《我国互联网消费金融风控模式及优化路径》由会员分享，可在线阅读，更多相关《我国互联网消费金融风控模式及优化路径（5页珍藏版）》请在金锄头文库上搜索。
1、我国互联网消费金融风控模式及优化路径 严圣阳 武汉商学院 摘 要： 我国互联网消费金融增长迅猛, 形成了多样化的互联网消费金融生态主体。其风控模式主要是在基础交易数据和设定的风控模型基础上, 采用人工智能方式在贷前、贷中、贷后各流程实施风险管理, 但依然存在资金缺口、风控难度、风险定价、账款催收等一系列难点, 利用资产支持的证券化 (ABS) 、建设开放式标准化大数据风控技术则可以使得互联网消费金融风控模式得到优化。关键词： 互联网消费金融; 大数据风控; 资产支持证券化; 作者简介：严圣阳: (1971) , 湖北江陵县人, 武汉商学院经济与金融学院教师, 研究方向为金融市场。一、我国互联网
2、消费金融发展现状互联网消费金融, 指借助互联网技术发展起来的新型消费金融模式, 一般是机构通过互联网向个人提供的以消费为目的的短期信用贷款, 金额普遍较小, 用于满足借款者日常消费支出需求。与传统意义上的消费信贷不同的是, 互联网消费金融的申请、资料提交与审核、发放、消费、还款等各个环节均通过互联网技术来完成。通过网络消费场景、网络平台广告、信息推送获客, 通过大数据画像完成客户分层, 通过风控模型设定额度、发放贷款, 通过网络提醒催收, 最终完成还款。这种新型消费信贷近年来获得快速发展。互联网消费金融虽然在我国本外币贷款余额中占比较低, 甚至在全国消费信贷总额中占比依然较低, 但其增速较快,
3、 体现出良好的发展前景。2016 年底, 我国金融机构本外币贷款余额 112.06 万亿元, 同比增长 12.8%。全年人民币贷款增加 12.65 万亿元, 外币贷款则减少 445 亿美元。从消费信贷的角度来看, 2015 年中国消费信贷规模达到 19.0 万亿, 同比增长 23.3%。互联网消费金融则从 2013 年到 2016 年, 交易规模从 60 亿增长到了 4367.1 亿, 年均复合增长率达到了 317.5%。互联网消费金融的快速增长, 与快速发展的网络购物密不可分。我国电商平台主导的网络购物持续高速增长, 2015 年就已经达到 3.8 万亿元的规模, 同比增长 37.2%。经过
4、这些年的发展, 目前依然能保持这样的增速, 体现出电子商务对消费持续的强大拉动力。电子商务消费者结构与行为, 相对于传统线下消费而言, 更加注重体验, 出现更多的冲动性购买, 而互联网机构推出的线上消费金融很好地满足了这个长期被银行业忽视的长尾客户群体, 具有跨期消费的助推作用。因而, 互联网消费金融的便利性、适用性, 促成了其快速增长。互联网消费金融主体庞大多样, 构建了良好的互联网消费金融生态。网络购物的普及创造出庞大的长尾客户群体, 为互联网消费金融带来海量客户, 这些海量客户中的很大一部分成为互联网消费金融市场的主体信贷资金需求者。同时, 为满足客户需求, 获得传统商业银行未能服务的低
5、净值客户, 产生了一批互联网消费金融的服务商信贷资金的提供者。目前来看主要有三类服务商, 一是网络借贷机构, 如拍拍贷、惠人贷等;二是电商平台推出的互联网消费金融机构, 如:京东金融、蚂蚁金服、百度金融、苏宁金融等;三是纯粹的互联网消费金融机构, 如:分期乐、买单侠、趣店、马上消费金融等。二、我国互联网消费金融风控模式我国互联网消费金融的兴起, 主要是填补了传统银行在消费金融领域服务覆盖面的不足, 为以往无法从银行机构获得消费信贷的广大长尾客户服务。长尾客户不同于银行重视的优质客户, 人数众多, 需求量大但单笔额度却较小, 且资产净值较低, 消费者分层不易。最为关键的是由于缺乏消费信贷经历,
6、导致征信数据极度缺乏。互联网消费金融的发展, 则一定程度上突破了这一瓶颈, 利用金融科技、基础大数据和风控模式的创新, 为长尾客户群体提供了消费金融服务。目前, 互联网消费金融机构的风控模式创新, 体现在贷前、贷中、贷后等各个环节。(一) 贷前风控贷前风控是互联网消费金融的关键一环, 各互联网消费金融机构的风控措施大都集中在这个环节, 其目的主要是搜集、清洗、核实数据的真伪, 并通过智能化模型初步识别风险, 自动完成资金匹配和对客户的授信。目前来看, 各机构进行贷前风控的模式主要两种:线上模式、场景迁延式。线上模式贷前风控的所有流程都依托互联网完成, 从获客、数据挖掘与清洗、用户分层、用户画像
7、、智能评估模型设置、虚假交易识别、订单监控、风险决策、用户授信均在线完成。线上模式以电商平台和网贷机构为主。其中, 电商平台由于本身具备流量优势, 获客成本较低, 且直接与用户的消费行为连接, 积累起数量庞大的基础交易数据, 包括用户属性、消费者行为偏好、资金物流信息等用户核心数据资产, 因而其贷前风控可以直接依靠这些来自于电商平台的海量数据, 通过构建的历史用户模型和智能评估模型体系, 系统对用户实名认证、人脸识别、电子签名、申请资格、信用记录、还款能力及意愿等进行审核, 自动实现对用户的资金匹配, 自动完成对客户的授信。场景迁延式风控则是消费金融 O2O 方式, 即更多的依靠线下交易场景,
8、 如购物、出行、餐饮、娱乐等, 通过线下消费场景的应用与推广, 结合二维码扫码支付, 将用户导入线上, 实现线上消费信贷即时审核发放。当然这种方式相对与电商平台而言, 获客成本较高, 但转化率也较高。长尾客户对于生活需求引发的高频消费行为, 具有较大的消费金融服务需求, 容易释放出被压抑的消费动能。这种嵌入消费场景的消费金融, 往往通过线下人工的方式完成对消费者基础数据的搜集, 资料的审核, 并能够保证消费金融行为一定基于真实的交易, 然后将数据引入线上, 通过相关智能信用评估模型, 匹配资金并授信。比如分期乐、爱财集团、搜易贷等。分期乐以高校线下推广为主, 在全国各地有两万多名地推人员, 在
9、高校为主的场景展开传单发放宣传、上门一对一营销推广等各项线下工作, 最终将客户导入线上, 完成互联网消费金融业务的引流、客户画像、评估与授信。(二) 贷中风控相比程序复杂的贷前风控, 贷中风控显得简单明了。因为目前的互联网消费金融机构普遍采用了人工智能的方式, 在前期风控的基础上, 通过构建风控模型, 针对客户画像, 进行风险定价, 审核并发放消费信贷, 帮助客户完成支付。虽然计算过程较为复杂, 海量数据处理繁琐, 但这些工作并不需要过多的人工介入。通常, 智能风控模型会从多维度搭建智能风控体系, 实现分层决策。首先根据贷前风控体系对客户风险程度的初步识别、资金匹配和授信状况, 补充当前交易数
10、据, 完成最终风险评估与风险定价, 然后对用户实际的资金用途、资金流变动情况、实际消费状况进行监控, 最终完成信贷资金发放和支付。不同模式的互联网消费金融的贷中风控, 由于其积累的交易数据、客户基础数据、信用数据不同, 数据来源不同, 监控手段和能力存在较大差异, 因而其风控效果和措施也有所区别。线上模式的贷中风控主要依靠自身的平台了解其交易行为的频率和真实性, 防止利用虚假交易骗贷提现, 防止客户出现债务余额短期内急剧扩大带来的偿还风险, 以确保消费金融程序正常进行。对于消费行为异常的客户, 补充完善其信用基础数据, 适时调整授信额度, 甚至加入黑名单。场景迁延式则主要依靠线下合作方店员导购
11、端提供的二维码权限, 以及市场地推人员的推介, 进行实时鉴别, 防止虚假交易信息和申请。(三) 贷后风控贷后风控主要是通过对客户贷后消费行为、资金流的变化、债务余额等、其他消费记录、逾期天数等数据予以监控, 设立风险预警模型和指标, 开发催收系统。对于未逾期但触发预警系统的用户, 进入提前催收阶段;对于逾期用户, 采取电话、短信等催收方式及时催缴;对于在平台内尚有账户余额的, 触发自动扣款。电商平台开办的消费金融业务具有一定的基础数据搜集优势, 贷后风控预警机制容易发挥作用, 同时也有触发自动扣款的可能性, 但对于恶意欠款者的跨平台交易行为依然缺乏有效手段。场景迁延式消费金融机构则可以通过地推
12、人员和合作店员搜集贷后数据, 特别是用户高频消费场景数据对于贷后风控机制发挥作用具有较高价值, 但缺点是数据获取成本高昂, 催收效果并不确定。三、我国互联网消费金融风控模式的优化路径(一) 互联网消费金融风险分散与转移互联网消费金融服务对象主要为长尾客户群体, 属于传统意义上的低净值客户, 具有数量大、资金需求量多、征信数据缺乏、坏账比例相对较高等特点。尽管其依托大数据、人工智能等金融科技强化风控, 开创了互联网消费金融的普惠时代, 但其资金缺口、风控难度、风险定价、账款催收等一系列难点依然超越了预期。传统商业银行无法满足的这类庞大需求, 由新型金融科技企业来完成, 自然需要更加优化的风控模式
13、。资产支持的证券化 (ABS) 是一个较好的风险分散、转移的途径。互联网消费金融机构发放消费信贷后, 取得未来一段时间的应收账款权益, 以这些应收账款债权作抵押, 出售给投行, 发行以应收账款作支持的证券, 销售给资本市场的投资者, 以提前收回贷款, 回笼资金。通过资产支持的证券化还借此将互联网消费金融的风险实现了转移, 分散给众多的投资者, 互联网消费金融机构可以成功提高资金周转率, 转移风险。资产支持的证券化需要互联网消费金融机构及其业务符合相关发行交易和监管制度的规定。目前, 已经有互联网金融机构开展了资产支持的证券化的相关探索。2015 年 10 月, 通过与华泰证券合作, 京东金融的
14、“京东白条应收账款债权资产支持专项计划”在深交所挂牌, 成为业内首款有影响力的互联网消费金融资产证券化产品。此外, 蚂蚁金服、分期乐和宜人贷在上海和深圳两大证券交易所都有过成功发行过 ABS, 百度有钱花、分期乐、唯品花等消费金融品牌也都在 2017 年年初就公布了资产证券化产品发行计划。随着基础网络信贷资产的增多和风控技术的逐渐成熟, 未来会有更多的机构会尝试用 ABS 来加快资金周转, 转移分散风险。(二) 建设开放式标准化大数据风控技术大数据风控技术是互联网消费金融行业甚至整个金融业的底层技术, 整个行业的健康发展都需要成熟的风控技术为支撑。基础交易数据和风控技术直接决定了互联网消费金融
15、的发展前景。国内的互联网消费金融机构在坏账率的控制上发展极不平衡。拥有数据优势和风控技术的大机构平均坏账率只有 1%左右, 而众多的中小机构平均则达到 10%左右。由此可见风控技术的重要性。目前大数据风控系统虽然受到国内众多机构重视, 但基本上各自为阵, 建立起自己的风控系统。既有阿里、京东等基于强大研发能力的平台数据的风控系统, 也有专注于技术缺乏基础数据的大机构, 还有两者均存在不足的众多小型机构。由于大数据风控技术性强, 广泛采用神经网络、机器学习、支持向量机等顶尖技术, 以保障风控模型在信用管理领域的真实有效性, 因而技术储备和研发能力不足的机构无法开发, 或者开发出的模型适用性差。对于金融业信用管理的底层技术, 应该鼓励开放式标准化大数据风控技术建设, 不仅可以节约资源, 还可以提高大数据风控技术的整体水平。比如, 2016 年底推出的网易北斗大数据风控系统, 就已经在传统银行和部分互联网金融机构领域得到商业应用, 大大提升了其大数据风控水平。在中小型机构云集的互联网消费金融领域, 建设开放式标准化大数据风控技术, 对于提升行业整体风控水平意义重大。参考文献1中国人民银行.中国金融稳定报告 2017 2艾瑞咨询.2017 年消费金融洞察报告
