及时雨小额贷宋梅，及时雨小额贷款股份有限公司

上海2017-01-12(商业电讯)-1月9日下午，及时雨小贷CEO阴军出席由上海互联网金融行业协会、石头金融联合主办的主题为“科技推动创新，深化小微金融”的2017小微金融科技论坛，并发表重要演讲。

女士们，先生们，下午好！今天有很多大咖，很高兴有这样的机会和大家分享。其实及时雨和石头金融的整个风控逻辑是一脉相承的。我想和大家分享一些关于FINTECH和目前小额信贷发展的信息。

技术和金融的全球概览

我们今天的主题是“科技推动创新”。在所有领域，科学和技术都在推动我们进行变革和创新。如果不改变，你可能会面临淘汰。

再来说说FINTECH。看一些数据。左边是中国市场，右边是美国市场。事实上，中国在FINTECH方面的发展并不比美国晚多少。虽然发展历程不长，但最近两三年已经有1000多家，融资规模200多亿。应该说现在这个市场非常火热。

二，科技与金融的三种主要类型

在这样一个风大的市场中，我们主要关注哪些大的领域和板块？

首先是我们熟悉的金融和信贷领域。在美国，有很多标杆性的成熟企业。科技在信用方面的应用主要体现在提供一个算法模型。我们为客户评估客户，为客户定价风险，不使用传统的信用方法，而是基于传统的信用方法，用机器为我们做计算。

二是智能投顾领域。作为平台，我更了解客户的需求，你有什么样的风险偏好，你愿意接受高风险资产还是低风险资产。如果你能承担更多的风险，那我就匹配我非常熟悉的资产。这个时候，我们会通过计算机算法为投资者解决更简单的投资方式，给予客户更合适的收益。

第三个是非常热的区块链场。区块链有很多概念。比如使用的某个场景，就是用某种虚拟货币作为载体，可以直接跨境结算。在中国，可以通过比特币将人民币兑换成美元。它不再通过国际清算组织建立这样的系统，而是使用区块链形式作为清算系统。这些方面组成了FINTECH。

第三，基于算法模型的借贷

今天要和大家分享的，第一个是信贷领域，因为我们一直在做信贷。说到信贷，我们需要看看领先市场现在在做什么。我今天带来了一些例子。我们来看看Ondeck，美国一家专注于小额信贷的机构。自成立以来，Ondeck于2004年逐步建立了自己的信用模式。最初建立信用模型时，它收集外部数据来优化其模型。直到2004年Ondeck Score推出，才开始大规模发展，现在差不多20亿了。

通过这种大规模的开发，我们发现它在做两件事。首先，它通过模型应用支持大规模开发。因为它的风险投入和销售投入可以很小。第二，通过规模化的发展来反哺模型。通过这种模式的应用，逐渐开始与美国大型商业银行合作，目前正在与摩根大通合作。

再来看看第二家公司Prosper，也是美国第一家做P2P的机构。十几年至今规模60亿美元。与Ondeck不同，Ondeck主要做小微企业，Prosper做个人消费。它收集差不多600-700个客户的数据，建立它的算法模型，最后对每个客户进行风险定价。

我们可以发现，在美国市场存活下来的几家机构的路径惊人的相似，那就是建立信用模型后首先要做的就是收缩产品线，梳理出其模型不支持的场景和客户群体。它以前做各种消费场景，但是发现自己的模式只适合其中的少数几种，于是专注于此。推出模型后，开始放大规模，然后通过规模进行反馈。现在已经逐渐开始和几家商业银行建立合作。

四是基于算法模型的风险定价

我们一直在讲算法模型。算法模型的目的是什么？算法模型的目的是对风险进行定价。但是什么是风险定价呢？我觉得用最通俗的话来说，风险定价就是我们在菜市场买菜的时候，可以给一棵白菜三、六、九等。我需要知道好的食物真的很好，差的食物真的很差。我会给出一个更合适的价格，在财务上有所动作。同理，贷给优质客户可能风险不大，但我们也可以贷给一些不良客户。我知道有些人会有问题，但我可以通过更高的定价做到这一点。

这是美国一家P2P公司实现风险定价后的一个结果。首先，它对客户形成七大类，最高的是AA，最差的是HR，七大类得分越高，信用等级越小，每个客户群对应的放款利率完全不同。最差客户的放款率是31%，最好客户只有6.8%，不良率也不一样。最差的客户，不良率17.1%。最后一档是最后两个给投资者的净收益，这是风险定价的结果。

所以从路径和风险定价的结果可以知道，对于一个小微企业风险的建立和判断，首先算法模型是未来的发展方向，其次必须实现这样的风险定价。

五、IRM智能风控系统

接下来，我想和大家分享一下我们建立的IRM风控智能管理系统。这是管理系统的流程图，有点像工业2.0的流水线，从获客、数据采集到最后的贷后管理。首先，当一个客户进入平台，我们首先通过一些移动工具收集数据。我们有合作的机构和终端客户，他们可以通过这样的工具提交业务，最后形成一些结构化的数据，进入我们的反欺诈系统。

反欺诈系统的工作原理是通过一些外部数据的采集，对基础数据做一些初步的筛选和评估，先知道这些人是否适合进入工作流程后端，需要补充什么样的信息，然后是数据的采集和整个算法模型的应用。在整个数据采集模块中，我们会针对小微企业采集上百个数据，在得到这些数据后，通过一些OCR技术和人工输入、补充的方式，形成最终的结构化结果。它是我们IRM智能风险评估系统的最后一个评分环节。

所有的数据经过这种结构化的方式处理后，最终会形成一个IRM数据，将客户分为ABCD四类。最后会得出一个结论，告诉我们的审批人，客户是优质的，次等的，还是稍差的，然后再决定客户是否可贷，可贷额度是多少。

整个流程之后，我们会有一个数据管理模块，反馈风险评估的模型，不管是优质的还是劣质的，用它的数据优化模型，直到最后的贷后模型，这是整个IRM工作的流水线。之所以要建这样的流水线，是为了让客户进场后，整个数据不断裂，可以从贷前顺利进行到贷后，同时最大限度减少人工干预。从目前的结果来看，我们可以对每个客户给他一个评分。大部分评级已经应用到我们成熟的产品线，产品线的评分最终会给我们一个审批的参考。

基于这个过程，我摘录了一些主要内容，与大家分享。这是一个互联网用户使用的移动收单工具。客户和机构都会在上面录入一些基本信息，甚至提到一些简单的材料，由客户来完成。通过移动端收集这些资料，可以大大提高效率，减少线下获取信息的方式。一旦这些基本的客户信息在网上被捕获，反欺诈系统就可以立即发挥其工作原理。

目前市场上有很多大数据的征信公司，应该说有几百家。事实上，我们通过自己的经验做了大量的选择。有些数据很好，但不一定适合我们用。有些数据看起来很美，但可能没什么用。比如我们现在在access评分里做了一个接口，我们会用芝麻分和数据算法的模型不断做匹配度的关联。也许芝麻分有一个很好的结果，但是模型的应用可能非常有限。

数据采集:对于小微企业的经营者，我们会采集100个数据，大部分可以形成结构化的数据，报税的一些基础数据还是人工辅助和干预。同时，我们的团队有20年的金融服务经验，行业经验和一些历史数据会保留在这个系统中，形成数据收集的全过程。

有了这些数据，风控模型做什么？每个人都知道我们有恢复报告和交叉检查的方法。去年我们没有做更多的加法，而是做了更多的减法。因为海量数据源背后很难为客户建模算法，所以我们抽象出来在各个纬度模拟评审头脑中的想法，提炼出最关键的纬度。比如我们认为还原其资产负债率这个指标是非常重要的，所以我们在记分卡中把它作为一个非常重要的权重，占一定的分数。通过一段时间的经验分析，主动收集客户信息，降低的资产负债率会低于真实情况。有常识资产负债率的公司可以有更多的资产数据；而负债数据较少，我们会对这个指标做一个修正，这个修正会作为我们非常重要的权重。

有了关键权重，我们就知道在哪里加减了。小微企业最难的是它的个性化和数据不完整。我们要判断一个小企业。可能我们都知道它的存货很重要，应收账款很重要，成本很重要，但是你可能很难在每一个企业里得到这三个纬度的完整信息。比如一个公司说有库存，但是没有库存清单你无法判断它有多少库存。我们通过大量数据验证后会发现，关注这家公司的库存是100万，200万，还是300万，对整个模型来说是弱的。所以，我们让评价网站弱化了这种关系。我知道客户哪里有库存，这样每个客户可以节省两到三个小时的工作时间。这样的例子很多。

再比如我们通过交叉验证对应应收账款。应收账款对于一个小企业来说非常重要，但是很多人不知道真正的应收账款在哪里。如果不知道，我们会通过行业的数据积累对他们进行评估。我们根据上市公司的一些数据和行业积累的数据，匹配了客户主出借人的口述，他告诉我的结算方式和业务特点符合我对他的常识。即使他没有任何数据证明，因为这个常识，我们就可以解决所有客户的应收账款金额和账期长短的问题。如果你有更好的信息，我们的数据会更健全，他的分数会更高。如果没有资料，必须通过修复报告和交叉验证。在这种推动下，评估工作大大提高了工作效率，节省了时间。

所以，模型的建立就是为我们梳理规律，总结更多的实证数据，做更多的减法。从实际工作来看，它出来的四级分类也符合我们对客户本身的经验判断和理解。可以进一步促进全流程流水线的自动化作业和我们服务更多客户的规模化问题。

所有的数据将进入这个数字化模块，它反馈给我们以前的模型。其实我们一直担心的是不良率比较低。因为对于整个数据来说，差客户对于你的风险定价是非常重要的，了解差客户是什么样的可以决定如何控制不良率，所以我们购买了大量的外部数据。同时，我们也在与一些同行和机构合作，在我们的算法模型中验证他们的优质和不良结果的数据，最终看评价的纬度是否可以优化。

贷后管理模块，大家应该熟悉贷后常规了解。我们需要在一两个月内对客户进行回访，我需要一些线下的强互动沟通，才能知道你的生意好不好。但实际上规模之后，一个客户经理一年可能只管理二三十个客户，所以我们会通过一些第三方数据，在贷后做一些补充。必要的时候，会对客户的账户进行锁定和跟踪，从他的账户中提取的所有款项和大额收款都会以数据的形式推送给我们。我给这个客户提供了三个月的短期贷款，他告诉我两个月就能收回30万。这笔钱一进入他的账户我就知道了，我可能对他的账户没有很强的监管，但是贷款之后，人工参与的成分就减少了，大大提高了效率。

第六，科技和金融的未来布局

IRM系统已经在我公司投入使用，效果很好。再往前一步，信息必须共享，经济也必须共享。

无论是整个IRM系统流水线，还是我们人工筛选后的客户算法模型，相信以后会有更多的机会与同仁分享小微企业信用识别和数据处理方面的进展。我们也期待在未来为我们的合作伙伴提供更多的帮助。

我今天就简单的跟大家分享这些，谢谢！

温馨提示：注：内容来源均采集于互联网，不要轻信任何，后果自负，本站不承担任何责任。若本站收录的信息无意侵犯了贵司版权，请给我们来信(j7hr0a@163.com)，我们会及时处理和回复。

原文地址"及时雨小额贷宋梅，及时雨小额贷款股份有限公司"：http://www.guoyinggangguan.com/xedk/134267.html。