|
随着政策支持力度加大以及市场消费升级的大趋势，消费金融公司迎来了广阔的发展空间，其良好表现和业绩也在吸引新人进入。然而，行业快速发展也伴随着“成长的烦恼”——传统风险控制手段遭遇瓶颈，提升风控能力、加强风控创新成为各家公司的必然选择
光大银行日前发布公告称，将与中青旅及其他发起人共同发起设立北京阳光消费金融公司，注册资本10亿元。此外，由中信集团、中信信托与金蝶国际合资成立的中信消费金融公司已获监管审批通过。
从已披露的半年报来看，多数消费金融公司资产规模有较大幅度增长，招联消费金融、兴业消费金融的净利润增速抢眼。
然而，行业快速发展也伴随着成长的烦恼——传统风险控制手段遭遇瓶颈，提升风控能力、加强风控创新成为各家公司的必然选择。业内人士普遍认为，用基于数据和技术驱动的方式来管理个人消费信贷业务中的各种风险，将是消费金融风控领域今后的发展方向。
消费金融市场广阔
商业银行发起设立消费金融公司，一方面可借助其发起人的场景优势，实现精准获客;一方面也可发挥自身资金成本低的优势
消费金融公司扩容，再次印证了业界对消费金融市场前景的认可。
从政策层面看，中国银保监会在日前发布的《关于进一步做好信贷工作提升服务实体经济质效的通知》中明确提出，积极发展消费金融，增强消费对经济的拉动作用。其中，有3方面备受市场关注：一是提供和改进“差异化”金融产品和服务，提出要适应多样化多层次消费需求;二是“支持发展消费信贷”，满足人民群众日益增长的美好生活需要;三是“创新金融服务方式”，提出要积极满足旅游、教育、文化、健康、养老等升级型消费的金融需求。
升级型消费，尤其是旅游、健康养老行业，正是光大银行此次瞄准的市场机遇。据了解，光大银行此前已与中青旅在信用卡领域展开合作，若消费金融公司获批运营，今后二者将在旅游分期产品等旅游消费领域开展更多探索。
从实践层面看，实力较强的银行系消费金融公司风头正劲。以招商银行和中国联通共同发起设立的招联消费金融公司为例，截至今年6月末，该公司营收、净利润分别达到了30.4亿元和6.04亿元，同比增长32.3%和11.6%。上半年，兴业消费金融公司实现“爆发式”业绩增长。截至今年6月末，该公司净利润同比增幅高达119.78%，半年实现净利润2亿元，与2017年全年的数据持平。
从机制层面看，多家商业银行早已开展“个人消费信贷”，并将其视为提高零售利润水平的重要抓手，那么为何还要专门成立消费金融公司?业内人士表示，在个人贷款业务领域，商业银行更擅长房贷、车贷等业务，而消费信贷则专注于满足3个月到1年的短期消费资金需求，如买家电、服装、旅行、装修等，此类需求要深度嵌入消费场景之中。
由此，商业银行发起设立消费金融公司，一方面可借助其发起人的场景优势，实现精准获客;一方面也可发挥自身资金成本低优势。因为按照监管要求，消费金融公司不得吸收公众存款，其资金来源以股东为主。此外，商业银行还可发挥消费金融公司独立法人的体制机制优势，更加灵活、高效地开展业务。
传统风控遇瓶颈
消费金融行业面临的风险突出表现为两方面：一是外在欺诈和信用风险，造成逾期、骗贷和坏账压力，二是公司内在的合规风险和金融服务流程优化压力
行业的快速发展也伴随着“成长的烦恼”——传统的风险控制手段遭遇瓶颈，提升风控能力、加强风控创新成为消费金融公司的必然选择。
目前，纯线上互联网放贷已成为多家消费金融公司的运营模式，在此背景下，其面临的风险突出表现为两方面：一是外在欺诈和信用风险，造成逾期、骗贷和坏账压力，二是公司内在的合规风险和金融服务流程优化压力。
此外，由网络黑产主导的消费金融欺诈频发，已渗透到消费金融的营销、注册、借贷、支付等多个环节。金融城和麻袋研究院联合发布的《消费金融风控创新白皮书》显示，2017年黑产从业人员超150万人，年产值达千亿元级别，其主要攻击对象之一，就是用数据分析手段开展金融业务的消费金融平台。
面对上述问题，传统的风控手段局限性日益凸显。首先，消费金融业务中的欺诈行为和消费场景紧密结合，呈现出跨界特征，而传统风控手段信息维度单一，如往往只是依靠资产、现金流、职业属性来判断借款人的收入情况，却无法了解借款人在不同互联网场景中的行为信息。其次，互联网消费金融业务客群下沉、交易频繁、实时性强、数据量大，风险行为也相应呈现出小额、高频的特征。传统风控手段虽然能依靠线下面签来降低欺诈风险，但却便捷度较低，无法应对高发并发的风险事件。再次，传统风控手段下的客群局限性较大，将信用信息不足的蓝领消费者等排除在外。据不完全统计，我国目前不使用信用卡和没有其他借贷记录的信用“白户”约为4亿人。
风控创新再出发
生物特征识别、机器学习与模型训练、大数据抓取与数据处理这3项技术受到业内普遍重视，有望得到深度挖掘与应用
随着金融科技的发展和应用的落地，创新风控手段，重视用“技术+数据”开展风险管理已成为消费金融公司的共识。
具体来看，生物特征识别、机器学习与模型训练、大数据抓取与数据处理这3项技术受到业内普遍重视，有望得到深度挖掘与应用。
针对生物识别，其可细分为指纹、人脸、虹膜识别，以及笔迹、声音、步态等行为特征识别。其中，指纹识别应用最广，占市场份额的58%，人脸识别份额为18%，新兴的虹膜识别市场份额为7%，掌纹识别、声纹识别、静脉识别份额较小，尚处在探索阶段。
据了解，下一步虹膜识别有望在消费金融市场进一步“大展身手”。多家消费金融公司相关负责人表示，每个人的虹膜都具有唯一性，这个“身体密码”比指纹、密钥的安全系数更高，虹膜识别具有超高的精准性和便捷性，可在防欺诈领域发挥重要作用。
目前，该技术主要应用于支付和商业银行的金库、保险箱等防盗系统，如民生银行用虹膜支付替代短信验证码，用户在支付环节只需“交易密码+虹膜验证”即可完成。
所谓“机器学习与模型训练”，则是指计算机通过模拟人类的学习行为，获得新知识和技能，并重新组织已学习到的知识技能，使之在应用中不断修复自身缺陷，其在消费金融领域主要应用于欺诈检测、客户关系管理、客服机器人。
此外，大数据抓取与处理手段将在“反欺诈模型”建设中发挥更加突出的作用。“对于反欺诈，要采用多种策略综合验证的方法来打击欺诈攻击。”蚂蚁金服相关负责人说，例如，设立“黑名单”，拦截有不良欺诈记录的申请人，数据可包含央行征信系统、公安联网系统、专业从事反欺诈的第三方数据。对于群体性欺诈攻击，可进行集群分析，利用链式聚类技术，实现无限层次申请链分析。另外，还可开展逻辑违规算法，将多个弱相关变量放在一起，由于反欺诈变量多，可以综合建模来判断整体有效性。
