近年来,随着银行、保险等大型金融机构逐渐将视线转向小微信贷领域,小贷公司、P2P、消费金融公司、电商平台等身体力行“普惠金融”,越来越多的小微贷客户看到了融资路上的些许曙光。
然而,不同于其他信贷客户类型,小微贷客户对于资金的需求往往“短、小、频、急”,又因为其财务信息不透明、不健全、生存能力薄弱等特点,导致小微贷款提供者不可避免的面临着成本高、不良率高、风控水平要求高等“三高”局面。
“在小微贷的风控技术领域,从最初的抵押模式,再到第二代以IPC技术为代表的信贷员模式,都走过了他们特有的历史时期,如今局限性愈加凸显,行业上亟待出现新一代的技术。”大数金融创始人兼董事长柳博近日在C轮融资发布会期间接受第一财经记者专访时说。
在他看来,过去的风控技术难以兼容成本与规模化扩张的需求,为破解该难题,各金融机构各显神通,“我们采用了‘数据化风控+信贷工厂’模式解决这一难题,所谓数据驱动的风险管理技术,过去仅被应用于信用卡和小金额的消费信贷业务,我们将其首次应用于大金额的个人无担保贷款上,目前来看,取得了不错的效果。”柳博说。
柳博认为,数据化风控就是让风险结果可预测,“一个行之有效的风控模式,是在不良率和通过率之间做出最大化的平衡,在一定通过率的情况下把不良率降下来,在设定不良率目标的情况下把通过率提上来。”
从“抵押物崇拜”到IPC技术
事实上,最初的小微贷风控技术依旧是沿用了传统的信贷技术,典型特征即为“抵押物”模式,然而,该模式并不适用小微贷客群的特点,在实际应用领域犹如“大象起舞”般笨拙。
“这种模式在技术上肯定是有效的,只不过不能满足众多小微企业的需求,实际上是‘惠而不普’,虽然利率不高但惠及面比较窄,经常要求客户提供诸多资料、报表之类,效率也比较低。”柳博说。
2005年,德国IPC 微贷技术被引入到中国,该技术由德国国际项目咨询公司研发而成,这是一家专门为以微小企业贷款业务为主的银行提供一体化咨询服务的公司。以IPC技术为核心的微小贷款项目在十多个国家和地区运作下来,其平均不良率低于3%。
据了解,从2005年开始,德国IPC通过国家开发银行微小企业贷款项目,成功和国内12家银行合作。
德国IPC技术的信贷流程包括市场营销、贷款申请、信贷分析、信贷审批、贷款发放、贷款回收等,其核心是评估客户还款能力,同时,该技术一般要求小贷业务以独立的事业部方式运作,总行设小贷中心,分行设区域经理。
IPC 微贷技术在一定历史时期取得了巨大的成功。另外,与德国IPC技术类似的还包括法国沛丰的小贷技术,印尼人民银行小贷技术等。
“我们统称为‘信贷员技术’,对人的技能要求较高,靠信贷员的经验去做判断,但是,信贷员对于这套技术模型真正运用娴熟需要一年以上时间,是一套比较占用人力成本和需要时间传承的技术。且信贷流程需要信贷员全程参与,也使得放贷的道德风险加剧。”柳博说。
实际上,这套技术更加适合小型金融机构或区域性金融机构,比如村镇银行、城商行、小贷公司等,而随着小微贷款面临大规模扩张,IPC技术就显得心有余而力不足,随着科技金融技术的发展,新型审核授信技术的出现迫在眉睫。
无担保贷款背后的风控模式
真正将小微贷拖出“抵押物崇拜”的是无担保贷款的出现,柳博认为,中国的无担保贷款起源于两个人,一位是平安信保前CEO宋光洙,一位是亚联财小额贷款有限公司董事长张炳煌,被业内尊称为“个人信贷之父”,前者具有韩国花旗银行背景,后者具有日本花旗背景。
“但他们的模式亦为他们过去的成功所累。”柳博说。
时至今日,在香港定义的小额信贷业务基本都是指无抵押、无担保的信用贷款。无担保贷款在极大程度上破除了传统金融机构一以贯之的“抵押物崇拜”,但显然,无担保贷款更容易暴露在风险之中,所以,对于借款人来说尤其要承受更高的利率,以覆盖贷款经营者的风险。
事实上,与小微贷领域的无担保贷款模式比较相似的一款产品即为银行的信用卡,早前,国内大多数银行信用卡部门采取人工审批作业形式,审批依据是审批政策、客户提供的资料及审批人员的个人经验,以此进行审批判断。
随着信用卡业务的跨越式发展以及金融科技技术的进步,越多越多的银行业开始重视客户数据挖掘,建立以数据挖掘和数理统计分析为基础的业务系统,并力图开启以信用评分卡为主导的数据驱动风险管理技术。
据了解,信用评分技术是以数据为核心,计算机技术为载体,以取代人力为特征的大规模自动化处理方法,是发达国家普遍采用的能够有效控制风险、降低业务人员数量、极大提高审批效率的革命性措施之一。
但柳博认为,整体而言,中国目前银行在个人贷款上,还都是用信贷政策在管理风险,这种基于经验的风控方法只适合于对优质客户的筛选,一旦客群需要下沉,必然捉襟见肘,这就是面对小微这个客户群体,大部分银行束手无策的原因。
虽然数据驱动的风控技术主要应用于信用卡或者小额的消费信贷,“但我们首次将其应用于户均20多万元的大金额个人无担保贷款上,目前来看,取得了不错的效果。截止到目前,即使将开业近三年的全部不良贷款还原,不良率也仅为2.3%,而核销后实际的不良率更是只有0.6%。”他说。
而银监会最新披露数据显示,截至5月末,银行业金融机构不良贷款余额为2.3万亿元,同比增长4.6%;银行业金融机构不良贷款率为1.99%,同比微降。银行可能会继续加大处置不良贷款的力度,但在利润增速放缓、息差进一步收窄的背景下,大规模使用存量拨备进行核销,将会使部分银行面临拨备覆盖不足的问题,未来银行核销力度持续加大的空间有限。
数据让风险结果可预测
事实上,无论是大数金融的“数据化风控+信贷工厂”的信用贷款模式,抑或是微粒贷的“白名单”模式,基于IPC技术的单户现金流分析模式,蚂蚁金服、京东金融等的电商大数据模式,或是供应链金融模式,每一家小微贷经营者都在力图寻找更加适合于自己的风控模式。
在很大程度上继承了平安信保在“宋光洙时代”风控模式的平安普惠,也早在2013年底开始就出台了新的风控战略。
“这个战略并不是从任何一个国家或地区借鉴过来的,而是基于我们在中国市场上的经验和基础打造的。而且我们融入了更多科技因素到模型当中。就现在的平安普惠来说,已经不再是简单的模仿别人了。”平安普惠副总裁兼首席风控官林允祯此前接受第一财经记者采访时说。
在过去,贷款客户的还款能力是金融机构决定是否放贷的重要依据,考察借款人有没有偿还本息的能力,也就是借款人未来能够用于偿还贷款的现金流入,未来现金流从来都是金融机构信贷认可的第一还款来源。
在还款能力中,抵押物被认为是控制风险的一种比较有效的补救手段,算是第二性的还款来源。
然而,随着风控技术的进步,风控官们越来越发现,还款能力不等于还款意愿,最终客户还款与否还要看还款意愿。
“在这一两年当中,我们一直在尝试用很多数据去关联客户的偿债能力和偿债意愿。比如车子,有车的客户几乎每个月都会在车子上花费数千元,他手头是会有这些现金用于开支,所以,我们认为有车是偿债能力的一个正相关。另外,买保险的人更有责任感,因为保险往往不是给自己用的,而是留给活着的人,减轻他们的压力,有责任感和还款意愿是正相关的。”平安普惠首席运营官秦福荣对本报记者说,数据无处不在,谁能够把数据变成黄金,落地使用,谁才能真正掌控金融科技。
柳博也认为,数据化风控,一是可以更快速地规模化复制,二是风险结果可预测,“风险就是不确定性,风险定位的终极目标不是零风险。一个行之有效的风控模式,是在不良率和通过率之间做出最大化的平衡,在一定通过率的情况下把不良率降下来,在设定不良率目标的情况下把通过率提上来。”他说。