消费金融,新一轮洗牌开始了!

近日,最高法拟调整民间借贷利率上限 。业内紧急讨论应对,舆论场里却没能掀起浪花 。失宠于舆论,说明消费金融正走向成熟,变得模式清晰、未来可预测 。
但成熟都有两面性,好的一面是有共识、有规则,消除了冲击性和破坏性,坏的一面则是有惯性、有惰性,失去了多样性和灵活性 。在快速变化的时代,惯性太强容易把车开进死胡同 。
风控的四大问题
凡事均有利弊 。有些弊端,在行业初期不明显,无碍大局;到了一定阶段,就会被激活,显现出杀伤力 。
大数据风控之于消费金融便是如此,早期几乎全是优点,随着外部环境的剧烈变化,弊端显现,一些优点也在变缺点 。
贷款的关键是风控,风控的核心可归结为四大问题:谁在贷款?贷款干什么?拿什么还款?还不上怎么办?
在这四大问题上,传统风控与大数据风控给出了不同的解决方案 。
传统的消费贷款流程,强调资料证明 。申请消费贷款时,银行要求借款人提供在职证明、收入证明、公积金缴费记录,甚至还要查验户口 。这些证明文件,能很好地解决“谁在贷款”“拿什么还款”的问题,但手续繁琐,体验较差 。
引入互联网技术后,大数据风控用数据取代了这些繁琐的现场手续,便利了借款人,大幅提升了借款效率,满足了消费场景对付款时限性的要求,促进了消费贷款与消费场景的融合 。
对于“还不上怎么办”,传统风控强调以抵押担保为抓手 。只有借款人收入稳定(如公务员、国企员工、大型企业员工等)且借款金额不高时,银行才会妥协,发放纯信用贷款 。
相比之下,大数据风控仍然以数据为抓手,摆脱了对抵押担保的依赖,大幅降低了借款门槛,推动了消费贷款普惠化 。
至于“贷款干什么”,无论传统风控还是大数据风控,都未给出解决方案,面临相似的困境:房贷、车贷、消费贷的用途是可控的,现金类贷款难以监测用途 。
总的来看,大数据风控更强调便利性、突出普惠性,在上行周期,给增长松开了枷锁,引领了消费金融大发展;但大数据风控也有自身的问题,行业高增长既掩盖了问题,又拖延了问题的解决,到了下行周期,这些问题开始被放大 。
大数据风控的“一体两翼”
传统风控,以收入和抵押物为核心抓手,大数据风控给出的解决方案,可以总结为一体两翼策略:以“群体风控”为主体,以“定价覆盖风险”和“催收覆盖不良”为两翼 。
所谓群体风控,是指重群体、轻个体 。就单个借款人来看,大数据风控做不到精准识别,偏差大(这里仅评价行业一般情况,不同机构间的大数据风控能力有显著差异),相比传统风控手段有差距;但胜在效率高、门槛低,借款人数量足够大,客观上把单个借款人风险湮没在群体之中 。
2016年前后,国内居民杠杆率低,且消费金融处在风口期,借钱容易,借款人个体层面的信用风险很低 。只要群体层面借款人的财务状况不恶化,模型差一些也能凑合用,不会出大问题 。
此时,很多机构的大数据风控,追求的是反欺诈能力 。相比传统风控模式,大数据风控接触的不是活生生的人,而是姓名、手机号、身份证号、银行卡号等构成的虚拟字符串 。一旦虚拟字符串与真实借款人的映射关系被篡改,如身份证显示为A,实际借款人却是B,就会产生骗贷问题 。
综合利用人脸识别、黑名单、网络图谱等手段,大数据风控可以把业务线上化释放出来的猛兽(骗贷风险)重新关进笼子里 。但很多机构的大数据风控,对信用风险评估始终重视不足,“只要不骗贷,谁都可以贷” 。