通俗解读贷款风控，带你了解贷款机构之间的风控特征与尺度

贷款风控是什么？贷款存在的意义，就是让借贷人预支未来的钱用于当前消费，从而提高当前的货币存量，并且提高货币的市场流动性。

作为企业的贷款机构第一目标是获取来自于利差的利润，所以放贷之前肯定会尽量挑那些有能力偿还贷款的借贷人，而不是随意发放贷款，因此有效降低贷款资金收回风险就成了重中之重。

而降低贷款资金风险的举措就是贷款风控，就是贷款风险管理控制。

为什么不同的贷款机构之间的风控措施或条件不同？贷款机构本身只是企业，而企业的首要目的就是获取利润，但基于每家贷款机构不同的股权属性或者资本构成不同，它们具备不同的价值观，而这些不同的价值观又决定了这些贷款机构通过放贷赚取利差的要求和途径也不尽相同。

比如，所有的小额贷款机构（线下小贷公司、互联网金融公司、汽车金融公司等持牌小贷公司）的价值观就是利润至上，那么这些小贷机构的主要利润增长就和放贷笔数和放贷金额有直接关系。

一般情况下，我们可以用下面的公式表示贷款机构的收益率计算方式：

ROI=（客流量×人均收益-坏账人数×人均损失）÷阶段性放贷总额×100%

从公式中我们可以看到贷款机构的收益和客流量成正向关系，和坏账人数成反向关系，因此贷款机构的收益率不仅仅是效率和客源的问题，还和风险有关。

那么如果代入持牌小贷公司或者互联网金融公司，我们就很容易理解这些公司为什么疯狂打广告了，以及催收力度为什么这么大了。

总之，贷款风控决定了贷款机构的利润边界。

贷款风控特征决定要素有哪些？上文提到不同的贷款机构之间贷款的风控特征不同，那么有哪些要素决定了这些风控特征呢？

按照构成风控模型的要素重要性不同，我们可以将这些要素分成三个部分：

决定性要素，守约记录，还款意愿评估：信贷交易次数及金额、机构查询次数、逾期记录、信贷笔数与类型、负债率判断等；影响要素，基本信息，还款能力评估：年龄、婚姻状况、学历、工作情况、工资收入、银行流水、公积金和社保缴存情况、纳税记录与金额等；补充要素，公共信息，负面禁止筛选：破产、民事判决、经济纠纷、行政处罚、被执行记录、涉毒涉赌记录、违法犯罪记录等。调整这些要素之中每一项的尺度，都会让贷款机构的风控模型发生变化。

不同的贷款机构之间的风控差异对于我们司空见惯的银行、小贷公司、互联网小贷公司等机构，我们大概能体会其中风控尺度的差异。

比如，国有银行受到上级政策影响相对明显，所以风控特征上也有较为明显的体现；而小贷机构以追逐利润为第一要务，所以其宽松的风控特点大家耳熟能详。

但是同类贷款机构，特别是小额贷款机构之间的风控差异就寥寥无几了，这是因为大多数中小型贷款机构实际上并不具备自主风控体系的能力，需要第三方为其搭建风控模型，这也就导致了大量的中小型风控模型类似，同类贷款机构之间风控特征不够明显。

本文不再做具体细节探讨，但对于不同类型的贷款机构的风控尺度做一个简单分析，以便于大家在申请贷款时有个简单的参照，而非盲目的去尝试。

普遍情况下，常见贷款机构的贷款风控尺度从小到大排列如下：

国有银行＜商业银行＜当地农商银行＜村镇银行＜持牌线下小贷公司＜其它持牌金融机构＜互联网小贷平台＜个人资方；

国有银行包括：工商银行、农业银行、建设银行、交通银行、邮政储蓄、中国银行；全国性商业银行：招商银行、浦发银行、广发银行、光大银行、中信银行、兴业银行、厦门国际银行、浙商银行、恒丰银行等；农商行，一般分级市县级，比如地级市聊城的聊城农商行，县城阳谷的阳谷农商行。村镇银行：比如第一家倒闭的银行——北京区域的包商银行，再比如闹得沸沸扬扬的河南村镇银行；线下小额贷款公司，比如山东区域的国惠、龙信；其它持牌金融机构，比如平安普惠、宜信普惠等，有时也会被归类到小贷公司范畴；互联网小贷平台，一般常见的有支付宝的花呗、借呗，微粒贷，百度旗下的有钱花，360借条，小米贷款之类的；个人资金，一般多指的是典当行之类的民间机构，多以个人资金进行民间拆借。按照顺序尺度逐渐放宽，但利息也是逐渐递增的。

本文理论性的东西可能稍多一些，为了方便大家理解，下面我再以我们个人信用贷款的常规风控条件进行对比，直接见下图。

此图中未添加准确数据，只是进行了风控尺度对比。面积越小的雷达图说明风控尺度越严苛，范围越大的雷达图说明风控尺度越是宽松。

如果还是无法理解，我们可以把贷款风控尺度的大小想象成筛孔，筛孔越大尺度越是宽松，反之就是严苛。

当然，本文仅限于粗略地概括各类机构之类的风控特征分析，因为篇幅和尺度的问题不适合进行更详细的比较，比如银行和银行之间的横向对比，再比如纵向上的各类准确数据对比。

有机会吧，到时候另起篇幅。

详解互联网贷款新规：过渡期延长1年，细化银行自主风控要求

持续整改中的互联网贷款业务又迎来新规，部分细节要求出现收紧，但过渡期延长1年。

7月15日，银保监会发布《关于加强商业银行互联网贷款业务管理提升金融服务质效的通知》（下称《通知》）。《通知》指出商业银行在履行贷款主体责任方面与监管要求仍有差距，进一步细化明确了商业银行互联网贷款管理和自主风控方面的要求，内容涉及客户身份验证、贷款资金管理、与第三方平台合作协议规范等多个方面。长期关注金融科技领域的汉坤律师事务所合伙人权威认为，新规中的部分要求将对助贷、联合贷开展模式、互联网贷款资金流控制等方面提出更严苛的挑战。

不过，在不少业内人士看来，此次新规更值得关注的是过渡期的延长。新规肯定了互联网贷款的积极作用，同时将既有文件规定的存量业务整改期限由今年7月12日延长至2023年6月30日。招联金融首席研究员董希淼认为，新规的整体描述较为积极，体现了监管态度的变化。权威也认为，新规同时体现了合规展业与促经济、保民生之间的平衡，设定了较为缓和的整改进度要求。

暂时缓解到期合规压力

为了规范商业银行互联网贷款业务的经营行为，银保监会曾在2020年7月和2021年2月分别出台《商业银行互联网贷款管理暂行办法》（下称《办法》）和《关于进一步规范商业银行互联网贷款业务的通知》（下称《互联网贷款通知》），对商业银行开展互联网贷款中的风险管理、贷款合作管理等提出了全方位要求。

按照《办法》规定，商业银行互联网贷款存量业务应该在两年内整改完成，最后期限为2022年7月12日。

这也是此次新规最受关注的地方——过渡期延长。针对《通知》，银保监会有关部门负责人在答记者问时表示，近两年疫情反复和经济环境等因素，对商业银行互联网贷款业务整改进程造成一定影响。

从银保监会目前掌握的情况看，部分商业银行的互联网贷款业务特别是合作贷款业务，面临到期合规的压力。加上《通知》又针对自主风控提出有关具体监管要求，为审慎推进整改，避免因业务停办产生收缩效应，影响小微企业和居民融资需求，银保监会认为有必要对过渡期作出统筹安排。

综合考虑商业银行与合作机构整改进度、业务连续性以及与征信规定衔接等因素，《通知》按照“新老划断”的原则设置了过渡期，与《征信业务管理办法》保持一致，即自发布之日起至2023年6月30日；《办法》过渡期也一并延长至2023年6月30日，以确保互联网贷款业务对实体经济支持力度不减。

在权威看来，此次新规的重点之一就是过渡期延长，即综合当前疫情影响和经济形势，在合规展业和促经济、保民生之间作出新的平衡。董希淼也认为，《通知》整体表述较为积极，体现了监管态度的变化。

从统计局数据和央行公布的信贷数据来看，今年以来国内经济在疫情反复中面临较大的下行压力，有效信贷需求尤其中长期贷款需求持续低迷。业内人士普遍认为，在这种情况下，以小额、便捷、普惠为特点的互联网贷款将成为有效补充。

银保监会有关部门负责人在答记者问时也对互联网贷款的积极作用给予了肯定。“尤其是，在疫情防控背景下，可以服务传统金融渠道难以触达的客户群体。”该负责人表示，《通知》鼓励商业银行稳妥推进数字化转型，精准研发互联网贷款产品，增加和完善产品供给，提高贷款响应率、优化贷款流程。

截至2021年末，我国银行业金融机构互联网贷款余额为5.75万亿元，同比增长21.8%。其中，用于生产经营的个人互联网贷款和企业流动资金互联网贷款同比分别增长68.1%、46.3%。《通知》指出，银行要充分发挥互联网贷款在助力市场主体纾困、降低企业综合融资成本、加强新市民金融服务、优化消费重点领域金融支持等方面的积极作用。

除了缓解合规期限的压力，《通知》对征信业务“断直连”的表述也没有体现更为激进的态度。《通知》在强化信息数据管理部分提到，在与提供和处理个人信息的机构合作时，银行应当切实做好合作机构安全评估工作，评估内容包括但不限于个人信息保护合规制度体系、监督机制、处理信息规范、安全防护措施等。

新增和细化内容要求仍不少

在不少互联网平台企业人士看来，除了过渡期延长，《通知》透露的增量信息并不多，很多内容在前期监管窗口指导过程中已经有所提及。

不过，记者对比《通知》与《办法》和《互联网贷款通知》发现，新规对银行在贷款管理和自主风控方面又提出了多个更为细化的要求，与第三方机构的合作整改挑战加大。

《通知》指出，自前述两份规范文件出台后，商业银行在互联网贷款业务整改中业务流程逐步优化、风控能力有所增强，有关平台企业在监管部门督导下参与的合作贷款业务也有序规范。然而，商业银行仍存在履行贷款主体责任不到位，授信审批、贷款发放、资金监测等核心风控环节过度依赖合作机构等问题，与监管要求尚有一定差距，不利于业务持续发展。

首先是在“授信审批、合同签订等核心风控环节应当由商业银行独立有效开展”的基础上，首提贷款人“独立有效开展身份验证”，相比此前“对借款人的身份核验不得全权委托合作机构办理”的说法，银行责任更为明确。《通知》要求，商业银行作为贷款管理主体，应该提高互联网贷款风险管控能力，严格履行贷款调查、风险评估、授信管理、贷款资金监测等主体责任，严格落实金融管理部门对征信、支付和反洗钱等方面的要求，防范贷款管理“空心化”。

在信息数据管理方面，《通知》要求银行完整准确获取身份验证、贷前调查、风险评估和贷后管理所需要的信息数据，并采取有效措施核实其真实性，在数据使用、加工、保管等方面加强对借款人信息的保护。

权威认为，考虑到银行对用户信息控制以及业务独立性的要求，未来以“小程序模式”或“H5跳转模式”进行互联网贷款业务的办理或将是大势所趋。目前市场中最为主流的在前端助贷平台一站式完成贷款申请的模式将越来越缺乏操作空间。

其次是细化贷款资金管理规范，对资金流的各个环节作出明确要求，包括操作指令的下发、放款还款路径的设定等。《通知》要求，贷款资金发放、本息回收代扣、止付等关键环节由银行自主决策，指令由银行发起。采用自主支付的，资金应直接发放至借款人银行账户；采用受托支付的，商业银行应当履行受托支付责任，将贷款资金最终支付给符合借款人合同约定用途的交易对象。商业银行应当自主完整保留贷款资金发放、本息回收等账户流水信息，主动加强贷款资金管理，并采取有效措施对贷款用途进行监测，确保贷款资金安全，防范合作机构截留、汇集、挪用。

再次是进一步规范第三方机构的合作业务，要求商业银行对共同出资、信息科技合作等业务分类别签订合作协议并明确各方权责，不得在贷款出资协议中掺杂混合其他服务约定。同时，商业银行与合作机构签订的书面协议，应当明确约定相关信息报送的具体要求。

从实践来看，目前互联网贷款业务中第三方合作机构提供的服务并不仅限于“共同出资、信息科技合作”，还可能包括营销获客、支付结算、风险分担、逾期清收等。权威建议，对于这类机构和服务，银行与第三方机构应该按业务类型分别签署协议。尤其值得注意的是，对于联合贷款模式，不同资金方在“贷款出资协议”中不得掺杂混合其他服务约定。

此外，《通知》还新增了对合作机构的条件要求，除定期评估合作发放互联网贷款的综合融资成本外，还要求银行加强对合作机构营销宣传行为的合规管理，限制或拒绝与有以下行为的机构合作：合作机构及其关联方违法违规归集贷款资金、设定不公平不合理合作条件、未依法依规提供贷款管理必要信息、服务收费质价不符等。有业内人士认为，此举可有序降低综合资金成本，进而更好地维护金融消费者权益。

小贷公司的风控问题

编辑导语：如今市场变化多端，做好风控对于公司来说是非常重要的。本篇文章中作者结合实际经验，探讨了很多小贷公司风控总搞不好这个问题。希望对你有所帮助，感兴趣的小伙伴们快一起来看看吧。

风控本身的逻辑、技巧、心得我已经说了不少了，如果你没有什么感受，要么是你没好好看，要么是你接触的还不够多，要么是我说的不够好。最后一个要么发生的概率肯定是极低的。

我们这次聊聊行业内的一些事情。主要是想探讨下很多小贷公司风控总搞不好这个问题。

大的消金机构，背靠大厂有海量数据的，用自有的数据建模，模型随时迭代都行，一般不会有什么问题。当然这些机构也是要用外部数据的，分开用就行。

而几乎所有的小贷公司，除了在端搜集一些信息，没有什么数据可用，只能接入三方数据。

怎么评估一个三方数据的效果呢？

最方便的办法当然是，圈定一个样本，一个数据源一个数据源往里面加去计算增益，简单说就是去算加入一个数据源KS提升了多少。

这个做法本身没有什么问题。

但事实是，绝大多数小贷公司都会陷入一个困境，就是引入一个新的数据源，测试效果好好的，一上线对通过率、坏账率一点提升都没有，甚至常常出现负面影响。

那是什么地方出问题了呢？

这种做法是只知其一不知其二。不得不说，这个领域虽很成熟，但大家都在一成不变地套用经验和办法。终局是死局。

01我们都知道，投资理财有三种策略，保守型、冒险型和组合型，所有人都告诉你组合型的回报是最高的。

大家有没有想过，这是为什么呢？

如果组合型只是一半保守型+一半冒险型，为什么最终收益不是两者平均？

因为策略是分两步走的，一步是资产组合，一步是再平衡。

一定周期后例如半年或一年，要把资产再平衡，重新组合，如此往复，最后才能带来远高于单个策略的回报。再平衡背后是低买高卖的行动。

跟组合投资分两步一样，上面说的建模过程顶多就是其中一半的工作，而不是全部。

我知道很多小贷公司，为了测试三方数据的效果，就是会去圈定一个样本，才好明确新增一个数据的价值。

这样做最大的好处是，计算过程很清楚，数据指标很明确，花这个钱去接入这个数据源的决策是很好给老板汇报的。

但是这是打头的策略，就这一条你觉得能做好风控？

我们不说模型重要还是策略重要，这两者都很重要，没有必要分什么高下。

但如果说模型思维和策略思维呢？一定是策略思维更重要，因为策略是更贴近业务的。

你拿着一个固定的样本，这个数据测一下，那个数据测一下，这个月测一下，下个月测一下，希望把这个样本测试效果提升到最优，这就是模型思维。

天天盯着这个样本集，跟业务一点关系都没有，不把风控做死才奇了怪了。

线上模型在跑的效果不好，你不去找原因吗？

怎么找？拆分呗。

背后每个数据源的效果要去看看吧，数据源有子模型就先去看子模型，没有子模型看重要变量也行啊。

尤其是，现在监管合规原因，三方数据越来越多地只提供评分，不提供底层特征变量了。

这对追求效果来说是不利了，但对排查原因很有利啊，毕竟简化了。

是每个数据源效果都下降了，还是某个数据源下降了，时间上能不能对得上，空间上这个下降幅度说不说的过去。

其他数据源稳定，就某个数据源KS下降很大，那问题是不是大概率就是它了？

它都有问题了，你还拿原来的样本，在已用的数据源上，找新的三方数据去提升效果，你说是不是自嗨？

如果数据源效果波动跟最终模型效果波动趋势都一致，那是不是可能就是你们客群结构变动太大了？

客群都换了，还去优化原来的样本，前朝的剑还能斩本朝的官？

即使找原因你什么都没找出来，对小贷公司来说最重要的是什么？

用户啊，模型上线跑了大半年甚至一两年了，这些最新的用户你藏着不用？更别说这个「即使」本身就很小概率。

上面的问题想清楚了之后，你还会采用最开始的做法吗？

02市面上可能几乎所有的小贷公司，都是满脑子想着做模型的，没有别的原因，就是不专业。

我提供一个办法，一个策略思维的办法。

你肯定选好了几个数据源，一部分是行业用的多的，起始阶段就用了，一部分是你们听说不错后来测试有效果接入了的。

假设这些数据源提供的就是评分，以及这些评分效果都没有问题。

就基于这些数据源，用历史数据，不断迭代策略，也就是决策树，或者划格子算交叉效果。

当然，模型可以更好。但模型不是重点，迭代才是。

不管你们是什么方案，按我下面的策略来做风控AB，最起码能超过7成的对照组。

战胜70%对照组的策略思维：

在最新个月的样本上，计算选用的每个数据源评分的效果；挑选效果最好的，和第二好的评分做交叉（例如各分十档），得到一个新的决策结果；再和第三好的做交叉，得到另一个结果，以此类推；交叉效果会越来越弱，提升不明显就可以停了，一般来说4、5个就足够了。为什么我没有说所有的做交叉，还不是因为太多了，10^5太大了。但不用担心，按上面的贪心思想的做法足够接近最优；每个月甚至每周每日，监控各个数据源评分的效果，和决策流的结果，每三个月甚至每个月，重复步骤1-4更新整个决策流。就这么简单。用上最新的样本，迭代整个策略，如有必要下线有问题的数据源。

说到这里，有些人可能笑话我满嘴跑火车了，我无法对我提的想法做任何回测，我也知道那毫无意义。

所以我解释了背后的逻辑，信则有不信则无，救生指南不是对每个人都有用的。

不要跟我说北美的玩法，也不要说国内银行的玩法，不要说那些常年不变的东西，你们小贷公司做这些是因为变化还是不变呢？

富贵险中求，不变的那些东西是你能挣的钱吗？

如果你们团队遇到了此类困境，但你没法去跟老板提，可以隐晦地让有决策权的老板看到我这篇文章。不敢说路子一定能走宽，但大概率能解决你们的很多烦恼。

03每家平台都说自己是数字科技，说自己可以精准地预测每个人的现金流，说发放的贷款不会有高坏账。马云也是这么说的。

这是狗屁资本主义的视角。事实是，鼓励超前消费、奢侈消费，是会系统性地降低未来收入的。

我们不要从资本的角度考虑问题，要看长远。

本来对于我们这些平民百姓而言，收入增长的速度就未必能赶得上经济增长的速度。

富人对利率精打细算，傻子才会去负担超过经济增速的利率。

哪家小贷公司不是针对穷人的贷款，不是在穷人身上刮油，有哪个小贷平台敢“明示年化利率”的。

当然了，它们现在必须明示。所以呢，我巴不得高利率的小贷公司批量倒下，消费信贷回归正统、回归朴素。

那我是在给小贷公司解决办法吗？是也不是，无论我说什么，小贷公司都不会听，我只是在和底层风控同学探讨交流。

资本之外，底层从业者无罪。

本文由@雷帅原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自Uh，基于CC0协议。