中赢金融：风控是靠实践来检验的

第一篇：中赢金融：风控是靠实践来检验的

上海中赢金融信息服务有限公司

中赢金融：风控是需要实践来检验的近期P2P平台屡现“跑路”丑闻，前日北京某网络贷款平台公司疑似跑路使得P2P的风控问题备受关注。实际上，自从P2P这种信贷模式出现以来，平台公司跑路的事件一直不绝于耳。数据显示，5月新增网络P2P公司29家，同时新出现的跑路事件也达到了7家。

在具体监管措施出台之前，行业自律与平台自身的风险控制便显得至关重要。

“如何让客户信任”一直是P2P公司关注的重中之重，许多公司纷纷祭出“担保”“合作伙伴”“某某协会会员”“某某奖项”来造势。资质固然重要，但是实际上许多跑路公司都不缺乏此类“门面工程”，但是若进行深究，我们常常会发现这些所谓资质大多难接地气，甚至弄虚造假。

对此现象，上海中赢金融信息服务有限公司（下称“中赢金融”）总经理蔡奇来先生表示：作为一家P2P公司，不论其团队有多么专业，行业资质多么过硬，最终风险控制还是需要在市场上进行检验，而中赢金融的风控则是形成了一套成熟完善且颇具特色的中赢体系。

作为一家线下起家的P2P公司，中赢金融的分支网点已经覆盖到了全国各大重点城市。据悉，目前还有8家分公司也完成了前期准备，即将上线。这种辐射性的重点布局，使得公司在业务上具备了天然优势。兵法讲究天时地利人和，对于目标客户的需求来说线下的具体布局至关重要。有可能一个资深的业内人士，在对待具体问题上尚不及一个了解当地风土人情的执行人员效果好。

在风控流程上，中赢金融是严谨而专业的。首先，全国已经投入运营的十多家分公司均有独立专业的信审团队对贷款人相关信息进行审核。之后，通过分公司审核的相关资料将会提交到公司总部。此时，公司总部的信审中心将会对此进行二次审核，如有违规或者资格不符的则将不予批准。这就类似地方法院与高级法院的运作模式，通过双重把关规避了行业的潜在风险。此外，中赢金融最具特色的一点在于，除去项目团队与信审团队还设有独立的外访团队，他们将针对贷款人的工作、生活信息进行严格的调查取证，而这些信息也将对投资者进行公开透明的展示。

这种基于本地决于总部，线上与线下并举的运作模式，使得中赢金融的风控体系更加严谨，公司发展的稳健性和投资者的资金安全性也相对较高。相较于纯线上P2P模式，更加安全；对比单纯的线下模式，又更加透明和规范。

此外，虽然这种严谨复杂的风控流程会增加公司的运作成本，但是中赢金融的这种模式盈利能力却仍然较强。据蔡奇来先生透露，其产品坏账率甚至不足2%，这对追求实践检验的中赢金融来说确实是一份不错的成绩单。

第二篇：业务借鉴丨民生银行是如何做小微金融风控的

【业务借鉴丨民生银行是如何做小微金融风控的？】

(2015-10-09 09:52:06)

民生银行发挥传统银行研究实力强、数据收集和数据分析能力强的优势，将信息技术转化为控制小微金融信贷风险的抓手，这将使风险控制手段从经验控制、人工监测转变为数据分析和自动化监测，而风险控制流程的重点也从前台转向了中后台。

小微客户群体具有数量庞大、分布面广、经营期短、信用记录不足、财务信息不规范等信用风险特征，违约成本低、道德风险高。与其他小微金融机构相比，商业银行存在人工成本过高、没有地域优势、无法有效与企业互动等劣势。面对以上困境，大银行该如何发掘自身优势、有效管理小微金融的信用风险？通过剖析民生银行小微金融信用风险控制的案例，希望为业界提供有益借鉴。民生银行风险控制的三大基本原则

一是“大数法则”下的投资原则。“大数法则”是指当贷款资产池中样本量足够大，且单笔资产规模较小时，实际贷款损失趋向于预期贷款损失。“大数法则”的成立需要满足三个条件：资产池的样本量要大；单笔贷款金额要小，单笔贷款产生的风险对总体平均贷款风险不会产生显著影响；资产组合的各项头寸风险相关性较弱，以对冲非系统风险。

商贷通产品就是按照“大数法则”进行投资：业务部门按照总行和小微金融业务部的投资战略，选择可进入的行业、产业链、商业圈，进行小额、多笔投资，力图将贷款违约率控制在违约概率范围内。

二是“价格覆盖风险”的定价原则。价格覆盖风险的定价原则是指小微金融的利率价格，在覆盖资金成本、运营成本以后，还能够覆盖大数定律解释的预期风险损失。如果“大数法则”成立的条件存在，则贷款的特有风险得到有效对冲，资产组合的平均贷款损失趋向于预期贷款损失，因而可以用商贷通资产组合的总体预期损失率代替单笔贷款预期损失率，降低定价模型开发难度。

三是批量、小额的交易原则。批量交易原则对于民生银行来说，一可以规避高人力成本劣势，二可以按“大数法则”实现大规模、多笔数的贷款。批量原则体现在商贷通的“一圈一链”战术上：民生银行按照商圈产业链对小微客户进行分层，从而减少了工作量、增加了客户粘合度，但这种客户整合或许会加大群体同质性、增加系统风险。而商贷通的小额交易原则用意颇深，其目的是通过降低户均贷款余额，增加贷款笔数，实现投资组合池对冲风险，降低单笔贷款违约率。三大层级的风险控制架构 民生银行小微金融业务的风险控制由董事会风险管理委员会、小微金融部及各分行分工协作进行。从管理分工上可以划分为战略决策层、业务管理层和业务执行层三个层级。其小微贷款信用风险控制总体架构和流程如图1所示。

首先是战略决策层。银行董事会风险管理委员会负责确定全行整体性业务导向、风险偏好和风险管理战略，从整体上把握系统性风险，避免小微金融业务遭遇经济周期、行业、区域问题带来的大批量违约打击。小微金融投资战略的决策对于传统银行来说是至关重要的，而其雄厚的研究实力以及广泛的信息渠道、强大的研究优势正是区域性银行及中小金融机构所不具备的。

其次是业务管理层。按照民生银行组织结构，总行的小微金融部和下级分行都具有业务管理的职能。总行小微金融部的工作主要是根据总行制定的小微金融整体发展方向制定各行业、区域的具体发展策略。

第三是业务执行层。业务执行层是最终落实战略、实现贷款发放的层级，其信用风险控制重在个案，风险控制部门负责向分行信贷部门提供风险量化工具的技术支持，各分支行在投资政策与风险量化数据的指导下，根据实际情况与工作经验在一定范围内执行具体操作。

民生银行最初实行“两级（总行、分行）管理、一级（支行）经营”，但是在实践中发现这种管理方式还是“头重脚轻”：总行权力过大，分行权力与总行有一定重叠，支行作为最下沉的组织作用发挥不够。2013年，民生银行根据小微金融2.0调整管理架构，按照“聚焦小微、打通两翼、做强分行、做大支行”方针，缩小总行授权范围，强化分行权力。总行权力从之前的批项目、批客户改为批规划，而将批项目、批客户的权力下沉给分行。同时强调做大而非做强支行，这意味着民生银行将以分行为核心，推行国外大型小微金融机构的“信贷工厂”模式——强调标准化、模块化、批量化管理。分行成为“信贷工厂”的核心层，提供信贷产品规划设计、营销策划、质量控制，支行作为执行层，侧重于对客户的落地提升和售后服务。

风险控制2.0 ——依托信息技术的信用风险控制体系

在民生银行小微金融2.0转型之后，个案层面的风险控制彻底由现场观察、经验判断转变成利用征信数据分析模型进行审批决策与贷后跟踪。然而，想要实现模型评分的精确性，还必须解决数据获取以及数据使用问题。

充分获取数据信息是关键。从信息生成的角度，可将客户信息分为静态信息和动态信息两种。静态信息一般指过去较长时间内产生的信息，更多揭示客户基本属性；动态信息是可能迅速变化的信息，更多揭示客户近期行为特征。民生银行信息获取的途径主要是内部生成和外部交换（购买）。

信息获取的途径之一是内部生成，包括获取内部静态信息以及获取内部动态信息。一方面，内部静态信息主要是客户基本信息、凭证影像等。基本信息中有客户身份特征信息和客户经营信息。信息范围不仅有小微企业主本人，而且包括企业主家庭成员。客户申请小微贷款时的相应凭证影像也全部留存。内部静态信息主要由授信工作人员在贷前检查、贷中审核阶段中获取，并将这些信息全部上传至对应信息平台，供全行进行分析和使用。另一方面，商业银行的存款、支付、结算等一系列业务为银行提供了更多的经营收入，也使得商业银行比其他机构更为容易地追踪客户交易流水信息。民生银行获取的内部动态信息，正是小微客户在其行内账户的流水情况。

民生银行在一系列小微金融产品的设计中，都体现了对账户流水信息的重视： “商贷通”产品：按照商贷通规则，凡申请贷款的客户需在民生银行开立个人结算账户，经营实体则需在民生开立企业结算账户。一方面起到了吸收储蓄的作用，另一方面也为银行的贷后监测提供了商户的流水数据。

“小微宝”产品：是指以手持移动终端（iPad）为载体，将移动互联、数据分析技术与小微金融服务相结合的移动销售平台。其实质是一款App应用。依托小微宝，民生银行建立了小微客户关怀体系，其中包括了针对小微企业主、企业主配偶及子女等的各类活动，从而获得了小微企业主及其家人多方面信息。“商隆卡、乐收银”产品：商隆卡套卡适用于小微企业主及其家人、生意合作伙伴、员工；乐收银是民生银行为小微企业提供的刷卡机，可以实时收付款。通过监测商隆卡交易情况，银行能够获得上下游企业流水、企业主家庭收支等一系列信息。同样，乐收银作为企业常用的POS机结算系统，能够将企业的每一笔交易信息传递到银行终端，实现贷后监控。能够获取到银行内部动态信息是传统商业银行在小微金融方面不可多得的优势，然而，要能够将信贷客户的流水数据利用起来，首要前提是客户选择民生银行作为主要支付结算银行，而发展小微贷款以外的小微金融服务则是实现该前提的必要条件。

信息获取的途径之二是外部交换，包括获取外部静态信息和获取外部动态信息。民生银行获取外部静态信息的内容主要是小微企业客户的工商信息、法院信息、个人及企业主的信用记录，但前提是客户必须在银行有过借贷行为。主要来源于中国人民银行征信中心，以及分行所在地的工商局、法院等，具体采用购买或者交换的方式。这部分数据为贷款提供支持的渠道相对畅通，但该部分信息仍然具有较强的局限性、不能充分反映小微客户信用情况。

银行外部的动态信息具体包括社交、消费、现金收支、经营等。借助于互联网和移动互联网技术，民生银行正在通过与银联等企业展开合作的方式尝试获取银行外部的动态信息。购买信息、搭建信息平台等都将会带来高昂的固定成本，只有小微贷款存量足够大的金融机构才能够化解这部分成本并实现盈利。在互联网时代，蚂蚁金服、微众银行等小微金融机构也已经开始探索利用借款人在线消费、社交表现等非传统数据评估借款人信用情况。

有效使用数据信息是核心。获取足够的数据信息仅仅是实现“信贷工厂”风险控制模式的第一步，数据分析、信用评价以及对分析结果的使用效率仍直接影响该风控模式的效果。民生银行在进行小微金融2.0版改革中，着手建立以两大引擎为核心的风险控制技术体系：垂直搜索引擎主要负责实现数据的储存、查询和推送，决策引擎负责贷款过程中各种评分指标的生成和推送。工作人员将前端渠道采集到的信息上传至数据平台，由决策引擎提供模型进行授信评审，并在售后系统中对已发放贷款的客户进行跟踪管理，垂直搜索引擎则为授信业务的全流程提供信息支持。两大引擎系统与前端渠道等业务系统的对接，如图2所示。

垂直搜索引擎相当于一个信息集成的查询软件，具有搜索权限的工作人员获得贷款申请人的信息档案，在放贷全程实现电子化的管理与监控。垂直搜索引擎通过综合查询、信息推送、电子档案、数据分析、销售支持五大服务，对业务系统起到支持作用。所有服务中，最核心的内容在于信息查询服务，提供银行内部、外部的多种信息。垂直搜索引擎提高了客户信息的全面性、即时性、透明性和整合性，但其质量在很大程度上取决于数据信息获取的全面性和及时性。

在垂直搜素引擎提供的大量原始信息基础上，决策引擎使用特定的数据分析技术和分析模型对数据进行分析，生成衍生指标，为各类评分模型提供依据，对贷款过程中四个重要决策内容——是否准入、担保方式、利率、授信额度——提供辅助决策。目前决策引擎主要为包括政策与限额管理、申请征信评分等在内的决策项目和模型提供支持。

从两大搜索引擎的内容看，民生银行风险控制所需要的信息技术与数据分析能力均相对完善，基本平台已经搭起，最终效果还取决于信息获取的数量和质量。两大支持体系的构建同样体现了大型商业银行的独特性：只有资金量充足的金融机构有条件承担其固定成本，而传统商业银行高昂的人力成本又使其无法像多数小贷机构那样、依赖于信贷员执行贷中贷后的风险控制。相对而言，信息化的风险控制平台建设成功降低了单笔贷款的变动成本，将风险控制的重点从贷后监控转为了贷前、贷中评审，利用银行特有的流水数据，破解了商业银行贷后监控不足的困境。我们因此认为，信息化风险控制体系的建设对传统商业银行而言几乎是必然的。民生银行小微金融信用风险管控经验总结

通过对民生银行的信用风险控制的案例研究，民生银行做小微金融业务的信贷风险控制有四方面经验值得关注：

首先，民生银行在小微金融风险控制方面优劣势并存。与地域性小金融机构相比，民生银行做小微金融在风险控制方面的优势包括，可负担和分摊大量研究、技术平台构建的高昂成本，可通过合理的贷款行业区域配置、定价定额策略分散风险，可提供储蓄、支付、结算等相关金融服务以获得客户流水数据信息用于风险控制等。同时，也存在贷后监控成本过高、组织架构复杂导致授信流程长、与客户互动能力不强等劣势。这些优势与劣势的聚合，在信贷风险管理上无不指向一个成熟的模式——“信贷工厂”模式。

其次，民生银行的风险控制发挥了大银行的优势。从小微金融1.0到小微金融2.0版本，民生银行对小微金融业务的探索与改革过程，也是发挥大银行优势的过程。与1.0版本比较，2.0风控模式更强调对大数据信息的获取和分析，更重视信息技术、互联网技术在信贷风险监测方面的全面性和即时性价值，更重视集中分析、集中决策和集中管理，因而更具有“信贷工厂”模块化、程序化、规模化的管理特征，而这种信贷工厂特征只有将业务重心集中到一个适度的高度——分行才合适，如图3所示。

再次，获取大数据能力是风控模型取得效果的关键。信贷工厂的风险控制模式，对于有强大研究能力和数据分析、建模能力的传统银行来说，最大的挑战依然是数据获取。民生银行已经将数据信息获取融入到了全方位的小微金融业务中，利用储蓄、支付、结算等多项业务服务获取含金量颇高的经营流水信息，并努力打通其他外部信息渠道以获取准确的底层数据。

最后，民生银行还需要进一步完善风险控制模型。民生银行选择将大数据征信作为其风险控制的主要方式，也就意味着分析模型的准确性将直接决定信用风险控制的准确性。从防范系统性风险的角度，民生银行的风险控制依赖于宏观研究、回归分析，当发生模型外的情况时同样面临亏损风险；从防范特有风险的角度，民生银行的贷前审批依赖于大量模型的征信评分、以及“收益覆盖风险”的定价策略，这就对模型的准确率有极高的要求；而其贷后监测更依赖于模型评分，但模型的反应往往与现实具有一定的时滞，相比于其他小微金融机构主要依赖于现场观察的贷后监测，这种对模型的过度依赖可能使得民生银行不能完全适应小微金融风险突发性强的要求。因此，民生银行有必要不断对模型进行必要的分析与调整，确保其分析控制模型的有效性与准确性。

第三篇：信和大金融供应链金融加速时代风控是立身之本

信和大金融:供应链金融加速时代风控是立身之本 供应链金融方兴未艾，在政策、技术等因素的推动下，商业银行、电商平台、P2P网贷平台、软件服务商、第三方供应链金融服务平台等各类市场主体纷纷加入到供应链金融的蓝海之中。据前瞻产业研究院预测，到2020年，国内供应链金融市场规模将接近15万亿元。信和大金融认为，供应链金融作为互联网金融行业的重要分支，它的优势在于不以借款企业的主体信用为依托，而是取决于债务人信用评估后资产质量的优劣。随着云计算、大数据、物联网和区块链技术的发展将进一步提升供应链金融的风控能力，降低业务的综合成本。对于供应链本身而言，技术与风控仍作为一个关键点掌握着整个供应链金融系统应用价值的高低。

创新解决小微企业融资难

小微企业“融资难、融资贵”问题是我国金融发展过程中需要解决的问题。“供应链上的中小企业融资难、成本高。同时，作为供应链金融的主要融资工具，如商业汇票、银行汇票，使用场景受限，转让难度大。

当前，开展企业融资的互联网金融机构不在少数，各类融资信贷创新产品层出不穷。

实际上，随着金融科技进步带来的供应链金融模式的创新，小微企业融资面临的痛点正逐步得到解决。供应链金融的本质在于企业授信方式的创新，传统模式是将高信用评级企业的信用分享给上下游的中小企业，新型模式是在产业升级和技术驱动下的基于数据的授信模式。尤其是随着云计算、大数据、物联网和区块链技术的发展将进一步提升供应链金融的风控能力，降低业务的综合成本。

供应链金融市场广阔

供应链金融作为互联网金融行业的重要分支，它的优势在于不以借款企业的主体信用为依托，而是取决于债务人信用评估后资产质量的优劣。

在“互联网+”浪潮以及政策的支持下，商业银行、物流企业、电商平台和P2P网贷平台等市场主体在供应链金融领域的市场竞争日益加剧。

2017年10月，国务院办公厅印发《关于积极推进供应链创新与应用的指导意见》，推动供应链金融服务实体经济，鼓励商业银行、供应链核心企业等建立供应链金融服务平台，为供应链上下游中小微企业提供高效便捷的融资渠道。

随着底层交易基础设施的线上化和数字化，大量的中小企业的交易数据得以沉淀下来，由此衍生出的线上供应链金融产品也开始不断涌现。

据前瞻产业研究院的数据显示，到2020年，国内供应链金融市场规模将接近15万亿元人民币。

广阔的市场以及国家政策的支持，各科技金融公司、P2P网贷平台纷纷布局。据网贷之家不完全统计，截至2017年底，涉及供应链金融的平台数为126家，占P2P网贷行业正常运营平台数6.53%。2017年全年，P2P网贷平台供应链金融成交量近千亿，为964.15亿元，占同期P2P网贷行业总成交量的3.44%。信和大金融也在2017年布局了农业产业链金融，其中就有供应链金融业务。

风控是立身之本

在供应链融资中，贸易的真实性、交易对手的履约能力都是金融平台需关注的重点。尽管引入了核心企业，形成了一定的风险隔离，但不论是从事供应链金融服务的电商平台还是P2P网贷平台，仍然存在贸易风险、操作风险以及信用风险。

互联网金融的本质是金融。风险控制在互联网金融界一直是重中之重。无论是信用风险还是道德风险，其来源都是信息的不对称所致。在供应链金融全面加速的时代，风控与技术作为最基础的保障，是供应链金融发展的重要依托。

信和大金融作为中国金融科技领域具有强劲竞争优势的综合服务品牌，不断深挖垂直领域、移动领域大数据风控价值，全方位提升风控体系建设。

在风险控制方面，信和大金融做了不少深入探索，包括与专业智库信和研究院在大数据研究与应用方面持续发力，共同打造大数据平台的落地。在智能反欺诈方面，基于大数据的人工智能情感计算以及心理学专家模型，已经成为信和大金融智能反欺诈体系的标志成果。

在征信环节，信和大金融与战略伙伴汇诚信用合作推出了多模态AI反欺诈机器人，从而有效地解决信审环节的欺诈风险压力，使得信审，授信实现了质的飞跃。

第四篇：金融(融资租赁),谈风控本身是很扯蛋的事情

金融（融资租赁），谈风控本身是很扯蛋的事情

融资租赁项目交易平台

RZZL365

金融在很大程度上是看天吃饭。

在过去几百年历史里，系统性风险的发生频率很高，黑天鹅事件层出不穷。几乎每8-10年就会来一次所谓的经济危机，只是危机或大或小而已。而且每次构成经济衰退的原因都不一而足，也无法预测。每次经济危机都会带来金融机构的崩盘，逆势而上几乎不可见，也就说明了在天气不好的情况下，你的风控技术再牛，其实都无法对抗这种系统性风险。

很多人说，不是还有金融机构活下来了么？这就是风控技术的胜利啊！要回答这个问题，我们先对金融机构做个简单的区分。§两种金融机构§

金融机构就本质而言，分为两种，一种是银行业金融机构，另外一种是非银行金融机构。

两者区别是什么呢？

银行业金融机构其实本质是存贷的中间主体，它是唯一可以向公众吸收储蓄的金融机构。利用吸收的储蓄，可以进行贷款投放，银行承担了所有储蓄存款客户的风险，然后赚取贷款投放的中间利差。理论上，一旦收不回来的钱，超过了利差收入形成的利润以及资本金，它就破产了。但是这种商业模式的优点在于，可以合法利用资金池，不断地借新还旧。只要保证足够的流动性，信用品牌不出现问题，就能继续吸收储蓄。哪怕坏账再高，超越了资本金，都还能不断地玩下去。

世纪之初，中国的商业银行曾出现过类似技术性破产的局面。当时，由于有国家信誉背书，储蓄一直在继续，这个游戏就能玩下去。而且随着时间的推移，经济的增长，也能不断地消化风险。事实上，这种金融机构的本质是用制度来对抗各种风险，包括任何人都无法对抗的系统性风险。支撑银行模式走下去的核心就是制度性安排。

另外一类是非银行金融机构，如投资银行、信托公司、证券公司等等。非银行金融机构都是无法吸收公众存款的，也就无法通过吸储来进行资金池运作。它们的盈利模式很简单，一种是代理，一种是自营。代理业务本身不承担风险，赚

取的是无风险的服务费。由于这类金融机构的本质是帮助风险定价的证券化模式，机构可以自己持有一定额度的风险头寸，即自营业务。事实上，如果业务操作得当，这部分的盈利会远超代理业务的收入。像次贷危机之前，大量投行都乐于持有大规模的次级债，从而形成账面大额盈利。但是由于持有了头寸，必然意味着也要承担风险，而一旦风险来临，这些头寸就会成为你的噩梦。

§不同的风控§

从银行类金融机构和非银行金融机构的两种业务模式来看，事实上，过去市场的风控一般也就是这两种模式。

一种是以银行为代表的信贷化模式。它的本质是通过制度安排，利用中介机构的规模优势和期限错配，让风险在经济运行的长周期中被化解。制度安排其实是银行能活下来的根本原因。总体而言，当银行达到一定规模后，个人能力在银行体系内不再起主导作用，会不断分化和瓦解。也只有如此，银行才能稳定地发展到一定规模，凡是依赖个人能力的商业模式都是无法持续扩张的。

另一种就是证券化模式。证券化的本质是让核心风险在市场中寻求自我定价和平衡，最终让风险在不同的市场主体之间转移。证券化不是承担风险，而是让风险通过市场得到合理的配置。采用证券化模式的机构，最终比拼的是风险定价能力，而并非承担风险的能力。这两种模式各有利弊。

我国是典型的信贷化主导的国家，信贷规模全球第一。这种间接融资占主导性地位的优点，是政府在经济活动中具备极强的控制力，而且在有效计算信贷总量的情况下，也可以有效防止发生系统性风险。缺点是因为无法通过证券化来分解和分摊风险，有可能会被倒逼产生极大的系统性风险。总体归纳，信贷化模式是总量可测下的风险不确定性。

证券化的优点，是让风险在自我承担和自我定价中不断分解和暴露。但由于证券化是个风险流动的过程，会因为各种原因导致风险在市场中出现总量不可测量的情况。如果市场堆积了太多的风险，而又无法进行测定，一方面会加剧投机成分，一方面则会形成比信贷化模式更可怕的风险。因为每个主体都可能承担了超越自我承受能力的风险，最终形成的风险会更高。

§我们都是“接盘侠”§

回到中国的国情来看下这个情况。事实上，很有意思的点在于，中国虽然名义上，有信贷机构，也有非信贷机构，在2012年年底大面积放开资产管理，开启大资管模式，无数人，包括我当初也都在欢呼雀跃，都认为资产管理元年开始，必将大面积削减银行主导的金融格局。但是，两年多过去了，我们发现所谓的大资管，其实只是个接盘侠，并非真正意义的证券化模式。进行所谓的证券化模式的核心就是让风险在市场中寻求合理定价，结果……货不对版。

我们有那么多的资产管理模式，但是都是名义上的证券化，他们的实质其实都是信贷模式，为什么？因为他们都必须刚性兑付，所谓刚性兑付，就是如同银

行一般。每个投资人都到最后必须拿回本金及利息，那也就是出现即使出现了风险，那必然到最后都是机构买单。这个时候，他们的盈利莫其实跟银行的逻辑是一样的，所以我们看到很有意思地方是，我们2012年的大资管，做的业务都是跟银行一样的，也就是纯粹是放贷款的壳罢了。

证券化的机构从事信贷业务，问题就出现了。他们并没有获得银行信贷机构的特许经营权，所以都只能变相的建设资金池，而资金池的成本却极高，导致现在我们看到的大面积的资管风险的出现。一场击鼓传花的游戏可能无法维系，这个时候打破刚性兑付其实成为了不得不为之的事情了，因为谁也无法兜底。

传闻，银监会曾经对其所管辖的信托公司有过要求说，必须刚性兑付，公司兑付不了，股东兑付，股东兑付不了，换股东兑付，彻底的背离了资产管理公司所本身该承担的定义。

有段时间，我说目前我国银行的信贷模式占比高达90%，被许多专家攻击说不懂数据，缺乏支撑。事实上，我倒是想说，是因为他们压根不接地气。

目前信托的主业大部分都是银行通道业务，基金子公司都是信托接盘，回到最后也是银行信贷业务表外化的通道。

其他就不用说了，这些能算是证券业务？风险凡是不能自担的，其实一律都是信贷业务，那么最终使得我们的所谓资产管理，到最后都成为了银行的小妾，银行让他们干什么就干什么。市场上最终比拼的压根不是风险定价能力，而是谁的资源更好，渠道更佳，关系更好。能力压根在过去的十多年来，根本不重要。这个也是为什么我们的资产管理，财富管理一直起不来的核心，核心还是资产风险定价的能力被制度性给破坏，银行的优势一览无余，无人可企及，只有在银行都无法兜住的时候，才可能出现零星违约的事件。

但问题又来了，当银行都兜不住的时候，谁又能兜住呢？

我们目前看到的大量的本该是证券化机构，包括了P2P模式。这类公司最大的问题，就是跟银行从事一样的信贷工作，却未能享受银行一样的制度性保护，所以，很多P2P拿自己跟银行比较，其实是扯淡的事情。你是银行么？银行坏账率可以高达40%都不破产，你可以么？不把这个问题想想明白，还是离开P2P比较好。银行和非银行都在同样的信贷工作中一致竞争的时候，那就要想明白自己的核心优势是什么？拿什么跟银行去打。

§走开，政府，为你好§

顺带，谈谈政府的牌照制度的弊病。最近很多资产管理机构出了事情，大量的小贷、担保、甚至信托出了问题。回到最后，其实是要反思牌照制模式，因为从正常意义上看，除了银行这张无敌牌照外，其他牌照都是无法给机构增加风控能力的。并不是你政府给了牌照，这些所谓的资产管理机构，担保、小贷等等，就具备风控能力了，你不给牌照就不具备能力，这压根就是扯淡的事情！

有次在演讲的时候，台下有个担保公司的老总站起来非常愤怒的指责我。我

认为，担保基本快被P2P搞死。他说我，一派胡言。这位老总略带得意的说：“我们都是经过政府部门审批发放牌照的正规金融机构”。我当时回应说：“对你毫无帮助的政府牌照，这种牌照，对你有意义？让你团队因为有了牌照就立刻牛逼了？那不是扯淡么？牌照，其实只会让没有风控能力的机构具备政府信用，从而引发的社会问题只会更大。”只要看看现在大量担保小贷跑路，政府却会被围攻的情况就可以知道为什么了？

为什么啊？不正是因为你政府发放了牌照么？而且一年还一审批，领导没事还常视察？这种审批和视察了之后，有用么？不照样，该跑路的跑路，该倒闭的倒闭么？

与此对比的是，反观P2P出了事情以后，因为政府不附加信用，反倒问题相对简单，去围攻政府的几乎没有？围攻了政府也好说话，关我屁事。你们爱投资投资，要死自己死去。从这个角度看，政府应该要远离他帮不上忙的大量信贷金融机构。既然帮不上忙，就离开他远点，让社会自己去解决，去用脚投票，优胜劣汰之后，谁都会被教育出来的。但政府一旦附加了信用，你就必须保证他不出事，就必须要附加政府信用，这个其实本身就是不公平的事情。反映的其实是政府信用的泛滥。凭啥你给他发，不给我发？凭啥你去他那里，不去我那里？而且为了获得政府去视察的机会，一个个包装门面的高大上，数据一个个开始造假，这种事情越演越烈。其实，对于非银行信贷机构，最终是要跟证券市场一样。政府应该远离牌照审批的同时，不断加强风险提示，从而培养出一帮宁愿自己跳楼，也不找政府麻烦的人，不断培育和加强市场的违约机制，才可能是我们金融市场的未来。从这个角度我还是认同，证券化改革是未来的金融改革方向这个命题的。其实，这个问题后面还会再提。这里先扯淡到这里。

§风控好？不要脸§

风控技术的无用性前面说了，风控更多还是制度性安排。单一的风控技术其实往往是无效的，尤其是在市场同质化极为严重和饱和的情况下，更是无效。这里有个深层次的解答，因为，金融很大程度是维持社会稳定的一种工具应用。

信用过度的情况下，金融往往是零和博弈的游戏，整体金融的盈利一般被封顶在社会经济发展的上限制，超越这个值的很多都是自己跟自己玩的游戏。所以，金融机构从短期和长期平均看，或者从整体和局部长期看，其实都是相对均衡的，往往都是社会平均理论值。

撇开这个角度，我们从微观来看。由于在同一市场里，大家最终的目标群体都是那些优秀的具备还款能力的人，因为最终都是通过收益覆盖，而这类人其实本身就是社会的少数，确切说是极少数。因此所有的金融机构的本质都是需要一种良好的技术能把他筛选出来。而事实上，银行在面临同业竞争的情况下，发现好的风控往往意味着没有业务可以做。因为你坚持严格风控，人家就不跟你玩了。全球都一样。很多人都跟我说：“我们的风控极端牛逼”，第一，我是不相信；第

二即使相信了，我说，那就等死吧！谁来跟你玩啊？你要抵押，人家就不要抵押？你要担保，人家就不要担保？市场是竞争的，博弈的，谁都不是傻瓜？你以为你想怎么玩就怎么玩？还真想着业务随便你挑呢？也太把自己当一回事了。现在，我们发现很多银行信贷机构都被套牢了。你以为人家风控能力差，不知道客户的真实情况？可能么？现实情况是，银行的风控面对业务压力的时候，大部分都只能选择妥协，尤其是客户经理，当前跟未来之间，做什么选择？肯定选当下，不然立马被扫地出门。所以客户经理每天想业务的同时，都想着如何绕弯子过风控？有时候想想，都是自己骗自己的游戏罢了。

怪谁？不知道。只是觉得，每年要求银行40%的利润增长之下，谈风控本身就是很可耻的事情。其实，现在的市场更有意思，今年二季度信贷规模数据下降，很多人很奇怪，有啥好奇怪的？今年这种情况，往往牛逼的人，都不来贷款了，为什么？因为贷款来的钱，赚不了钱，那贷款干什么呢？白白给银行付利息，市场形势不好的情况下，他们不愿意扩张，自然就不来贷款，而这么差的行情还来贷款的人，基本上都是垃圾，要么就是之前流动性出现困境，就是想浑水摸鱼？就是这么个事情，整体经济下行的时候，谈风控更是扯淡的事情了。毫无意义。

2002年次级债在美国兴起的时候，很多银行都认为风险极高，坚持抵制。但是随着该业务越做越大，盈利越来越高，你如果坚持抵制，就必然会丧失极大的市场，逼迫一些银行开始涉水进行该项业务操作，这就是劣币驱逐良币的结果。好人往往都是被坏人逼死的，或者沦落为坏人，很正常。这几年，很多人都开始指责银行的风控怎么那么差？明显的骗子都防范不了。

事实上，我们再来比较银行过去五六年，发现五六年前的银行和现在的银行，在风控层面上无论技术还是人员结构都没有什么太大的变化，但是实质的坏账率却是十倍之差。难道是因为风控技术变化了么？都不是,实质是天气发生了变化，大环境在变化，导致你微观层面无论如何怎么动作都是无效的。

过去几年，我在一个民间高利贷班上课，经常让他们这几年如果没事就跟着我出去游山玩水，骗吃骗喝算了。回头看看，跟着我到处游走的人，这几年至少都还活着，而那些窝在家里勤勤恳恳努力放贷款的人，基本上都趴下了，为什么呢？跟技术毫无关系，你敢说在家勤恳放贷款的人一定比游山玩水的人要水平低？可能么？怎么可能？但往往世界上有很多人很悲催的地方就在于在不该努力的时候太努力了。

过去十多年来看，往往发现一个真理是什么呢？趋势比能力重要的太多，太多。我们很多技术大牛在00年的时候进了一家当时巨牛逼的技术公司，那家公司叫UT斯达康，而能力不行，而被抛弃的人去了当时一家名不见经传的小公司，叫阿里巴巴。十年后，发现世界被颠覆了。UT基本死了，所以那些技术大牛都悲催了。而那些万般无奈去了阿里的人，现在身价都是当技术大牛无法企及的了。

这种案例不可胜数，94年国企改革，大量下岗的人，转行经商，暴富，而

那些没下岗的人都一个个现在开始下岗了。其实，能力越强，反倒越容易被趋势给击垮，这个是实情。我们很多人在02年出国读书，留在国外，其实恰恰错过的是中国发展最快的十年，虽然不能单物质来进行论述成败得失，但是错过的十年的确如此。这个世界，我们大多数人总是无意识的在做一件跟趋势对抗或者顺应的事情，但还是希望能多抬抬头看看，有意识的希望看的更远点。

历史如同一条大河，奔腾而去，大气磅礴，我们如同河流里一条鱼，大部分的鱼都是随波逐流，而总有个别的鱼希望跳起来看看未来，希望能看的更远，但大部分的鱼都只看到了自己看到的方向，最终谁都无法得知正确与否，于是结果论是最好的论调了。

我对自己说的总是跳起来看，对不对压根不重要，重要的是我跳起来了，看到了更多的风景，哪怕错了也无值得，思考是自由的最好表现，不思考给了自由和民主，也都毫无意义。

§大数据无效§

貌似有点跑题了。我只是想表达，金融这个东西吧，就是能赚钱的时候，狠狠的赚钱，不会因为你发放贷款12%就一定比36%的安全，本质都是一样的，都不会出问题，而市场无法赚钱的时候，你其实怎么做都是错的，这跟风控技术关系都不是很大。

金融是个极顺应经济周期的行业，所以作为个体而言，金融有做和不做的选择。而无技术高低的区别，个别人或许有，极端牛逼或者极端傻逼，绝大部分其实是差不多的。作为金融机构而言，金融业的竞争不是单一技术的竞争，而是综合性竞争，某一个维度的优势不太可能成为持续性优势。

看几百年的金融行业竞争格局，一时的胜利容易，持续的胜利挺难，不断超越的背后其实是几代人的努力。很多盛极一时的金融机构。都消失在历史粉尘之中。现在很多人在扯大数据的风控，事实上都是一厢情愿，不现实也不可能。

大数据可以优化管理、提高风控效率、降低风控成本，但是无法决定风控质量，银行的风控质量永远是个一揽子系统工程。不同银行面对同一风险等级的客户，它们的风控往往不是同一个水平。因为不同的银行有不同的风险承受能力，自然会形成不同的风险定价，存在差异性。

我曾说，很多P2P公司提出来的征信系统接口如何开放的问题，其实是无法解答风控命题的。不是说征信系统开放了，你风控就OK了，这是不可能的。因为全行业都面对同一个征信系统，最终的使用效率、定价能力，还是取决于你自己的能力。越是公开透明的市场，其实竞争的难度越大，单纯开放征信系统不能解决你们的风控问题。

仔细分析下为什么大数据无效，我的理由是多方面的。第一个理由就是，金融其实是看天吃饭的。我一直坚持金融是被经济形势所决定的，在经济形势低迷的情况下，金融机构无论怎么折腾都很难玩出特别好的花样。2008年金融危机

一来，覆巢之下安有完卵，就是这么简单的道理。系统性风险是任何一家金融机构都必须面临的现实问题，风控制度在系统性风险面前，毫无意义。那么，大数据能否预测经济形势，即预测系统性风险呢？很多人说大数据可以做到，我觉得都是扯淡。前面已经论述了“过去是无法有效推演未来”的逻辑。那么就个人而言，是否有通过数据分析形成准确判断的可能性？这个很难说，有人一叶而知秋，有人一叶而障目，都是个人能力的结果。个人能力很难说是一种模式的核心竞争力，也缺乏可持续性。

第二个理由是，金融行业其实不完全符合大数据所要求的逻辑前提。大数据的核心逻辑前提是统计学，有两个要素：一是样本筛选，就是通过数据筛选出相同特征的群体出现违约的概率；二是需要足够数量来覆盖统计学里的偶发性特征。两者是统一而不可分割的。因为大数据的相关性必然是建立在足够大样本量基础上的，仅仅是个体相关不足以成为推断相关性的基础。也就是说，在金融业务操作的时候，也必须覆盖足够大的人群，但足够大是多少？对于单一金融机构而言，“足够大”已经是个绝对致命的难题了。另外，这里其实还隐含一个基础逻辑，就是每个操作的业务群体还要呈现独立非相关，否则也没啥意义。

这里我们做个小讨论：经营性贷款和消费性贷款，哪个更可能做大数据风控？我认为是消费信贷。

为什么呢？

因为从人群的需求特征来看，消费性需求更稳定，虽然也会受经济波动的影响，但跟经营性需求相比还是更稳定，更容易预测。而且从人群来看，消费性需求的覆盖面也更广泛，有更扎实的数据基础。相对而言，经营性需求就很难使用数据来进行模型化了。

为什么呢？

先从企业主来看。什么人会成为企业主？事实上，只要成为企业主，无论是大是小，他们都自动从普通人群里独立出来了。再小的企业主，其实都是社会的另类，成功的是精英，失败的是脑残，唯一不可能的就是社会公众。所以这类人本身就是异类，个个都充满极大的不确定性和变数，很难被量化和模型化。这里还有一个问题，相同的人群在不同场合呈现的特征是不一样的，尤其是目前人们在线上、线下割裂的状态，其行为方式往往会出现强烈的反差。因此，对于同一个人，根据单一维度数据对其进行判断的意义是很有限的，不同维度的数据会反映出极为不同的特征，这时候全数据就显得异常重要。

所谓全数据就是N=所有，这个概念提出是牛津大学互联网中心的维克托迈尔-舍恩伯格教授，曾说他最喜欢的对于大数据集合的定义是“N=所有”。这里不再需要采样，因为我们有整个人群的数据。这就好比选举监察人不会找几张有代表性的选票来估计选举的结果，他们会记点每一张选票。

当“N=所有”的时候，确实不再有采样偏差的问题，因为采样已经包含了所

有人。这个说法很有意思，因为互联网的海量容纳数据的可能性，的确给了全数据一个很好的假设前提，但是这个命题就很容易回归到假设的前提上去，在未实现全数据的之前，就别谈大数据了。毫无意义。

第三个理由是，大数据的前提——“过去决定未来”，并不总是成立的。现实中往往会出现未来改变过去的情况。这个有点难以理解，啥意思呢？其实很简单，就是一个人某些特征值的改变，会改变系统对他过去的数据所形成的基本特征的认定。比如我们经常说“男人有钱就变坏”，这里隐含的逻辑是，过去判断一个男人是好人，是建立在他没钱的基础上的。而一旦这个基础被破坏，这个男人变成有钱人的时候，他就已经脱离了最早的系统判定，进入另外一个范畴了。因此，这个未来的变化，直接把过去建立的逻辑给打破了。

这种现象其实是一个循环函数的概念，带有变量值的东西往往是无法建模型的。我们在金融运作中经常发现这样的现象：给钱之后的企业跟给钱之前的企业，是有绝对不同的基础性特征的。过去往往被未来给改变了。以前也碰到过有人谈所谓的量化炒股，设定各种各样的模型来实现炒股的自动化。这种方法，在你规模不大的情况下，我认为还真是有一定的成功概率的。但是一旦你的规模足够大，你自己也成为了市场的重要角色的时候，你就会发现你所有模型失效了，因为你进入了死循环。《银河帝国》里面给了一条重要的假设，就是所有成为统计样本的样本主体，并不知道自己是被统计的样本，否则就会失去统计意义。

前段时间碰到阿里金融的朋友，也谈到大数据。但我们无法在大数据是否可以建立风控模型上达成一致。最后退而求其次，我就说，好吧，假设你的模型能成立，事实上，你会面临一个非常严重和致命的问题，就是你的客户群体，会变得让你越来越不认识。

为什么呢？

因为一旦阿里金融采取大数据的量化放贷，在市场就会出现大量的放贷机构，依附在阿里之上，进行尾随和跟踪放贷。也就是在阿里放贷的基础之上,再配置20%左右的贷款,期限比阿里短。在这种情况下，阿里之前所设定的所谓模型，会全部失去效应。事实上，在传统信贷中，浙江大量股份制银行就是采用如此策略，使得大银行的所谓风控审核都形同虚设。

第四个理由，金融业还有一个与其他行业不同的地方，就是风险滞后。风险滞后意味着什么呢？意味着由过去数据所推导的模型，会在过去和未来之间留有一段缝隙，这个缝隙中所发生的任何变化，都让你无法有效调整风险的认定。简单举例，我们根据餐饮企业的大量数据推导出某一风控模型之后，进行批量化的业务操作，等着贷款回收。这期间，银行基本无主动权，你要回收贷款，人家第一要有钱。第二要配合。实际上，贷前你是老大，贷后你就是孙子了。而突然某一天政府发文要求降低三公消费，你就等着傻眼吧。所有的数据都会因为期间任何一个偶发性变化而发生实质性变化，而你却丧失了主动权。

所以，我们哪怕撇开目前大数据受限制于数据孤岛等一系列的现实问题（全维度数据的成本极高、难度极大，美国政府的棱镜计划有点这个意思，但那几乎是集中了一个国家的资源），就单一大数据风控而言，实现风控的数据模型化只是美好的设想，是脱离了社会现实的一种自我意淫的产物。除非体系内不存在市场博弈行为，毫无竞争对手。不过，真到了市场毫无竞争对手的情况，你需要风控模型么？闭着眼睛做就行了。当然，我这里并非是全盘否认大数据的现实意义。

大数据可以有效地提升效率，降低管理成本，而我在前面说了，作为金融机构，效率的提升和管理成本的下降，最终都是提升了对抗风险的能力。因此，大数据虽然不能直接提高风控能力，但也具备重要的现实意义。

我在看金融史和马克思的《资本论》时，会设想一个奇怪的命题：大数据能否让计划经济回归？这个说法其实最早是阿里金融的胡晓明先生提出来的，有次我们在西湖边喝茶，他跟我说的，我后来越想越有道理。马克思等人提出，社会总是生产出那些高于实际需要的产品，牛奶宁愿倒掉也不给予普通民众，说明市场的生产是过度的。

为什么如此？

虽然从结果来看，市场经济是高效的资源配置方式，但从过程来看，市场经济的弊端也是非常明显的，它高效的背后其实是巨大的资源浪费。一个成功企业背后是倒下的无数个类似企业，这些都是要计入的社会成本。因此，市场经济高效率的背后其实是整个社会的低效率。在这种情况下，计划经济从其出发点来看，是力图构建一个体系，让市场需求能被有效计算，然后以需定产，从而最大程度地降低社会成本。理论无限美好，但现实中却往往发现，需求是无法统计和计算的。

缺乏有效的统计手段，从而使得理想也只是理想。计划经济的失败，让前苏联的生产和实际需求产生了极大的错位，重工业泛滥而轻工业不足。那么，现在大数据匹配云计算，是否可以解决这个问题呢？理论上是否可能让计划经济回归或者部分回归？呵呵，很有意思的问题。不扯远的了。

可能很多专家会认为我的理解过于肤浅，但是从金融运行实践来看，我对自己的结论还是抱有极大信心的。其实，大数据即使成功，也必然只是个别案例，不具备普遍性。因为对于同一数据，不同的机构对其有效应用的能力必然是不同的，而这种应用能力，才是机构之间竞争的关键。

文章摘自：跟我读研报 作者：风吹江南