当前消费金融市场的参与主体众多，包括商业银行、消费金融公司、小贷公司、电商平台、互联网助贷公司等。消费金融公司普遍面临信用风险以及欺诈风险，同时一些成立时间较短、内部体质不完善的消费金融公司还面临着合规风险。

消费金融的风险

(一) 信用风险

信用风险是指交易对手未能履行约定契约中的义务而造成经济损失的风险。违约概率是测量信用风险的基本方法。

按照评级理论而言，一个信用状况良好的个人影子评级是BB，对应的违约概率是稳定的。而信用风险受经济周期的影响较大：在处于经济扩张期时，信用风险降低，因为较强的人均收入能力使总体违约率降低；在处于经济紧缩期时，信用风险增加，因为人均收入情况总体恶化，借款人因各种原因不能及时足额还款的可能性增加。近年来我国的经济增长速度放缓，但目前仍处于上升期，总体违约率较低，随着经济周期的变化，如果出现明显的经济危机和大规模失业，会导致违约率的快速上升。以美国信用卡市场为例，如图1所示，信用卡拖欠率和核销率与GDP增速呈负相关性、与失业率呈正相关性。2008年次贷危机后，受失业率高速攀升影响，美国信用卡业务大幅受挫，核销率和拖欠率大幅上升至10.97%和6.76%。

我国目前处于由投资推动经济增长转向消费拉升经济增长的转换期。近年国家出台多项措施促进消费金融行业发展，如2009 年7 月和2013年11月银监会颁布的《消费金融公司试点管理办法》等，从而使消费金融行业进入发展快车道。从我国消费性贷款业务规模的增长也可窥其一二，消费性贷款余额从2012年末的10.44万亿元增长至2016年末的25.05万亿元，占各项贷款余额的比重也从2012年末的16.57%增至2016年末的23.50%。消费金融规模的快速增长，弱化了逾期率、不良率等数据值，无法真实的体现整个行业的违约率，影响了对于消费金融行业整体信用风险的判断。整个行业趋于平稳时，才能体现更真实的违约率。

(二) 欺诈风险

消费金融领域专业欺诈团伙盛行，专业化盗号、撞库等行为普遍。学生分期、医美分期、车贷分期等平台尤为严重，上当受骗人数众多。事实上，恶意欺诈用户一般不会采用真实身份借款，身份真实性识别是反欺诈的核心要务。同时，还有一大部分欺诈用户，本并无消费贷款意愿，而是被中介欺骗而来，从中介分成10%-20%的返点收入，被催收后才意识到贷款需要偿付。很多金融机构把欺诈风险的防控作为第一道关口，把欺诈隐患基本过滤以后，才会做相应的信用违约风险判断。

防范欺诈风险还需要完善的征信数据支持。然而目前我国的征信存在许多不足之处，主要体现为系统垄断、信息孤岛、征信记录数据少。现阶段我国唯一的征信系统即人民银行征信中心，但大部分互联网消费金融公司无法接入人行征信系统。统计显示中国的人口中，人行有征信记录的一共3.5亿人左右，5亿人只有简单的个人信息，相比中国近14亿人口，征信记录的覆盖率只有不到30%。虽然2015年初,央行要求芝麻信用、腾讯征信等8家机构做好个人征信业务的准备工作,但是8家机构各自为营,数据来源及模型各异，形成了一个个信息孤岛，很难被有效的利用。缺少大数据的消费金融，让恶意欺诈短期有缝可钻。

(三) 合规风险

合规风险是指由于不完善或有问题的内部合规流程、人员、系统或外部事件而导致直接或间接损失的风险。

消费金融公司面临的合规风险，主要是因为部分公司盲目发展、弱化风控，缺乏体系化的内控流程，部分员工监守自盗。一些消费金融公司在初期发展阶段盲目追求规模，没有建立完善的内部合规制度和合规流程便开始盲目获客。风控部门独立性差，风控政策落实经常受到业务部门干扰，风控流程执行大打折扣。同时部分内部人员存在参与欺诈、客户资料包装等行为，给消费金融公司带来了巨大的风险。相比而言传统银行金融机构经过了几十年的发展具备较为完善内控机制。例如有的商业银行将消费金融业务流程分为销售、录入、预审、征信、审批、签约、放款、预警、催收等十个环节，各环节均有匹配的专业团队，流程控制、交叉验证、相互制约，有效的降低了合规风险。

消费金融正处在快速发展的阶段，尚未经历完整的经济周期。市场上合规制度不完善的消费金融公司与期待通过消费金融诈骗牟利的不法分子广泛存在，合规风险与欺诈风险频繁出现又相互渗透。当经济下行，借款人的还款能力、还款意愿下降时，将深化为三种风险互相渗透、交叉，届时整个市场或将面对更大的风险。

风险防范之道

针对消费金融行业存在的上述问题，本文提出相应的建议。

(一) 健全内控制度，规避合规风险。

在企业内部设置好不同金融业务的“防火墙”，防止企业为片面追求业务拓展和盈利能力选择高风险的交易模式。完善员工培训机制，加强职业道德规范、监管政策培训，强调风控的独立性，避免监守自盗、资金挪用等现象。内控机制不完善的消费金融公司可以学习银行消费金融中心在防范合规风险方面的设置，设计出信贷工厂的作业模式，将业务流程优化为销售、录入、预审、征信、审批、签约、放款、预警、催收等多个环节，匹配专业团队，流程控制，交叉验证，相互制约，规避合规风险。

(二) 拓展数据来源，严防欺诈风险。

大数据是消费金融的基础核心，是防范欺诈风险的关键所在。消费金融需要与包含众多数据源的个人征信信息数据库对接。面对我国征信行业的系统垄断、信息孤岛、征信记录数据少等问题，消费金融行业需要加强大数据的收集与共享。

（1）从国家层面建立一个健全的信用制度，这是一个国家消费金融持续快速、健康的根基。现阶段消费金融公司需要积极争取接入人行征信系统。

（2）合作共建个人信用体系。无论是人行征信系统，还是芝麻信用、腾讯征信等征信机构已经积累了一定的个人信用数据。同时各个消费金融平台通过近几年的运行，也形成了一定体量的黑名单数据。目前这些数据缺乏互联互通，无法充分体现价值。应该充分利用这些数据，学习美国商业银行的信息共享机制。在政府的主导下，加强各方的信息共享合作，将信用信息以及社会信息整合成个人信用信息库，据此可以更有效的防范欺诈风险，同时可以对客户群体进行信用等级划分，以便安全快捷地提供差异化的消费金融服务与产品。

（3）应对专业欺诈团队，还需建立完善基于设备号、访问IP、定位、通讯录、通话记录、短信、联系人、定位、应用操作日志、自媒体数据、个人数据授权调用等移动端大数据获取分析技术，同时通过人脸识别、问答印证等技术手段加以防范。应对套现行为，研究套现行为模式，套现行为在时间分布、消费结构、下单数量一般有违反常规逻辑的地方，加大异常数据监测并进行回访，可以甄别大多数套现行为。

(三) 强化风控模型，防范信用风险。

面对信用风险，消费金融公司需要针对不同的风险设置不同的风控模型，消费金融公司的模型则需要设置更多维度。风控模型要基于客户的征信情况，结合社交、网购、生活服务等消费、行为数据对客户的还款能力及还款意愿进行较准确的评估，给予客户发放合理的贷款合同。同时消费金融公司需要持续关注客户的还款能力，风控模型对于对还款有威胁的行为进行监控和及时反馈、预警催收，减少逾期率、降低坏账率。例如，微众银行设计了6个风控和评分模型，对所有腾讯客户做评估和排序，根据结果形成白名单并逐步开放。这六大模块包括公安数据模型、央行征信数据模型、微信社交模型、手机 QQ社交模型、财付通支付数据模型、资金饥渴度模型。既包含了传统的金融数据比如银行征信、公安数据、教育数据等，也有基于腾讯平台的社交数据和支付数据。这些模型会确定客户的授信额度并持续关注客户的还款意愿、还款能力。

为了全面应对三类风险，首先要逐步完善征信系统，将消费金融纳入征信系统，加快建立消费者个人信息数据库，推荐个人商业信用数据、五险一金数据、人事档案数据、消费数据、金融数据等多维度的整合，初步形成覆盖人群广泛、信息多元的征信数据库。同时消费金融公司需要建立完善的内部合规制度，设置多维度的风控模型，交叉检验防范风险，打造涵盖“贷前、贷中、贷后+内控”的风险控制体系。

过去三年，随着消费金融行业的快速发展，消费金融公司的不良率持续走高，相关部门已开始加强对非持牌消费金融公司的监管力度，相关法律制度不断完善，个人征信系统逐步建立，消费金融市场环境正越来越完善、健全。同时随着众多消费金融公司的自我成长，从营销、反欺诈、身份验证等贷前审核阶段，到共债分析、信用评估、风险定价等贷中评估阶段，再到监控预警、催收管理等贷后阶段，形成了一套合理、有效的风险防范机制。在目前消费拉动经济发展的阶段，消费金融行业的发展前景值得看好，消费金融资产依然将是资产证券化业务的重要目标资产。