說起P2P，多數(shù)金融圈內(nèi)人士已經(jīng)并不陌生。國內(nèi)現(xiàn)有近千家的P2P網(wǎng)貸平臺，動輒打出高息誘人的收益率宣傳口號以及眼花繚亂的安全承諾。但是在這些浮華表面的背后，關(guān)于P2P的風控很多人仍然是一知半解，甚至不少長期P2P圈內(nèi)的資深玩家對此也是“既沒吃過豬肉，也沒見過豬跑”。
但是不可否認的是，作為一種跳過銀行間接貸款融資模式的、一種在借款人和出借人之間直接發(fā)生借貸關(guān)系的業(yè)務(wù)模式，P2P業(yè)務(wù)的核心正在于團隊自身的風險定價能力，即風險管理能力是P2P公司的核心競爭力。那么，P2P公司是如何進行風險管理的？什么樣的風控平臺是更為有效的呢？
職能明確的風控部門
在信貸金融領(lǐng)域，根據(jù)不同借款額度，往往對應(yīng)的是不同的風控審批手段。從業(yè)內(nèi)看，超過100萬以上的借款基本采用與銀行相同的借款風控手段，實地真人考察，另外再加抵押物。而20-100萬之間，可以用類似IPC的風控技術(shù)，沒有抵押物，但較接近銀行審核手段，不能集中化審核，容易導(dǎo)致審核標準不一。
而P2P從本質(zhì)上講，更多應(yīng)該是專注于1-20萬之間的信用無抵押借款，這是與銀行、小貸和擔保公司目前很難覆蓋的領(lǐng)域，愛錢進正是選擇專注于這類型的借款客戶開發(fā)。在這種模式中，風險管理采用總部集中式的數(shù)據(jù)化風控模式，從而解決審核標準不統(tǒng)一以及審核人員快速擴張需要依賴長期經(jīng)驗積累的問題。在總部風控部門設(shè)立方面，以愛錢進為例，主要分成三個部門：政策和數(shù)據(jù)分析部、風控審核部、催收部。
政策和數(shù)據(jù)分析部下面分成三個主要部分：一是政策制定團隊，包括確定目標人群、設(shè)計借款產(chǎn)品準入政策、核批政策、反欺詐政策、催收政策等，并固化到?jīng)Q策引擎系統(tǒng)和評分卡；二是數(shù)據(jù)挖掘分析，對逾期客戶進行特征分析、產(chǎn)品盈利分析等；三是數(shù)據(jù)建模團隊，根據(jù)數(shù)據(jù)挖掘，對逾期客戶特征數(shù)據(jù)進行建模分析。政策和數(shù)據(jù)分析部的三個部門工作相互關(guān)聯(lián)，工作成果是制定貸款產(chǎn)品政策，包括前端營銷、中臺審核、后臺催收的各項政策制度。
風控審核部主要包括初審部、終審部和稽核部，主要職責是審核判定借款人資料的真實性和有效性，結(jié)合決策引擎和評分卡等對客戶做出是否核批的決定。催收部按照客戶逾期時間長短，分為初催和高催，主要職責是根據(jù)催收評分卡和決策引擎，對逾期客戶進行催收工作。
小額分散原則
有了職能清晰的風控部門，對于以點對點借款為主要模式的P2P而言，要控制平臺整體違約率在較低水準，還要堅持“小額分散”的原則。
先說一下“分散”在風險控制方面的好處，即借款的客戶分散在不同的地域、行業(yè)、年齡和學歷等，這些分散獨立的個體之間違約的概率能夠相互保持獨立性，那么同時違約的概率就會非常小。比如100個獨立個人的違約概率都是20%，那么隨機挑選出其中2人同時違約的概率為4%（20%^2），3個人同時違約的概率為0.8%（20%^3），四個人都發(fā)生違約的概率為0.016%（20%^4）。如果這100個人的違約存在相關(guān)性，比如在A違約的時候B也會違約的概率是50%，那么隨機挑出來這兩個人的同時違約概率就會上升到10%（20%×50%=10%，而不是4%）。因此保持不同借款主體之間的獨立性非常重要。
“小額”在風險控制上的重要性，則是避免統(tǒng)計學上的“小樣本偏差”。例如，平臺一共做10億的借款，如果借款人平均每個借3萬，就是3.3萬個借款客戶，如果借款單筆是1000萬的話，就是100個客戶。在統(tǒng)計學有“大數(shù)定律”法則，即需要在樣本個數(shù)數(shù)量夠大的情況下（超過幾萬個以后），才能越來越符合正態(tài)分布定律，統(tǒng)計學上才有意義。因此，如果借款人壞賬率都是2%，則放款給3.3萬個客戶，其壞賬率為2%的可能性要遠高于僅放款給100個客戶的可能性，并且這100個人壞賬比較集中可能達到10%甚至更高，這就是統(tǒng)計學意義上的“小樣本偏差”的風險。
對應(yīng)到p2p網(wǎng)貸上，那些做單筆較大規(guī)模的借款的網(wǎng)站風險更大。這也是為什么包括人人貸、有利網(wǎng)以及愛錢進這些對風控要求較高的平臺，堅決不做抵押類大額借款的原因。
數(shù)據(jù)化風控模型
除了堅持小額分散借款原則，用數(shù)據(jù)分析方式建立風控模型和決策引擎同樣重要。小額分散最直接的體現(xiàn)就是借款客戶數(shù)量眾多，如果采用銀行傳統(tǒng)的信審模式，在還款能力、還款意愿等難以統(tǒng)一量度的違約風險判斷中，風控成本會高至業(yè)務(wù)模式難以承受的水平，這也是很多P2P網(wǎng)貸平臺鋌而走險做大額借款的原因。
可以借鑒的是，國外成熟的P2P比如LendingClub，以及都是采用信貸工廠的模式，利用風險模型的指引建立審批的決策引擎和評分卡體系，根據(jù)客戶的行為特征等各方面數(shù)據(jù)來判斷借款客戶的違約風險。美國的專門從事信用小微貸業(yè)務(wù)的Capital One是最早利用大數(shù)據(jù)分析來判斷個人借款還款概率的公司，在金融海嘯中，Capital One公司也憑借其數(shù)據(jù)化風控能力得以存活并趁機壯大起來，現(xiàn)在已經(jīng)發(fā)展成為美國第七大銀行。
簡單點說，建立數(shù)據(jù)化風控模型并固化到?jīng)Q策引擎和評分卡系統(tǒng)，對于小額信用無抵押借款類業(yè)務(wù)的好處包括兩個方面：一是決策自動化程度的提高，降低依靠人工審核造成的高成本；二是解決人工實地審核和判斷所帶來審核標準的不一致性問題。在國內(nèi)，目前包括人人貸、愛錢進、拍拍貸都在積極推動數(shù)據(jù)化風控模型的建設(shè)，這也是監(jiān)管層所樂于看到的。
因此，除了小額分散的風控原則，P2P網(wǎng)貸風控的核心方法在于，通過研究分析不同個人特征數(shù)據(jù)（即大數(shù)據(jù)分析）相對應(yīng)的違約率，通過非線性邏輯回歸、決策樹分析、神經(jīng)網(wǎng)絡(luò)建模等方法來建立數(shù)據(jù)風控模型和評分卡體系，來掌握不同個人特征對應(yīng)影響到違約率的程度，并將其固化到風控審批的決策引擎和業(yè)務(wù)流程中，來指導(dǎo)風控審批業(yè)務(wù)的開展。
最后，回到P2P的社會效益這一原點問題上，P2P網(wǎng)貸是為了實現(xiàn)普惠金融的一個創(chuàng)新，它的初衷是讓每個人都有獲得金融服務(wù)的權(quán)利，能真正地把理財和貸款帶到了普通民眾的身邊。P2P網(wǎng)貸的出現(xiàn)，填補了我國目前傳統(tǒng)金融業(yè)務(wù)功能上的缺失，讓那些被銀行理財計劃和貸款門檻拒之門外的工薪階層、個體戶、農(nóng)村的貧困農(nóng)戶、大學生等人群也有機會享受金融服務(wù)。而服務(wù)這一龐大的群體，如何設(shè)計安全、合理的商業(yè)模式和恪守風控第一的準則，確保廣大投資者的權(quán)益更應(yīng)成為p2p行業(yè)從業(yè)者放在第一位思考的問題。
想認識全國各地的創(chuàng)業(yè)者、創(chuàng)業(yè)專家，快來加入“中國創(chuàng)業(yè)圈”
|
