清华金融评论

消费金融市场的特征和生态，对风险管理提出了更高的要求。本文总结了消费金融市场发展的特点，认为大数据技术可辅助消费金融企业增强贷前、贷中、贷后等环节的全流程风控，是推动消费金融生态实现良性发展的重要驱动力。

党的十九大报告提出，中国特色社会主义进入新时代，中国社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾。为了解决“不平衡不充分”的矛盾，满足中国经济结构转型和产业升级的客观要求，金融业应从消费金融、科技金融、普惠金融、绿色金融四个方面加大对实体经济的支持力度。从需求结构看，“不平衡不充分”主要体现为消费相对于投资的不平衡不充分。消费金融是金融业针对需求结构的不平衡不充分问题提出的解决方案，从以往主要为生产者服务转向更多地为消费者服务，从以往集中于经济发达地区更多地向中西部和乡村延伸，推动消费金融普惠广大人民群众。

消费金融市场的发展及特点

自2009年银监会发布《消费金融公司试点管理办法》以来，消费金融公司便于市场中开始酝酿。至2010年，首批4家消费金融试点公司的成立正式宣告了市场大门的开启。2016年的政府工作报告指出要“在全国开展消费金融公司试点，鼓励金融机构创新消费金融信贷产品”。政策的支持让消费金融公司迎来了更为快速的发展。目前，市场上持牌的消费金融公司有20多家，参与到消费金融市场中的企业则有数百家之多，市场规模约6万亿元左右，并且仍旧增长迅速，景象繁荣。

消费金融市场蓬勃发展的背后是宏观经济及政策的大趋势。国家经济由工业型向服务型转变、由投资驱动型向消费驱动型转变、由粗犷化向精细化转变，同时城镇化及互联网电商的发展进一步带动了消费升级，居民消费占国内生产总值（GDP） 比重逐步提升。十九大之后，满足人民日益增长的对美好生活的需求已成为各个机构和企业今后重要的工作或发展方向。然而我们面临的现实则是人均可支配收入仍然较少，且群体消费习惯正在发生改变，尤其是年轻群体的超前消费意愿强烈。同时，个人消费结构也向教育文娱、医疗美容、家装服饰、交通通信等多元化、品质化的方向转变，消费场景越来越细分，依托于各类消费场景的小额金融服务需求旺盛。这些状况使得个人市场在金融服务中的重要地位凸显。鉴于传统金融服务所能触达的人群及场景均有所限制，消费金融便应运而生，迎来了大好的发展机遇，消费金融市场也呈现出消费场景细分化、小额化以及消费人群年轻化、普惠化等特点。

消费金融市场的生态画像

迅速崛起并拥有巨大发展潜力的消费金融市场已逐步建立和完善生态环境，其中包含监管机构、个人征信机构、消费金融公司（线上及线下）、互联网电商平台、支付平台、金融科技服务公司、传统商业银行、数据服务商甚至物流企业等，当然还包括终端的消费金融服务使用者群体，参与主体呈现多元化的特点。

从生物学的角度讲，生态系统的稳定性可以划分为抵抗力稳定性与恢复力稳定性。考虑到金融市场所具备的社会属性，增强抵抗力稳定性是此种生态环境参与者们更为关注的目标，这要求生态系统存在多样性，多样性越高，其抵抗力稳定性也就越高。因此，从监管的角度看，消费金融领域各种创新业态和产品业务的发展需要得到支持，其合规及合法性也要得到保证。为了防范系统性风险的发生，还需要使其风险分散化，避免集团化（如团伙欺诈）和链条化（即单一客户或客群沿资金渠道的滚贷行为最终因利率过高导致资不抵债而违约）。从消费金融服务提供商的角度看，做到产品、渠道、客群差异化的同时，还要配合更加先进的金融科技手段，实现全流程精细化的风险及价值管理。这是由于随着普惠金融的发展以及消费水平和结构的升级，金融服务融入消费场景的趋势愈加明显，而这一融合过程带来的客户体验与风控方式之间的矛盾，需要依赖大数据技术等全新的金融科技模式来解决。

面对高速增长的消费需求和飞速增加的资金获取渠道，消费金融的客户群体还可能会出现欺诈、多头共债等风险隐患，如果不及时加以识别和控制，对生态系统的稳定性会造成很大的破坏。早年在日本，高利率、多头借贷以及暴力催收这臭名昭著的“消金三恶”便给消费金融市场造成了非常恶劣的影响。如今在中国，在消费金融市场蓬勃发展的同时，生态参与者也需要警惕类似的问题和风险。

消费金融市场的这些特征和生态，无疑对风险管理提出了更高的要求。美好生态的构建，除了需要监管层通过政策制定最高利率、额度上限等强制措施之外，企业提升风控的精细化、智慧化也是必要的手段，金融科技让这一切变为可能。例如，大数据风控可以弥补央行征信数据的不足，为企业提供准确的客户画像，有效发现和识别在各类细分消费场景下的欺诈及失信行为，为传统征信数据未有效覆盖的人群提供普惠金融服务。

大数据技术助力消费金融美好生态

随着市场不断变化，消费金融公司的产品业务不断更新扩张，传统单一的风控模式难以有效适应市场，快速更新迭代的大数据技术则可在全流程风险及价值管理方面为市场参与者提供支持，帮助其实现智慧型金融。从流程上来看，基于大数据和人工智能算法的数据挖掘和建模，可以帮助企业实现符合其业务特征和需求的各项定制化策略（含风控、获客、定价、额度、监控预警及催收等）。

在贷前环节，随着消费信贷市场的繁荣，中介和代理欺诈也越来越活跃，欺诈手段越来越多，违约倾向实时变化，传统单独使用申请信息的风控手段在遇到这种复杂情形时便会失效，而集成化的数据源结合了业务经验和深度学习算法，能深度整合非结构化且稀疏性的大数据，并根据数据质量（如有无信用标识、不同数据积累长度及缺失状况）针对不同客群以及产品生命周期进行建模及计算，则能为反欺诈和贷前信用评分提供裨益。比如在传统逻辑回归模型的基础上结合XGBoost（即2014年2月诞生的专注于梯度提升算法的机器学习函数库）等新兴高效的机器学习算法生成的反欺诈、信用评分模型，它们持续迭代，不仅可以更为准确地评估申请人资质，减少人工审核及复议的成本，也加快了批核流程，提高了用户体验。如此兼顾实时性、针对性及自学习特征的精细化建模和运营的模式，对于消费金融公司精准获客、提高销售潜能，以及针对不同客群制定分层定价和定额策略同样也大有帮助。

在贷中环节，大数据技术可以辅助实时监控、预警，并对是否提前催收进行评估。传统的贷中监控，方法单一、被动，需要人工全职跟进，运营成本高，效率低，且因信息不对称，使得金融机构无法对诸多风险进行有效识别。也正由于传统的贷中管理方法仅依靠人工，跟进速度缓慢，发现问题滞后情况严重。大数据技术则可以有效改变这些问题，根据用户在贷中的行为表现、金融属性、其个人及关联人的信用状况等信息，对触发规则的用户实时预警。同时，评分模型自动输出的评估结果也可以作为判断用户能否自愈或是否需要提前催收的有效指标，大幅提高了消费金融服务的准确率和时效性。

在贷后环节，大数据技术可以辅助进行催收效果评估以及资产处置价值评估。与以往低效、高成本的催收方式相比，基于大数据技术的催收系统更加智能化，迭代快，融合多方数据使用机器学习算法对催收效果给出综合评估，对催收行为给出准确指引，这使得催收效率提高，成本下降。而基于催收评分的不良资产处置价值评估则更能反映出资产的预期回款状况，有助于增加资产包在市场上的流动性。可见，大数据技术使得催收和资产处置环节效率更高，衔接也更流畅，一定程度上减少了传统催收方式带来的暴力催收等社会问题。

除此之外，随着消费金融客群的消费习惯逐渐养成，大数据技术还可以深入挖掘老客户价值，对其贷中贷后实现更加精细化的管理，增强客户体验的同时也为企业带来新的收入。

由此可见，作为消费金融生态里的中坚力量，消费金融公司若能在全流程风控和价值管理这两方面都形成核心竞争力，其自身的健康发展便有了保障。而对于消费金融所服务的客群，其资金需求和消费需求得到合理匹配，美好生活方才可期。大数据技术作为推动这一生态向着美好发展的重要驱动力，不可或缺。值得注意的是，在消费金融良性发展过程中，数据的开放性和安全性之间如何平衡，尚须监管层和消费金融公司以及其他生态参与者共同考量。总之，消费金融市场的发展离不开大数据，数据的合理使用，规范化行业大数据共享平台或准则的建立，也将是未来大数据技术能够真正施展拳脚、辅助生态去莠存良的有效办法。消费金融产品的提供方，需要在保护用户隐私、保障信息安全并高效控制风险的前提之下，将金融服务普及大众，为新经济注入活力。

（季元为百融金服CRO，申宇峰为百融金服风险管理部华北区总监。本文编辑/王蕾）