消费金融风控：风险与利润的博弈
2020-05-08 12:53128322
信贷风险主要是信息不对称而引发的道德风险 – 斯蒂格勒
来源：消金漫谈
信贷风险主要是信息不对称而引发的道德风险 – 斯蒂格勒提到风险控制，有无数种解释和定义。对矢志于业务落地的从业者而言，消费金融风险控制就像一张纱网，去粗存精，用既定的标准筛选出合格的画像客户。在风险的悬崖与利润最大化的峭壁之间，努力保持相对地平衡。
引子
时间回拨到2016年7月，彼时尚是银监北京局接到客户投诉，同时各地法院也陆续接到诉讼请求，都直指最早的四家持牌消费金融公司之一 -- 北银消费金融公司。而投诉的内容是，客户在毫不知情的情况下，在北银消金账上出现20万人民币的逾期贷款。随着事件发酵，监管部门随之介入，起底后却炸出另外一个天坑。据统计，涉及客户约200人，基本每人名下都在北银消金有20万贷款，总金额在4000万左右。很多人拒绝还款，又为自己的征信档案上的逾期记录所愤怒。一位金融从业者提到“正常情况下，只有10%的时间思考怎么赚钱，剩下90%的时间和精力都在思考怎么控制风险”。显然，北银消金在那段消金业务野蛮生长、贷款规模爆炸提升的时期，在风险控制环节严重缺失。这个故事以北京银监局的一张罚单收场。然而，消费金融这个战场里，炮火依旧。各路豪杰继续以刀口舔血、舍我其谁的气势收割客户。“只要有钱就不愁放不出去”互金的玩家如是说。“凭实力借的钱，我为什么要还”撸口子的羊毛党肆意妄言。牌照带来的是准入资格，也意味着监管的束缚。在疯狂生长的时代里，持牌就得坚守风险控制的底裤，消费金融牌照似乎显得有点尴尬。
当我以管培生的角色进入银行，从信贷员的视角初识金融时，支行带我的师傅告诉我：金融的核心是识别并控制风险。当我离开银行，看着消费金融行业借着互联网的万钧之力，轻而易举地造就一个个财富神话时，它让我明白，互联网的核心是低成本试错，快速度迭代，增长碾压一切，规模裹挟收益。金融与互联网，表面上相得益彰，但内核却是如此激烈地对抗。真正回归消费金融风控，永远逃不脱的是对不同种类风险的认知和控制。当把纱网层层折叠，去除广义上的市场风险、流动性风险、操作风险、声誉风险、法律风险等，最大的风险恰恰是最能检验人性的，那就是信用风险和欺诈风险。专业的描述是：借款人故意、不愿或无力履行合同条件而构成违约，使金融机构、投资者或交易对方遭受损失的可能性。在资本逐利的加持下，消费金融风控的本质逐渐显露出来。在尽最大可能认清用户还款能力和划款意愿、识别出客户的优劣之后，在监管默许的范围内，在市场容忍的前提下，追逐利润的最大化。或者反之，在满足上述条件后，追逐风险的最小化。
核心环节
与融资和流量业务不同，消费金融风险控制是一个全链条的过程，与融资和流量业务相比，复杂程度呈现几何倍数增长。如果极尽所能的丰满风险控制流程，那么从客群营销开始，就可以寻觅到它的影子，直指贯穿贷后催收。如果只挑重点，那么毫无疑问，贷前审核、贷中监控和贷后管理是三个最重要的环节。
❖贷前审核
贷前审核之于消费金融风险控制，如同君王立储，几十个儿子争相表现最完美的一面，皇帝却需要通过各种蛛丝马迹，明察秋毫地选出最优秀的那一个。一旦错选昏君，则危害深远矣。在这个环节上，阴沟里翻船的可不仅仅是北银消金。贷前审核最重要的则是核准借款人的还款能力和还款意愿。如何客观的判断客户的还款能力和意愿？量化显得尤为必要。✦还款能力量化。通过调查获取各种财务或财务相关数据进行估算，如月收入、交易流水、银行账户数、固定资产、负债情况等财务信息。还款能力量化的逻辑是尽可能确定客户各维度财务数据后，借助分析模型，估算出每月可用于还款的最大额。例如对电商购物流水分析，可以知道客户名称、地址。通过地址和房产数据进行联动，判断客户的房租或房价。通过购买商品名称判断客户的偏好，例如购书的比例较高且偏向金融、经济方面，则判断客户从事相关职业，再结合关联数据推断客户职业、平均收入水平等。✦还款意愿量化。依据各种软信息，如学历、年龄、性别、户籍、当前居住地、消费记录等人口统计信息、社交网络和行为信息。还款意愿量化的逻辑更加复杂一些，同样借助分析模型，将所有可能涉及的软性信息用预设的方法论实现量化。如客户填写申请信息的时长，如果明显短于正常值，则判断客户可能用程序或模拟器申请，而模拟器可以更改手机IMEI、分辨率、重力等关键信息。时长如果明显长于正常值，则说明客户对申请信息不熟悉，甚至不是本人申请。
❖贷中监控
贷中监控之于消费金融风险控制，如同储君查国，太子在没有正式登基加冕之前，依然受到帝王和皇室层层监察制约。消费金融风险管理是技术、也是艺术。技术崇尚严谨，艺术追求自由。格格不入的两者背后，技术鄙视链似乎比贷款周期还要长。站在从业者的立场，我绝不想兜售以技术创新改变消费金融的春药。像P2P这样消费金融子行业盛极一时，推崇量化监控、名词革新，吸引大批投资人注入无数真金白银后，千帆过竞后留下的是一地鸡毛和无尽叹息。如果以结果为目标，凭效用作方向。账龄分析（Vintage Analysis）、滚动率分析（Roll Rate Analysis）和迁徙率分析（Flow Rate Analysis）就显得尤为重要。核心是资产账龄 (Month of Book，MOB) 指资产放款月份。最大值取决于信贷产品期限。辅助逾期天数(Days Past Due，DPD)和逾期期数(M)。如DPD30指逾期30天的贷款，M3指逾期61-90天的贷款。如果后缀一个“+”，则意味着涵盖贷款后续生命周期。例如DPD90+指逾期90天及以上贷款。账龄分析的浪漫，起源于法国葡萄酒庄，用vintage来标记窖藏葡萄酒的酒精浓度和品质。轮摆至金融业，信贷资产的酿造师们用它来度量信贷质量、分析变化规律、界定账户成熟度、萃取信贷影响因子。✦滚动率分析（Roll Rate Analysis）指从某个观察点之前的一段时间（观察期）的最坏的状态，向观察点之后的一段时间（表现期）的最坏的状态的发展变化情况。主要目的是界定客户的好坏程度。✦迁徙率分析（Flow Rate Analysis）也叫做净流量滚动比例法（Net Flow Rate），能形象展示客户贷款在整个生命周期中的变化轨迹，也是预测未来坏账损失的有效方法。
❖贷后管理
贷后管理之于消费金融风险控制，如同君主登基执政，如果不寻纲常礼法治理国家，暴施逆行、胡作非为，就会逼民众揭竿起义，甚至惹得天降灾祸。消费金融贷后管理包括指持续监测、逾期催收和坏账处置。如果说消金行业的前端获客是裹着糖衣的炮弹，那么这个行业的后端则是赤裸裸的人心修罗场。见识过死皮赖脸逃废债务的老赖，也曾震惊于想方设法钻法律空子的黑产。持牌消金鉴于监管的威严，尽可能在合规范围内，以掘地三尺的勇气不不放过任何一个挽回损失的机会。互联网消金曾赶上时代的风口，利润数倍于风险，在资本市场的荫蔽下，狂妄地宣布不良就当做送给客户的礼物。而顺着这个链条延展开去，更多是无数催收机构无所不用其极的催收手段，目的只有一个：还钱。✦持续监测指监测贷款的状态，如贷款用途、行业动态等。✦逾期催收层次比较立体，基本分为前催、后催、外包、诉讼等阶段。✦坏账处置涉及拨备调整，利用核销、出售等财务手段处置不再适合花费精力催收的资产组合。无论戏谑或是严肃，当躬身至于行业内时，错综复杂的情况远超局外人的想象。任何人无法阻挡行业的发展前进，矛盾仍旧在继续，利益一直在纠缠，技术不断在升级、监管已经在招手。
大数据风控
不可否认，技术革新是推动时代前行的内部驱动力。消费金融行至于此，大数据风控以其快捷、高效的特点席卷整个行业。众多科技金融企业、大数据公司、征信平台等也都借势崛起。历史总是惊人的相似，中国金融行业的每一次浪潮都夹带着许多让人不明觉厉的金融创新。潮水退去，能留在沙滩上的还在熠熠闪光的却为数不多。刨根究底，大数据风控最根本的无非两点，即大数据和风控模型。从风控实践的视角，基本分为资质数据、信贷数据、财务数据、交易数据、社交数据、行为数据等。数据是大数据风控的基础。基于过程分析的维度，指基于交叉验证、聚类分析等原则的风险分析模型。主要分为评分卡模型、专家模型、多元判别分析模型、Logistic回归模型、支持向量机模型、神经网络模型、决策树模型等。风控模型在不同的理论指导下和风格迥异的算法支撑上，实现信用风险识别、反欺诈、量化定价等目的。海量的大数据结合有效的风控模型，形成消费金融大数据风控的基本流程，示例如下：
大音希声，大象无形。虽然从IBM深蓝到阿尔法狗AI，技术革新彷佛可以碾压经验判断，但消费金融风险控制中最重要的一环却不是闪闪发光的技术，本质上是人类对技术的认知和运用。成也萧何败萧何，人类对技术的创造成就了整个行业，却不得不面对随之而来的数据爬取、隐私泄露、反向拟合、黑产横行的问题。人性与利益的驱逐永远也没有尽头，技术的创新与演进同样也没有。
感悟
互联网、大数据、消费金融、风控模型 … 即使作为圈内人，每次接触风险控制，都感觉好像距离上次学习它过了一个世纪。消费金融风控的对象、环境、理念和技术的迭代如此之快，每每总让人心里不安。唯一不变的，就是这些所谓的高新技术的对象是人，所以了解人性、解读人性显得尤为重要。这是风控研究的必要之路，也是成长的必经之路。
表情
