搜狐证券-搜狐网站 > 证券要闻 > 证券新闻2
要闻 | 公司 | 个股 | 行业 | 新股

互联网金融大数据之维信样本: 平衡成本+风险完善模型 算清盈亏账(图)

来源:21世纪经济报道
互联网金融大数据之维信样本: 平衡成本+风险完善模型 算清盈亏账
导读

  目前,维信理财借助劣后/优先份额结构化产品(杠杆率1:4-6)与关联融资担保公司担保(杠杆率1:10)等融资工具,已经获得数十亿的放贷资金。

  “其实,这套数据驱动模型,本身是一个方法论,关键是如何在海量数据里找出效益/风险的平衡点。”廖世宏直言。

  本报记者 陈植 上海报道

  这是互联网金融一路高歌猛进的时代,而大数据分析在其中担纲着越来越重要的角色。

  维信理财作为国内首家涉足小额无抵押贷款的公司,营业已达10年,累计贷款余额约7亿美元,如今每月放贷规模控制在4亿元人民币。

  “相比规模效应,我们更专注做好数据驱动业务模式。”维信理财总裁廖世宏接受21世纪经济报道记者专访时表示。

  维信理财的数据驱动业务模式特别之处在于,它不向个人投资者募集资金,而是通过和信托公司、银行等金融机构合作,利用数据风控信贷工厂模式进行融资,再放贷给国内百余个城市的小微企业主或个人。

  目前,维信理财借助劣后/优先份额结构化产品(杠杆率1∶4-6)与关联融资担保公司担保(杠杆率1∶10)等融资工具,已经获得数十亿的放贷资金。

  这套数据驱动业务模式如何能吸引银行、信托公司向高风险的小微消费贷款提供杠杆资金,不少业内人士也直言“摸不透其中奥秘”。

  “其实,这套数据驱动模型,本身是一个方法论,关键是如何在海量数据里找出效益/风险的平衡点。”廖世宏直言。

  他举例称,一家小微贷款机构分别从10个客户选择4个、7个客户放贷,其产生的坏账风险与获客成本是截然不同的。前者明显坏账风险更低,但获客成本更高;后者则恰恰相反。此时数据驱动模型的最大作用,就是让机构基于海量客户还贷动态数据分析,优化某些放贷审核规则,一方面放宽信贷审批门槛降低获客成本,一方面又能有效控制坏账风险。

  随着互联网金融的投资热潮来临,众多机构面临巨大的短期利益诱惑,大数据分析概念往往成为其做大规模效应、吸引风险投资的一大法宝。甚至有的机构基于自身大数据分析模型,开始涉足征信业务,创造更高的企业市值。

  “维信理财会将征信业务看成是主营业务的一种延伸,不会刻意去涉足这个领域。”廖世宏称。

  在他看来,金融领域的大数据应用,并不是一个炒作概念,而是一件苦差事——由于坏账风险往往是滞后的,数据的最大应用,就是在信贷审批环节提前建立起一道防火墙,尽可能过滤掉各类引发坏账风险的因素。

  数据驱动的“账本”

  2006年廖世宏从一家外资银行大中华区负责人岗位离职,创建维信理财,正式切入国内个人、小微企业信贷市场。彼时,中国的个人信贷市场所需的各类数据,基本处于空白阶段。

  具体而言,要建立一套面向个人、小微企业主的小额无抵押信贷数据风控模型,必须具备四大要素:一是有效搜集个人征信信息的渠道;二是有足够大的个人贷款者样本;三是有足够长的观察期以评估贷款人各类还款行为;四是赔出真金白银,拿到足够的“坏样本”。

  “当时,这些要素基本都不具备。”廖世宏称,从维信理财诞生起,他就抱着试错纠错的态度,用了整整6年收集足够多的个人贷款者样本及征信信息,并长期考察其还款行为。

  当2012年维信理财准备搭建数据模型时,廖世宏又发现,由于数据收集期间格式不够准确,数据要求不够严格,加之人工输入导致的错误,不得不再花费2年时间调整数据模型。直到2014年,维信理财正式推出首家客户信用评分卡,并逐步引入反欺诈引擎、评分引擎、决策引擎、支付引擎、分析引擎、数据采集引擎、机器学习引擎等八大引擎,构建了一套自动化的信贷审批“工厂”。

  他认为,这是基于提高信贷审批效率的需要,一个完善的数据模型,应兼顾成本维度与风控维度。

  他给21世纪经济报道记者算了一笔账,目前一家小微贷款机构(包括P2P机构)平均获客成本约占贷款额度的3%-4%,加之投资者投资利息在11%-12%/年,即使不考虑坏账备付金,这类机构贷款利息必须达到16%以上,才能实现盈亏平衡。于是,小微贷款机构必须面临两个选择:要么基于压低坏账风险的需要,在10个客户里只选择1-2个优质客户放贷,但这意味着获客成本还会持续上涨;要么基于降低获客成本的考量,放宽贷款人审核门槛,在10个客户里选择5-6个客户放贷,但这又会导致坏账风险骤然提高。

  “说白了,数据模型就是不断帮助机构算清这笔业务的盈亏账。”廖世宏解释称,具体而言,当机构决定在10个客户中选择5-6个客户放贷时,这套数据模型可以根据客户的年龄、职业、消费行为、收入等各个因素进行考察,帮助机构优化某些审核标准,过滤掉高风险客户,从而实现坏账风险与获客成本双双降低。

  廖世宏发现,这套行之有效的数据驱动业务模式,同样需要与时俱进。比如2012-2013年间,维信理财的女性贷款客户比例仅有20%,但现在这一比例达到45%,由此整个数据模型需要重新调整。

  有时,数据模型还会带来意想不到的风控结论。

  此前,维信理信开发了一款为小微企业主提供消费信贷的产品。当时产品研发团队认为,小微企业主有房有车,还款风险理应不高。但产品运营数据却意外发现,没有房产的企业主坏账率要低于有房产的。

  “我们一时也想不通,但数据模型就得出这样的结果。”廖世宏说,最终整个产品团队重新去分析这些企业主的个人信息,发现他们偏向于拿房产去银行、民间借贷机构申请抵押贷款,导致隐性负债较高,坏账风险自然增加。因此,维信理财在一段时间后悄然叫停了这款产品。

  廖世宏直言,当时这款产品让整个团队见识到数据应用的威力。

  如今,廖世宏发现维信理财又面临着类似的问题:随着P2P平台的激增,不少贷款人可以同时在不同P2P平台申请贷款,无形间增加了个人隐性负债。

  他表示,要将这类借贷人剔除,没有捷径,只能不断地试错纠错。目前,维信理财每研发出一款新产品,就会在一段时间内做出调整,引进不同类型的客户,观察几个月后了解其还款行为,进而优化自身数据风控模型。

  “数据驱动模型从诞生起,就没有100分,只有不断地自我完善,无限接近100分。”廖世宏说。

  布局智能金融产业

  在不少业内人士看来,维信理财正赶上一个好“风口”——随着国内征信产业的兴起,维信理财完全可以设立一家征信机构,将10年数据积累及其信贷工厂风控模型转移进去,进一步提升自身估值。

  目前,维信理财旗下设立了小额贷款公司、融资租赁公司、融资担保公司、金融服务公司等,布局征信产业似乎也水到渠成。

  “我们不会贸然进入征信市场。”廖世宏表示,在欧美成熟金融市场,征信产业经历了一轮又一轮整合兼并,最终美国留下三家巨头,英国与德国也只有少数一两家做大做强,维信理财与其将业务精力耗费在征信产业的整合浪潮中,不如另辟蹊径,以10余年消费信贷数据模型为基础,在智能金融方面下功夫。

  所谓智能金融,即在某些互联网消费场景下,小微贷款机构基于全智能、无人工参与的闭环风控审批操作流程,以最快速度向客户提供授信放款。

  这背后,是互联网给金融业务流程带来的一次全新变革。长期以来,金融机构与客户的接触频率不高,导致客户粘性较差;但在互联网时代,金融机构与客户之间的接触频率加快了,比如客户在各个消费场景随时随地都有可能需要贷款消费,这就需要金融机构不但能提供24小时金融服务,还必须以最快速度完成信贷审批流程,满足客户高频率金融服务的需要。

  “互联网比拼的就是速度,谁提供的金融服务速度越快,谁就越有机会脱颖而出。”廖世宏认为。

  近期,维信理财尝试发行了首款智能金融产品“卡卡贷”,专注基于互联网的信用卡余额代偿服务。

  廖世宏坦言,之所以将信用卡余额代偿作为智能金融产品切入点,本身也有业务模式讨巧的成分。因为信用卡用户属于零售金融业务的最优质客户之一,其坏账风险相对可控,可以让维信理财腾出更多精力完善智能化操作流程。

  21世纪经济报道记者了解到,目前维信理财已经与中国电信“翼支付”建立了战略合作关系,并且还在与大型地产中介公司合作,针对租房买房需求,推出智能化操作的首付贷、房租贷等产品。

  在业内人士看来,布局智能金融转型互联网消费金融服务商,可能是维信理财在给IPO做铺垫。目前,这家机构已拿到约2亿美元风险投资资金,需要在一个合适时机给投资人提供可观的回报。

  廖世宏对此表示,目前经营团队与主要股东更关注的是,如何利用基于大数据分析的信贷工厂模式,结合有效的场景,更有效地为用户提供智能消费金融产品。

  作者:陈植
stock.sohu.com false 21世纪经济报道 http://epaper.21jingji.com/html/2015-08/10/content_135513.htm?div=-1 report 4296 导读目前,维信理财借助劣后/优先份额结构化产品(杠杆率1:4-6)与关联融资担保公司担保(杠杆率1:10)等融资工具,已经获得数十亿的放贷资金。“其实,这套数据
(责任编辑:Newshoo)

我要发布

客服热线:86-10-58511234

客服邮箱:kf@vip.sohu.com