国产末成年av在线播放_色 亚洲日韩 国产 综合_成人网站视频免费在线观看_可以免费看的黄色网站_草草在线播放无码_亚洲成人黄色av天堂_亚洲女同精品一区二区久久_亚洲综合另类小说专区_99国内偷拍福利_一级免费视频片高清无码

本文由公眾號“蘇寧財富資訊”原創(chuàng)，作者為蘇寧金融研究院院長助理薛洪言。

　　在消費金融行業(yè)，所有人都想遠離風險，所有人也在追逐增長。

　　行業(yè)早中期，藍海紅利，順風順水，此時的增長，是無約束的增長——既能遠離風險，又可追逐增長；

　　行業(yè)中后期，紅海競爭，逆水行舟，此時，要增長，就不得不擁抱多重約束——要擁抱科技也要擁抱開放，要控制用戶風險也要擁抱風險用戶。

　　增長背后的約束條件越來越多，消費金融，正在雞蛋上跳舞。

　　圈 層

　　風口之下，消費貸款產(chǎn)品不止萬千，若用年化利率劃線，只有三類：(0, 18%]、 (18%, 36%]及(36%，∞]。其中，(0, 18%]的產(chǎn)品以銀行和巨頭為主，其他持牌產(chǎn)品多在(18%, 36%]區(qū)間，(36%，∞]屬于違規(guī)產(chǎn)品，本文不做討論。

　　年化利率36%，所有貸款產(chǎn)品的合規(guī)上限。

　　2015年8月，最高人民法院發(fā)布《關于審理民間借貸案件適用法律若干問題的規(guī)定》，第二十四條明確指出“借貸雙方約定的利率未超過年利率24%，出借人請求借款人按照約定的利率支付利息的，人民法院應予支持。借貸雙方約定的利率超過年利率36%，超過部分的利息約定無效。借款人請求出借人返還已支付的超過年利率36%部分的利息的，人民法院應予支持?！?/p>

　　里面提到兩條線，24%和36%。

　　未超過24%的部分，受法律保護；超過36%的部分，約定無效，借款人可以起訴放貸機構要求返還；介于二者之間，屬于自然債務，法院既不保護，也不禁止。

　　2017年12月，監(jiān)管機構發(fā)布《關于規(guī)范整頓“現(xiàn)金貸”業(yè)務的通知》，明確要求“各類機構以利率和各種費用形式對借款人收取的綜合資金成本應符合最高人民法院關于民間借貸利率的規(guī)定，禁止發(fā)放或撮合違反法律有關利率規(guī)定的貸款?！?/p>

　　至此，36%，成為貸款定價的合規(guī)上限。

　　年化利率18%，銀行的隱形天花板。

　　隨著利率市場化的推進，早在2004年銀行貸款就已開放上限，18%，本是信用卡頭上的緊箍咒。1999年發(fā)布的《銀行卡業(yè)務管理辦法》明確要求信用卡透支日利率為萬分之五；之后，隨著利率管制的放松，萬分之五變成了信用卡業(yè)務的定價上限，如2016年4月人民銀行發(fā)布《關于信用卡業(yè)務有關事項的通知》，明確提出“對信用卡透支利率實行上限和下限管理，透支利率上限為日利率萬分之五，透支利率下限為日利率萬分之五的0.7倍”。

　　日息萬分之五，對應年息（日息×360）18%。信用卡是銀行主力消費貸款產(chǎn)品，用戶輻射范圍最廣，慢慢地，信用卡的定價上限也成了銀行消費貸款利率定價的隱形天花板。

　　利率分層，對應用戶圈層。優(yōu)質用戶，在銀行射程之內，年息低于18%，對高息網(wǎng)貸產(chǎn)品無感；銀行射程之外的群體，成了網(wǎng)貸機構的座上賓。

　　通常，當消費貸款機構這樣介紹自己時，如“為傳統(tǒng)金融機構無法覆蓋的年輕人提供貸款服務”，或“為中低收入消費者提供貸款服務”，潛臺詞就是它們不跟銀行競爭，只面向銀行不做的用戶，提供利率定價(18%, 36%]的貸款（也可能超過36%）。

　　出 圈

　　定價區(qū)間(0, 18%]的限定，強化了銀行用戶偏好。

　　傳統(tǒng)上，銀行消費貸款偏好公務員、國企和事業(yè)單位員工三大群體（車貸、房貸等抵押貸款暫且不論）。這三類用戶，工作單位信譽卓著，憑“在職證明”即可申請貸款，且額度最高、利率最低；非此三類，則需先通過公積金、代發(fā)薪、房貸、信用卡消費記錄等方式展示財力，銀行才酌情批復額度，定價通常較高。

　　三大客群，畢竟數(shù)量有限。如截止2016年末，我國國企員工（含事業(yè)單位）總數(shù)3049萬人，公務員719萬人，合計不足四千萬，按十分之一的滲透率計，貸款客群不足四百萬。

　　在“對公放貸、零售吸儲”的時代，這個客群勉強還可應付；當銀行力推零售轉型，指望消費貸接棒公司貸時，死守三大群體就行不通了，出圈勢在必行。

　　出圈，意味著擁抱風險客群（相比三大客群而言）。在擁抱策略上，與互聯(lián)網(wǎng)渠道合作，很快成為主流手段。不過，在具體產(chǎn)品選擇上，大行與小行選了不同的路：全國性銀行出圈靠信用卡，消費貸仍固守優(yōu)質客群；區(qū)域性銀行出圈靠消費貸款，借力助貸全面下沉。

　　客觀來講，下拓用戶邊界，信用卡強于消費貸：一則信用卡需要面簽，可有效規(guī)避欺詐風險；二則信用卡與消費場景強相關，資金流向真實可控；三則信用卡導流是真導流，風控主導權在銀行手中，用戶主導權也在銀行手中。

　　2016年以來，全國性銀行發(fā)力信用卡，與互聯(lián)網(wǎng)渠道合作，發(fā)卡量、未償貸款余額均保持高速增長；消費貸延續(xù)穩(wěn)健道路，靠公積金、代發(fā)薪等硬核收入數(shù)據(jù)緩慢轉化。就區(qū)域銀行來講，發(fā)力信用卡在線下激活環(huán)節(jié)受到網(wǎng)點數(shù)量較少的制約，只好把零售轉型的希望寄托在“助貸”上。

　　在助貸模式下，消費貸款由傳統(tǒng)的B2C業(yè)務演化成B2B2C業(yè)務，銀行作為資金方，是第一個B；助貸機構作為中介，是第二個B；借款人為C，多數(shù)沒有央行征信，也缺乏公積金等硬核財務數(shù)據(jù)。

　　這個客群，不再是傳統(tǒng)意義上的優(yōu)質客群，風控不靠“在職證明”靠大數(shù)據(jù)，銀行卻不掌握用戶數(shù)據(jù)。所以，助貸業(yè)務中，銀行不僅依賴助貸機構流量，還依賴其風控能力。

　　慢慢地，銀行蛻變?yōu)橘Y金方，拿著10%左右的固定收益；助貸機構作為導流方和風控方，切走10%-15%的收益；對應到借款人，便是20%-36%的年利率。登上助貸的船，銀行消費貸資金，突破了18%的限制，出圈了。

　　重 混

　　圈層意味著格局固化與停滯，跨圈重混則帶來活力和增長。如凱文·凱利就認為，增長源于重混，并引用兩位經(jīng)濟學家的觀點予以佐證：

　　“紐約大學經(jīng)濟學家保羅?羅默專門研究經(jīng)濟增長理論，他認為真正可持續(xù)的經(jīng)濟增長并非源于新資源的發(fā)現(xiàn)和利用，而是源于將已有的資源重新安排后使其產(chǎn)生更大的價值。圣塔菲研究所的經(jīng)濟學家布萊恩?亞瑟專門研究技術增長的動態(tài)過程，他認為所有的新技術都源于已有技術的組合”。——《必然》

　　銀行資金混合互聯(lián)網(wǎng)流量，消費金融行業(yè)如脫韁野馬，迎來爆發(fā)式增長。增長強化增長，消費金融風口效應形成后，引來各方加速布局，消費金融便如雪球般越滾越大。據(jù)奧維咨詢估算，2018年末，線上消費貸款余額1.5萬億元，較2016年實現(xiàn)近四倍增長。

　　行業(yè)爆發(fā)式增長，消費金融獲客成本水漲船高。以玖富為例，2016年，新增借款人平均獲客成本33元，2019年一季度漲至324元，兩年內十倍增長。其中，網(wǎng)民增速的下降是重要原因，據(jù)Questmobile數(shù)據(jù)，2019年一季度，移動互聯(lián)網(wǎng)月活用戶僅凈增762萬，就市場中450萬APP來分，平均新增2個活躍用戶而已。

　　流量愈發(fā)稀缺，為了增長，消費金融機構想盡一切辦法。

　　有些機構鋌而走險，重操舊業(yè)，通過會員費、意外險、強制搭售商品及各種名目的服務費，變相提高綜合收費，破了36%的限，向高風險用戶滲透。

　　有些機構，則聚焦存量用戶，提高復借率，提升借款額度。如360金融，季度復借率超過60%；拍拍貸，超過70%；玖富和趣店，高達90%。

　　在發(fā)掘自家存量用戶的同時，大家也在密集、高效發(fā)掘行業(yè)存量用戶：

　　如以卡下卡，你在工行有信用卡，那我浦發(fā)也給你發(fā)張卡；

　　如信用卡代償，你是持卡人，那信譽肯定不錯，我來幫你做賬單代償吧；

　　如芝麻分，你的芝麻分還不錯，給你提高額度吧；

　　最厲害的還是貸款超市，流量越來越金貴，一個用戶恨不得賣給100個放貸機構；

　　……

　　增長自帶魔力，大家對增長上了癮，盡力發(fā)掘著增長空間?？稍鲩L的盡頭，是風險。

　　隱 憂

　　貸款風險取決于借款人還款能力。決定還款能力的是收入，收入又分為兩類：工資性收入和其他收入。工資收入穩(wěn)定可預測，常被作為還款能力的晴雨表；其他收入波動性大，在信用評估中不被認可。

　　就傳統(tǒng)的銀行消費貸來看，無論是公務員、國企及事業(yè)單位員工的身份認證，還是公積金、工資流水的財力證明，銀行所看中的，無非是收入的穩(wěn)定性。

　　出圈之后，互聯(lián)網(wǎng)借款人缺乏穩(wěn)定收入，收入邏輯不再適用，風控交給大數(shù)據(jù)。大數(shù)據(jù)風控標榜上千個模型、上萬個變量，效果有目共睹。

　　但大數(shù)據(jù)風控依賴統(tǒng)計學模型，展示的是相關關系，而非因果關系。一旦沒能掌握核心變量，相關關系的存在邏輯便失去支撐。

　　比如說，A是一個現(xiàn)象，B是一個現(xiàn)象，基于共同的原因C，A和B在統(tǒng)計上存在顯著相關關系。如果模型沒有觀測到C，而是通過D、E、F等變量注意到A和B的相關性。這個時候，模型就存在缺陷——C若不變，模型有效，C若逆轉，模型瞬間失效，甚至在建模人眼中失效地莫名其妙。

　　我們知道，互聯(lián)網(wǎng)借款人存在廣泛的以貸還貸現(xiàn)象。當借款人以貸還貸時，多頭借貸是因，正常還款是果。我們假定大數(shù)據(jù)模型無法準確掌握多頭借貸數(shù)據(jù)（某種程度上也是客觀現(xiàn)實），而是通過學歷、消費數(shù)據(jù)、社交信息等變量做信用評估，從結果上看借款人果真履約良好、不良率低，便認為模型是有效的。

　　一旦因監(jiān)管等外部因素導致貸款供給快速下降，借款人以貸還貸鏈條斷裂，“優(yōu)質”用戶會變不良用戶，讓人措手不及。2017年12月現(xiàn)金貸新規(guī)發(fā)布后，信貸供給短期內大幅縮水，部分借款人多頭借貸鏈條斷裂，導致平臺逾期率普遍攀升，背后便是這個邏輯。

　　這一缺陷并非無法彌補，理論上，變量越多，遺漏核心變量的概率越低，模型穩(wěn)固性越強。但這里也有一個悖論，大數(shù)據(jù)模型的完善是漸進的，模型完善之前業(yè)務存量已經(jīng)巨大，一旦某個核心變量在中后期納入，導致對特定借款人群風控結論逆轉，后續(xù)調整策略本身就會引發(fā)風險。

　　舉例來說，隨著多頭數(shù)據(jù)的完善，平臺一旦發(fā)現(xiàn)存量借款人中隱藏著大量多頭人群，為控制風險，必然要掐斷這些人的續(xù)貸申請，導致其資金鏈斷裂，繼而通過多頭鏈條引發(fā)行業(yè)風險。

　　貸款是風險資產(chǎn)，規(guī)模越大，風險越大，這個規(guī)律不因“科技驅動金融”而改變。

　　復 雜

　　增長仍在持續(xù)，風險仍在積聚。

　　增長與風險為伴，合格的金融機構，不因風險而退縮。問題是，借“助貸”出圈的銀行，連同風控一并外包。自己踩油門，別人踩剎車，聯(lián)動與協(xié)調一旦出錯，必然要出車禍。

　　但是，這既非助貸的問題，也非風控外包的問題，只是與開放趨勢相伴而來的復雜化在風控領域的表現(xiàn)。站在更廣的視角，行業(yè)分工加速細化，要增長就要開放合作。合作者也是競爭者，競爭者又是合作者，協(xié)同與博弈同在，業(yè)務必然走向復雜化。

　　對于這種復雜化，金融機構既無法回避，更不能奢望時機成熟再涉身其中，因為一旦貽誤戰(zhàn)機，就會喪失競爭力。

　　商業(yè)模式愈來愈復雜。一部分機構，將被淘汰出局，活下來的，將持續(xù)在雞蛋上跳舞。

本文首發(fā)于微信公眾號：蘇寧財富資訊。

【免責聲明】本文僅代表作者本人觀點，與本網(wǎng)站無關。本網(wǎng)站對文中陳述、觀點判斷保持中立，不對所包含內容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考，并請自行承擔全部責任。