：數(shù)據(jù)觀 時間：2019-06-04 17:49:44 作者：戴星

小額信貸已有數(shù)千年的歷史，相比現(xiàn)代銀行體系主要誕生于 “富?！比后w的服務(wù)不同，小額信貸是建立于個體信用基礎(chǔ)上，主要功能是“救急”，由于額度小、手續(xù)快且無用途限制，一直是缺少正常資產(chǎn)信用的“草根”們的主流融資渠道。而“強人脈、高利率、快周轉(zhuǎn)、催收猛”也是小額信貸相對銀行的特別優(yōu)勢。

一、小額信貸的風(fēng)控技術(shù)發(fā)展變遷

風(fēng)控是信貸的核心，但對風(fēng)控的理解卻沒有真理，往往都需要從失敗中總結(jié)積累。

信貸行業(yè)的風(fēng)控技術(shù)基礎(chǔ)理論依托的是兩個基本理論，一是技術(shù)經(jīng)濟學(xué)，用來還原財務(wù)報表，用現(xiàn)金流和IRR測算來解釋還款能力和利率定價；二是信用評估技術(shù)，用歷史信用信息解釋借款人的還款意愿。近年來，隨著行為心理學(xué)和社會學(xué)研究的深入，違約成本評估理論逐漸興起，在農(nóng)貸和保險類場景中正成為國外新的研究方向，但由于缺少長周期實踐數(shù)據(jù)，目前還處于試驗階段。

從實操角度看，中國的小額信貸則處于前所未有的創(chuàng)新期，大數(shù)據(jù)、人工智能、區(qū)塊鏈、生物識別等各種技術(shù)手段都在應(yīng)用中，特別是線上低成本獲客，通過大數(shù)據(jù)反欺詐，以模型秒批秒貸，已成為了各家小額信貸的科技標配。

在金融科技風(fēng)生水起的同時，一個風(fēng)險悖論也在同時敲問：如果金融科技能同時有效解決小額信貸高成本和高風(fēng)險問題，小額信貸的利率應(yīng)該可大幅度下降。但根據(jù)北京、上海等地不完全統(tǒng)計，大數(shù)據(jù)和人工智能技術(shù)未普及的P2P發(fā)展前期，從2012年到2015年，民間金融利率從平均年化50%降低到年化25%左右，但到2018年，當(dāng)金融科技已經(jīng)普遍使用后，利率卻反升到40%左右。利率上升與資產(chǎn)有關(guān)，但反過來說，既然高利率覆蓋高風(fēng)險，金融科技的價值又在哪里呢？

傳統(tǒng)小額信貸是線下獲客、線下審核、線下管理，這套模式所依賴的風(fēng)控能力不是技術(shù)而是人員經(jīng)驗和人脈。所以一個好的小額信貸模式中，必然要突出業(yè)務(wù)人員培訓(xùn)和內(nèi)控管理能力。這種模式雖歷經(jīng)千年傳承被證明行之有效，但人員的選擇和培養(yǎng)太慢，建立起一個好的管控制度體系太難，所以干小額貸款的很多，干得好的少。多數(shù)人要想不賠錢只能高利貸。從成本角度看，小額貸款如果固守一地或一行，人脈積累和信息積累夠了，獲客成本和風(fēng)控成本很低，相比線上往往優(yōu)勢明顯，缺點仍然是太慢太小。要想快速做大做強，依靠在每個地方開分店的方式容易失控，所以在互聯(lián)網(wǎng)普及的時代就自然有了通過線上流量獲客的樸素想法。

利用互聯(lián)網(wǎng)流量獲客，利用大數(shù)據(jù)評分審核放款，這個模式的想象空間極好，完美地把成本低和風(fēng)險低這兩個矛盾解決了，還提升了客戶體驗，擴大的市場規(guī)模，解決了用人帶來的管理難題。但在實踐中，這個模式首先遇到的問題，就是純線上獲客，很容易把壞人都吸引來，曾經(jīng)某互金網(wǎng)站開了個小額信貸的業(yè)務(wù)，結(jié)果一晚上被騙了數(shù)千萬，這種慘痛經(jīng)歷就導(dǎo)致所有線上做信貸的都要把反欺詐放在第一位。其中主要的技術(shù)手段就是利用活體識別、圖像識別來甄別借款人是否是本人，利用后臺的社會信用信息來解讀借款人有無劣跡，形成黑白名單，對沒進黑名單的人員放貸。風(fēng)控邏輯是把信用卡的信用評價邏輯用到了陌生群體上，但一不像銀行信用卡那樣可以掌握精準的個人業(yè)務(wù)信息，二是黑名單覆蓋人群太少，三是社會信用信息未經(jīng)驗證的數(shù)據(jù)和摻水的數(shù)據(jù)較多，導(dǎo)致這樣的信用評估模型風(fēng)險遠比想象的大。盡管如此，有了大家前仆后繼的使用，技術(shù)提升的速度還是非常快的，主要體現(xiàn)在：

1、海量標簽的圖像信息試算，使得我國圖像識別模型優(yōu)化水平獨步全球，在沒有歐洲GDPR那樣嚴格的個人信息使用要求下，我國金融業(yè)在圖像識別反欺詐應(yīng)用方面可以單騎飚進。最近支付寶正在全國推圖像識別支付，就建立在這樣的技術(shù)自信基礎(chǔ)上。

2、實名制全面實行后，互聯(lián)網(wǎng)寡頭具備高覆蓋率人群交易數(shù)據(jù)，在社會信用信息建設(shè)上堪比歐美百年的征信機構(gòu)。這些數(shù)據(jù)對于個人信用評價提供了有價值的參考維度。

3、互聯(lián)網(wǎng)獲客帶來了流量的競爭，互聯(lián)網(wǎng)寡頭掌控了獲客成本和客戶信息，其競爭能力直逼銀行，導(dǎo)致銀行不得不投入力量支持互聯(lián)網(wǎng)助貸業(yè)務(wù)，這使得互聯(lián)網(wǎng)導(dǎo)流行業(yè)得到了更好的發(fā)展空間。

但也應(yīng)該看到，技術(shù)提升后的紅利領(lǐng)域依然是狹小的，而且是有天花板的。依賴互聯(lián)網(wǎng)的客戶資源基本是“互聯(lián)網(wǎng)一代”。主要領(lǐng)域就是現(xiàn)金貸和消費分期類業(yè)務(wù)，客戶分層依賴流量的控制。互聯(lián)網(wǎng)巨頭和銀行依靠自身的流量和客戶資源能力，分食最好的客戶渠道和資源；消費金融公司和保險公司分食下一口，最次的就留給民間現(xiàn)金貸，所以大家看到同樣利用大數(shù)據(jù)風(fēng)控，頭部互聯(lián)網(wǎng)銀行規(guī)模大、壞賬比率低，而民間現(xiàn)金貸公司卻不談壞賬只談利率?？瓷先ニ坪跏菙?shù)據(jù)風(fēng)控能力的差異，但實際上是營銷能力的差異。對于底部現(xiàn)金貸公司來說，能拿到的很多借款客戶都是復(fù)借率超過7、8次的人，最大的風(fēng)控手段反而成了利率。在一輪輪線上挖掘后，互聯(lián)網(wǎng)貸款的優(yōu)質(zhì)客戶資源逐漸枯竭，天花板逐漸逼近。市場上的風(fēng)控評分模型和數(shù)據(jù)基本同質(zhì)，風(fēng)控技術(shù)效能已讓位于導(dǎo)流能力。

而在農(nóng)貸、供應(yīng)鏈等場景和抵質(zhì)押信貸中，傳統(tǒng)小額貸款模式依然在耕耘。當(dāng)國家吹響普惠金融號角時，真正支農(nóng)支小的信貸主力市場——小微經(jīng)營貸領(lǐng)域，仍處于重度線下操作中。面對以還款能力為核心的小額經(jīng)營貸款風(fēng)控需求，進入小鎮(zhèn)和農(nóng)村，有效的信用信息找不到，鄉(xiāng)土人脈連接的場景下，互聯(lián)網(wǎng)巨頭也轉(zhuǎn)變成了線下。某互聯(lián)網(wǎng)巨頭近期大手筆投資于頭部農(nóng)貸公司，看中的就是其線下強大的培訓(xùn)和管理能力。稅務(wù)、公積金、物流等信息，只是線上可參考的數(shù)據(jù)維度，依賴這些數(shù)據(jù)在線上放貸還在探索中。相比消費貸的技術(shù)紅海，經(jīng)營貸領(lǐng)域的風(fēng)控技術(shù)創(chuàng)新乏新可陳，尚有巨大的前行空間。

二、小額信貸風(fēng)控領(lǐng)域的技術(shù)展望

今天小額信貸的線上獲客和反欺詐，讓客戶得到前所未有的好體驗，但從后臺風(fēng)控技術(shù)來看，還有幾大瓶頸需要突破。

一個技術(shù)瓶頸是模型技術(shù)。此輪金融科技引爆的主要是C端的消費信貸和現(xiàn)金貸業(yè)務(wù)，模型技術(shù)來源于上世紀五十年代的評分卡，其原理是將借款人視為無差別樣本，采用概率統(tǒng)計，計算信貸結(jié)果與某個信用信息的相關(guān)性，從而得出違約概率和定價。但歐美及國內(nèi)銀行的實踐主要是在已掌握信息的客群中開展，極少像國內(nèi)這樣大膽對陌生人群使用。國內(nèi)科技企業(yè)為彌補評分模型風(fēng)控說服力不足的問題，大多采取了增加數(shù)據(jù)維度的方式。為盡可能搜集更多的借款人數(shù)據(jù)維度，甚至普遍使用SDK來跟蹤監(jiān)控借款人。營銷上更是將數(shù)據(jù)維度多與風(fēng)控能力強直接掛鉤，制造出“數(shù)據(jù)越多風(fēng)控越強”的概念。事實上，以統(tǒng)計為基礎(chǔ)的大數(shù)據(jù)評分技術(shù)在上世紀信用卡違約潮中已被證明，單純依賴評分而不是對客戶的實際場景掌控來控制風(fēng)險，在經(jīng)濟下行期是個偽命題。對于已漸到盡頭的模型優(yōu)化路徑來說，亟待風(fēng)控理論上的創(chuàng)新。

中國和國際小額貸款實踐都證明，國民性、社會管控能力、制度等軟性要素，對于小額貸款群體的信用表現(xiàn)影響很大，所謂“無差別樣本”，實際往往差別很大，不同渠道和平臺導(dǎo)來的客群差異很多都超過了統(tǒng)計學(xué)樣本的方差允許值，在這種情況下，如果繼續(xù)沿用評分卡模型，就必須從通用模型轉(zhuǎn)為專項場景定制模型，以少數(shù)代表性強的場景或渠道信息標簽替代現(xiàn)在“多多益善”的龐雜數(shù)據(jù)維度。模型優(yōu)化需要從單純的統(tǒng)計學(xué)算法向業(yè)務(wù)場景邏輯+統(tǒng)計轉(zhuǎn)向，在這方面，一些出身于風(fēng)控業(yè)務(wù)的技術(shù)公司已經(jīng)先知先覺地走在路上了。

另一個瓶頸是支農(nóng)支小的線下服務(wù)。中國的小微企業(yè)平均壽命不到3年，線上不完整的大數(shù)據(jù)對于經(jīng)營貸來說不足以確認風(fēng)險，搜集經(jīng)營信息和資產(chǎn)信息（如抵押貸場景下）仍需依賴線下，如何服務(wù)好線下渠道，讓業(yè)務(wù)人員、代理人、渠道能方便進件和審核，這種B端的風(fēng)控一直是技術(shù)難點。IPC、“三表三品三流”等交叉驗證風(fēng)控技術(shù)雖已深入大多數(shù)金融風(fēng)控從業(yè)者中，但風(fēng)控邏輯仍然是經(jīng)驗性的，如何將這部分經(jīng)驗標準化，從而既降低一線渠道展業(yè)難度，又解決獲客道德風(fēng)險，這成為金融風(fēng)控科技自然的選擇。目前主要的技術(shù)方案就是通過規(guī)則引擎技術(shù)將經(jīng)驗規(guī)則進行數(shù)據(jù)化轉(zhuǎn)化。這條路的創(chuàng)新難度一是規(guī)則轉(zhuǎn)化的難度超乎尋常的大，日常人工判斷的簡單規(guī)則都需要用幾十條甚至上百條規(guī)則來描述，對于大部分缺少橫跨信貸風(fēng)控和金融科技通才的金融機構(gòu)來說，制定這樣的規(guī)則集還需要一定時間周期。人工智能經(jīng)驗仿生模型是規(guī)則引擎技術(shù)未來的前景，但缺少描述模糊規(guī)則的工具，同時，模糊判斷的規(guī)則邏輯也缺少好的算法進行優(yōu)化，只能依靠模型設(shè)計者對案例事件的理解進行改進，在這方面，筆者與徐匡迪院長有同感，我國只有人工智能應(yīng)用而缺少算法的研究。

近些年來，新的風(fēng)控理論和科技開始露頭。這其中有幾類代表：

一是保險信用在信貸中的應(yīng)用。保險購買者的風(fēng)險偏好是一個很好的違約成本估算維度。但這種理論驗證需要有大量保險理賠數(shù)據(jù)作支撐，我國目前還沒有保險公司對此有認知；

二是社會資本理論在農(nóng)村信貸實踐中的研究。鄉(xiāng)村信用是違約軟性成本的一種度量，目前國內(nèi)除了社會學(xué)界，少有人關(guān)注；

三是行為心理理論，將借款人的人性特質(zhì)與借款行為關(guān)聯(lián)，引入測謊、性格測試等要素來評估風(fēng)險，這方面國際上已有成功案例，在非洲農(nóng)貸中有過試點。國內(nèi)幾年來零星做過一些嘗試，除了“微表情”曾經(jīng)被媒體放大傳播過，其他的案例尚未見播報；

四是區(qū)塊鏈應(yīng)用，將社會信用上鏈形式記錄，對熟人社會的信用征集有一定價值，但存在個人信息隱私保護等合規(guī)問題，是國內(nèi)一些信用科技公司正在開展的方向。

總的看來，金融科技在小額信貸當(dāng)期的最主流貢獻，以導(dǎo)流獲客為主。風(fēng)控方面的技術(shù)以工具化解決方案為代表，對現(xiàn)有流程、規(guī)則等提供了很好的簡化手段，普遍提升了效率。同時在無場景及消費分期類小額信貸業(yè)務(wù)上解決了規(guī)模擴張能力。但與宣傳中的風(fēng)控能力相比還有相當(dāng)差距，尤其是在國家鼓勵發(fā)展的支農(nóng)支小普惠金融方面，還需要經(jīng)歷理論突破和實踐驗證的沉淀。

【作者簡介】

戴星，高級經(jīng)濟師。出身國家開發(fā)銀行早期團隊，參與過銀行五級風(fēng)險分類體系制定和銀行業(yè)第一部抵押條例的制定，1998年在《理論和實務(wù)》上發(fā)表《利用模糊概率理論進行項目風(fēng)險控制》，是我國銀行業(yè)最早的大數(shù)據(jù)風(fēng)控模型的探索者之一。

后從事技術(shù)市場咨詢，成為國內(nèi)最先進行物聯(lián)網(wǎng)技術(shù)、云計算、手機支付等相關(guān)技術(shù)的應(yīng)用推廣者。2014年投身互聯(lián)網(wǎng)金融和大數(shù)據(jù)行業(yè)，從事風(fēng)控管理和大數(shù)據(jù)信審等業(yè)務(wù)的探索。是國內(nèi)金融行業(yè)人工智能及行為心理風(fēng)控技術(shù)的帶頭人之一。2017年后，為人保金融服務(wù)有限公司資深經(jīng)理，在普惠金融領(lǐng)域開展小額貸款的風(fēng)控和數(shù)據(jù)模型工作。

責(zé)任編輯：陳近梅