文/杨帆

说起P2P,多数金融圈内人士已经并不陌生。国内现有近千家的P2P网贷平台,动辄打出高息诱人的收益率宣传口号以及眼花缭乱的安全承诺。但是在这些浮华表面的背后,关于P2P的风控很多人仍然是一知半解,甚至不少长期P2P圈内的资深玩家对此也是“既没吃过猪肉,也没见过猪跑”。

但是不可否认的是,作为一种跳过银行间接贷款融资模式的、一种在借款人和出借人之间直接发生借贷关系的业务模式,P2P业务的核心正在于团队自身的风险定价能力,即风险管理能力是P2P公司的核心竞争力。那么,P2P公司是如何进行风险管理的?什么样的风控平台是更为有效的呢?

职能明确的风控部门

在信贷金融领域,根据不同借款额度,往往对应的是不同的风控审批手段。从业内看,超过100万以上的借款基本采用与银行相同的借款风控手段,实地真人考察,另外再加抵押物。而20-100万之间,可以用类似IPC的风控技术,没有抵押物,但较接近银行审核手段,不能集中化审核,容易导致审核标准不一。

而P2P从本质上讲,更多应该是专注于1-20万之间的信用无抵押借款,这是与银行、小贷和担保公司目前很难覆盖的领域,爱钱进正是选择专注于这类型的借款客户开发。在这种模式中,风险管理采用总部集中式的数据化风控模式,从而解决审核标准不统一以及审核人员快速扩张需要依赖长期经验积累的问题。在总部风控部门设立方面,以爱钱进为例,主要分成三个部门:政策和数据分析部、风控审核部、催收部。

政策和数据分析部下面分成三个主要部分:一是政策制定团队,包括确定目标人群、设计借款产品准入政策、核批政策、反欺诈政策、催收政策等,并固化到决策引擎系统和评分卡;二是数据挖掘分析,对逾期客户进行特征分析、产品盈利分析等;三是数据建模团队,根据数据挖掘,对逾期客户特征数据进行建模分析。政策和数据分析部的三个部门工作相互关联,工作成果是制定贷款产品政策,包括前端营销、中台审核、后台催收的各项政策制度。

风控审核部主要包括初审部、终审部和稽核部,主要职责是审核判定借款人资料的真实性和有效性,结合决策引擎和评分卡等对客户做出是否核批的决定。催收部按照客户逾期时间长短,分为初催和高催,主要职责是根据催收评分卡和决策引擎,对逾期客户进行催收工作。

坚持小额分散

有了职能清晰的风控部门,对于以点对点借款为主要模式的P2P而言,要控制平台整体违约率在较低水准,还要坚持“小额分散”原则。

先说一下“分散”在风险控制方面的好处,即借款的客户分散在不同的地域、行业、年龄和学历等,这些分散独立的个体之间违约的概率能够相互保持独立性,那么同时违约的概率就会非常小。比如100个独立个人的违约概率都是20%,那么随机挑选出其中2人同时违约的概率为4%(20%^2),3个人同时违约的概率为0.8%(20%^3),四个人都发生违约的概率为0.016%(20%^4)。如果这100个人的违约存在相关性,比如在A违约的时候B也会违约的概率是50%,那么随机挑出来这两个人的同时违约概率就会上升到10%(20%×50%=10%,而不是4%)。因此保持不同借款主体之间的独立性非常重要。

“小额”在风险控制上的重要性,则是避免统计学上的“小样本偏差”。例如,平台一共做10亿的借款,如果借款人平均每个借3万,就是3.3万个借款客户,如果借款单笔是1000万的话,就是100个客户。在统计学有“大数定律”法则,即需要在样本个数数量够大的情况下(超过几万个以后),才能越来越符合正态分布定律,统计学上才有意义。因此,如果借款人坏账率都是2%,则放款给3.3万个客户,其坏账率为2%的可能性要远高于仅放款给100个客户的可能性,并且这100个人坏账比较集中可能达到10%甚至更高,这就是统计学意义上的“小样本偏差”的风险。

对应到p2p网贷上,那些做单笔较大规模的借款的网站风险更大。这也是为什么包括人人贷有利网以及爱钱进这些对风控要求较高的平台,坚决不做抵押类大额借款的原因。

有数据化风控模型

除了坚持小额分散借款原则,用数据分析方式建立风控模型和决策引擎同样重要。小额分散最直接的体现就是借款客户数量众多,如果采用银行传统的信审模式,在还款能力、还款意愿等难以统一量度的违约风险判断中,风控成本会高至业务模式难以承受的水平,这也是很多P2P网贷平台铤而走险做大额借款的原因。

可以借鉴的是,国外成熟的P2P比如LendingClub,以及都是采用信贷工厂的模式,利用风险模型的指引建立审批的决策引擎和评分卡体系,根据客户的行为特征等各方面数据来判断借款客户的违约风险。美国的专门从事信用小微贷业务的Capital One是最早利用大数据分析来判断个人借款还款概率的公司,在金融海啸中,Capital One公司也凭借其数据化风控能力得以存活并趁机壮大起来,现在已经发展成为美国第七大银行。

简单点说,建立数据化风控模型并固化到决策引擎和评分卡系统,对于小额信用无抵押借款类业务的好处包括两个方面:一是决策自动化程度的提高,降低依靠人工审核造成的高成本;二是解决人工实地审核和判断所带来审核标准的不一致性问题。在国内,目前包括人人贷、爱钱进、拍拍贷都在积极推动数据化风控模型的建设,这也是监管层所乐于看到的。

因此,除了小额分散的风控原则,P2P网贷风控的核心方法在于,通过研究分析不同个人特征数据(即大数据分析)相对应的违约率,通过非线性逻辑回归、决策树分析、神经网络建模等方法来建立数据风控模型和评分卡体系,来掌握不同个人特征对应影响到违约率的程度,并将其固化到风控审批的决策引擎和业务流程中,来指导风控审批业务的开展。

最后,回到P2P的社会效益这一原点问题上,P2P网贷是为了实现普惠金融的一个创新,它的初衷是让每个人都有获得金融服务的权利,能真正地把理财和贷款带到了普通民众的身边。P2P网贷的出现,填补了我国目前传统金融业务功能上的缺失,让那些被银行理财计划和贷款门槛拒之门外的工薪阶层、个体户、农村的贫困农户、大学生等人群也有机会享受金融服务。而服务这一庞大的群体,如何设计安全、合理的商业模式和恪守风控第一的准则,确保广大投资者的权益更应成为p2p行业从业者放在第一位思考的问题。

带你认识“货真价实”的P2P网贷风控的更多相关文章

  1. 互联网金融爬虫怎么写-第一课 p2p网贷爬虫(XPath入门)

    版权声明:本文为博主原创文章,未经博主允许不得转载. 相关教程: 手把手教你写电商爬虫-第一课 找个软柿子捏捏 手把手教你写电商爬虫-第二课 实战尚妆网分页商品采集爬虫 手把手教你写电商爬虫-第三课 ...

  2. 余额宝 vs. P2P网贷,谁更有生命力?

    余额宝跟P2P网贷作为一个理财方式,要说谁更有生命力,那就必须从以下几个方面说起,一是收益性,二是风险性,三是流动性,下面从这几个方面来对比一下余额宝跟P2P网贷. 首先是收益性,作为投资理财者,第一 ...

  3. p2p网贷平台设计简析

    以我之前主持开发的一个商业产品:p2p网贷为例进行分析.整个的概况,可以参见:www.huixinp2p.com(目的只会技术交流) 界面可以直接参考前期博客:http://www.cnblogs.c ...

  4. p2p网贷项目开发全过程技术详解,应用框架是ci2.2

    p2p网贷项目开发全过程技术详解,应用框架是ci2.2 很标准的mvc开发代码,代码也很简单,方便二次开发 这篇文章会不断更新

  5. [置顶] P2P网贷对推动社会发展的影响

    P2P网贷对推动社会发展的影响 1 真正的支持了实体经济,一般借款人就在几万或者50万以下 2 关照小微经济,新型行业.一般小微经济的创新更高,对社会的发展最大化. 3盘活存量 放到银行.保险.国债一 ...

  6. [置顶] 让金融互联网-P2P网贷融资量增长10倍的广告宣传公益活动

    我想做一件什么事?一个公益活动,所有资料都会共享出来--- 再次声明:这是一次公益,所有资料会公开. 我正在做一点事:收集各个P2P信贷公司(包括线上线下的),然后给线上P2P信贷公司做营销策略,教他 ...

  7. 全面具体介绍一个P2P网贷领域的ERP系统的主要功能

        一般的P2P系统,至少包含PC站点的前端和后端.前端系统的功能.能够參考"P2P系统哪家强,功能事实上都一样" http://blog.csdn.net/fansunion ...

  8. 商业模式(三):P2P网贷平台,毛利润测算

    之前谈到P2P网贷平台,主要的收入就是"息差".        一直以来,想详细写点P2P平台的收益到底如何的,奈何自己感觉收入上的点不算多,对财务这种核心机密了解的也不多,一直没 ...

  9. 商业模式(二):P2P网贷平台,利差和服务费为主的金融玩法

    2014~2015,先后在2家P2P平台工作过,还了解过其它若干武汉P2P平台. 结合自己的工作经历和理财经历,说几句~ 1.P2P网贷这种金融类的创业项目和经营风险,远高于制造业和服务业~      ...

随机推荐

  1. Python数据分析与展示[第三周](pandas数据特征分析单元8)

    数据理解 基本统计 分布/累计统计 数据特征 数据挖掘 数据排序 操作索引的排序 .sort_index() 在指定轴上排序,默认升序 参数 axis=0 column ascending=True ...

  2. linux系统 (实验一)实验楼的课程笔记

    实验楼的课程笔记 tab 键是命令补全 输入 tail  find / 立刻卡住 这时候ctrl+c 可以终端当前指令 一些常用的指令 Ctrl+d 键盘输入结束或退出终端 Ctrl+s 暂停当前程序 ...

  3. SDUT-3377_数据结构实验之查找五:平方之哈希表

    数据结构实验之查找五:平方之哈希表 Time Limit: 400 ms Memory Limit: 65536 KiB Problem Description 给定的一组无重复数据的正整数,根据给定 ...

  4. POJ3889Fractal Streets

    Fractal Streets Time Limit: 1000MS   Memory Limit: 65536K Total Submissions: 445   Accepted: 162 Des ...

  5. MySQL遇到经典例子--(遇到就写)

    1,一般的搜索只会搜索标题,也有特殊的情况,就是标题和内容一起搜索! -- 模糊搜索只是搜索标题 $sql = "select count(*) as sum from publish wh ...

  6. spring - constructor-arg的常规用法

     1.使用构造子注入时,则使用constructor-arg子标签,来指定构造函数的参数.    <bean id="provider" class="com.ap ...

  7. 通过IP地址訪问Jbossserver上的应用

    版权声明:本文为博主原创文章.未经博主同意不得转载. https://blog.csdn.net/liu765023051/article/details/28882533 环境介绍 Web项目中.在 ...

  8. ESP8266 支持浮点运算吗?

    ESP8266 支持浮点运算吗? 可以说支持,也可以说不支持. 说不支持的原因是因为 ESP8266 内部没有 FPU,无法使用硬件计算. 说支持的意思是可以使用软件进行浮点运算,但是会很慢很慢,如果 ...

  9. iOS9 CASpringAnimation 弹簧动画详解

    http://blog.csdn.net/zhao18933/article/details/47110469 1. CASpringAnimation iOS9才引入的动画类,它继承于CABaseA ...

  10. 微服务开源生态报告 No.4

    「微服务开源生态报告」,汇集各个开源项目近期的社区动态,帮助开发者们更高效的了解到各开源项目的最新进展. 社区动态包括,但不限于:版本发布.人员动态.项目动态和规划.培训和活动. 非常欢迎国内其他微服 ...