河南aaa信用-如何建立面向新金融消费者的信用评分

数字经济时代消费信贷新特点给信用评分带来新挑战
国内随着数字经济的到来，近年来消费金融发展非常快，如下图所示，从2014年到2017年底，消费信贷的增速都在35%以上。2017年底中国居民部门消费信贷规模达到9.5万亿。消费金融的核心竞争力之一是风控，而且信用评分作为量化风险分析工具，是风控的重中之重。国内消费金融不仅规模扩大，而且业务中也呈现出了很多新的特点，给风控和信用评分带来了挑战。




2007-2017 中国居民消费信贷规模及增速

互联网的规模化和虚拟化效应
2017年末，银行信用卡信贷规模占消费金融市场半壁江山，互联网消费金融占比约23%。根据央行公布的《中国支付体系发展报告》，截至2017年末，银行信用卡应偿信贷余额5.56万亿，占消费金融58%的市场份额；而根据国家金融与发展实验室和艾瑞咨询的数据综合分析，互联网消费金融2017年的市场模约2.2万亿，占比23%；持牌消费金融公司市场规模仅1100亿，占比甚微；其他类型的消费金融平台如线下小贷、汽车贷、P2P、租赁等占比约18%。



从上面分析可以看出，消费金融呈现互联化的特点，目前互联网消费金融占比超过了1/4，互联网平台带来了消费金融扩张的规模相应，方便触达消费者，而且也有利于数据收集。但是线上互联网平台也放大了信用风险的范围，由于技术的复杂化、模式的多元化、主体的分散化使得风险变得复杂，风险管理难度加大；同时互联网平台也带来了由于网络虚拟化所产生的欺诈风险，很多互联网金融平台在防范欺诈风险方面的成本占比在收入的10%以上。针对互联网信贷平台的信用评分往往需要把这种欺诈风险和信用风险考虑在内。

消费信贷呈现额度小、周期短、频率高、分散化的特点
随着消费信贷的发展，从P2P，网络小贷到现金贷，目前越来越呈现额度小（从几千到数百），周期短（最短为7天）、频率高（很多都是循环借贷）等特点。在互联网金融监管趋严之前，这些小额信贷的利率也非常高，风控普遍薄弱，利用高利率来覆盖高收益，甚至很多现金贷平台只管理欺诈风险，不做信用风险评估，业界称之为“裸奔”，居然也能够获得暴利。随着消费信贷监管政策的陆续出台，这种风控“裸奔”模式难以继续，需要开发适应小额、短期、循环贷的信用评分模型。

“次级”贷款的兴起
目前国内消费金融的一个热点就是面向传统银行等信贷机构不愿意涉及的消费人群，这里按照国外的说法就是“次级”贷人群。目前的新兴的消费金融平台，作为传统信贷市场的补充，主要服务于这些次级贷人群。



国内央行征信系统（中国人民银行征信中心）主要服务于传统信贷机构，覆盖的人群主要是持牌信贷机构的消费者。根据中国人民银行征信中心官方报道，截止2019年4月底，征信系统收录自然人为9.93亿、有信用报告的为5.4亿人，估计能够进行个人信用评分的有4亿人（需要有两年信贷记录的积累）。根据中国统计局，截止2017年，中国的人口是13.90亿，这意味着将近9亿个人消费者没有包含传统的信贷信用记录的信用报告，也没有信用评分；约10亿人由于传统信贷信用记录不足或缺失，没有信用评分。


针对大部分次贷人群的征信问题，目前在央行的推动下，成立的百行征信就是解决这些“次级”贷款人群的征信问题，搜集网络小贷的消费者信贷数据，进行整合加工，提供征信服务。因此针对次贷人群，利用大数据或者是替代数据对大量的传统征信缺失的消费者进行信用评估，在信贷数据积累初期也是一种现实的选择。

出现了金融科技信贷和大科技信贷
全球范围内容出现了金融科技信贷（Fintech Credit）即利用电子平台发放贷款，例如P2P网贷，大型互联网平台的科技公司（Big Tech）放贷款，大型的数据源公司放贷款，以及为数众多提供风控服务的金融科技公司。同时，全球范围内也出现了大科技（Big Tech）公司金融，直接面向C端用户提供搜索引擎、社交网络、电子商务，或数据存储和处理等IT平台，为其它公司提供基础设施服务的全球性大型技术公司， 2017年以来，这些大科技公司陆续提供支付、信贷、保险和资管等金融服务，利用其平台架构和跨行业特点，提高金融服务的速度和效率。由于这些大科技公司掌握消费者大数据资源，形成金融生态环境，还能对信贷消费者形成金融闭环约束。蚂蚁花呗和微粒贷是目前具有代表性的大科技信贷（Big Tech Credit）。蚂蚁花呗是阿里巴巴集团旗下金融平台蚂蚁金服的重要产品，背靠阿里电商平台开展消费金融业务，是目前互联网领域规模最大、最具影响力的消费金融平台。根据公开的数字，仅在2014-2017年，花呗总资产扩张130倍，主营业务收入增长698倍。



这些金融科技信贷，特别是大科技信贷，其信用评分模型有别于传统信贷的信用评分模型，在实现金融普惠的同时，也面临着巨大的监管和网络信息安全的挑战。