刘新海：我国有超2/3无传统信用记录现金贷风控是大挑战

征信零壹财经零壹财经 2017-04-10 阅读：3730

关键词：征信 消费金融 不良率 现金贷 信用链

从消费者信贷数据来看，信贷历史违约数报告查询，大数据的视角不一定和信贷数据直接相关，只要存在一些相关性就可以，比如说交税、互联网行为数据，租房数据等等。

4月10日，零壹财经新金融春季峰会：重塑信用链在北京召开。

近年来，互联网技术和商业模式对金融业发展的重塑进入新的阶段。金融业在渠道上深度革新之后，正在运用新技术和新思维，重塑信用链条：它正在改变金融基础设施，构建新型的产融关系，升级了金融风控的生态链条，从而在生产、消费、技术、新金融及资本市场等要素之间塑造了新的通路。

新信用，新金融。信用链条的重塑，将对新金融的格局带来深远影响。可以预见的是，无论传统金融机构，还是新金融从业者，都将以各自的方式，参与到这场信用重塑的运动中来。北京大学智能金融研究中心刘新海博士在会上发表主题为“大数据风控发展趋势和展望”的演讲。

以下为演讲实录：

我今天交流的题目是“大数据风控趋势和展望”简单回顾一下目前的风险管理方面前瞻性的问题。主要讲三个问题：一个是消费金融的挑战，另外就是大数据风控的趋势，最后做一个前瞻性的回顾。首先我们看看消费金融存在哪些挑战？消费者信用情况来讲，我们国内往往强调个人征信的概念，在国外个人征信就是消费者征信，意思就是征信的过程紧紧围绕消费者，我们国内消费者信用状况，人行个人征信系统搜集了8.9亿人，大概有信用记录的只有4亿人，这就意味着我们国家现在有超过2/3没有传统信用记录的。信用报告只有4亿人，这4亿人中有2.75亿有两年左右的信用记录，有两年信用记录才能做信用评估，才能进行评分。从消费信贷状况来看，目前央行个人征信系统是我们唯一真正发挥作用的全覆盖的征信系统，存在着2/3消费者没有被覆盖其中。

再看看消费金融服务的现状，这个地方是大概的数字，我们将近有5000家P2P机构，还有9000家小贷机构，还有20余家消费金融机构，这三种机构都是近几年发展非常快的非银行金融机构。消费金融机构可以接入央行征信系统，小贷公司中只有1000家可以接入央行征信系统。此外我们国内还有1500家村镇银行，主要服务小微企业或者农户，只有500家村镇银行接入央行征信系统。

2016年到2017年有一个新的金融业务就是现金贷发展非常快，据我了解今年年初上千家平台要开展业务，北京就有几百家，现金贷主要是短期、小额、快速授信，主要是面向工薪发现金贷款，它需要灵活高效的信息技术的应用。我们的传统的征信系统是无法提供这种风险服务的，需要我们大数据的风控技术支撑，2016年消费金融不良率开始出现，有人预测今年国内消费金融不良率会达到高峰。

第二方面我们讲讲大数据风控的基本思路，传统的消费者评估主要从还款能力和还款意愿来看，从消费者信贷数据来看，信贷历史违约数报告查询，大数据的视角不一定数据直接相关，只要存在一些相关性就可以，比如说交税、互联网行为数据，租房数据等等。看一下国外的大数据风控的动态，国外也开始重视利用大数据或者称之为替代数据的做风控的方法。从两个维度来说，像美国等发达国家银行风险也不是特别的好，他们就开始重视被忽视的征信数据缺失或者不是特别好的人群，另外在发展中国家存在着大量没有征信数据的消费者人群。

全球三大征信机构采取了很多的措施，近年来推出了很多的产品，还有国外的新兴高科技公司采取比较激进的方式。国内风控这方面的尝试也在积极的试验很多新的技术。传统的三大征信机构也推出一些产品，利用房租数据，利用支付数据开发出一些新的评分，这些新的评分可以让没有征信记录的消费者使用，发一些信用卡和小贷，消费者使用之后就有信用记录了，过渡到用传统的方式使用。

这是传统的征信机构，新型的征信公司ZestFinance，它主要对征信缺失人群的。但是这几年技术的公正性和准确性没有得到很好的利用。第二是UPstart，它是面向年轻的消费者P2P，它评估因素和传统的评估维度不一样。还有一个公司主要面对小微企业主及近年面对消费者，它的研发者主要是哈佛大学一些教授和学生研究的，它客户主要面向发展中国家，对心理学制定一个问卷让你回答然后进行授信。另外还有基于心理测量学做风控的，主要用图案而不是回答问题，来判断你是否能够还款。全球信息风控金融科技公司非常的多，目前他们这些大数据风控模型还是特定的人群，特定的场景，还不是通用的模型或者数据，不能称为征信而是称为大数据风控。阿里的芝麻评分在支付场景中是有用的，但是在真正的大数据风控上可能还存在一些争议。

刚才我们说了大数据风控主要是消费金融领域，在其他的领域也有很多的应用，比如说小微企业的风险评估，以及资本市场的资产证券化，企业的风险分析，我这里做了一个研究，关于企业的关联性大数据分析，企业的风险比较复杂，传统的风险是每个企业单体分析，可能A企业没有问题，可能B企业有问题也可以导致A企业破产，这个问题怎么解决？需要大数据技术，把关联信息找到，第二需要先进的建模方法。国外最新进展，FICO的全球普惠金融计划，它想解决30亿没有信用记录的消费者的信用评分问题，大家感兴趣可以看我的文章。

国内大数据风控的展望，我们国内传统的新金融机构面临很多风控挑战，从消费者覆盖方面来讲也存在着挑战，我们国内还有一个问题：美国消费金融有FICO评分，我国的通用评分没有推出来，这是很大的挑战。但是我们国内很多小微金融机构，已经开始积极尝试一些新的技术，在新技术的尝试上也不是特别的落后，积极的尝试一些替代数据，支付数据，电商社交数据等等，但是往往数据成本非常高。我认识一个公司雇二三十个人专门扒取数据，一是人工成本高，二是数据质量也很难保证，第三就是数据的标准模型都存在很多问题和挑战，最后强调一点：对我们的今年发展非常快的现金贷，它的风控怎么做？我觉得这是今年风控非常大的挑战，我就讲这些，谢谢大家！

专题推荐：金融毛细血管

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。