消費金融風控：風險與利潤的博弈

作者：消金漫談

來源：消金漫談（ID：cf-talk）

提到風險控制，有無數種解釋和定義。對矢志于業務落地的從業者而言，消費金融風險控制就像一張紗網，去粗存精，用既定的標準篩選出合格的畫像客戶。在風險的懸崖與利潤最大化的峭壁之間，努力保持相對地平衡。

引子

時間回撥到2016年7月，彼時尚是銀監北京局接到客戶投訴，同時各地法院也陸續接到訴訟請求，都直指最早的四家持牌消費金融公司之一 -- 北銀消費金融公司。而投訴的內容是，客戶在毫不知情的情況下，在北銀消金賬上出現20萬人民幣的逾期貸款。

隨著事件發酵，監管部門隨之介入，起底后卻炸出另外一個天坑。據統計，涉及客戶約200人，基本每人名下都在北銀消金有20萬貸款，總金額在4000萬左右。很多人拒絕還款，又為自己的征信檔案上的逾期記錄所憤怒。

一位金融從業者提到“正常情況下，只有10%的時間思考怎么賺錢，剩下90%的時間和精力都在思考怎么控制風險”。顯然，北銀消金在那段消金業務野蠻生長、貸款規模爆炸提升的時期，在風險控制環節嚴重缺失。

這個故事以北京銀監局的一張罰單收場。然而，消費金融這個戰場里，炮火依舊。各路豪杰繼續以刀口舔血、舍我其誰的氣勢收割客戶。“只要有錢就不愁放不出去”互金的玩家如是說。“憑實力借的錢，我為什么要還”擼口子的羊毛黨肆意妄言。牌照帶來的是準入資格，也意味著監管的束縛。在瘋狂生長的時代里，持牌就得堅守風險控制的底褲，消費金融牌照似乎顯得有點尷尬。

消金風控的本質

當我以管培生的角色進入銀行，從信貸員的視角初識金融時，支行帶我的師傅告訴我：金融的核心是識別并控制風險。當我離開銀行，看著消費金融行業借著互聯網的萬鈞之力，輕而易舉地造就一個個財富神話時，它讓我明白，互聯網的核心是低成本試錯，快速度迭代，增長碾壓一切，規模裹挾收益。金融與互聯網，表面上相得益彰，但內核卻是如此激烈地對抗。

真正回歸消費金融風控，永遠逃不脫的是對不同種類風險的認知和控制。當把紗網層層折疊，去除廣義上的市場風險、流動性風險、操作風險、聲譽風險、法律風險等，最大的風險恰恰是最能檢驗人性的，那就是信用風險和欺詐風險。專業的描述是：借款人故意、不愿或無力履行合同條件而構成違約，使金融機構、投資者或交易對方遭受損失的可能性。

在資本逐利的加持下，消費金融風控的本質逐漸顯露出來。在盡最大可能認清用戶還款能力和劃款意愿、識別出客戶的優劣之后，在監管默許的范圍內，在市場容忍的前提下，追逐利潤的最大化。或者反之，在滿足上述條件后，追逐風險的最小化。

核心環節

與融資和流量業務不同，消費金融風險控制是一個全鏈條的過程，與融資和流量業務相比，復雜程度呈現幾何倍數增長。如果極盡所能的豐滿風險控制流程，那么從客群營銷開始，就可以尋覓到它的影子，直指貫穿貸后催收。如果只挑重點，那么毫無疑問，貸前審核、貸中監控和貸后管理是三個最重要的環節。

?貸前審核

貸前審核之于消費金融風險控制，如同君王立儲，幾十個兒子爭相表現最完美的一面，皇帝卻需要通過各種蛛絲馬跡，明察秋毫地選出最優秀的那一個。一旦錯選昏君，則危害深遠矣。在這個環節上，陰溝里翻船的可不僅僅是北銀消金。

貸前審核最重要的則是核準借款人的還款能力和還款意愿。如何客觀的判斷客戶的還款能力和意愿？量化顯得尤為必要。

?還款能力量化。通過調查獲取各種財務或財務相關數據進行估算，如月收入、交易流水、銀行賬戶數、固定資產、負債情況等財務信息。還款能力量化的邏輯是盡可能確定客戶各維度財務數據后，借助分析模型，估算出每月可用于還款的最大額。例如對電商購物流水分析，可以知道客戶名稱、地址。通過地址和房產數據進行聯動，判斷客戶的房租或房價。通過購買商品名稱判斷客戶的偏好，例如購書的比例較高且偏向金融、經濟方面，則判斷客戶從事相關職業，再結合關聯數據推斷客戶職業、平均收入水平等。

?還款意愿量化。依據各種軟信息，如學歷、年齡、性別、戶籍、當前居住地、消費記錄等人口統計信息、社交網絡和行為信息。還款意愿量化的邏輯更加復雜一些，同樣借助分析模型，將所有可能涉及的軟性信息用預設的方法論實現量化。如客戶填寫申請信息的時長，如果明顯短于正常值，則判斷客戶可能用程序或模擬器申請，而模擬器可以更改手機IMEI、分辨率、重力等關鍵信息。時長如果明顯長于正常值，則說明客戶對申請信息不熟悉，甚至不是本人申請。

?貸中監控

貸中監控之于消費金融風險控制，如同儲君查國，太子在沒有正式登基加冕之前，依然受到帝王和皇室層層監察制約。消費金融風險管理是技術、也是藝術。技術崇尚嚴謹，藝術追求自由。格格不入的兩者背后，技術鄙視鏈似乎比貸款周期還要長。站在從業者的立場，我絕不想兜售以技術創新改變消費金融的春藥。像P2P這樣消費金融子行業盛極一時，推崇量化監控、名詞革新，吸引大批投資人注入無數真金白銀后，千帆過競后留下的是一地雞毛和無盡嘆息。如果以結果為目標，憑效用作方向。賬齡分析（Vintage Analysis）、滾動率分析（Roll Rate Analysis）和遷徙率分析（Flow Rate Analysis）就顯得尤為重要。

?賬齡分析（Vintage Analysis）

核心是資產賬齡 (Month of Book，MOB) 指資產放款月份。最大值取決于信貸產品期限。輔助逾期天數(Days Past Due，DPD)和逾期期數(M)。如DPD30指逾期30天的貸款，M3指逾期61-90天的貸款。如果后綴一個“+”，則意味著涵蓋貸款后續生命周期。例如DPD90+指逾期90天及以上貸款。

賬齡分析的浪漫，起源于法國葡萄酒莊，用vintage來標記窖藏葡萄酒的酒精濃度和品質。輪擺至金融業，信貸資產的釀造師們用它來度量信貸質量、分析變化規律、界定賬戶成熟度、萃取信貸影響因子。

?滾動率分析（Roll Rate Analysis）

指從某個觀察點之前的一段時間（觀察期）的最壞的狀態，向觀察點之后的一段時間（表現期）的最壞的狀態的發展變化情況。主要目的是界定客戶的好壞程度。

?遷徙率分析（Flow Rate Analysis）

也叫做凈流量滾動比例法（Net Flow Rate），能形象展示客戶貸款在整個生命周期中的變化軌跡，也是預測未來壞賬損失的有效方法。

?貸后管理

貸后管理之于消費金融風險控制，如同君主登基執政，如果不尋綱常禮法治理國家，暴施逆行、胡作非為，就會逼民眾揭竿起義，甚至惹得天降災禍。消費金融貸后管理包括指持續監測、逾期催收和壞賬處置。

如果說消金行業的前端獲客是裹著糖衣的炮彈，那么這個行業的后端則是赤裸裸的人心修羅場。見識過死皮賴臉逃廢債務的老賴，也曾震驚于想方設法鉆法律空子的黑產。持牌消金鑒于監管的威嚴，盡可能在合規范圍內，以掘地三尺的勇氣不不放過任何一個挽回損失的機會。互聯網消金曾趕上時代的風口，利潤數倍于風險，在資本市場的蔭蔽下，狂妄地宣布不良就當做送給客戶的禮物。而順著這個鏈條延展開去，更多是無數催收機構無所不用其極的催收手段，目的只有一個：還錢。

?持續監測指監測貸款的狀態，如貸款用途、行業動態等。

?逾期催收層次比較立體，基本分為前催、后催、外包、訴訟等階段。

?壞賬處置涉及撥備調整，利用核銷、出售等財務手段處置不再適合花費精力催收的資產組合。

無論戲謔或是嚴肅，當躬身至于行業內時，錯綜復雜的情況遠超局外人的想象。任何人無法阻擋行業的發展前進，矛盾仍舊在繼續，利益一直在糾纏，技術不斷在升級、監管已經在招手。

大數據風控

不可否認，技術革新是推動時代前行的內部驅動力。消費金融行至于此，大數據風控以其快捷、高效的特點席卷整個行業。眾多科技金融企業、大數據公司、征信平臺等也都借勢崛起。歷史總是驚人的相似，中國金融行業的每一次浪潮都夾帶著許多讓人不明覺厲的金融創新。潮水退去，能留在沙灘上的還在熠熠閃光的卻為數不多。刨根究底，大數據風控最根本的無非兩點，即大數據和風控模型。

?大數據

從風控實踐的視角，基本分為資質數據、信貸數據、財務數據、交易數據、社交數據、行為數據等。數據是大數據風控的基礎。

?風控模型

基于過程分析的維度，指基于交叉驗證、聚類分析等原則的風險分析模型。主要分為評分卡模型、專家模型、多元判別分析模型、Logistic回歸模型、支持向量機模型、神經網絡模型、決策樹模型等。風控模型在不同的理論指導下和風格迥異的算法支撐上，實現信用風險識別、反欺詐、量化定價等目的。

海量的大數據結合有效的風控模型，形成消費金融大數據風控的基本流程，示例如下：

大音希聲，大象無形。雖然從IBM深藍到阿爾法狗AI，技術革新彷佛可以碾壓經驗判斷，但消費金融風險控制中最重要的一環卻不是閃閃發光的技術，本質上是人類對技術的認知和運用。成也蕭何敗蕭何，人類對技術的創造成就了整個行業，卻不得不面對隨之而來的數據爬取、隱私泄露、反向擬合、黑產橫行的問題。人性與利益的驅逐永遠也沒有盡頭，技術的創新與演進同樣也沒有。

感悟

互聯網、大數據、消費金融、風控模型 … 即使作為圈內人，每次接觸風險控制，都感覺好像距離上次學習它過了一個世紀。消費金融風控的對象、環境、理念和技術的迭代如此之快，每每總讓人心里不安。唯一不變的，就是這些所謂的高新技術的對象是人，所以了解人性、解讀人性顯得尤為重要。這是風控研究的必要之路，也是成長的必經之路。

注：文章為作者獨立觀點，不代表資產界立場。

題圖來自 Pexels，基于 CC0 協議

本文由“消金漫談”投稿資產界，并經資產界編輯發布。版權歸原作者所有，未經授權，請勿轉載，謝謝！

原標題： 消費金融風控：風險與利潤的博弈