首页 2019数博会数博观察博言正文

人保金服戴星:小额信贷风控的金融科技还在路上

小额信贷已有数千年的历史,相比现代银行体系主要诞生于 “富裕”群体的服务不同,小额信贷是建立于个体信用基础上,主要功能是“救急”,由于额度小、手续快且无用途限制,一直是缺少正常资产信用的“草根”们的主流融资渠道。而“强人脉、高利率、快周转、催收猛”也是小额信贷相对银行的特别优势。

一、小额信贷的风控技术发展变迁

风控是信贷的核心,但对风控的理解却没有真理,往往都需要从失败中总结积累。

信贷行业的风控技术基础理论依托的是两个基本理论,一是技术经济学,用来还原财务报表,用现金流和IRR测算来解释还款能力和利率定价;二是信用评估技术,用历史信用信息解释借款人的还款意愿。近年来,随着行为心理学和社会学研究的深入,违约成本评估理论逐渐兴起,在农贷和保险类场景中正成为国外新的研究方向,但由于缺少长周期实践数据,目前还处于试验阶段。

从实操角度看,中国的小额信贷则处于前所未有的创新期,大数据、人工智能、区块链、生物识别等各种技术手段都在应用中,特别是线上低成本获客,通过大数据反欺诈,以模型秒批秒贷,已成为了各家小额信贷的科技标配。

在金融科技风生水起的同时,一个风险悖论也在同时敲问:如果金融科技能同时有效解决小额信贷高成本和高风险问题,小额信贷的利率应该可大幅度下降。但根据北京、上海等地不完全统计,大数据和人工智能技术未普及的P2P发展前期,从2012年到2015年,民间金融利率从平均年化50%降低到年化25%左右,但到2018年,当金融科技已经普遍使用后,利率却反升到40%左右。利率上升与资产有关,但反过来说,既然高利率覆盖高风险,金融科技的价值又在哪里呢?

传统小额信贷是线下获客、线下审核、线下管理,这套模式所依赖的风控能力不是技术而是人员经验和人脉。所以一个好的小额信贷模式中,必然要突出业务人员培训和内控管理能力。这种模式虽历经千年传承被证明行之有效,但人员的选择和培养太慢,建立起一个好的管控制度体系太难,所以干小额贷款的很多,干得好的少。多数人要想不赔钱只能高利贷。从成本角度看,小额贷款如果固守一地或一行,人脉积累和信息积累够了,获客成本和风控成本很低,相比线上往往优势明显,缺点仍然是太慢太小。要想快速做大做强,依靠在每个地方开分店的方式容易失控,所以在互联网普及的时代就自然有了通过线上流量获客的朴素想法。

利用互联网流量获客,利用大数据评分审核放款,这个模式的想象空间极好,完美地把成本低和风险低这两个矛盾解决了,还提升了客户体验,扩大的市场规模,解决了用人带来的管理难题。但在实践中,这个模式首先遇到的问题,就是纯线上获客,很容易把坏人都吸引来,曾经某互金网站开了个小额信贷的业务,结果一晚上被骗了数千万,这种惨痛经历就导致所有线上做信贷的都要把反欺诈放在第一位。其中主要的技术手段就是利用活体识别、图像识别来甄别借款人是否是本人,利用后台的社会信用信息来解读借款人有无劣迹,形成黑白名单,对没进黑名单的人员放贷。风控逻辑是把信用卡的信用评价逻辑用到了陌生群体上,但一不像银行信用卡那样可以掌握精准的个人业务信息,二是黑名单覆盖人群太少,三是社会信用信息未经验证的数据和掺水的数据较多,导致这样的信用评估模型风险远比想象的大。尽管如此,有了大家前仆后继的使用,技术提升的速度还是非常快的,主要体现在:

1、海量标签的图像信息试算,使得我国图像识别模型优化水平独步全球,在没有欧洲GDPR那样严格的个人信息使用要求下,我国金融业在图像识别反欺诈应用方面可以单骑飚进。最近支付宝正在全国推图像识别支付,就建立在这样的技术自信基础上。

2、实名制全面实行后,互联网寡头具备高覆盖率人群交易数据,在社会信用信息建设上堪比欧美百年的征信机构。这些数据对于个人信用评价提供了有价值的参考维度。

3、互联网获客带来了流量的竞争,互联网寡头掌控了获客成本和客户信息,其竞争能力直逼银行,导致银行不得不投入力量支持互联网助贷业务,这使得互联网导流行业得到了更好的发展空间。

但也应该看到,技术提升后的红利领域依然是狭小的,而且是有天花板的。依赖互联网的客户资源基本是“互联网一代”。主要领域就是现金贷和消费分期类业务,客户分层依赖流量的控制。互联网巨头和银行依靠自身的流量和客户资源能力,分食最好的客户渠道和资源;消费金融公司和保险公司分食下一口,最次的就留给民间现金贷,所以大家看到同样利用大数据风控,头部互联网银行规模大、坏账比率低,而民间现金贷公司却不谈坏账只谈利率。看上去似乎是数据风控能力的差异,但实际上是营销能力的差异。对于底部现金贷公司来说,能拿到的很多借款客户都是复借率超过7、8次的人,最大的风控手段反而成了利率。在一轮轮线上挖掘后,互联网贷款的优质客户资源逐渐枯竭,天花板逐渐逼近。市场上的风控评分模型和数据基本同质,风控技术效能已让位于导流能力。

而在农贷、供应链等场景和抵质押信贷中,传统小额贷款模式依然在耕耘。当国家吹响普惠金融号角时,真正支农支小的信贷主力市场——小微经营贷领域,仍处于重度线下操作中。面对以还款能力为核心的小额经营贷款风控需求,进入小镇和农村,有效的信用信息找不到,乡土人脉连接的场景下,互联网巨头也转变成了线下。某互联网巨头近期大手笔投资于头部农贷公司,看中的就是其线下强大的培训和管理能力。税务、公积金、物流等信息,只是线上可参考的数据维度,依赖这些数据在线上放贷还在探索中。相比消费贷的技术红海,经营贷领域的风控技术创新乏新可陈,尚有巨大的前行空间。

二、小额信贷风控领域的技术展望

今天小额信贷的线上获客和反欺诈,让客户得到前所未有的好体验,但从后台风控技术来看,还有几大瓶颈需要突破。

一个技术瓶颈是模型技术。此轮金融科技引爆的主要是C端的消费信贷和现金贷业务,模型技术来源于上世纪五十年代的评分卡,其原理是将借款人视为无差别样本,采用概率统计,计算信贷结果与某个信用信息的相关性,从而得出违约概率和定价。但欧美及国内银行的实践主要是在已掌握信息的客群中开展,极少像国内这样大胆对陌生人群使用。国内科技企业为弥补评分模型风控说服力不足的问题,大多采取了增加数据维度的方式。为尽可能搜集更多的借款人数据维度,甚至普遍使用SDK来跟踪监控借款人。营销上更是将数据维度多与风控能力强直接挂钩,制造出“数据越多风控越强”的概念。事实上,以统计为基础的大数据评分技术在上世纪信用卡违约潮中已被证明,单纯依赖评分而不是对客户的实际场景掌控来控制风险,在经济下行期是个伪命题。对于已渐到尽头的模型优化路径来说,亟待风控理论上的创新。

中国和国际小额贷款实践都证明,国民性、社会管控能力、制度等软性要素,对于小额贷款群体的信用表现影响很大,所谓“无差别样本”,实际往往差别很大,不同渠道和平台导来的客群差异很多都超过了统计学样本的方差允许值,在这种情况下,如果继续沿用评分卡模型,就必须从通用模型转为专项场景定制模型,以少数代表性强的场景或渠道信息标签替代现在“多多益善”的庞杂数据维度。模型优化需要从单纯的统计学算法向业务场景逻辑+统计转向,在这方面,一些出身于风控业务的技术公司已经先知先觉地走在路上了。

另一个瓶颈是支农支小的线下服务。中国的小微企业平均寿命不到3年,线上不完整的大数据对于经营贷来说不足以确认风险,搜集经营信息和资产信息(如抵押贷场景下)仍需依赖线下,如何服务好线下渠道,让业务人员、代理人、渠道能方便进件和审核,这种B端的风控一直是技术难点。IPC、“三表三品三流”等交叉验证风控技术虽已深入大多数金融风控从业者中,但风控逻辑仍然是经验性的,如何将这部分经验标准化,从而既降低一线渠道展业难度,又解决获客道德风险,这成为金融风控科技自然的选择。目前主要的技术方案就是通过规则引擎技术将经验规则进行数据化转化。这条路的创新难度一是规则转化的难度超乎寻常的大,日常人工判断的简单规则都需要用几十条甚至上百条规则来描述,对于大部分缺少横跨信贷风控和金融科技通才的金融机构来说,制定这样的规则集还需要一定时间周期。人工智能经验仿生模型是规则引擎技术未来的前景,但缺少描述模糊规则的工具,同时,模糊判断的规则逻辑也缺少好的算法进行优化,只能依靠模型设计者对案例事件的理解进行改进,在这方面,笔者与徐匡迪院长有同感,我国只有人工智能应用而缺少算法的研究。

近些年来,新的风控理论和科技开始露头。这其中有几类代表:

一是保险信用在信贷中的应用。保险购买者的风险偏好是一个很好的违约成本估算维度。但这种理论验证需要有大量保险理赔数据作支撑,我国目前还没有保险公司对此有认知;

二是社会资本理论在农村信贷实践中的研究。乡村信用是违约软性成本的一种度量,目前国内除了社会学界,少有人关注;

三是行为心理理论,将借款人的人性特质与借款行为关联,引入测谎、性格测试等要素来评估风险,这方面国际上已有成功案例,在非洲农贷中有过试点。国内几年来零星做过一些尝试,除了“微表情”曾经被媒体放大传播过,其他的案例尚未见播报;

四是区块链应用,将社会信用上链形式记录,对熟人社会的信用征集有一定价值,但存在个人信息隐私保护等合规问题,是国内一些信用科技公司正在开展的方向。

总的看来,金融科技在小额信贷当期的最主流贡献,以导流获客为主。风控方面的技术以工具化解决方案为代表,对现有流程、规则等提供了很好的简化手段,普遍提升了效率。同时在无场景及消费分期类小额信贷业务上解决了规模扩张能力。但与宣传中的风控能力相比还有相当差距,尤其是在国家鼓励发展的支农支小普惠金融方面,还需要经历理论突破和实践验证的沉淀。

作者简介

人保金服戴星:小额信贷风控的金融科技还在路上

戴星,高级经济师。出身国家开发银行早期团队,参与过银行五级风险分类体系制定和银行业第一部抵押条例的制定,1998年在《理论和实务》上发表《利用模糊概率理论进行项目风险控制》,是我国银行业最早的大数据风控模型的探索者之一。

后从事技术市场咨询,成为国内最先进行物联网技术、云计算、手机支付等相关技术的应用推广者。2014年投身互联网金融和大数据行业,从事风控管理和大数据信审等业务的探索。是国内金融行业人工智能及行为心理风控技术的带头人之一。2017年后,为人保金融服务有限公司资深经理,在普惠金融领域开展小额贷款的风控和数据模型工作。

责任编辑:陈近梅

分享:
速读区块链
贵州

贵州大数据产业政策

贵州大数据产业动态

贵州大数据企业

更多
大数据概念_大数据分析_大数据应用_大数据百科专题
企业
更多