“現金貸的風控要素基于個人信用、網絡消費行為、社交與收入穩定性，與銀行要求資產抵押的貸款模式截然不同?！币患椰F金貸平臺風控副總監曾誠（化名）說。

　　3年前，他從一家股份制銀行零售業務風控部跳槽到一家互聯網金融平臺擔任風控副總監，主要負責設計現金貸業務風控模型。

　　然而，他在銀行所積累的風控經驗與技術，在互金平臺能派上用處的并不多。過去3年，他和團隊重構了一個面向個人、小微企業主的小額無抵押信貸數據風控模型，用于現金貸業務貸款審核。期間他還引入了多家第三方征信機構與社交電商平臺數據，優化自身風控模型。

　　但他認為，真正影響風控模型效果的，是企業經營決策。若平臺為了追求短期規模效應與高利潤，不斷放寬借款人門檻，勢必造成較高壞賬率；反之壞賬率會降低，但犧牲了規模效益，以及快速上市等機會。

　　“如何平衡這筆賬，是一個兩難抉擇?！痹\說，目前他所在平臺選擇了快速擴張，原因是創始人與大股東希望迅速做大業績，趕上這波上市潮。

　　“但問題是，由高利率與服務費收入（主要是“收頭息”）構成的高利潤，目前尚能覆蓋不斷走高的壞賬損失，但隨著監管部門嚴控借款費率，并取締收頭息模式，平臺能否有足夠利潤掩蓋風控隱患與壞賬壓力，就成了未知數?！痹\告訴21世紀經濟報道記者。

　　現金貸的風控密碼

　　曾誠表示，一個完整的風控模型包括四大要素：一是能有效搜集借款人征信信息；二是構建足夠多的個人貸款樣本，用于分析遴選借款人行為特征；三是有足夠長的觀察期以評估貸款人的各類還款行為；四是形成甄別惡意欺詐的有效解決方案。

　　“一開始，平臺的這些要素都不具備?！痹\透露，為此平臺一面搭建模型，一面與多家第三方征信機構、電商平臺合作，通過采購或合作開發互聯網個人信貸產品等方式，獲取潛在借款人的社交、電商、個人征信等數據，作為擴大風險評估參數、完善風控模型的基礎。最終推出針對個人借款人的信用評分機制，包括反欺詐審核、個人信用評級、收入與社交消費模型等多個維度。

　　為了進一步控制風險，他建議平臺規定，每位借款人需從借款額提取2%作為逾期風險備付金。但由于市場競爭激烈，平臺最終取消了這項規定。

　　曾誠認為，一旦取消逾期風險備付金，平臺通常有兩種選擇維系業務發展：一是鑒于收緊壞賬風險的考量，從10個申請人中選擇1-2個優質客戶放貸，這意味著規模在短期難以做大，獲客成本也會提高并壓縮利潤空間；二是轉變經營思維，即平臺在10個申請人里選擇5-6個客戶放貸，通過規模效應與較高信貸費率，覆蓋潛在壞賬風險。

　　基于規模擴張與上市運作需求，曾誠所在平臺選擇了后一模式。即借款人的審核標準被大幅放寬，有些借款人工作不穩定也能通過審核，不過借款額度有所降低；有的借款人夜間網購頻繁，以往風控部門會懷疑他們閑居在家而不予放貸，現在也可獲得微額短期現金貸。這導致該平臺的現金貸業務壞賬率從原先的4%，一下跳漲至8%。

　　不過，由于規模擴張帶來的高額利息收入，令他所在的平臺每季度都有3000萬-4000萬元凈利潤，足以應對壞賬率走高的沖擊。

　　一位業內人士表示，這也成為眾多現金貸平臺的必然選擇——通過規模效應掩蓋自身較高壞賬風險，從而創造貸款用戶數、貸款規模、業務收入、經營利潤集體快速增長的局面。

　　“靠高利潤掩蓋高壞賬的做法治標不治本。高費率（年化30%以上）與收頭息模式一旦受到從嚴監管，平臺利潤很可能大幅縮水，屆時壞賬隱患可能迅速浮出水面?！痹\對此直言。

　　此前，曾誠還開發了一款針對小微企業老板的大額現金貸產品，額度在5萬-10萬元。出人意料的是，產品運營數據顯示，沒有房產的借款人壞賬率低于有房產的。產品團隊因此重新分析借款人信息后發現，部分有房有車的小微企業主通常用房產向銀行、民間借貸機構申請抵押貸款，導致多頭負債風險增加。

　　在多位業內人士看來，多頭負債是現金貸業務的最大運營風險。

　　“現在國內現金貸平臺數量超過千家，很多都標榜自己擁有數千萬注冊用戶與逾百萬活躍用戶，如此算下來國內現金貸借款用戶超過百億，但中國總人口不過14億人，其中肯定存在多頭負債隱患，成為現金貸的隱憂?！币患胰A東地區現金貸平臺負責人告訴記者。

　　壞賬中約半數隱藏欺詐風險

　　在業內人士看來，除了多頭負債隱患，現金貸平臺當前最頭疼的，無疑是黑中介的騙貸行為。

　　所謂黑中介，即通過電腦程序不斷“試錯”，尋找各個平臺風控漏洞，虛構大量借款人材料，騙取貸款資金的組織或個人。

　　通常，黑中介會針對平臺的風控側重點，利用部分IP地址重復發送借款申請，且每次借款人的收入、年齡、婚姻狀況、工作等信息各不相同。

　　上述業內人士坦言，當前黑中介騙貸造成的壞賬比率，可能占現金貸業務壞賬的50%以上，有的平臺甚至逾70%壞賬源自騙貸。

　　曾誠所在的平臺不得不借鑒其他平臺做法，對此轉變風控策略——通過挖掘借款人央行征信報告、其他信貸數據、消費數據、互聯網痕跡數據、公安部數據、運營商數據、法院數據等，生成逾千個風險變量，每天根據市場環境變化等因素，調整風險變量排列組合與比重，構成不同的大額現金貸風控模型。

　　盡管不斷優化風控模型，但曾誠坦言，每天10%-20%的大額現金貸借款申請，仍是由黑中介發來的，黑中介有時亦能成功發現風控“漏洞”，令平臺蒙受壞賬損失。

　　曾城初步估算，在當前平臺8%的壞賬率中，欺詐風險貢獻了其中的15%左右。

　　“這個數據在業內算是比較優秀的?！鄙鲜鋈A東地區現金貸平臺負責人告訴記者，欺詐風險是當前現金貸業務壞賬率居高不下的原因之一。個別平臺每年由此遭遇的壞賬損失達數千萬元，行業整體壞賬率在7%-8%以上。為此，部分現金貸平臺采取合作策略，聯合建立黑名單制度。

　　“但是，光靠黑名單信息共享是不夠的，與黑中介的博弈，某種程度上是信息真實性的斗爭?！痹\認為。以往互金平臺主要通過評估借款人負債收入比、每月還款能力、還款記錄、電商平臺購物記錄、年齡等風控變量決定是否放貸。而黑中介一旦掌握平臺的“風控側重點”，就能虛構大量符合平臺風控要求的借款人材料，甚至躲過黑名單的反欺詐審核。因此，平臺只有構建多維度的交叉驗證方式，判斷借款人提供數據的真實性，才能最大限度避免欺詐風險。

　　“比如傳統金融機構認為個人收入越高，越是優質客戶，但當平臺將借款人年齡與收入結合起來，發現某一個借款人年齡很小但收入很高，就會心生懷疑，其背后是否有美化財務數據的行為?！彼硎?。對現金貸業務而言，由于對借款人資金用途缺乏核實，難以捕捉其借款目的，多頭舉債的借款人往往能美化財務數據。

責任編輯：韓希宇