|
近两年来，消费金融越来越受到互金业界和资本青睐。尤其是小额的现金贷业务，为用户提供短期资金借贷，用于日常消费。无论线上线下，类似“在线申请，资料简单，急速放款，无需抵押”的宣传小广告随处可见。 目前，同样是做现金贷业务，有的公司赚得盆满钵满，可是有的公司却被频繁的欺诈、骗贷行为困扰，现金贷做得好不好，很重要的一点就是风控做得好不好。要回答楼主的问题，我们可以一层一层来解答。 问题1：现金贷到底是个什么业务？ 现贷(国外称为Payday loan即发薪日贷款）是一种小额短期借贷产品，其额度在1000元以下，年化利率平均在50%-200%之间，借款期限集中在7-30天。据不完全统计，目前国内的小额现金贷平台已有上千家，大体上可以分为几类： （1）互联网系，以微粒贷、京东金条、蚂蚁借呗为代表，资金实力比较雄厚，内部流量转化获客成本低； （2）垂直平台，以手机贷、闪电借贷、现金巴士、工资钱包、量化派为代表，主要针对细分人群，获客及资金成本相对较高； （3）消费金融系，以苏宁消金的任性借、捷信消金的福袋为代表，基于目前分期业务扩展，资金来源广、成本低； （4）银行系，目前很多银行推出自有现金贷产品，如包商银行有氧贷、幸福金，产品大多针对行内白名单客户，利率普遍较低，客群与其他现金贷产品差异显著。 目前，现金贷市场再以惊人的规模扩张中。浅橙现金卡上线仅4个月，目前700万注册用户，16年底交易流水已超10亿；2345贷款王16年业绩快报显示，16年平台共发放贷款411.75万笔，营业收入17.42亿，净利润6.35亿，同比增长52.19%；前隆手机贷上线三周年，目前用户已超过700万…… 与一般的消费金融产品相比，现金贷主要具有以下五个特点：额度小、周期短、无抵押、流程快、利率高，这也是与其借贷门槛低的特征相适应的。现金贷的目标客户群主要有以下几个特点：收入和学历普遍偏低，月收入大部分集中在2000到3000元；信贷记录较差，大多数人不能通过银行借贷审核，甚至没有个人信用记录，多为无卡人群；所需借款金额从500到5000元不等，主要集中在1000-2000元；共债比例很高，据前海征信的常贷客产品扫描结果显示，现金贷申请者共债比例超过60%，借贷次数平均在6次左右。 问题2：高风险的现金贷业务能否盈利？ 现金贷产品先天具有高违约风险的特点，目前国内的现金贷平台坏账率在30%左右，最高能到达50%，做得较好的平台坏账率也有15%左右。与如此高的违约率对应的却是略显简单粗糙的风控流程,甚至存在乱放的现象，现金贷行业在如此高违约率情况下仍能获得暴利固然与其小额分散的特点有关，但更深层的原因还在于其现阶段的盈利模式，要解析现金贷的盈利模式首先需要介绍几个公式。我们把现金贷客户分为新贷客户和续贷客户两类，由于风控筛选等因素，续贷客户相比新贷客户风险较小。接下来我们来看四个公式： （1）新贷客户损失率*新贷客户占比+续贷客户损失率*续贷客户占比=预期可承受损失率 （2）预期可承受损失率=收益率-成本率-预期利润率 （3）成本率=新贷成本率*新贷客户占比+续贷成本率*续贷客户占比 （4）新贷客户占比+续贷客户占比=1 （注：这里将当月应还款客户逾期30天以上既列入损失，将收益率近似为平均借款期限*利率） 在上述四个公式中，平均借款期限、新贷成本率、续贷成本率、续贷客户损失率均可由放贷机构的历史数据得出。预期利润率有放贷机构预先制定，因此这里可变动的量为收益率、续贷客户占比，新贷客户损失率（用阴影标出）。 由于在现金贷发展初期最受关注的是可承受的新贷客户损失率，接下来来研究利率和续贷客户占比对新贷客户损失率的影响。假设某现金贷产品平均借款期限27.9天，新贷成本率占放贷金额的5%，续贷成本率为1%，假设预期利润率为3%，续贷客户损失率3%。下表中横向为利率，纵向为续贷客户占比，表格中数据为在达到预期利润率的情况下可承受的新贷客户损失率（新贷客户可承受的损失率大于50%的用红色标出）。
（数据资料来源——微信公众号：放得出去收得回来） 由上表可以看出，越靠近右下角可承受的新贷客户损失率越高。因此，我们可以得出现金贷高盈利的两点原因： 一是利用高利率覆盖高违约风险。较高的违约风险必然需要较高的利率去覆盖，这在逻辑上很好理解。同时，上文计算的表格也从盈利模式的角度证明了这一点。由上表可见，在客户结构一定的前提下，利率越高，可承受的新贷客户损失率也会增加。高利率加之同样高不菲的手续费和违约金成为其高盈利的原因之一。 二是通过续贷客户比例控制风险。现金贷本身面向的客户为中低收入人群，用户黏性较高，部分客户会产生重复借贷需求。下表为某种现金贷产品有续贷的客户比例随时间的变化折线图。可以看到该种产品越有10%的客户当月借贷当月续贷，这一数字在第二个月达到峰值。从表格可以看出，在利率相同的情况下，续贷客户占比越高，可接受的新贷客户损失率越高。 在短期巨大人口流量红利仍然持续的情况下，以上两个因素是现金贷暴利背后的主因。
表2 某现金贷产品客户续贷比例折线图 问题3：不注重风控的现金贷业务能否持续？ 上文分析了目前很多现金贷平台“闭着眼睛放贷”也能盈利的两个主要原因，然而进一步分析会发现，在市场发展的中后期，这种模式就走不通了，风控会越来越成为关键。 首先，由于现金贷小额短期的特点，导致行业进入壁垒较低，难以形成较大的寡头，资本的趋利性势必导致越来越多的玩家加入现金贷领域，在流量红利期逐渐过后，现金贷行业在长期将趋向于充分竞争，一方面根据市场规律，价格会回到一个相对合理的位置，因而完全依赖于高利率覆盖风险的模式走不通。另一方面想要留住优质客户提高客户黏性，服务质量会成为关键。 其次，小额现金贷本身的目标客户群就存在潜在的信用风险，恶意欠款现象普遍，多头借贷尤为严重。大多用户没有足够的薪水及时还款，不少用户只能通过“借新还旧”的方式持续不断地陷入债务漩涡。 因而随着现金贷市场趋于成熟，建立行之有效的风控模型，实现降低违约率和提高用户体验的兼顾将成为现金贷产品在未来激烈的市场竞争中立于不败之地的关键。 问题4：现金贷风控到底怎么做？ 本文精华部分来了。要建立较为完整的一提现金贷风控体系需要包括贷前审批、授信，贷中跟踪、监控，贷后、失联修复、不良催收，是一个极为复杂的过程。每一个流程都会影响整个的风控质量。这里主要介绍贷前的风控措施。 通过与现金贷相关从业人员交流后发现，各家现金贷公司风控流程不尽相同，但总体来说，现金贷风控流程可以分为四个阶段：黑名单，风控规则，反欺诈网络，风控模型。本文主要介绍一些常见的风控规则供参考。 （1） 勾稽比对 勾稽比对是会计行业的一个常用术语，在风控中主要指利用多维度数据进行逻辑对应关系检验的方法，举例来看：假设用户填写的“收入水平”为变量A，“工作地点”为变量B，申请时IP地址的“所处区域”为变量C。从A+B的维度来看，倘若用户填写的A月收入有数万元，B却显示在某个偏远山区的修车厂工作，我们或许应该怀疑用户虚报收入。若从B+C的维度来看，倘若B变量显示用户工作地点在北京，C却显示申请时IP地址在云南，或者频繁更换IP地址去申请，我们或许应该考虑金融欺诈的风险。若结合A+B+C的维度来看，若B变量显示客户在北京国贸工作，A变量显示月入10000元，IP地址、申请地点都在北京，通过三个变量数据的交叉验证，可以初步推断申请人是常住北京的中等收入白领。倘若再增加更多变量例如填写手机号码常用通话地点等，就能从更多的角度验证出数据的可靠性。 （2） 交叉检验 交叉检验与勾稽比对有细微差别，但两者都是利用多维度数据对用户真实性和可靠性进行验证的方法，这里只简单举个例子，例如申请人提供了工作单位地址，但用外部数据验证结果显示该单位不再这个地址，那该用户可能存在欺诈风险。 （3） 强特征筛选 有一些变量在风控的考量中占有较大的权重，例如多头借贷次数，该次数较高意味着用户存在严重的多头借贷情况严重，有较高的违约风险。拿前海征信常贷客产品验证结果举例，命中常贷客客户信贷逾期风险是普通客户的3 ~ 4 倍。还有较常见的强特征变量有关注机构（催收机构等）通话，工作日夜间通话等。 （4） 风险关系 风险关系主要验证与申请人相关联个体的信息。例如，该申请者通讯录中是否存在较多被列入黑名单的联系人，该申请人的生情电话或IP是否曾被另外的申请者使用过等。 （5） 用户的行为数据 用户的行为数据也可以很好地用以鉴别金融欺诈。例如通过运营数据统计显示，在凌晨3点左右申请贷款的用户的信用风险更高，这可能因为很多欺诈者对智能信贷不熟悉，错误地以为凌晨无信贷员审批，防御薄弱的突破口；此外，申请时多次修改填写资料的用户可能存在信息造假，因为普通人通常不会频繁记错自己的私人信息。这些独特的用户行为数据一定程度上也能甄别风险，反应用户信用。 需要指出的是，在整个风控流程中，要注重风控和用户体验之间的平衡。若一味强调风控会导致数据需求过多，风控模型过于复杂，从而降低授信速度。同时，需要用户提交资料过多也会增加用户流失风险，在建立风控流程的过程中需要谨记的一点是风控的最终目标是最佳的收益风险比。 | 
QQ好友和群
