互联网民营银行深耕小微金融之道

近年来，微众银行、网商银行、新网银行三家互联网民营银行坚持差异化、特色化的发展战略与市场定位，深耕普惠金融，利用大数据和人工智能创新产品种类、开发风控新技术、服务金融新需求，持续提升民营银行服务小微的质效，并取得突出成效。但互联网民营银行在发展中仍然面临诸多短板与羁绊，譬如没有物理网点，远离生态圈，远程开户受限，线上与线下衔接不足，风控模型精准性有待提升，贷后管理困难重重等，这些问题亟待破解。 

成效凸显

　　（一）明确战略定位，深耕小微金融服务

　　3家互联网民营银行依托互联网股东背景的独特优势，设立之初就确立了差异化的发展战略与市场定位，立足互联网探索银行业服务实体经济的新商业模式，着力提高金融服务的覆盖面。微众银行推行“普罗大众”的服务目标，提出“普惠金融为目标，个存小贷为特色，数据科技为抓手，同业合作为依托”的发展策略，将服务群体定位为工薪阶层、自由职业者和进城务工人员等，以及符合国家政策导向的小微企业、创业企业。网商银行实施“无微不至”的服务模式，聚焦薄弱环节，在服务小微、“三农”以及“双创”等领域充分发挥数据、渠道和产品优势，推进金融资源有效惠及特殊群体。新网银行确立“普惠补位”的服务定位，以“移动互联”为战略，以“普存小贷，线上线下”为经营方针，充分运用移动互联网和大数据风控技术，提供高效和差异化的普惠金融服务，与现有商业银行实现互补发展。

　　（二）创新风控模式，降低小微融资门槛

　　互联网民营银行运用云计算和大数据技术，帮助个人和小微企业缓解信用数据、财务信息和抵（质）押物缺乏的问题，在线发放金额小、周转快的贷款。微众银行的“微粒贷”，通过手机QQ、微信触及客户，利用社交行为数据与征信数据评估借款人风险。截至2017年6月末，累计向755万人在线发放信用贷款4404亿元，其中大专及以下学历的客户占比69.9%，贷款余额小于2万元的客户占比76.5%。网商银行面向电商卖家推出淘宝贷款、天猫贷款等创新产品，基于商户订单量、销售额、现金流水等数据信息，由系统自动做出风险评估和授信决策，截至2017年6月末，累计通过互联网发放小微贷款2300亿元，服务客户366万户。

　　（三）丰富信贷产品，满足多元融资需求

　　互联网民营银行借助金融科技及大数据优势，精准开发特色金融产品，满足小微企业、涉农客户和个人消费多元化需求。譬如新网银行“好人贷”产品，对大宗消费品、装修、旅游、婚庆、教育等消费需求，设定期限6至60个月不等、平均额度5万元以下的信用贷款，随借随还，方便支取。网商银行研发“旺农贷”产品，将本地线下推荐和大数据线上审核相结合，为农资农具下乡及农产品销售提供金融支持，累计服务涉农客户9.1万户，覆盖全国2678个县、3.7万个村庄。微众银行推出“微路贷”（向物流车队发放用于支付过路费的贷款）、“汇通达”（向农村家电经销商提供的供应链金融服务和消费分期服务）、“车商贷”（向线上汽车经销商发放贷款）等随借随还、利随本清的贷款产品，并提供清算结算、担保业务等全方位服务。

　　（四）全程在线办理，提供便捷高效服务

　　不同于传统银行，基于互联网运营的民营银行可以7×24小时持续运作，使得金融服务突破时间和空间的限制，帮助个人和小微企业在任意时间和地点第一时间获得信贷支持，提升了贷款的便利性和可获得性。同时，以系统自动处理的数据化风控替代传统银行人工处理的制度化风控，不仅降低了互联网民营银行的运营成本和客户融资成本，而且有效减少了贷款客户申请和银行审核时间，达到“秒申秒贷、实时放款”的客户体验，服务效率大幅提升。网商银行创造“310”贷款模式，即3分钟申贷，1秒钟放款，0人工介入，从而大幅降低了放贷成本，提高放款效率。微众银行单笔借款审批时长0.3秒，日最高放款笔数超26万笔，1分钟最高放款笔数超6000笔。

　　（五）融入交易场景，提供全面金融支持

　　互联网民营银行积极与电商、物流、支付平台等开展合作，将金融服务嵌入各类真实交易场景，拓展供应链金融服务，方便小微企业和个体商户随时随地获取全方位金融支持。如，网商银行积极开拓阿里云贷款、菜鸟货押融资、大数贷、淘客贷等数据化金融服务产品，将金融服务融入电商交易场景，商家从入驻电商平台开店开始，即可在备货、营销、仓储物流、收款到现金管理等环节得到全面服务。新网银行充分运用股东资源，与新希望集团旗下的乳业公司等核心涉农企业进行供应链金融需求对接，将以特色农业和优势农产品的供应链核心企业为中心，为其上下游中小企业、农户及消费者提供便捷的融资服务。

短板与困境

　　（一）互联网银行远离生态圈，难以获取第一手数据

　　互联网银行开展信贷业务无论C端还是B端，最大的局限性就是远离生态，难以获取生态圈的第一手数据。就C端而言，银行只能基于存量客户数据进行产品的交叉营销，就算民营银行基于股东背景进入以消费场景聚集的生态圈，其消费数据、网络行业数据与个人信用的相关性也相对较弱，无法真正针对不同信用状况，差异化地开展融资业务。

　　（二）大数据风控模型信度和效度需经过多行业、跨周期的校准验证，模型的精准性有待提升

　　从授信审批模型来看，微众银行创新开发了六大模型，包括公安数据模型、央行征信数据模型、微信社交模型、手机QQ社交模型、财付通支付数据模型和资金饥渴度模型。其中社交模型和财付通支付数据模型完全基于其所拥有的腾讯集团数据独特优势而建立。网商银行则建立了一个基于互联网和大数据的模型——“水文模型”，即按小微企业类目、级别等分别统计一个阿里系商户的相关“水文数据”库。网商银行系统考虑为客户授信时，结合水文模型，通过该店铺自身数据的变化，以及同类目类似店铺数据的变化，判断客户未来店铺经营情况的变化。

　　从风险评价和审批方面看，目前主要采取两种风险管理方法：一是社交评级法。互联网银行是可通过大数据中的社交数据对借款人进行综合评估，采取贷款邀约申请制，来管控信用风险。贷款邀约申请制是一种针对个人的信用奖励，加之互联网多维度画像与各种反欺诈措施，高效审视客户的还款意愿，将风险锁定在可控的范围内，有效控制信用风险。二是信用评分法。对于一些蓝领工人、学生、个体户、自由职业者等没有建立个人信用记录的用户，传统金融机构可能无法对这些用户的信用风险进行准确的判断，了解他们的信用记录成本比较高。而这些用户可能是腾讯的活跃用户，他们使用社交、门户、游戏、支付等服务，因此腾讯征信通过海量数据挖掘和分析技术来预测其风险表现和信用价值，建立个人信用评分提供给互联网银行使用。腾讯在对用户信用价值的评判方面有着非常丰富的维度：消费、财富、安全、守约。在征信体系搭建方面，用户在腾讯平台上的交易行为、支付行为、信用卡还款等都会纳入考虑的范围。互联网银行可通过社交大数据与央行征信等传统银行信用数据结合，同时结合运用社交圈、行为特征、交易网、基本社会特征、人民银行征信5个维度对客户进行综合评级，运用大量的指标构建多重模型，实现信用风险的有效管理。例如，网商银行的“滴灌模型”法。一些客户一开始经营规模非常小，如果按照当前的经营规模以及资产情况，在哪家银行都不可能获得贷款服务的，但是网商银行可通过以往的历史数据判断它在未来的经营趋势，如果未来确有发展空间，依然可以获得网商银行的贷款。

　　综上所述，互联网银行的授信审批和风险评价模型的构建主要依托大数据，但大数据的真实性是其致命弱点。互联网社交并非真实世界的映射，网络行为的自由和匿名特征带来诸多噪音信号，有时甚至是截然相反的人性表现。而更大的考验来源于效度。从全球范围看，还没有出现单纯依靠互联网数据模型发放贷款的先例。即使像Lending Club这样的P2P先驱，也仍在沿用商业银行的风控技术。

　　从阿里实践看，基于互联网数据建立的信贷评估模型目前仅适用于其电商生态圈内部，且模型效度也在寻找平衡点。阿里内部人士称，阿里金融的信贷评估模型遇到两难处境：参数设置过多过严，则找不到足够的可贷款客户；减少参数放松标准，又担心大面积违约导致模型失效。从网商银行的实践看，从网商银行获得贷款需要通过四个关卡：准入模型、反欺诈模型、授信模型和产品分析模型。从目前来看，网商银行通过大数据交出的风控成绩单还不错，不良贷款率较低，但考虑到风险的滞后性，实际不良率数据有待进一步验证。

　　（三）没有物理网点，难以办理抵押类贷款，贷后管理困难重重

　　互联网银行没有物理网点，大幅降低了银行运营和人工成本，能够将银行服务扩展到更多传统金融所不能够覆盖的人群，不断提高银行服务的可获得性。但没有物理网点也极大制约了未来的发展空间：一是开户受限。具有转账结算、交易支付和现金收付功能的账户必须要求在本行网点或者签约合作银行网点见面认证。二是不能接受抵押品。由于《物权法》对不动产抵押、部分动产的抵押以及权利质押强制要求线下登记，互联网银行只能以信用贷款和保证贷款形式发放贷款，信用风险相对较高，当发生不良贷款时，第二还款来源难以保证，因此基本只能发放小额贷款。三是贷后管理难。当发生不良贷款时，对异地客户事后清收和催讨的难度要明显高于传统信贷。

　　（四）生物特征识别技术尚不成熟，远程开户受限

　　远程开户是互联网银行拓展小微金融业务的前提和基础，但目前人脸识别技术尚不成熟，应用中仍然存在诸多隐忧：一是数据传输过程中的安全隐患。与密码被破解可以重新设定不同，人脸识别实际传输了用户终身不变的生物特征数据，一旦在数字化传递过程中被截取复制，将不能重新设定，严重威胁用户财产、信息安全。二是可能存在制作3D头套等假体欺骗风险。目前的技术条件并不能确保不发生盗用照片、视频甚至制作3D打印头套等高科技手段欺骗的风险，一旦出现漏洞，比柜台开户冒用身份证的安全问题更为严重。三是测试准确率可能虚高。当前测试样本的主要群体是可控区域的可控人脸识别，而远程开户要面向完全开放的人群，真实识别率尚不好判断。四是配套数据设施不完善，影响识别的准确性。公安后台系统所存储的身份证照片库更新速度慢，将影响基于原始照片进行人脸识别的误差。

　　（五）吸收存款缺乏渠道优势，制约信贷业务拓展

　　存款是银行发展的根本。目前，我国存款市场竞争日趋白热化，相比稳健发展的四大国有银行及股份制银行，在存款利率管制尚未完全开放之前，互联网银行在吸引存款方面既没价格优势，又没渠道优势，仅依靠自有资本金开展业务，将制约自身的发展壮大。

破解之策 

　　（一）关注网络数据的准确性，注重线下与线上的结合运用

　　 一是关注网络信息与客户资信的相关程度。风控建模首先要判断的是数字化信息与我们风险考察的维度或者指标有哪些相关性，是由此推彼还是某点上的辅助信息，是可单独运用的信息还是必须验证特定逻辑后方可运用的信息等。二是关注网络数据的准确性。哪些来源的数据是可信的，哪些来源的数据必须经过多维的交叉验证，而又有哪些维度的交叉验证能认定其准确性与真实性等。三是注重线下与线上的结合运用。在目前大数据条件还相对有限的情况下，互联网银行对客户风险的考量应基于对特定客群线下的深入了解。在对一个产业、一个供应链、或某个特定领域的客群的经营环境、政策、经营条件、经营模式进行深入研究后，再来制定线上自动审批模型，将更有针对性。同时对一些数据的缺失可采用线上收集为主，线下采集为辅的方式加以完善。

　　（二）多方联手共同组建开放共享的生态圈，确保风控数据的可靠性

　　一是可考虑由银行、客户及其交易对手、相关社会资源共同组成一个开放共享的生态圈，结成利益共同体，是保证风控所需数据及时可得性、可靠性的重要基础。二是依托互联网实现交易信息透明化，风险自动识别、实时反馈并及时处置，让监管机构、互联网银行和金融消费者形成监管合作生态圈，从而保护金融消费者的利益，共同营造良好的信用环境，是推进新型风控实施的重要保障。三是建立具有互联网基因的、安全可靠的、适时调整的多维度信用风险评估模型，是互联网银行评估风险的关键所在。

　　（三）建设线下的信息流体系，提供实名认证、实地调查、接受抵押等服务

　　信息是所有金融活动的基础，就像线下物流体系作为电商等网络经济的基础设施一样，互联网金融也需要有线下信息流体系作为基础设施。例如，人人贷公司就借助友众信业实现对借款人的实地调查，实现了线下信息认证。虽然没有物理网点的互联网银行可以委托其他有物理网点的银行代理实名认证和实地调查，但可行性不强，一方面代理银行对客户存在着竞争关系，另一方面代理银行的服务态度、尽职程度等不可控。因此，有必要仿照物流体系，建设线下信息流体系，为没有物理网点的互联网金融机构提供实名认证、实地调查、接受抵押等服务。

　　（四）适度放宽账户管制政策，允许以非现场方式开设小额全功能账户

　　通过人脸识别技术远程开户，应该先订立一个行业标准，而行业标准的确立又需要大量实践数据进行支撑，因此，可以先允许以预约人工远程视频的方式进行开户认证，辅以人脸识别的技术，逐步积累识别数据和完善技术标准。非现场认证方式所开设的账户，具有强实名账户的所有功能，但对额度有所限制，在效率和安全之间求得一定平衡，并在实践中不断完善远程开户标准。

（文章来源：新金融世界杂志）

扫码即可手机
阅读转发此文