阿里小贷:封闭流程与数据挖掘

简介:     随着新年后资金面的舒缓,货币基金收益率开始了持续的回落,货币基金投资方式的必然调整也加剧了风险收益比的不确定性。更为严峻的是明显的竞争加剧,随着一些大型商业银行让夺利益推出类似产品,始终无法进入线下支付的支付宝和财付通并不占优势。


 

  随着新年后资金面的舒缓,货币基金收益率开始了持续的回落,货币基金投资方式的必然调整也加剧了风险收益比的不确定性。更为严峻的是明显的竞争加剧,随着一些大型商业银行让夺利益推出类似产品,始终无法进入线下支付的支付宝和财付通并不占优势。

  支付清算是现代金融服务的大门,但如果马云所勾画的“外行对于内行的颠覆性领导”仅仅停留在这个层面,未免有些言过其实了。令我们欣喜的是,在大门的里面,互联网金融同样给传统银行们上了一课。并且相比于坐在顺风船上的余额宝,从尘埃中走出的阿里小贷更具有那么一丝超现实的意味。

  阿里小贷的在线金融试验

  金融系统是有层次性的,并且无一例外是遵循着从高到低的发展原则。我国也不例外,并且较为明确的学习了台湾的“发展好一个再发展下一个”的稳健策略。从目前进一步完善主板市场(场内交易所主板市场和场外银行间市场)、着力推进全国性次等级场外交易市场(新三板)、前瞻性培养区域性场外交易市场的进度来看,能够覆盖中小企业融资需求的市场层级可能在未来十年内逐步建立,而覆盖小微企业和个体工商户融资需求的市场层级的基本成型可能至少要二十到三十年的时间。更遑论在建设完区域性产权交易市场之后,如何设计再下面的层级,在全球范围内也是待解的难题。其中的困难众所周知,在此不做展开。

  小额贷款公司脱身于民间借贷,属于金融系统中的最底层。从规模上来说,肯定是巨大的,真实资金周转量可能远超过我们的想象。但从技术上来讲,只能算作监管层无暇顾及期间内的过渡性解决方案。小贷公司虽然众多,但基本都无法摆脱为老板的个人关系服务,即通过社会关系(地缘关系、血缘关系、朋友关系)对信用风险进行模糊定义。有效率,但充满风险,负外部特征明显。

  阿里小贷是一个实打实的小额贷款公司,并无新意,从诞生到发展都堪称默默无闻。直到2013年东方证券为阿里小贷推出了类信贷资产证券化产品“东证资管-阿里巴巴1号专项资产管理计划”,才算是引起了一些关注。

  截至2013年12月底,阿里小贷累计客户数超过65万家,累计投放贷款超过1600亿元,户均贷款余额不足4万元,户均授信约13万元。

  其产品主要有两种:一是针对淘宝商户的淘宝小贷,淘宝商户凭已经接收的订单申请订单贷款(额度100万以内,期限30天以内,日息0.05%)或者申请信用贷款(额度100万以内,期限6个月,日息0.06%);二是针对阿里巴巴上企业用户的阿里小贷(信用贷款,额度100万元以内,期限1年,授信完成后额度可循环使用,日息0.05-0.06%)。

  就规模而言,阿里小贷并不亮眼,独到之处在于所有贷款项目的获取和审核全部在线完成。这一点殊为不易,因为即便是标榜互联网化程度最高、风险容忍度也最高的网络P2P借贷平台,对借款人的考察和审核也全部是实地完成的,并且线下审核成本占其运营总成本的一半以上。

  从结果来看,阿里小贷的不良率维持在1%以内。

  而根据年报,工商银行2012年底贷款不良率为0.85%,建设银行为0.99%,中国银行为0.95%,农业银行为1.33%。如果考虑到四大行的贷款结构中信用风险低的大中型企业贷款和个人住房抵押贷款占比很高而阿里服务的全部是信用风险最高的小微企业及个人商户,加之商业银行通过核销等手段降低不良率的方式早已司空见惯,阿里取得的成绩是令人叹为观止的。

  诚然,说阿里小贷***了小额贷款技术难题和信用风险定价难题为时尚早。随着阿里小贷业务规模扩大,服务客户的信用中枢下移,不良率上升也是大概率事件。但阿里模式的闪光点确实为我们带来了一些启示。

  封闭流程与数据挖掘

  启示在于两个词:“封闭流程”和“数据挖掘”。

  依托阿里巴巴和淘宝电子商务平台、支付宝和阿里云,阿里巴巴实现了客户、资金和信息的封闭运行,甚至随着未来阿里自建物流的形成,可以实现平台内物流、资金流和信息流的闭环运行。这种闭环运行意味着用户的资金、货物和交易信息均经阿里过手,并在相当的时滞内无法流出阿里系统,换言之,阿里对于它们拥有控制力,也就更好的控制了潜在的信用风险。

  作为对比,商业银行没有致力于为用户提供一站式账户,也就无法构建一个哪怕仅针对资金流的闭合回路。正是由于商业银行对贷中和贷后的资金控制力薄弱,倒逼银行不得不提高贷前审核的门槛,一定程度上造成了中小企业贷款难的问题。

  举个例子,中国银行将一笔给房地产企业A的贷款打入A在中国银行的贷款账户中,A用于支付给建筑公司B企业的工程款。但A和B之间的支付和结算采用的是建设银行,同时A企业销售商品房的收款账户是工商银行。在这种背景下,从A企业将获得的贷款从中国银行贷款账户转走的一刻,中国银行已经失去了对这笔资金循环的控制。

  商业银行也在提升贷中贷后的管理能力,试图构建闭合回路。例如在上例中要求房地产企业A在销售回款100%覆盖贷款本息前都只能使用在中国银行开立的账户收款,或是要求A企业即将发行的企业债券募集资金必须由中国银行托管,甚至索要抵质押品也是贷中贷后管理手段的一种。

  但是,如果不是建立在银行能为用户提供一个值得依赖的全流程服务和一站式账户的基础上,这些风险控制手段也同时会损害用户的体验,造成客户的流失。所以单纯以风险控制为出发点的闭合回路构建往往让银行在争取客户和降低风险两端苦苦挣扎。

  以为用户提供优质的一站式服务,增强用户粘性为出发点,将闭合回路的构建变成一件水到渠成的事情,是不是反而是一个更好的解决方式?这是阿里带给我们的思考,也是美国全能银行带给我们的思考。

  信用风险定价是通过对债务人过去和现在信息的分析来预测未来的违约概率并折算成为当下的利率补偿,数据挖掘技术的出现代表着信用风险定价技术的又一次跨越式进化。站在“大数据”概念的今天来看,传统的金融领域信用风险评价是典型的“小数据”和“小数据分析体系”,或者说是“低活跃性数据分析体系”。

  无论是商业银行为企业授信、信用卡的审批、亦或是资本市场的尽职调查,关注的几个要点都是行业状况(针对企业)、财务数据和历史借贷信用记录。信用风险评价模型虽然林林总总,也离不开对这三项数据划红线。对于高净值融资人而言,这些信息的质量好、获取成本低,虽然频率不高,但可以将风险控制在一定范围之内。

  但是对于低净值融资人,则面临着信息获取成本高、信息不真实、数据过于低频的问题,加大了风险控制的难度。

  阿里巴巴的优势在于数据本身。通过电子商务平台的运营,将信息收集以自动化的形式搬到线上,极大的降低了信息获取成本。同时将信用信息的外延拓展到了商业信用信息,涵盖了用户每天交易、付款、收款、收发货这些高活跃性数据。配合数据的特点,阿里引入了新的信用风险评价技术模型,其核心是通过不同侧面的低质量、高频率数据的相互印证技术达到对高质量数据的拟合。长期的效果有待检验,但目前来看的确弥合了传统信用风险评价体系在服务低净值融资人方面的不足。

  更上纲上线一点来说,这种做法正在引领着一场金融技术革新,成功定义了一项技术的标准。可以预见,阿里小贷中必将走出一批未来的信用风险管理领军人物。

  局限与挑战

  任何一种新的金融商业模式都要在和金融监管的不断碰撞中成长,阿里小贷亦是如此。目前,其进一步发展瓶颈较为明显,主要受制于中国银监会2008年的《关于小额贷款公司试点的指导意见》的有关规定。

  一是展业范围受到局限。根据规定,小额贷款公司主要受当地省(或市)金融办监管,并只能在本省(或市)进行展业。阿里巴巴目前在浙江和重庆设立了两家小贷公司,所以尽管阿里小贷的商业模式是为基于非地域性的互联网用户提供服务,但目前也只能为该两地的用户提供贷款服务。

  二是资金来源有待破题。根据规定,小贷公司从银行业金融机构获得融入资金的余额,不得超过资本净额的50%。阿里小贷两个公司注册资本金分别为10亿和6亿元,也就是说最高可放贷余额不足25亿元,远远无法满足阿里用户的资金需求。

  此外,信用风险定价技术的提升,并不能掩盖法律对于债权人权益保护力度的缺失。在现行的《破产法》和《担保法》下,我国的违约回收率远低于世界平均水平,这加大了信用风险管理行业的负担。另一方面,互联网技术的广泛应用,又引发了债务人信息被滥用的新问题,债务人的合法权益同样亟待保护。

  在困局面前,我们的第一反应一定是向监管层发难。毕竟,在网络信用风险管理技术飞速发展的当下,仍然采用数年前的老制度、老律法,并不能令人信服。我们的确有理由要求监管层如同商业市场一样具备互联网的开放和敏捷基因,但也应该建立在我国监管技术不足、金融市场成熟度不高的客观事实和审慎监管思路的主观指引下,我们的监管反应和市场实操之间的时滞要更长的预期。

  所以,羸弱的互联网金融相比于传统银行更加亟需创新以延续生存和发展,和传统金融机构展开合作无疑是借桥过河的聪明之举。阿里金融通过发行资产证券化产品(总申报50亿,已经发行25亿),一定程度上绕开监管限制略解资金饥渴。在民间资本参股银行政策落地之时,腾讯阿里均成为第一批吃螃蟹的人,希望通过银行金融牌照方面的优势放松小额贷款公司的手脚。此外,将融资模式从小额贷款调整为融资性担保以提升杠杆比例、开发类商业票据产品这些方式都存在值得探索的空间。

  基于我们对阿里巴巴集团实力和阿里小贷优势禀赋的不同理解,有人视其为将银行们唤醒的搅局者,有人干脆将其定义为下一个金融格局的领导者。这个分歧并不重要,重要的是我们看到了金融体系中的巨无霸们竟然真的开始了亦步亦趋的学习过程。

  大型商业银行们纷纷打造起自己的电子商务平台,中国平安更是在两年前就通过并购的方式取得了不错的成绩。我尤其提醒大家关注一下中国银联的改变,几乎就是余额宝(针对商户)和阿里小贷在线下的翻版。虽然并不高调,但中国银联才是中国零售支付领域真正的巨人。它向阿里老师交出的答卷,绝对值得期待。.

.

原文发布时间为:2014-03-25


本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
3月前
|
机器学习/深度学习 数据挖掘 定位技术
领域大模型驱动的数据分析预测能力如何处理现代社会犯罪活动?
领域大模型驱动的数据分析预测能力如何处理现代社会犯罪活动?
78 0
|
5月前
|
数据可视化 数据挖掘 Java
深度挖掘数据,智慧决策,VeryReport报表软件引领数据分析新潮流
深度挖掘数据,智慧决策,VeryReport报表软件引领数据分析新潮流
|
机器学习/深度学习
周周结从零搭建企业大数据分析和机器学习平台-建设思路(二)
从零搭建企业大数据分析和机器学习平台-建设思路(二)
122 0
周周结从零搭建企业大数据分析和机器学习平台-建设思路(二)
|
机器学习/深度学习 数据采集 人工智能
图解数据分析 | 业务认知与数据初探
数据分析分核心步骤分为:业务认知与数据探索、数据预处理、业务认知与数据探索等三个核心步骤。本文介绍第一个步骤:业务认知与数据探索,包括常见业务目标和业务指标,并结合典型案例讲解指标体系的设计与使用。
184 0
图解数据分析 | 业务认知与数据初探
|
Web App开发 监控 大数据
解析业务数据的特征——《企业大数据实践路线》之三
阿里云MVP戚俊带你分析数据类型,进行大数据实战
2504 0
|
新零售 大数据 知识图谱
|
数据采集 机器学习/深度学习 算法