小贷风控问题凸显_小贷风控要点

小贷风控问题凸显由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“小贷风控要点”。

7月27日，央行发布了《2016年上半年小额贷款公司统计数据报告》。报告显示，截至2016年6月末，全国共有小额贷款公司8810家，从业人员数115199人，实收资本8379.2亿元，贷款余额9364亿元。2016年上半年全国小贷行业主要指标全面负增长，全国小贷公司数量、从业人员、实收资本、贷款余额分别比去年底减少100家、2145人、80.09亿元、47.51亿元。

这一情况是全国小贷行业有史以来首次出现。截至2016年6月末，全国共有小额贷款公司8810家，较2015年年底的8910家减少100家，减少1.12%。全国小贷公司从业人员数115199人，较2015年年底的117344人，减少2145人，减少1.83%。

全国小贷公司实收资本8379.2亿元，较2015年年底的8459.29亿元，减少80.09亿元，减少0.95%。

全国小贷公司贷款余额9364亿元，较2015年年底的9411.51亿元，减少47.51亿元，下降了0.05%。

实际上，在近几年的发展中，全国小额贷款公司出现了融资难、风险高、税负重、监管缺等问题，其生存状况不容乐观。数据显示，“十二五”期间全国小额贷款公司主要指标增速逐年下降，如贷款余额从超过20%年增长速度下降到负增长。今年第一季度小额贷款行业的机构数量、从业人员数量、实收资本、贷款余额4项主要指标环比均出现负增长，分别减少43家、979人、33.89亿元、31.41亿元，下降幅度分别为0.48%、0.83%、0.40%、0.33%。

然而现实中，不良率远高于披露的数据……

小额贷款公司的困境成因

（一）身份定位模糊不清

小额贷款公司的身份定位类似于“准金融机构”，既不能享有金融机构相关的优惠政策，还会受到金融政策限制以及相关部门的监督管理。这些就导致了小额贷款公司的身份模糊，市场定位不明晰，严重制约了小额贷款公司规范、健康的发展。

（二）信贷资金匮竭

小额贷款公司的资金主要来源于股东缴纳的资本金、捐赠金以及来源于不超过两个银行业金融机构融入的资金，没有资金循环的机制，而有限的自有资金和后续资金的严重不足形成了小额贷款公司经营的举步维艰甚至面临破产的主要原因。

（三）经营管理不完善

小额信贷飞速发展，而小额贷款公司的经营管理制度却一直处于摸索和修正的过程，这就严重增加了小额贷款公司的经营风险。小额贷款公司的管理制度的不完善，给管理带来了无序性。

（四）信用信息不对称

信用信息不对称，严重制约着资金的有效利用，是导致信用风险的主要原因。国外小额贷款公司取得的成功是在社会诚信度较高的环境下实现的，而我国的社会诚信还需加强培育。我国的农村信用体系相对滞后，农户和中小企业信用信息并没有纳入征信系统，给小额贷款公司收集客户信息带来了困难。在保障效益性的原则下，小额贷款公司效仿正规的金融机构，导致小额贷款公司在涉足小额贷款的各项业务中缺乏严格的贷前审查、贷中审查、贷后审查的业务流程和操作规范，并且与相当一部分被正规金融机构淘汰出局的客户发生贷款关系。而由于信息的不对称性，商业银行很难掌握小额贷款公司的融资去向，导致其不能贸然的对小额贷款公司进行投资。因此，形成了银行、小额贷款公司、借款人三方之间的信息不通畅的局面，在信息不对称的情形下发生的任何经济业务都是高风险的。

大数据征信开启风控新格局

与传统征信相比，大数据的助力将带来以下三大益处。

首先，大数据征信模型可以使信用评价更精准。

大数据征信模型将海量数据纳入征信体系，并以多个信用模型进行多角度分析，以美国互联网金融公司ZestFinance为例，它的模型基本会处理3500个数据项，提取近70000个变量，利用身份验证模型、欺诈模型、还款能力模型等十余个模型进行分析，使评价结果更加全面准确，是模型评估性能大大提高。

其次，大数据征信能纳入更为多样性的行为数据。

大数据时代，每个相关机构都在最大程度上设法获取行为主体的数据信息，使数据在最大程度上覆盖广泛、实时鲜活。

过去，征信机构对于企业和个人信息的搜集相对比较困难，数据搜集数量也比较有限。随着互联网和大数据的普及，依托于大数据和云计算技术优势，可挖掘大量数据碎片中的关联性，推动数据统计模型不断完善，更加科学的反映用户的信用状况。

大数据风控的一个最大的优势就是丰富了信用风险评估的数据维度，征信数据规模越来越大，数据维度越来越广，模型不断迭代优化，大数据等新兴技术正在成为征信行业突破传统瓶颈的重要手段。

最后，大数据征信带来了更为时效性的评判标准。

传统风控的另外一个缺点是缺乏实效性数据的输入，其风控模型反映的往往是滞后数据的结果。利用滞后数据的评估结果来管理信用风险，本身产生的结构性风险就较大。

大数据的数据采集和计算能力，可以帮助企业建立实时的风险管理视图。借助于全面多纬度的数据、自我学习能力的风控模型、实时计算结果，企业可以提升量化风险评估能力。

不过，虽然大数据征信能够降低信息不对称，更全面地了解授信对象，并增加反欺诈能力，同时更精准的进行风险定价，但目前还不能完全取代传统征信。大数据风控可以从数据维度和分析角度提升传统风控水平，是一个必要的补充，可以让传统风控更加科学严谨，但目前由于覆盖率、匹配率等问题，不能完全取代传统风控。

与传统征信相比，大数据的助力将使信用评价更精准，纳入更为多样性的行为数据，带来更为时效性的评判标准。

南京甄格资产专注于为民间借贷机构提供风控数据服务。凭借对行业的深厚积累，把大数据、云计算和移动互联网技术有机结合，提出了民间借贷风险控制和贷后催收的智能金融新模式。

信用评价更精准

甄格将海量数据纳入征信体系，并以多个信用模型进行多角度分析，利用身份验证模型、欺诈模型、还款能力模型等十余个模型进行分析，使评价结果更加全面准确，使模型评估性能大大提高。

纳入更为多样性的行为数据

大数据时代，每个相关机构都在最大程度上设法获取行为主体的数据信息，使数据在最大程度上覆盖广泛、实时鲜活。甄格旗下的甄查查数据SaaS云平台提供包括但不仅限于身份信息验证、户籍、学历信息、银行卡流水、名下资产状况等多种数据接口服务。

过去，征信机构对于企业和个人信息的搜集相对比较困难，数据搜集数量也比较有限。随着互联网和大数据的普及，依托于大数据和云计算技术优势，可挖掘大量数据碎片中的关联性，推动数据统计模型不断完善，更加科学的反映用户的信用状况。

带来更为时效性的评判标准

传统风控的另外一个缺点是缺乏实效性数据的输入，其风控模型反映的往往是滞后数据的结果。利用滞后数据的评估结果来管理信用风险，本身产生的结构性风险就较大。

甄查查大数据平台的数据采集和计算能力，可以帮助企业建立实时的风险管理视图。借助于全面多纬度的数据、自我学习能力的风控模型、实时计算结果，企业可以提升量化风险评估能力。

不过，虽然大数据征信能够降低信息不对称，更全面地了解授信对象，并增加反欺诈能力，同时更精准的进行风险定价，但目前还不能完全取代传统征信。大数据风控可以从数据维度和分析角度提升传统风控水平，是一个必要的补充，可以让传统风控更加科学严谨，但目前由于覆盖率、匹配率等问题，不能完全取代传统风控。