作者：戴星
小额信贷已有数千年的历史，相比1407年发端于意大利的现代银行体系，小额信贷的诞生与服务目标完全不同。现代银行体系的诞生是伴随贸易发展，从支付信用发展起来的，很长一段时期，其主要服务对象是企业的经营活动，信贷也主要围绕大额信贷开展，延至今天，中国银行业信贷规模中80%以上都是相对大额的企业经营类贷款，即使服务于个人，90%以上个人信贷额度也是围绕20%的头部收入群体，银行业服务于“富裕”群体的特征十分明显。小额信贷的历史远长于银行业，其发展是建立于个体信用基础上，主要功能是“救急”，即满足人们急用款的需求，由于额度小、手续快且无用途限制，一直是缺少正常资产信用的“草根”们的主流融资渠道，属于民间金融范畴。
现代银行体系建立后，随着市场竞争的激烈，财大气粗的银行不止一次想要覆盖小额信贷的民间金融领域，但基本都铩羽而归，其核心难题就在于低零售利率与高信用成本之间的矛盾难以解决。现代银行业诞生后，因利率对通胀具有指针作用而成为监管风险管理的重心之一，同时银行业的相对低利率有利于其在最主要的资金批发业务上维持竞争力，成为阻挡民间金融做“大生意”的护城河。但银行拿着这个优势跑到“草根”的零售市场上就不同了，低收入群体小额贷款依靠人脉信用，他们在银行存款少、业务少，银行基本不掌握信息，同时额度太小，利息收入覆盖不了银行获客和审批成本，违约后也往往因诉讼成本大于借款额而无法追索，导致传统银行在这个领域赔本还不赚吆喝。民间金融的“强人脉、高利率、快周转、催收猛”的优势，令传统银行无可奈何，两方在几百年间一直维持着一种生态平衡。
二十世纪中期，随着邮购业务的开展，美国信用卡公司与FICO等金融统计服务公司联合开发了基于统计概率的评分卡，以解决邮购赊销难题。这个方案在银行业介入后，很快被开发成一种新的零售产品，由此发展出了信用卡授信业务。这使得银行业第一次有了小额贷款营销工具。上世纪80年代后期，随着全球经济上升，欧美银行业乘着统计学的东风，大刀阔斧地冲入民间金融腹地，全球信用卡突飞猛进。信用卡这个营销工具有很强的利率包装作用，各种明暗的费用加进去，有高于银行两三倍以上的正常利率空间，成为银行新的现金牛。银行业热捧也导致竞争加剧，开始对发卡对象饥不择食，只要确认身份就能发卡授信，很像今天现金贷的发展样式，但在之后的90年代末期，尤其是97年金融危机之后，全球多地都出现了严重的“信用卡违约潮”，个别地区甚至出现了高达30%以上的不良率，导致全球信用卡业务出现大幅回落。我国银行业从上世纪90年代中后期引入信用卡业务，也一度学习欧美产品创新，但很快在一些领域遭受到坏账挫折，之后退回到有资产记录的客户群体之中，信用卡与民间小额信贷的平衡基本回到了原点。
2000年前后，遭受金融危机的银行业趋于保守，反过来带给民间金融一个黄金发展期，在这个阶段，尤努斯的孟加拉模式、印尼的国民小贷和玻利维亚芬卡的扶贫基金模式，受到了正规金融的重视，纷纷被所在地国家纳入主流体系中，尤努斯的格莱珉模式更因获得诺贝尔奖而名噪一时，在中国之后的互金时代涌现出了几百家挂名徒弟。
同一时期，国家开发银行引入世行专家，向国内的城商行、农商行（农信社）和村镇银行推广德国中小银行IPC和美国富国银行经验，成为我国银行业小额贷款的标杆。为了解决小微企业融资难题，我国还创新地建立了小额贷款公司这种中国特色，尝试将民间金融阳光化管理，到2010年前后，中国的小额贷款公司注册数量达到了近万家，年贷款余额达到近万亿元，在小额信贷领域居于全球领先地位。这期间，在信贷业务领域，银行主营大额、高净值零售和扶贫业务，民间金融（包括小贷、典当、融租、担保等）主营快周转类和非标零售业务的信贷市场格局相对建立。
新一轮格局的突变在2010年后到来了，但这一次改变不再源于金融领域内部，而是一群互联网“野蛮人”的敲门。2013年前后，中国互联网业的猛人发话，“银行不改变我就颠覆他”，互联网支付先冲进银行理财领域，接着又用各种煽动式营销力量，利用P2P猛攻小额信贷领域。传统小贷受到资本金来源、地域和杠杆限制，P2P来了正好解决了三大发展瓶颈，所以一拍即合，于是有牌照和没牌照的大量民间金融借助P2P，以小额信贷线上化的名义跨越式地发展起来。P2P从2007年进入中国，但真正的起步公认在2013年，到2016年，跳跃式起步三年的P2P的资产规模已经达到线下小贷的2倍，已经开始觊觎银行业的规模了。直到2017年开始的治理整顿阻止了这场“颠覆”。经过治理整顿，P2P资金端正被银行业以存管等方式“收编”为互联网银行，P2P的资产端连带着各种小额信贷主体，也逐步转为主流金融机构的助贷方，残存的网络现金贷主体开始大批转向海外。银行业成为这场冲击的最终胜利者。在新一轮信贷行业洗牌中，我国制度创新地发明了“网络小贷”这个主体，留给那些曾经想颠覆银行业的互联网猛人们一块空间，成为对他们奋力创新历史的一种奖励。
风控是信贷的核心，但对风控的理解却没有真理，往往都需要从失败中总结积累。信贷业务的风控，按阶段分为贷前、贷中和贷后；按核查逻辑则分为信用评价、还款能力评价、违约成本评估、增信水平评价等。重视哪个阶段、重视哪种技术，往往要根据自身业务场景来判断，不存在一成不变的原理。
银行业和小额信贷发展经历的不同，导致其对风控的理解十分不同。银行业主营在大额企业信贷上，风控的核心在于财务审核和对经营趋势的把握；而小额信贷则主要关注信用评价和后端催收手段。由于风控带着强烈的实践性，与经济周期、国民性、地域发展特点等诸多要素关联，从信贷风控的技术理论上看，尽管小额信贷行业已有千年历史，银行业也有600年发展，但所依赖的风控技术基础理论上一直没有突破，依托的是两个基本理论，一是技术经济学，用来还原财务报表，用现金流和IRR测算来解释还款能力和利率定价；二是信用评估技术，用历史信用信息解释借款人的还款意愿。近年来，随着行为心理学和社会学研究的深入，违约成本评估理论逐渐兴起，在农贷和保险类场景中正成为国外新的研究方向，但由于缺少长周期实践数据，目前还处于试验阶段。
从实操角度看，中国的小额信贷则处于前所未有的创新期，各种宣传五花八门，大数据、人工智能、区块链、生物识别等，将人们带入了一种金融科技解决所有问题的想象中。如果能从线上流量低成本获客，通过大数据获取信息，以模型秒批秒贷，那么困扰全世界的小额贷款难题马上就可迎刃而解。国家正在大力鼓励主流金融机构加大普惠金融投入，我国上万家规模金融和保险机构，包括很多民间信贷主体都在纷纷响应号召加入小额信贷的大军，互联网大军在信贷端失去的辉煌，正在用金融科技的形式重新来过。
在金融科技风生水起的同时，一个风险悖论也在同时敲问：如果金融科技能有效解决成本和风险问题，小额信贷的利率应该可大幅度下降。但根据北京、上海等地不完整统计，大数据和人工智能技术未普及的P2P发展前期，从2012年到2015年，民间金融利率从平均年化50%降低到年化20%左右，但到2018年，当金融科技已经在民间金融普遍使用后，利率却反升到40%以上。同期，应用金融科技的银行小额信贷利率也普遍上升了至少3个点。利率上升反应的是资产风险，使用金融科技后仍要依赖高利率覆盖风险，那么金融科技的价值又在哪里呢？这个悖论的症结需要从金融科技的实际内核来分析。
传统小额信贷都是线下获客、线下审核、线下管理，这套模式所依赖的风控能力不是技术而是人员经验和人脉。所以一个好的小额信贷模式中，必然要突出业务人员培训和内控管理能力，国际上三大扶贫小贷模式以及国内头部的中和、瀚华等小贷无不如此。好人员的选择，强调的是好人品、勤奋和情怀，而选择培养的模式就是类师徒的作坊体系。这不是民间金融特有的，银行业做传统业务也是一样。此模式虽历经千年传承被证明行之有效，但有个最大的弊病，就是人员的选择和培养太慢，建立起一个好的管控制度体系太难，所以干小额贷款的很多，干得好不赔钱的少。要想不赔钱，大多数人想的办法仍是用高利率来弥补风控能力不足。按传统小贷经营路径，如果固守一地或一行，由于人脉积累和信息积累够了，获客成本和风控成本是很低的，线下相比线上反而优势明显，缺点仍然是太慢太小，只有固守百年小店基业的人才会干。要想快速做大做强，依靠在各个地方开分店的方式容易失控，所以在互联网普及的时代就自然有了通过线上流量获客的朴素想法。
但资产上线不易，P2P在其高速发展期中，资产业务的核心大部分是线下模式，贷款客户从线下来，资金从线上来，创新主要在支付结算端。而在贷款端，以大单、抵押贷等传统线下资产为主，其主要服务的是经营贷主体。2015年之后，随着整顿要求的逐步细化，大单和抵押贷都因为合规问题逐步退出，资产才逐步转向了无抵押的个人信用小额贷款。个人小额信贷初期的主流获客模式仍然是开门店，重线下，按银行信用卡模式进行进件和信用评估，后台则使用了源自淡马锡的信贷工厂进行风控审核，后来发现这个模式虽然资产质量比较好，但成本太高了，同时后台信贷工厂几百上千人，流动性太大难以管理，而且其中还遇到了一些门店包装贷款的问题，最关键是资本市场不认同，于是逐步被新的导流模式所替代。
所谓导流模式，就是利用互联网流量获客，利用大数据评分审核放款，这个模式的想象空间极好，完美地把成本低和风险低这两个矛盾解决了，还提升了客户体验，扩大市场规模，解决了用人带来的管理难题，不仅互金企业高兴，银行更喜欢（只是没有互金企业开路，银行不敢当“小白鼠”）。在实践中，这个模式首先遇到的问题，就是纯线上获客，很容易把坏人都吸引来，以前P2P起家时之所以不敢线上获取贷款客户，主要就是因为无法识别借款人的状态，曾经某互金网站开了个小额信贷的业务，结果一晚上被人家骗了数千万，这种惨痛经历就导致所有线上做信贷的都要把反欺诈放在第一位。今天几乎所有的金融信贷领域大数据公司都在宣传反欺诈，其中主要的技术手段就是利用活体识别、图像识别来甄别借款人是否是本人，利用后台的社会信用信息来解读借款人有无劣迹，技术实质是搞个黑白名单。风控逻辑中把以前银行信用卡的信用评价逻辑用到了不了解的群体上，但一不像银行信用卡那样可以掌握精准的个人业务信息，二是黑名单覆盖人群太少，三是社会信用信息未经验证的数据和掺水的数据较多，导致这样的信用评估模型风险远比想象的大，没有前端获客渠道把握情况下，仍只能采用高利率来覆盖风险。尽管如此，有了大家前仆后继的使用，技术提升的速度还是非常快的，主要体现在：
1、 海量标签的图像信息试算和长年“维稳”要求，使得我国图像识别模型优化水平独步全球，在没有欧洲GDPR那样严格的个人信息使用要求下，我国金融业在图像识别反欺诈应用方面可以单骑飚进。最近支付宝正在全国推图像识别支付，就建立在这样的技术自信基础上。
2、 实名制全面实行后，某些互联网领域的严重垄断，使得互联网寡头具备高覆盖率人群交易数据，在社会信用信息建设上堪比欧美百年的征信机构。欧美征信业发展受到个人信用信息搜集使用的严格监管，且市场竞争条件下想垄断信息非常困难，所以历经百年才有今日。但我国互联网的高度垄断带来的数据大集合，在短短几年内已经跨越了欧美百年历程，这些数据对于个人信用评价提供了有价值的参考维度。
3、 互联网获客带来了流量的竞争，互联网寡头掌控了获客成本和客户信息，其竞争能力直逼银行，导致银行不得不投入力量支持互联网助贷业务，这使得互联网导流行业得到了相比欧美更好的发展空间。
但也应该看到，技术提升后的红利领域依然是狭小的，而且是有天花板的。依赖互联网的大数据和流量，其客户资源也基本限制在了“互联网一代”身上。其代表就是现金贷和消费分期类的业务，业务规模可以迅速扩大，但客户分层却并不是数据风控驱动的，而是基本依赖流量的控制。互联网巨头和银行依靠自身的流量和客户资源能力，分食最好的客户渠道和资源；消费金融公司和保险公司分食下一口，最次的就留给民间现金贷，所以大家看到同样利用大数据风控，头部互联网银行规模大、坏账比率低，而民间现金贷公司却不能谈坏账只谈收益。看上去似乎是数据风控能力的差异，但实际上是人群营销能力的差异。对于底部现金贷公司来说，能拿到的很多借款人都是复借率超过7、8次的人了，只要没有太多负面，都被抢过去继续贷款，最大的风控手段反而成了利率。在一轮轮线上贷款利率的攀升背后，互联网贷款的优质客户资源逐渐枯竭，天花板逐渐逼近。在这个阶段，风控评分模型基本同质，技术已让位于导流能力，谁导来最好的渠道客户，谁就逾期指标喜人，反过来谁家的利率就要继续抬升。
以统计为基础的大数据评分技术在上一轮信用卡违约潮中已被证明过了，单纯依赖评分而不是对客户的实际场景掌控来控制风险，在经济下行期就是个伪命题。而现在的互联网小额贷款的利率悖论，又一次证明了技术只有与场景把握力结合才有意义。
与热闹的线上小额贷款不同，农贷、供应链等场景和抵质押信贷中，传统小额贷款模式依然在耕耘。当国家吹响普惠金融号角时，真正支农支小的信贷主力市场——小微经营贷领域，仍处于重度线下操作中。线上信贷突出的风控中的几大技术亮点，尤其是秒批秒贷打分卡模型，在面对以还款能力为核心的小额经营贷款风控需求时难以适应。进入小镇和农村，有效的信用信息找不到，乡土人脉连接的场景下，互联网巨头也转变成了线下。某互联网巨头近期大手笔投资于头部农贷公司，看中的就是其线下强大的培训和管理能力。银行端挖掘税务、公积金、物流等信息，在线上经营贷领域创新地搞了相应的贷款，但大部分只敢在少量特定群体中试验，贷款额度较小，其风控技术的探索还未形成体系。相比消费贷的技术红海，经营贷领域的风控技术创新乏新可陈，尚有巨大的想象空间。
从早期的熟人人脉把握，到今天的金融科技，小额信贷领域风控科技的变化远没有营销技术变化的大。今天小额信贷的线上获客和反欺诈，很类似互联网保险的营销和核保，强调客户体验和产品的包装，但从热闹的前台看后台，其风控技术的革新还有几大瓶颈需要突破。
第一个技术瓶颈就是模型技术。此轮金融科技引爆的主要是C端的消费信贷和现金贷业务，模型技术来源于上世纪五十年代的评分卡，其原理是将借款人视为无差别样本，将违约事件采用类似保险精算的概率统计，计算其与某个相关信用信息的相关性，从而得出违约概率和定价。但欧美及国内银行的实践主要是在已掌握信息的客群中开展，极少像国内这样大胆对陌生人群使用，且经过几轮违约潮的教训，外资主流金融机构大多对激进创新抱怀疑态度。国内科技企业为弥补评分模型在互联网导流中风控说服力不足的问题，大多采取了增加数据维度的方式。为尽可能搜集更多的借款人数据维度，甚至普遍使用国际上比较抵触的SDK植入模式来跟踪监控借款人的生活状态。营销上更是将数据维度多与风控能力强直接挂钩，刻意回避算法和数据源同质化的问题。事实上，由于模型优化的路径已经走入“死胡同”，亟需金融科技在风控理论上的创新。
中国的小额贷款和国际小额贷款实践都证明，国民性、社会管控能力、制度等软性要素，对于小额贷款群体的信用表现影响很大，所谓“无差别样本”，实际往往差别很大，不同渠道和平台导来的客群差异很多都超过了统计学样本的方差允许值，在这种情况下，如果继续沿用评分卡模型，就必须从通用模型转为专项场景定制模型，以少数代表性强的场景或渠道信息标签替代现在的“多多益善”的庞杂数据维度。模型设计需要从统计学算法向业务场景转向，在这方面，一些出身于风控业务的技术公司已经先知先觉地走在路上了。
另一个技术创新瓶颈是支农支小的线下服务。中国的小微企业平均寿命不到3年，指望用线上不完整的数据风控下就敢于放经营贷，不仅传统信贷机构不放心，互联网巨头们也小心翼翼。由于搜集经营信息和资产信息（如抵押贷场景下）仍需依赖线下，在相当长的一段时间内，线下+线上仍然会是小微贷款的主流，但如何服务好线下渠道，让业务人员、代理人、渠道能方便进件和审核，这种B端的风控一直是技术难点。十五年来，IPC、“三表三品三流”等交叉验证风控技术已深入大多数金融风控从业者中，但风控逻辑仍然是经验性的，如何将这部分经验标准化，从而既降低一线渠道展业难度，又解决获客道德风险，这成为金融风控科技自然的选择。目前主要的技术方案是通过规则引擎将经验规则进行转化。这条路的创新难度一是规则转化的难度超乎寻常的大，日常人工判断的简单规则都需要用几十条甚至上百条规则来描述，某头部大行曾用几十人团队花数年时间才解决了抵押贷款中的一些规则，这对于大部分缺少横跨信贷风控和金融科技通才的金融机构来说，制定这样的规则集还需要一定时间周期。规则引擎技术可以解决简单的红线规则，但有一个很大的缺点，就是很难描述模糊规则，同时，模糊判断的规则逻辑缺少好的算法进行优化，只能依靠模型设计者对案例事件的理解进行改进，在这方面，笔者与徐匡迪院长有同感，痛感我国只有人工智能应用而缺少算法的研究。
近些年来，随着违约成本理论在国际上的兴起，新的风控科技开始露头。这其中有几类代表：
一是保险信用在信贷中的应用。国际上搞信贷的一种理解是对保险购买者（报行合一情况下）的风险偏好进行评估，从而在信用评估中得到更好的违约成本估算。这种理论验证需要有大量保险理赔数据作支撑，我国目前还没有保险公司对此有认知（保单质押也只是将保险理解为一种具备普通现金价值的抵押物）；
二是社会资本理论在农村信贷实践中的研究。由法国人提出的乡村信用理论，本质上就是违约软性成本的一种度量，但目前仍在扶贫中摸索，还未见成形的实操，国内除了社会学界，少有人关注；
三是行为心理理论，将借款人的诚实意愿和人性特质与借款行为关联，引入测谎、性格测试等要素，建立对借款人的动态观察体系，这方面国际上已有成功案例，在非洲农贷中有过试点。国内几年来零星做过一些尝试，除了“微表情”曾经被媒体放大传播过，其他的案例尚未见播报；
四是区块链应用，将社会信用上链形式记录，对熟人社会的信用征集有一定价值，但存在个人信息隐私保护等合规问题，是国内一些信用科技公司正在开展的方向。
