新闻是有分量的

积木盒子谢群:新金融 新风控

2018-02-06 16:01栏目:金融

非常高兴跟大家做新科技下的借贷风险管理方面的经验分享。PPT上我特别用了一个盒子的图形,表明我们作为一个信息中介,既要看借款端的风险,同时也要看出借方的风险。一般来说,市场和P2P平台更多的关注到借方风险,分为欺诈风险、信用风险、经营性风险、流动性风险等;对贷方的风险,有适当性风险、刚兑期望风险、投资分散性风险、羊毛党风险等。随着消费者保护的兴起,作为P2P平台,我们不希望投资人把毕生的积蓄都投资到“高风险、高收益”的投资项目上,所以加大了投资者理性教育的工作,希望降低投资人的分散性风险。而P2P网贷成长在一个流量为王的市场竞争环境中,流量带来的羊毛党风险对平台的稳定性影响是不能忽视的,行业最近都在开展打击羊毛党的动作,实际上我们对这一块也一直在做合理的统筹考虑。

说的更抽象一点,金融科技的发展,无非体现在两个方面:一个是器的进步,“器”我把它分成从大数据,从存储能力,从计算速度这些方面,它使得我们的武器更加的锋利;另外一方面是术,这一方面包括基于器的进步,我们本身能做的事情,像文本挖掘、机器学习、区块链等等。大数据的概念传到中国以后,大家都非常的受鼓舞,大数据可以解决很多的问题。事实上我们发现大数据的确对于我们甄别和防范信贷业务中的“确定性的风险”有着很大的帮助,比如说曾经的欺诈借款人,他下一步借款基本上依然是欺诈的。但是这一判断中,还是存在概率的不确定性,比如曾经的违约者有一定的概率是好人,也有一定的概率是习惯性的欠债或者是违约,怎样把这个不确定性跟各种政策结合到一块,是需要P2P平台在风控模型上反复优化的。以一个我们做的零售贷款为例,我们既评估一个个人的信用风险,同时看他事情这笔贷款的环境,包括他的IP地址、机器设备等等是否有欺诈风险?甚至某些消费场景本身也可能存在一些特定的风险。所以在今天新技术环境下,对一个零售贷款的评估,我们已经远远超出了通常的强变量分析,我们还会考察更多的方方面面的弱标量因素,从欺诈风险、系统风险,甚至场景的风险来尽量减除信贷风险。

这里面提到大数据,大数据使用最近在监管的一些指引里面,特别是对网络借贷平台的要求里面提到要谨慎使用数据驱动这样的方式。这个我认为是很有意思的提法,数据驱动就是说它是一个自驱动的过程。在金融危机期间,美国很多的投资银行家看到房价不断上涨,看到用基于房价的衍生品随之上涨,更加刺激了以房子作为抵押品而产生的衍生品的价格的上扬,但这种上扬实际上是有上限的。如果你看这一上扬的某一个区间,在很小的区间里面,他的上涨是大概率,而会误判为这是一个持续很长时间的事件,实际上是一种误读。所以实际上,逻辑和数学依然是我们最主要的使用工具。

什么意思呢?不管是处在什么样的模型中,哪怕是一个最疯狂的业务模型里面,比如说大家认为很明显是一个庞氏骗局中,为什么有那么多人觉得自己不会是最后一个接棒的人呢?我们曾经算过一笔账:如果是用野蛮方式,比如用200%、甚至300%的利息来做业务,做不加区分风控的业务,实际上也掩盖不了90%的坏账,所以对我们来说需要正确认识数据的局限。在美国我们的同行发现基于大家公认的数据得到了这样的评级,比如说FICO,虽然它已经是公认的业界最好的信用评分,但是基于这样的评分,它也只能告诉机构某个区间的好人比例,比那个区间的好人比例高一点或低一点的浮动,是不能避免的,所以随机性是永远存在的,特别是在信贷这个行业尤其如此。

前几年,网贷行业在监管的早期,事实上市场是放开来做的各种业务。到监管回归到本质的时候,我们发现很多的业务按照通常的粗放式的做法实际上是没有办法持续的。即使在美国FICO这样的一种近乎完善模型体系下,也都是不可避免的遇到各种损失,各个评分区间的损失率都有。随着中国保护消费者这方面进一步向国际接轨,比如说尊重隐私,有一些信息的使用收到限制等等,我们相信中国信贷行业的数据和风控体系也会向美国的类似阶段靠拢。

说完了对借款人的风险管理,我们再看一下对出借人的风险。出借人风险更多的来自于感知。我们大部分投资人都不是专业的投资人,他们更多的依靠自己的判断和感觉。说一家P2P平台很好地披露借款人信息,他敢披露这么多信息,说明他是好的。当然也有物极必反的很奇怪的现象,比如说当时五道口一位老师写的一篇论文,发现在一个平台上主动愿意公布自己人行征信数据的借款人反倒没有像其他的借款人融资速度快,大家认为你为什么要公布自己的信息那么多呢?是不是你觉得自己的信用状况不是很好等等。所以造成了大家主要是靠自己的个人直觉和判断,这就引发行业对投资人教育的反思,风险和收益的不匹配性,不能一味的追求高风险,同时用一些比较具体的方式教育投资人,怎样才能更加合理、更加理性的做投资。