現(xiàn)金貸的風(fēng)控要素基于個人信用、網(wǎng)絡(luò)消費行為、社交與收入穩(wěn)定性，與銀行要求資產(chǎn)抵押的貸款模式截然不同。 一家現(xiàn)金貸平臺風(fēng)控副總監(jiān)曾誠（化名）說。
3年前，他從一家股份制銀行零售業(yè)務(wù)風(fēng)控部跳槽到一家互聯(lián)網(wǎng)金融平臺擔(dān)任風(fēng)控副總監(jiān)，主要負責(zé)設(shè)計現(xiàn)金貸業(yè)務(wù)風(fēng)控模型。
然而，他在銀行所積累的風(fēng)控經(jīng)驗與技術(shù)，在互金平臺能派上用處的并不多。過去3年，他和團隊重構(gòu)了一個面向個人、小微企業(yè)主的小額無抵押信貸數(shù)據(jù)風(fēng)控模型，用于現(xiàn)金貸業(yè)務(wù)貸款審核。期間他還引入了多家第三方征信機構(gòu)與社交電商平臺數(shù)據(jù)，優(yōu)化自身風(fēng)控模型。
但他認為，真正影響風(fēng)控模型效果的，是企業(yè)經(jīng)營決策。若平臺為了追求短期規(guī)模效應(yīng)與高利潤，不斷放寬借款人門檻，勢必造成較高壞賬率；反之壞賬率會降低，但犧牲了規(guī)模效益，以及快速上市等機會。
如何平衡這筆賬，是一個兩難抉擇。 曾誠說，目前他所在平臺選擇了快速擴張，原因是創(chuàng)始人與大股東希望迅速做大業(yè)績，趕上這波上市潮。
但問題是，由高利率與服務(wù)費收入（主要是 收頭息 ）構(gòu)成的高利潤，目前尚能覆蓋不斷走高的壞賬損失，但隨著監(jiān)管部門嚴控借款費率，并取締收頭息模式，平臺能否有足夠利潤掩蓋風(fēng)控隱患與壞賬壓力，就成了未知數(shù)。 曾誠告訴21世紀經(jīng)濟報道記者。
現(xiàn)金貸的風(fēng)控密碼
曾誠表示，一個完整的風(fēng)控模型包括四大要素：一是能有效搜集借款人征信信息；二是構(gòu)建足夠多的個人貸款樣本，用于分析遴選借款人行為特征；三是有足夠長的觀察期以評估貸款人的各類還款行為；四是形成甄別惡意欺詐的有效解決方案。
一開始，平臺的這些要素都不具備。 曾誠透露，為此平臺一面搭建模型，一面與多家第三方征信機構(gòu)、電商平臺合作，通過采購或合作開發(fā)互聯(lián)網(wǎng)個人信貸產(chǎn)品等方式，獲取潛在借款人的社交、電商、個人征信等數(shù)據(jù)，作為擴大風(fēng)險評估參數(shù)、完善風(fēng)控模型的基礎(chǔ)。最終推出針對個人借款人的信用評分機制，包括反欺詐審核、個人信用評級、收入與社交消費模型等多個維度。
為了進一步控制風(fēng)險，他建議平臺規(guī)定，每位借款人需從借款額提取2%作為逾期風(fēng)險備付金。但由于市場競爭激烈，平臺最終取消了這項規(guī)定。
曾誠認為，一旦取消逾期風(fēng)險備付金，平臺通常有兩種選擇維系業(yè)務(wù)發(fā)展：一是鑒于收緊壞賬風(fēng)險的考量，從10個申請人中選擇1-2個優(yōu)質(zhì)客戶放貸，這意味著規(guī)模在短期難以做大，獲客成本也會提高并壓縮利潤空間；二是轉(zhuǎn)變經(jīng)營思維，即平臺在10個申請人里選擇5-6個客戶放貸，通過規(guī)模效應(yīng)與較高信貸費率，覆蓋潛在壞賬風(fēng)險。
基于規(guī)模擴張與上市運作需求，曾誠所在平臺選擇了后一模式。即借款人的審核標準被大幅放寬，有些借款人工作不穩(wěn)定也能通過審核，不過借款額度有所降低；有的借款人夜間網(wǎng)購頻繁，以往風(fēng)控部門會懷疑他們閑居在家而不予放貸，現(xiàn)在也可獲得微額短期現(xiàn)金貸。這導(dǎo)致該平臺的現(xiàn)金貸業(yè)務(wù)壞賬率從原先的4%，一下跳漲至8%。
不過，由于規(guī)模擴張帶來的高額利息收入，令他所在的平臺每季度都有3000萬-4000萬元凈利潤，足以應(yīng)對壞賬率走高的沖擊。
一位業(yè)內(nèi)人士表示，這也成為眾多現(xiàn)金貸平臺的必然選擇 通過規(guī)模效應(yīng)掩蓋自身較高壞賬風(fēng)險，從而創(chuàng)造貸款用戶數(shù)、貸款規(guī)模、業(yè)務(wù)收入、經(jīng)營利潤集體快速增長的局面。
靠高利潤掩蓋高壞賬的做法治標不治本。高費率（年化30%以上）與收頭息模式一旦受到從嚴監(jiān)管，平臺利潤很可能大幅縮水，屆時壞賬隱患可能迅速浮出水面。 曾誠對此直言。
此前，曾誠還開發(fā)了一款針對小微企業(yè)老板的大額現(xiàn)金貸產(chǎn)品，額度在5萬-10萬元。出人意料的是，產(chǎn)品運營數(shù)據(jù)顯示，沒有房產(chǎn)的借款人壞賬率低于有房產(chǎn)的。產(chǎn)品團隊因此重新分析借款人信息后發(fā)現(xiàn)，部分有房有車的小微企業(yè)主通常用房產(chǎn)向銀行、民間借貸機構(gòu)申請抵押貸款，導(dǎo)致多頭負債風(fēng)險增加。
在多位業(yè)內(nèi)人士看來，多頭負債是現(xiàn)金貸業(yè)務(wù)的最大運營風(fēng)險。
現(xiàn)在國內(nèi)現(xiàn)金貸平臺數(shù)量超過千家，很多都標榜自己擁有數(shù)千萬注冊用戶與逾百萬活躍用戶，如此算下來國內(nèi)現(xiàn)金貸借款用戶超過百億，但中國總?cè)丝诓贿^14億人，其中肯定存在多頭負債隱患，成為現(xiàn)金貸的隱憂。 一家華東地區(qū)現(xiàn)金貸平臺負責(zé)人告訴記者。
壞賬中約半數(shù)隱藏欺詐風(fēng)險
在業(yè)內(nèi)人士看來，除了多頭負債隱患，現(xiàn)金貸平臺當前最頭疼的，無疑是黑中介的騙貸行為。
所謂黑中介，即通過電腦程序不斷 試錯 ，尋找各個平臺風(fēng)控漏洞，虛構(gòu)大量借款人材料，騙取貸款資金的組織或個人。
通常，黑中介會針對平臺的風(fēng)控側(cè)重點，利用部分IP地址重復(fù)發(fā)送借款申請，且每次借款人的收入、年齡、婚姻狀況、工作等信息各不相同。
上述業(yè)內(nèi)人士坦言，當前黑中介騙貸造成的壞賬比率，可能占現(xiàn)金貸業(yè)務(wù)壞賬的50%以上，有的平臺甚至逾70%壞賬源自騙貸。
曾誠所在的平臺不得不借鑒其他平臺做法，對此轉(zhuǎn)變風(fēng)控策略 通過挖掘借款人央行征信報告、其他信貸數(shù)據(jù)、消費數(shù)據(jù)、互聯(lián)網(wǎng)痕跡數(shù)據(jù)、數(shù)據(jù)、運營商數(shù)據(jù)、法院數(shù)據(jù)等，生成逾千個風(fēng)險變量，每天根據(jù)市場環(huán)境變化等因素，調(diào)整風(fēng)險變量排列組合與比重，構(gòu)成不同的大額現(xiàn)金貸風(fēng)控模型。
盡管不斷優(yōu)化風(fēng)控模型，但曾誠坦言，每天10%-20%的大額現(xiàn)金貸借款申請，仍是由黑中介發(fā)來的，黑中介有時亦能成功發(fā)現(xiàn)風(fēng)控 漏洞 ，令平臺蒙受壞賬損失。
曾城初步估算，在當前平臺8%的壞賬率中，欺詐風(fēng)險貢獻了其中的15%左右。
這個數(shù)據(jù)在業(yè)內(nèi)算是比較優(yōu)秀的。 上述華東地區(qū)現(xiàn)金貸平臺負責(zé)人告訴記者，欺詐風(fēng)險是當前現(xiàn)金貸業(yè)務(wù)壞賬率居高不下的原因之一。個別平臺每年由此遭遇的壞賬損失達數(shù)千萬元，行業(yè)整體壞賬率在7%-8%以上。為此，部分現(xiàn)金貸平臺采取合作策略，聯(lián)合建立黑名單制度。
但是，光靠黑名單信息共享是不夠的，與黑中介的博弈，某種程度上是信息真實性的斗爭。 曾誠認為。以往互金平臺主要通過評估借款人負債收入比、每月還款能力、還款記錄、電商平臺購物記錄、年齡等風(fēng)控變量決定是否放貸。而黑中介一旦掌握平臺的 風(fēng)控側(cè)重點 ，就能虛構(gòu)大量符合平臺風(fēng)控要求的借款人材料，甚至躲過黑名單的反欺詐審核。因此，平臺只有構(gòu)建多維度的交叉驗證方式，判斷借款人提供數(shù)據(jù)的真實性，才能最大限度避免欺詐風(fēng)險。
比如傳統(tǒng)金融機構(gòu)認為個人收入越高，越是優(yōu)質(zhì)客戶，但當平臺將借款人年齡與收入結(jié)合起來，發(fā)現(xiàn)某一個借款人年齡很小但收入很高，就會心生懷疑，其背后是否有美化財務(wù)數(shù)據(jù)的行為。 他表示。對現(xiàn)金貸業(yè)務(wù)而言，由于對借款人資金用途缺乏核實，難以捕捉其借款目的，多頭舉債的借款人往往能美化財務(wù)數(shù)據(jù)。
