說起P2P，多數金融圈內人士已經并不陌生。國內現有近千家的P2P網貸平臺，動輒打出高息誘人的收益率宣傳口號以及眼花繚亂的安全承諾。但是在這些浮華表面的背后，關于P2P的風控很多人仍然是一知半解，甚至不少長期P2P圈內的資深玩家對此也是“既沒吃過豬肉，也沒見過豬跑”。
但是不可否認的是，作為一種跳過銀行間接貸款融資模式的、一種在借款人和出借人之間直接發生借貸關系的業務模式，P2P業務的核心正在于團隊自身的風險定價能力，即風險管理能力是P2P公司的核心競爭力。那么，P2P公司是如何進行風險管理的？什么樣的風控平臺是更為有效的呢？
職能明確的風控部門
在信貸金融領域，根據不同借款額度，往往對應的是不同的風控審批手段。從業內看，超過100萬以上的借款基本采用與銀行相同的借款風控手段，實地真人考察，另外再加抵押物。而20-100萬之間，可以用類似IPC的風控技術，沒有抵押物，但較接近銀行審核手段，不能集中化審核，容易導致審核標準不一。
而P2P從本質上講，更多應該是專注于1-20萬之間的信用無抵押借款，這是與銀行、小貸和擔保公司目前很難覆蓋的領域，愛錢進正是選擇專注于這類型的借款客戶開發。在這種模式中，風險管理采用總部集中式的數據化風控模式，從而解決審核標準不統一以及審核人員快速擴張需要依賴長期經驗積累的問題。在總部風控部門設立方面，以愛錢進為例，主要分成三個部門：政策和數據分析部、風控審核部、催收部。
政策和數據分析部下面分成三個主要部分：一是政策制定團隊，包括確定目標人群、設計借款產品準入政策、核批政策、反欺詐政策、催收政策等，并固化到決策引擎系統和評分卡；二是數據挖掘分析，對逾期客戶進行特征分析、產品盈利分析等；三是數據建模團隊，根據數據挖掘，對逾期客戶特征數據進行建模分析。政策和數據分析部的三個部門工作相互關聯，工作成果是制定貸款產品政策，包括前端營銷、中臺審核、后臺催收的各項政策制度。
風控審核部主要包括初審部、終審部和稽核部，主要職責是審核判定借款人資料的真實性和有效性，結合決策引擎和評分卡等對客戶做出是否核批的決定。催收部按照客戶逾期時間長短，分為初催和高催，主要職責是根據催收評分卡和決策引擎，對逾期客戶進行催收工作。
小額分散原則
有了職能清晰的風控部門，對于以點對點借款為主要模式的P2P而言，要控制平臺整體違約率在較低水準，還要堅持“小額分散”的原則。
先說一下“分散”在風險控制方面的好處，即借款的客戶分散在不同的地域、行業、年齡和學歷等，這些分散獨立的個體之間違約的概率能夠相互保持獨立性，那么同時違約的概率就會非常小。比如100個獨立個人的違約概率都是20%，那么隨機挑選出其中2人同時違約的概率為4%（20%^2），3個人同時違約的概率為0.8%（20%^3），四個人都發生違約的概率為0.016%（20%^4）。如果這100個人的違約存在相關性，比如在A違約的時候B也會違約的概率是50%，那么隨機挑出來這兩個人的同時違約概率就會上升到10%（20%×50%=10%，而不是4%）。因此保持不同借款主體之間的獨立性非常重要。
“小額”在風險控制上的重要性，則是避免統計學上的“小樣本偏差”。例如，平臺一共做10億的借款，如果借款人平均每個借3萬，就是3.3萬個借款客戶，如果借款單筆是1000萬的話，就是100個客戶。在統計學有“大數定律”法則，即需要在樣本個數數量夠大的情況下（超過幾萬個以后），才能越來越符合正態分布定律，統計學上才有意義。因此，如果借款人壞賬率都是2%，則放款給3.3萬個客戶，其壞賬率為2%的可能性要遠高于僅放款給100個客戶的可能性，并且這100個人壞賬比較集中可能達到10%甚至更高，這就是統計學意義上的“小樣本偏差”的風險。
對應到p2p網貸上，那些做單筆較大規模的借款的網站風險更大。這也是為什么包括人人貸、有利網以及愛錢進這些對風控要求較高的平臺，堅決不做抵押類大額借款的原因。
數據化風控模型
除了堅持小額分散借款原則，用數據分析方式建立風控模型和決策引擎同樣重要。小額分散最直接的體現就是借款客戶數量眾多，如果采用銀行傳統的信審模式，在還款能力、還款意愿等難以統一量度的違約風險判斷中，風控成本會高至業務模式難以承受的水平，這也是很多P2P網貸平臺鋌而走險做大額借款的原因。
可以借鑒的是，國外成熟的P2P比如LendingClub，以及都是采用信貸工廠的模式，利用風險模型的指引建立審批的決策引擎和評分卡體系，根據客戶的行為特征等各方面數據來判斷借款客戶的違約風險。美國的專門從事信用小微貸業務的Capital One是最早利用大數據分析來判斷個人借款還款概率的公司，在金融海嘯中，Capital One公司也憑借其數據化風控能力得以存活并趁機壯大起來，現在已經發展成為美國第七大銀行。
簡單點說，建立數據化風控模型并固化到決策引擎和評分卡系統，對于小額信用無抵押借款類業務的好處包括兩個方面：一是決策自動化程度的提高，降低依靠人工審核造成的高成本；二是解決人工實地審核和判斷所帶來審核標準的不一致性問題。在國內，目前包括人人貸、愛錢進、拍拍貸都在積極推動數據化風控模型的建設，這也是監管層所樂于看到的。
因此，除了小額分散的風控原則，P2P網貸風控的核心方法在于，通過研究分析不同個人特征數據（即大數據分析）相對應的違約率，通過非線性邏輯回歸、決策樹分析、神經網絡建模等方法來建立數據風控模型和評分卡體系，來掌握不同個人特征對應影響到違約率的程度，并將其固化到風控審批的決策引擎和業務流程中，來指導風控審批業務的開展。
最后，回到P2P的社會效益這一原點問題上，P2P網貸是為了實現普惠金融的一個創新，它的初衷是讓每個人都有獲得金融服務的權利，能真正地把理財和貸款帶到了普通民眾的身邊。P2P網貸的出現，填補了我國目前傳統金融業務功能上的缺失，讓那些被銀行理財計劃和貸款門檻拒之門外的工薪階層、個體戶、農村的貧困農戶、大學生等人群也有機會享受金融服務。而服務這一龐大的群體，如何設計安全、合理的商業模式和恪守風控第一的準則，確保廣大投資者的權益更應成為p2p行業從業者放在第一位思考的問題。
想認識全國各地的創業者、創業專家，快來加入“中國創業圈”
|
