首页 > 观点

百融金服张韶峰:现金贷转型应注重风控与获客 | 金融科技百人谈

观点 姜文 · 零壹财经 2017-12-25 阅读:53397

关键词:现金贷大数据人工智能获客风控

11月末央行下发文件暂停批设网络小贷,一系列“严监管”政策出台,现金贷公司转型刻不容缓;大数据与人工智能的有效结合,将在风控与获客两方面促进金融机构盈利模式转变。
本文系零壹财经金融科技百人谈第九篇。 

科技到底如何改变了金融?金融科技的本质是什么?金融科技的发展趋势又是什么?带着这些问题,零壹财经特别策划“金融科技百人谈”,对100位金融科技行业领袖与专家学者展开访谈,倾听他们对金融科技的真知灼见,了解他们在实践和研究中遇到的困惑与难题,以此展现一个更完整、鲜活的金融科技版图。

————


12月19日,零壹财经对百融金服董事长、CEO张韶峰进行了专访。

从11月末央行下发文件暂停批设网络小贷开始,央行、银监会以及各地方金融监管局开始了一系列的政策收紧,主要针对现金贷、网络小贷、P2P网贷多种形式的互联网金融业务实行"严监管"。

尽管2017年以来的这一波互金公司上市之后都创造了不错的营收和利润,但业界并不看好今年三季度之后互金公司的业绩增长,广州互联网金融协会会长方颂曾直言"三季度也许是最后的暴利时代了"。尤其是四季度以来,随着各类措施落地,各家上市互金公司股价均受到不同程度影响。以趣店为例,其股价已从发行时的24美元/股,跌至12月21日的12.54美元/股,跌幅为47.75%。

在此影响下,现金贷公司的盈利模式也该有所改变。如张韶峰所说:"许多现金贷公司主要是靠高利率来覆盖风险。"当流量红利达到饱和,并且利率降低时,现金贷公司的转型关键就在于风控和获客。

此外,由于缺乏对人工智能在金融领域应用的了解,公众并不清楚大数据和人工智能的关系,以及人工智能的应用方式。此次专访中我们特地了解到,通过大数据和人工智能的结合使用,构建基于人工智能算法的信用评估模型和授信额度模型,从而提升金融机构的风控水平和获客效率。而这恰恰是目前大部分现金贷公司所缺乏的。

现金贷转型两条路:大数据智能风控与获客

近年来,风险控制能力越来越成为互联网金融行业的隐形门槛,在监管力度逐渐加大的风口中,现金贷公司的问题也一点一点暴露出来,各个现金贷公司的风控能力参差不齐,有些现金贷公司甚至并没有风险部。张韶峰认为,现金贷公司目前存在的问题主要是风控手段简单粗放,多数现金贷公司在贷前风控阶段只有查询黑名单和多头共债数据这两步。"
现金贷公司因为利率非常高,主要是靠贷前防住最坏的人+贷后催收这两招来进行风控。最重要的是依靠高利率来覆盖风险,大数据风控不太受重视。"

张韶峰认为,现金贷公司为了合规,会调低利率,利率越低,大数据在风控中的占比越重。"之前他们的风控其实只是做了反欺诈管理里面的一部分工作。现在不同了,利率越低,机构对坏账就越敏感。我们的总结是:在互联网金融领域里面,利率越高,就越是互联网的游戏;反之,利率越低,就越靠近金融的本质。"

基于以上问题,张韶峰认为现金贷公司的转型路径应该着重于风控和获客这两方面。

在风控方面,现金贷公司应该改变以往的方式,不能只是依靠高利率覆盖风险和查询黑名单和共债,应该重视授信额度配给,基于遵循风险定价的原则进行利率分层。可以给优质客户分配高额度,同时一定程度上降低利率。"其实有两个模型要做,一个是风险评估模型,一个是授信额度模型。”

在获客方面,张韶峰表示,因为逆选择现象的存在,多数现金贷借款人会主动在互联网上搜索找寻贷款信息,因此现金贷公司的获客成本普遍比银行信用卡低。但是针对大额低息的信贷产品以及银行信用卡产品的互联网营销,展示型广告优于搜索型广告。因为搜索是典型的逆向选择行为。而展示型广告是广告主主动"激发"那些借款意图不甚强烈的客户的借款欲望。这方面做得最成功的腾讯微粒贷。张韶峰举例称可结合大数据和人工智能技术,筛选出一份均为优质用户的"白名单",利用互联网技术对优质用户进行主动营销,定点投放广告,使每个人看到的贷款广告都是根据其信用情况"个性化"设计过的,即根据个人信用情况给出额度、利率、期限。"保险产品的互联网营销也是类似的,比如某个家庭刚生了小孩,他们就可能有给孩子买保险的需求。使用大数据与人工智能技术,给不同的人看得保险产品也是不一样的。”他说。

此外,张韶峰还提到了另一种转型方法,也是目前现金贷公司非常欢迎的一种方法。现金贷公司将自身存量用户数据库与"白名单"比较核对,挑选出已有的优质用户,为其提供低息大额的信贷产品。"这是目前现金贷公司的最大需求,因为这种方式能够低成本快速地开始发放低息大额贷款。"他说。

12月初的现金贷整治工作文件要求限制无指定用途无场景的资金,对此,张韶峰认为是可以通过大数据来追踪钱款去向的。

"大数据和人工智能就像一枚硬币的两面"

张韶峰表示,大部分人对于人工智能的认知仅来源于贴近日常生活或者成为社会热点的事件,比如人脸识别技术、AlphaGo等。近几年正是因为人工智能在人们所熟知的领域取得了突破,并被媒体大众所传播,人们的关注度迅速提高。

人工智能在大数据上的应用,张韶峰认为,大数据是计算的原材料,人工智能是计算的工具,相比于"小"数据时代的传统算法,大数据时代的人工智能算法会使效率得到提升,算得更快、更准。

"大数据和人工智能就像一枚硬币的两面。"他说,"数据足够充分,人工智能算法算的足够准之后,从某种程度上可以改变金融行业。"

同时张韶峰还详细讲解了基于人工智能的新算法和传统算法的区别:

"传统算法处理的基本都不是大数据,能处理大数据的算法多数都是基于机器学习的。在进行风险测度时,'逻辑回归'这种传统算法一般仅能分析十几到几十个变量,但是基于机器学习的人工智能算法就能处理成千上万甚至上百万的变量,处理影响因素的数量级非常大。这种量级的变量,传统算法很难计算。"

在风控领域,很多变量和违约事件的没有直接关系。张韶峰列举了两个例子:一、欧美人在填写申请表时,姓名的填法有四种:第一种是姓和名的每个字母都大写;第二种是姓和名都是首字母大写但其余字母都小写;第三种是姓和名的所有字母全部都小写;第四种是名的第一个字母大写而后面都小写,姓的所有字母都大写。通过机器算法发现,姓名的填写方式和违约事件是弱相关的:违约率最高的是第三种,违约率最低的是第四种。这是因为欧美人姓名的填写方式受由文化、教育潜移默化的影响,传统的模型无法识别这种弱相关关系。二、在网上填写贷款申请表时,申请人停留的时间与违约事件也有相关性。一般人清楚地记得个人信息,填完一张表平均用时三分钟左右,但是有欺诈嫌疑的人就会反复琢磨,所以时间和违约也相关。

他还认为,传统模型存在建模简单、变量相关性强、数据量少、维度不足等特点。但我国拥有强相关变量数据记录的人数不多,尤其是大额借款记录。因此,相比于传统模型,基于大数据与人工智能的新模型更适用于当前信用体系建设不完全的情况。

大数据与人工智能的主流应用场景:风控和获客

通过收集借款人的行为数据、交易数据和社交数据,与机器学习算法相结合来构建信用模型,可以帮助金融机构"了解"更多的用户,优化其反欺诈、货前信审、贷后管理等风控管理环节,从而获得更大竞争优势。

张韶峰指出,部分银行在风控与获客方面存在的问题是:第一,银行无法判断"信用白户"的信用情况,即没有人民银行征信报告记录的申请人;第二,相当部分的人虽然有人行信用报告,但其人行报告中的借贷记录稀缺,不足以支撑建模分析。对此,张韶峰通过实例介绍:

"2013年底我们与一家银行合作,这家银行的问题是一批申请人中很多人是'信用白户',大概70%左右的人没有人行征信报告,30%左右有信用记录的人中,还有很多信用情况有瑕疵,最后只有接近一半的人才能拿到信用卡。所以最终审批通过率在14%左右。导致负责广告和营销的部门对广告营销的效果失望。"

他认为,大数据的应用,可以为银行提供两条路径:一、在不良率不变的情况下,提高审批通过率,扩大营业规模;二、在审批通过率不变的情况下,降低不良率,提高风控水平。

最后,在谈及今年6月份出台的《网络安全法》时,张韶峰表示,大数据公司不仅要检视自身产品业务的合规性,更要审查合作机构的合规性和安全性。收集和留存用户信息时,应取得用户授权。对于不合规甚至泄露数据的公司,应立即停止合作。


零壹智库推出“金融毛细血管系列策划”,通过系列文章、系列视频、系列报告、系列研讨会和专著,系统呈现“金融毛细血管”的新状态、新功能、新价值、新定位。
 

上一篇>外汇局副局长:现金贷在借款人和融资方层面都激发了人的恶

下一篇>为什么蚂蚁金服总是被自己套路?


所属专题


相关文章


用户评论

游客

自律公约

所有评论

主编精选

more

专题推荐

more

第四届中国零售金融发展峰会(共15篇)


资讯排行

  • 48h
  • 7天



耗时 174ms