我在这就不过多解释资产证券化基础定义了，我想从证券化出发，阐述下当前的金融改革。&br&&br&&p&具体到金融领域，金融在很大程度上是看天吃饭的。在过去几百年历史里，系统性风险的发生频率很高，黑天鹅事件层出不穷。几乎每8-10年就会来一次所谓的经济危机，只是危机或大或小而已。而且每次构成经济衰退的原因都不一而足，也无法预测。而每次经济危机都会带来金融机构的崩盘，逆势而上几乎不可见，也就说明了在天气不好的情况下，你的风控技术再牛，其实都无法对抗这种系统性风险。&/p&&p&&br&　　很多人说，不是还有金融机构活下来了么？这就是风控技术的胜利啊。要回答这个问题，我们先对金融机构做个简单的区分。金融机构就本质而言，我习惯分为两种，一种是银行业金融机构，另外一种是非银行金融机构。两者区别是什么呢？&/p&&p&&br&&strong&银行业金融机构其实本质是存贷的中间主体，它是唯一可以向公众吸收储蓄的金融机构。&/strong&利用吸收的储蓄，可以进行贷款投放，银行承担了所有储蓄存款客户的风险，然后赚取贷款投放的中间利差。理论上，一旦收不回来的钱，超过了利差收入形成的利润以及资本金，它就破产了。但是这种商业模式的优点在于，可以合法利用资金池，不断地借新还旧。只要保证足够的流动性，信用品牌不出现问题，就能继续吸收储蓄。哪怕坏账再高，超越了资本金，都还能不断地玩下去。&/p&&p&&br&　　世纪之初，中国的商业银行曾出现过类似技术性破产的局面。当时，由于有国家信誉背书，储蓄一直在继续，这个游戏就能玩下去。而且随着时间的推移，经济的增长，也能不断地消化风险。事实上，这种金融机构的本质是用制度来对抗各种风险，包括任何人都无法对抗的系统性风险。支撑银行模式走下去的核心就是制度性安排。&/p&&p&&br&&strong&另外一类是非银行金融机构，如投资银行、信托公司、证券公司等等。非银行金融机构都是无法吸收公众存款的，也就无法通过吸储来进行资金池运作。&/strong&它们的盈利模式很简单，一种是代理，一种是自营。代理业务本身不承担风险，赚取的是无风险的服务费。由于这&strong&类金融机构的本质是帮助风险定价的证券化模式&/strong&，机构可以自己持有一定额度的风险头寸，即自营业务。事实上，如果业务操作得当，这部分的盈利会远超代理业务的收入。像次贷危机之前，大量投行都乐于持有大规模的次级债，从而形成账面大额盈利。但是由于持有了头寸，必然意味着也要承担风险，而一旦风险来临，这些头寸就会成为你的噩梦。&/p&&p&&br&　　从银行类金融机构和非银行金融机构的两种业务模式来看，事实上，过去市场的风控一般也就是这两种模式。&/p&&p&&br&　　一种是以银行为代表的信贷化模式。它的本质是通过制度安排，利用中介机构的规模优势和期限错配，让风险在经济运行的长周期中被化解。这种制度安排其实是银行能活下来的根本原因。总体而言，当银行达到一定规模后，个人能力在银行体系内不再起主导作用，会不断分化和瓦解。也只有如此，银行才能稳定地发展到一定规模，凡是依赖个人能力的商业模式都是无法持续扩张的。&/p&&p&&br&　　另一种就是证券化模式。&strong&证券化的本质是让核心风险在市场中寻求自我定价和平衡，最终让风险在不同的市场主体之间转移。&/strong&证券化不是承担风险，而是让风险通过市场得到合理的配置。采用证券化模式的机构最终比拼的是风险定价能力，而并非承担风险的能力。&/p&&p&&br&　　这两种模式各有利弊。我国是典型的信贷化主导的国家，信贷规模全球第一。这种间接融资占主导性地位的优点，是政府在经济活动中具备极强的控制力，而且在有效计算信贷总量的情况下，也可以有效防止发生系统性风险。缺点是因为无法通过证券化来分解和分摊风险，有可能会被倒逼产生极大的系统性风险。总体归纳，信贷化模式是总量可测下的风险不确定性。&/p&&p&&br&&strong&证券化的优点，是让风险在自我承担和自我定价中不断分解和暴露。&/strong&但由于证券化是个风险流动的过程，会因为各种原因导致风险在市场中出现总量不可测量的情况。如果市场堆积了太多的风险，而又无法进行测定，一方面会加剧投机成分，一方面则会形成比信贷化模式更可怕的风险。因为每个主体都可能承担了超越自我承受能力的风险，最终形成的风险会更高。&/p&&p&&br&　　我们回到中国的国情来看下这个情况，事实上，我们很有意思的点在于，中国虽然名义上，有信贷机构，也有非信贷机构，我们在2012年年底大面积放开资产管理，开启大资管模式，无数人，包括我当初也都在欢呼雀跃，都认为资产管理元年开始，必将大面积削减银行主导的金融格局，但是两年多过去了，我们发现所谓的大资管，其实只是个接盘侠，而并非真正意义的进行所谓的证券化模式的核心就是让风险在市场中寻求合理定价，发现都不是，我们有那么多的资产管理模式，但是都是名义上的证券化，他们的实质其实都是信贷模式，为什么？因为他们都必须刚性兑付，所谓刚性兑付，就是如同银行一般，每个投资人都到最后必须拿回本金及利息，那也就是出现即使出现了风险，那必然到最后都是机构买单，这个时候，他们的盈利莫其实跟银行的逻辑是一样的，所以我们看到很有意思地方是，我们2012年的大资管，做的业务都是跟银行一样的，也就是纯粹是放贷款的壳罢了，以证券化的机构从事信贷业务，问题就出现了。他们并没有获得银行信贷机构的特许经营权，所以都只能变相的建设资金池，而资金池的成本却极高，导致现在我们看到的大面积的资管风险的出现，一场击鼓传花的游戏可能无法维系，这个时候打破刚性兑付其实成为了不得不为之的事情了。因为谁也无法兜底。传闻，银监会曾经对其所管辖的信托公司有过要求说，必须刚性兑付，公司兑付不了，股东兑付，股东兑付不了，换股东兑付，彻底的背离了资产管理公司所本身该承担的定义。&/p&&p&&br&　　所以，我有段时间说目前我国银行的信贷模式占比高达90%，被许多专家攻击说不懂数据，缺乏支撑，事实上，我到是想说，是因为他们压根不接地气，我们目前的信托的主业大部分都是银行通道业务，我们的基金子公司都是信托接盘，回到最后也是银行信贷业务表外话的通道，其他就不用说了，这些能算是证券业务？风险凡是不能自担的，其实一律都是信贷业务，那么最终使得我们的所谓资产管理，到最后都成为了银行的小妾，银行让他们干什么就干什么，市场上最终比拼的压根不是风险定价能力，而是谁的资源更好，渠道更佳，关系更好。能力压根在过去的十多年来，根本不重要。这个也是为什么我们的资产管理，财富管理一直起不来的核心，核心还是资产风险定价的能力被制度性给破坏，银行的优势一览无余，无人可企及，只有在银行都无法兜住的时候，才可能出现零星违约的事件，但是问题就来了，当银行都兜不住的时候，谁又能兜住呢？&/p&&p&&br&　　所以我们目前看到的大量的本该是证券化机构，包括了P2P模式，这类公司最大的问题，就是跟银行从事一样的信贷工作，却未能享受银行一样的制度性保护，所以，很多P2P拿自己跟银行比较，其实是扯淡的事情，你是银行么？银行坏账率可以高达40%都不破产，你可以么？不把这个问题想想明白，还是离开P2P比较好。银行和非银行都在同样的信贷工作中一致竞争的时候，那就要想明白自己的核心优势是什么？拿什么跟银行去打。&/p&&p&&br&　　顺带，在谈谈政府的牌照制度的弊病，我们最近很多资产管理机构出了事情，大量的小贷、担保、甚至信托出了问题，回到最后其实是要反思牌照制模式，因为从正常意义上看，除了银行这张无敌牌照外，其他牌照都是无法给机构增加风控能力的，并不是你政府给了牌照，这些所谓的资产管理机构，担保、小贷等等，就具备风控能力了，你不给牌照就不具备能力，这压根就是扯淡的事情，所以有次我在演讲的时候，有个台下担保公司的老总站起来非常愤怒的指责我认为担保基本快被P2P搞死的观点的时候说，一派胡言，我们都是经过政府部门审批发放牌照的正规金融机构。我当时，回应说，对不起，真的，把你搞死的看上去是P2P，其实就这种好像很高大上，很牛逼，但是对你毫无帮助的政府牌照，这种牌照，对你有意义？是让你团队因为有了牌照就立刻牛逼了？那不是扯淡么。&strong&牌照，其实只会让没有风控能力的机构具备政府信用，从而引发的社会问题只会更大。&/strong&&/p&&p&&br&　　我们只要看看现在大量担保小贷跑路，政府却会被围攻的情况就可以知道为什么了？为什么啊，不正是因为你政府发放了牌照么？而且一年还一审批，领导没事还常视察，这种审批和视察了之后，有用么？不照样，该跑路的跑路，该倒闭的倒闭么？与此对比的是，反观我们P2P出了事情以后，因为政府不附加信用，反倒问题相对简单，去围攻政府的几乎没有，围攻了政府也好说话，关我屁事。你们爱投资投资，要死自己死去。&/p&&p&&br&　　从这个角度看，我们其实是政府要远离大量他帮不上忙的信贷金融机构，既然帮不上忙，就离开他远点，让社会自己去解决，去用脚投票，优胜劣汰之后，谁都会被教育出来的，但是政府一旦附加了信用，你就必须保证他不出事，就必须要附加政府信用，这个其实本身就是不公平的事情，反映的其实是政府信用的泛滥，凭啥你给他发，不给我发，凭啥你去他那里，不去我那里，而且为了获得政府去视察的机会，一个个包装门面的高大上，数据一个个开始造假，这种事情越演越烈。&/p&&p&&br&　　其实，对于非银行信贷机构，最终是要跟证券市场一样，政府应该远离牌照审批的同时，不断加强风险提示，从而培养出一帮宁愿自己跳楼，也不找政府麻烦的人，不断培育和加强市场的违约机制，才可能是我们金融市场的未来，从这个角度我还是认同，证券化改革是未来的金融改革方向这个命题的。其实，这个问题后面还会再提。这里先扯淡到这里。&/p&&p&&br&　　前面说了，风控更多还是制度性安排，单一的风控技术其实往往是无效的，尤其是在市场同质化极为严重和饱和的情况下，更是无效，这里其实有个深层次的解答，是因为金融很大程度是维持社会稳定的一种工具应用，从跟原来看，信用过度的情况下，金融往往是零和博弈的游戏，整体金融的盈利一般被封顶在社会经济发展的上限制，超越这个值的很多都是自己跟自己玩的游戏，所以金融机构从短期和长期平均看，或者从整体和局部长期看，其实都是相对均衡的，往往都是社会平均理论值。&/p&&p&&br&　　撇开这个角度，我们从微观来看，由于在同一市场里，大家最终的目标群体都是那些优秀的具备还款能力的人，因为最终都是通过收益覆盖，而这类人其实本身就是社会的少数，确切说是极少数，因此所有的金融机构的本质都是需要一种良好的技术能把他筛选出来。而事实上，银行在面临同业竞争的情况下，发现好的风控往往意味着没有业务可以做。因为你坚持严格风控，人家就不跟你玩了，全球都一样。很多人都跟我说我们的风控极端牛逼，第一我是不相信，第二即使相信了，我说，那就等死吧，谁来跟你玩啊，你要抵押，人家就不要抵押，你要担保，人家就不要担保，市场是竞争的，博弈的，谁都不是傻瓜，你以为你想怎么玩就怎么玩？还真想着业务随便你挑呢。也太把自己当一回事了。我们现在发现很多银行信贷机构都被套牢了，你以为人家风控能力差，不知道客户的真实情况？可能么？现实情况是，&strong&银行的风控面对业务压力的时候，大部分都只能选择妥协&/strong&，尤其是客户经理，当前跟未来之间，做什么选择？肯定选当下，不然立马被扫地出门，所以客户经理每天想业务的同时，都想着如何绕弯子过风控？有时候想想，都是自己骗自己的游戏罢了。怪谁？不知道。只是觉得，每年要求银行40%的利润增长之下，谈风控本身就是很可耻的事情。&/p&&p&&br&　　其实，现在的市场更有意思，今年二季度信贷规模数据下降，很多人很奇怪，有啥好奇怪的，今年这种情况，往往牛逼的人，都不来贷款了，为什么，因为贷款来的钱，赚不了钱，那贷款干什么呢？白白给银行付利息，市场形势不好的情况下，他们不愿意扩张，自然就不来贷款，而这么差的行情还来贷款的人，基本上都是垃圾，要么就是之前流动性出现困境，就是想浑水摸鱼，就是这么个事情，&strong&整体经济下行的时候，谈风控更是扯淡的事情了&/strong&。毫无意义。&/p&&p&&br&　　2002年次级债在美国兴起的时候，很多银行都认为风险极高，坚持抵制。但是随着该业务越做越大，盈利越来越高，你如果坚持抵制，就必然会丧失极大的市场，逼迫一些银行开始涉水进行该项业务操作，这就是劣币驱逐良币的结果，好人往往都是被坏人逼死的，或者沦落为坏人，很正常。&/p&&p&&br&　　这几年很多人都开始指责银行的风控怎么那么差，明显的骗子都防范不了，事实上，我们再来比较银行过去五六年，发现五六年前的银行和现在的银行，在风控层面上无论技术还是人员结构都没有什么太大的变化，但是实质的坏账率却是十倍之差，难道是因为风控技术变化了么？都不是，实质是天气发生了变化，大环境在变化，导致你微观层面无论如何怎么动作都是无效的。&/p&&p&&br&　　过去几年我在一个民间高利贷班上课，我经常让他们这几年如果没事就跟着我出去游山玩水，骗吃骗喝算了，回头看看，跟着我到处游走的人，这几年至少都还活着，而那些窝在家里勤勤恳恳努力放贷款的人，基本上都趴下了，为什么呢？跟技术毫无关系，你敢说在家勤恳放贷款的人一定比游山玩水的人要水平低？可能么，怎么可能，但是往往世界上有很多人很悲催的地方就在于在不该努力的时候太努力了。&/p&&p&&br&　　过去十多年来看，往往发现一个真理是什么呢？&strong&是趋势比能力重要的太多，太多。&/strong&我们很多技术大牛在00年的时候进了一家当时巨牛逼的技术公司，那家公司叫UT斯达康，而能力不行，而被抛弃的人去了当时一家名不见经传的小公司，叫阿里巴巴，十年后发现世界被颠覆了，ut基本死了，所以那些技术大牛都悲催了。而那些万般无奈去了阿里的人，现在身价都是当技术大牛无法企及的了？这种案例不可胜数，94年国企改革，大量下岗的人，转行经商，暴富，而那些没下岗的人都一个个现在开始下岗了。其实，能力越强，反倒越容易被趋势给击垮，这个是实情。我们很多人在02年出国读书，留在国外，其实恰恰错过的是中国发展最快的十年，虽然不能单物质来进行论述成败得失，但是错过的十年的确如此。&/p&&p&&br&　　这个世界我们大多数人总是无意识的在做一件跟趋势对抗或者顺应的事情，但是我们还是希望能多抬抬头看看，有意识的希望看的更远点，我们的历史如同一条大河，奔腾而去，大气磅礴，我们如同河流里一条鱼，大部分的鱼都是随波逐流，而总有个别的鱼希望跳起来看看未来，希望能看的更远，但是，大部分的鱼都只看到了自己看到的方向，最终谁都无法得知正确与否，于是结果论是最好的论调了。我对自己说的总是跳起来看，对不对压根不重要，重要的是我跳起来了，看到了更多的风景，哪怕错了也无值得，思考是自由的最好表现，不思考给了自由和民主，也都毫无意义。&/p&&p&&br&　　貌似有点跑题了，我只是想表达，金融这个东西吧，就是能赚钱的时候，狠狠的赚钱，不会因为你发放贷款12%就一定比36%的安全，本质都是一样的，都不会出问题，而市场无法赚钱的时候，你其实怎么做都是错的，这跟风控技术关系都不是很大，&strong&金融是个极顺应经济周期的行业，所以作为个体而言，金融有做和不做的选择&/strong&。而无技术高低的区别，个别人或许有，极端牛逼或者极端傻逼，绝大部分其实是差不多的。而作为金融机构而言，金融业的竞争不是单一技术的竞争，而是综合性竞争，某一个维度的优势不太可能成为持续性优势。我们看几百年的金融行业竞争格局，一时的胜利容易，持续的胜利挺难，不断超越的背后其实是几代人的努力。很多盛极一时的金融机构，都消失在历史粉尘之中。&/p&
我在这就不过多解释资产证券化基础定义了，我想从证券化出发，阐述下当前的金融改革。 具体到金融领域，金融在很大程度上是看天吃饭的。在过去几百年历史里，系统性风险的发生频率很高，黑天鹅事件层出不穷。几乎每8-10年就会来一次所谓的经济危机，只是危…
&figure&&img src=&https://pic2.zhimg.com/v2-cdc22a50fa735_b.jpg& data-rawwidth=&346& data-rawheight=&234& class=&content_image& width=&346&&&/figure&&p&最近知乎上都是家庭和男女纠纷的问题，没啥可看的。&/p&
&p&正好听闻工商银行和京东合作了，便突发奇想看看工商银行的年报。&/p&&p&说来也巧，上午还写文字，下午就看到中行和腾讯合作了，恭喜~~&/p&
&p&&b&一、体量&/b&&/p&
&p&工商银行成立于1984年，我们先来看看这个80后的体量吧。&/p&
&p&现在是6月22日9点44分，我看了一下，工商银行目前的总市值为18,141亿元。每股价格5.4元。&b&还记得中国的四万亿计划吗？大概相当于向社会投放两个工商银行的意思。&/b&&/p&
&p&根据公司披露的2016年情况，公司全球拥有公司客户578.4万，个人客户5.3亿。&b&按14亿人口算，其个人客户数量超过中国人口的三分之一。&/b&&/p&
&p&2016年度，工行的归母净利润为278,249百万元，也就是后面再加6个零，读作2,782亿。注意，这是【净】利润。即，&b&工行每个月净赚232亿元（比大家的月工资高了不少吧），一年按365天算，工行每天净赚7.62亿元。每小时净赚3,176万元，每分钟净赚53万元，你读一篇文章如果花了10分钟，在这10分钟里，工行挣到了上海的一套530万的房子。&/b&&/p&
&p&2016年末，工行的资产总额为24,137,265百万元，这是……我有点眼花，读作24万亿。这数字有点大，找个什么来比较一下呢。还是房产吧，&b&按上海2000万一套的较高端二手房算，相当于持有120万套这样的房产。&/b&&/p&
&p&&b&二、收入及支出&/b&&/p&
&p&体量看看差不多就得了，再看看别的吧。&/p&
&p&近几年来，央行不断宽松放水，同时又受到社会各类资产冲击，商业银行原来赖以生存的息差水平有较大降幅，银行降薪裁员严重。我们的宇宙第一大有没有收到影响呢？&/p&
&p&从收入上看，工行2016年的&b&利息净收入比2015年下降了7%，其中，利息收入下降9%，净利息差下降28个基点&/b&。看来宇宙第一也没有逃脱相关命运。&/p&
&p&至于裁员减薪情况嘛，根据披露，工行2016年职工费用支出1,133亿，比2016年减少了约8亿元。2016年末，&b&员工总人数46万人，比2015年减少4,597人&/b&。机构比2015年减少298家。看来也不是很严重。&/p&
&p&正好说到员工了，来说说大家关心的总行员工情况，2016年末工行总行人员数为15,666人，占工行总人数的3.4%，即&b&100个进入工行的人，平均只有3.4人可以到总行工作。&/b&&/p&
&p&&b&三、个人存款&/b&&/p&
&p&我最喜欢看这个。&/p&
&p&前面提到，2016年末，工行个人客户5.3亿户，个人存款总额8万亿元。私人银行人数7万户，占总个人账户数的0.01%，而&b&私人银行管理资产1.21万亿元&/b&，平均每个私人银行客户给工行供应了1,728万元资产，即这&b&万分之一的人贡献了工行总体个人存款的15%&/b&。&/p&
&p&&b&四、贷款及不良&/b&&/p&
&p&说银行当然不能不说贷款。&/p&
&figure&&img data-rawheight=&237& src=&https://pic3.zhimg.com/v2-01ac3a75edd49e76b99f6e_b.png& data-rawwidth=&683& class=&origin_image zh-lightbox-thumb& width=&683& data-original=&https://pic3.zhimg.com/v2-01ac3a75edd49e76b99f6e_r.jpg&&&/figure&总体上看，工行的公司类贷款还是在增长的，但我们注意到，流动资金贷款是在减少的，这是否能说明社会上公司总体运营活性的降低呢？
&p&&br&不良率上，2016年末工行总体不良率1.62%，低于商业银行平均的1.74%水平。总体不良贷款余额2,118亿元，占全商业银行不良贷款额的14%。&/p&
&b&从行业不良率分布上看，有两个行业比较亮眼。&br&&/b&
&p&&figure&&img data-rawheight=&536& src=&https://pic2.zhimg.com/v2-0fa3febdde9dfd862b75649_b.png& data-rawwidth=&539& class=&origin_image zh-lightbox-thumb& width=&539& data-original=&https://pic2.zhimg.com/v2-0fa3febdde9dfd862b75649_r.jpg&&&/figure&&br&一个是电、热、燃气和水，不良率仅0.06%，简直是超级优质啊，不愧是传说中的“必需品”行业，经济下行时表现就是靠谱。&/p&&p&一个是批发零售业，不良率最高为9.28%，二者反映的是同一个情况，即经济下行和（初级）消费减少。&/p&
&p&&br&&b&从地区来看，和之前看的招行的情况不同，各地区不良率都没有特别显眼&/b&。&/p&
&p&不知道是什么原因。&/p&
&p&&figure&&img data-rawheight=&354& src=&https://pic2.zhimg.com/v2-99b901e0ec5d0d8549dfddbd_b.png& data-rawwidth=&755& class=&origin_image zh-lightbox-thumb& width=&755& data-original=&https://pic2.zhimg.com/v2-99b901e0ec5d0d8549dfddbd_r.jpg&&&/figure&个人方面来看，整体个人贷款不良率1.22%。&/p&&figure&&img data-rawheight=&235& src=&https://pic3.zhimg.com/v2-88b23d1b516e8a46b84ca8ebcd583956_b.png& data-rawwidth=&676& class=&origin_image zh-lightbox-thumb& width=&676& data-original=&https://pic3.zhimg.com/v2-88b23d1b516e8a46b84ca8ebcd583956_r.jpg&&&/figure&&p&&b&个人贷款主要就是住房贷款的增加，人住房贷款增加7,170亿元，增加接近30%&/b&。&/p&
&p&&b&五、中介机构采购清单&/b&&/p&
&p&小伙伴们总喜欢问哪个事务所好的问题，那么可以参考宇宙第一大行的采购清单嘛。&/p&
&p&根据披露，工行的保荐机构用的&b&国泰君安&/b&，会计师事务所用的&b&毕马威&/b&，律所用的&b&北京市金杜律师事务所和北京市君合律师事务所&/b&。&/p&&p&各位小伙伴们看好了啊。&/p&&p&先洗澡去了~~~祝大家天天开心~~~~&/p&&br&&figure&&img data-rawheight=&251& src=&https://pic2.zhimg.com/v2-273babdaeeab0d886b7e5_b.png& data-rawwidth=&2718& class=&origin_image zh-lightbox-thumb& width=&2718& data-original=&https://pic2.zhimg.com/v2-273babdaeeab0d886b7e5_r.jpg&&&/figure&&p&&i&注：本文在微信平台已投稿于CPAer独家发布，作者：麋鹿麋鹿，微信平台若需转载，请联系CPAer后台申请授权，未经授权转载均为侵权。&/i&&/p&
最近知乎上都是家庭和男女纠纷的问题，没啥可看的。
正好听闻工商银行和京东合作了，便突发奇想看看工商银行的年报。说来也巧，上午还写文字，下午就看到中行和腾讯合作了，恭喜~~
工商银行成立于1984年，我们先来看看这个80后的体量吧。
&figure&&img src=&https://pic1.zhimg.com/v2-f93379fff729bc30da06ca4075de0abc_b.jpg& data-rawwidth=&1619& data-rawheight=&1080& class=&origin_image zh-lightbox-thumb& width=&1619& data-original=&https://pic1.zhimg.com/v2-f93379fff729bc30da06ca4075de0abc_r.jpg&&&/figure&&blockquote&&i&随着监管趋严和行业愈加规范化，大数据风控，尤其是基于弱数据的风控正成为线上信用贷业务最重要的核心竞争力。&/i&&/blockquote&
&p&&b&（ 本文由 &a href=&http://link.zhihu.com/?target=https%3A//www.creditx.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CreditX氪信&/a& 授权发表）&/b&&br&&/p&
&p&近日，中国人民银行成立金融科技（FinTech）委员会，旨在加强金融科技工作的研究规划和统筹协调。&/p&
&p&随着AI、云计算在金融业务层面的快速渗透，也倒逼监管跟进升级，以进一步加强监管的有效性。事实上，这次央行提出监管科技（RegTech），也是对金融科技的肯定，希望其在驱动金融创新，引领金融规范化发展中发挥积极作用。&/p&
&p&金融的核心在于风险，现下谈及互联网金融，很多人都对大数据风控并不陌生，也都在行业野蛮发展的过程中有自己的理解。但如果要定义什么是大数据风控，可能不少行业外围同学的看法难免有些偏颇和碎片化。下面笔者浅显地从大数据风控的基本内容和框架出发，主要为想要了解这个行业的同学简要做一个相对完整的介绍。&/p&
&h2&大数据到底有哪些？&/h2&
&p&首先我们需要厘清大数据的概念，当下各行各业都在探索大数据的价值，大数据的定义也很多。从技术的角度来理解，本质就是来自多个渠道和系统的结构化和非结构化数据，在金融领域，尤其是消费金融，我们界定大数据到底有哪些维度，其实芝麻信用分是一个非常典型例子，虽然不同公司有自己的分法，但数据主体大都可以归类为身份属性、信用属性、行为数据、消费属性、人脉关系这五大方面。&/p&&br&&figure&&img src=&https://pic1.zhimg.com/v2-018a98fe29f_b.jpg& data-rawwidth=&1080& data-rawheight=&874& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic1.zhimg.com/v2-018a98fe29f_r.jpg&&&/figure&&br&&p&身份属性，这是最基础的，包括真实的身份信息、学历、就业经历等。&/p&
&p&信用属性包含的方面比较多，比如过往的履约记录、固定资产、流动资产、收入等都会纳入进来用以衡量一个人还款能力和还款意愿。&/p&
&p&过去我们去银行办理贷款，以上这两个维度就是传统风控的数据来源，但由于大多数人没有这方面比较完整的记录，且流程冗长麻烦，因此只有少部分人才能享受金融服务。&/p&
&p&现在随着互联网的爆发式发展，以及普惠金融的崛起，越来越多的机构正将海量互联网数据和金融结合探索其在表征风险方面的价值。如上所述，长期缺乏金融产品的人群基数庞大，需求旺盛，因此从创业公司到BAT到金融机构，都在拓展更多领域的大数据以抢占消费金融爆发的窗口期。&/p&
&p&数据拓展的第一个领域是消费属性，这块主要是电商或交易数据，比如日常购物商品、消费金额、消费时段等都可以从不同角度来分析出一个人消费稳定度，消费档次，还款能力等风险特征。&/p&
&p&其次，人脉关系也是很重要的一个维度，俗话说“近朱者赤，近墨者黑”。很多时候你的微信朋友圈、经常打电话的朋友也反映了你在风险上的表征。生活中我们和同事沟通比较频繁，而如果一个人社交稳定度差，可能说明他经常换工作，显然风险也会相应增加。&/p&
&p&最后一个维度是行为数据，这块数据涉及面比较广泛，主要是用户在APP上的活动所体现出的行为特点，包括浏览不同类目的频次、时间、风险偏好等等。&/p&
&p&说到这，我们对大数据风控涉及的几类数据应该有了一个基本的认识，那在具体工作中，我们是不是应该先把这些数据都收集好才能做好工作呢？&/p&
&p&答案是否定的，因为数据都是有成本的，开展一个金融业务，从数据、模型、服务再到最后的收益，更为关键的是业务本身的形态，再进一步扩展至产品、场景，我们会发现不同的场景面对不同的客群，风控关注的风险点都会有一定的差异，再反过来寻找能够表征这些风险点的数据也会有所侧重。因此，如果要厘清大数据风控该用哪些数据，首先要对风控场景有所了解，其中最为核心的是理解不同场景下要抓住哪些金融风险。&/p&
&h2&金融风险的理解&/h2&
&p&风险的概念比较大，为了给大家提供一个最基本的视角来了解，下面以线上信用贷款举例来阐述，这也是互联网消费金融最主要的方向之一。在这个场景下，我们面临的风险主要是信用风险和欺诈风险两块。&/p&
&p&首先是欺诈风险，据数字，在中国，互联网金融50-70%的损失来自欺诈，这也可以说是风控业务中最困难的地方。造成这种现状的原因比较多，一方面是诸如现金贷类型的消费金融短期爆发式发展，大量创业公司涌入赛道以互联网获客运营的流量思路做金融，与此同时相应的风控经验和能力缺失，因此给专业的欺诈分子暴露了较大的风险敞口，通过简单研究业务规则漏洞，并通过互联网传播，可能带来较大的损失；另一方面也是欺诈产业链自身研究实力不断的完善有关，现在的欺诈已经从以往单一的个人欺诈演变为有组织、有规模的集团化欺诈，链条上盗号，数据泄露作为基础账号库，已衍生出一系列包括黑产交易、ID Mapping、定向攻击的完整产业链，其中的分工和技术也非常专业和精细化。&/p&&br&&figure&&img src=&https://pic1.zhimg.com/v2-e437ccc8aa5b9c600cddd8_b.jpg& data-rawwidth=&454& data-rawheight=&365& class=&origin_image zh-lightbox-thumb& width=&454& data-original=&https://pic1.zhimg.com/v2-e437ccc8aa5b9c600cddd8_r.jpg&&&/figure&&br&&p&举个例子，这种设备称为养卡设备，俗称“猫池”，
实际上就是一个号码卡插槽，可以在不拆卡的情况下将整张卡插到猫池里，连接电脑后使用，还可以接收短信验证码。现在在各种平台注册时都需要填写短信验证码，“刷手”为了获取平台的福利会利用猫池养卡，规避平台的身份确认短信。&/p&&br&&figure&&img src=&https://pic4.zhimg.com/v2-c03aff34c5dcf1e0df17_b.jpg& data-rawwidth=&441& data-rawheight=&385& class=&origin_image zh-lightbox-thumb& width=&441& data-original=&https://pic4.zhimg.com/v2-c03aff34c5dcf1e0df17_r.jpg&&&/figure&&br&&p&再比如短信拦截马，这是一种可以拦截他人短信的木马，让被攻击者收不到短信，并将短信内容截取到攻击者手机上。这种木马最常见的是通过钓鱼、诱骗、欺诈等方式诱导用户安装，然后通过拦截转发用户短信内容，以此获取各种用户重要的个人隐私信息，如用户姓名、身份证号码、银行卡账户、支付密码及各种登录账号和密码等，造成这些信息的泄露，再利用此信息从而达到窃取用户资金的目的，严重威胁用户的财产安全。&/p&
&p&第二块简单谈一下信用风险，其定义是借款者违约的风险，换句话说，也就是借款人因各种原因未能及时、足额偿还债务或贷款而违约的可能性。一般，我们会从还款能力和还款意愿两个角度去分析信用风险，但在小额信用贷场景中，由于额度一般为2000左右，少就几百，多也就5000，一个正常有工作的人很少会不具备按期还款的能力。所以在这点上我们更多的是从还款意愿角度来看，即借款人对偿还贷款的态度，现实中有不少人会借钱不还，这就是常说的“老赖”，如果我们以违约概率的目标去识别他，还是能挑出不少有正常借款意图的人。&/p&
&h2&大数据风控体系的初步构建&/h2&
&p&现在我们有了对大数据和风险的基本认知，但如何真正从大数据提炼出风险表征，并进一步转化为实时的金融风险决策服务呢？事实上，这需要重构一整套风控数据架构体系，过去传统金融机构在身份属性和信用属性的数据上沉淀了丰富知识，但在互联网金融业务中，用户能够关联的更多是消费、社交和行为类数据，且越是小额分散的业务，数据的金融属性越弱。近两年小额现金贷也正是由于这部分数据的风控知识体系缺乏，因此陷入高利率覆盖高坏账、暴力催收等乱象。&/p&
&p&随着监管趋严和行业愈加规范化，大数据风控，尤其是基于弱数据的风控正成为线上信用贷业务最重要的核心竞争力，除了基本的身份验证、合规、黑灰名单、规则过滤以外，要防控欺诈风险和信用风险，还需做好以下三个维度的准备：&/p&
&p&第一是设备层面，现在成熟的APP都需要辟如更换登录设备时重新输入短信验证码，或者登录时得手动滑动验证码等，这些既是挡住黑产的第一道关，也是后续风控的重要数据基础。&/p&
&p&第二是知识体系层面，拆解开来看，核心有2点，一是知识工程，二是模型。目前最领先的消金机构都有一套相对成熟的针对特定数据domain的风险特征库和分客群、分目标的模型，比如反欺诈模型、申请评分模型、风险行为预测模型等，贷后还会有催收模型、客户流失预测模型等。在这过程中，引入AI处理弱数据，并在大量样本上不断迭代模型是关键。&/p&
&p&第三是系统层面，试想我们有了清晰的数据认知，结合到场景和风险理解我们也摸索了一套经验证的数据使用方式，但如何与我们的业务系统对接，成为实时的数据服务？这还需要一个完整的支持数据接入、加工处理、得出结果以及监控管理的在线引擎。随着线上个人贷款规模的爆发式增长，控制风险、解放人力已成为最紧迫的需求，数据智能自动化引擎是机构“跑起来”的强大推动力。&/p&
&h2&风控与征信&/h2&
&p&最后，简单谈一下大数据风控和征信的区别，不少同学会认为风控公司就是征信公司，这其中还是有较大区别的，尤其在大数据领域。&/p&
&blockquote&据百科，&i&征信是专业化的、独立的第三方机构为个人或企业建立信用档案，依法采集、客观记录其信用信息，并依法对外提供信用信息服务的一种活动，它为专业化的授信机构提供了信用信息共享的平台。&/i&&/blockquote&
&p&应该看到，征信所对应的数据还局限在开头所说的身份属性和信用属性范围，也就是强金融数据，而大数据风控认为所有数据都是风险数据，更侧重于将弱数据金融化，再提炼出风险表征。因此，征信本质是大数据风控的子集，覆盖的人群和应用领域也更为狭窄。当下大数据风控和征信的确还处于混业经营的状态，但随着行业发展，可预见市场还会逐渐细分，届时前者将更注重在数据生态体系上的经验和沉淀，后者则侧重在独立性和公信力以及监管合规等方面。&/p&
随着监管趋严和行业愈加规范化，大数据风控，尤其是基于弱数据的风控正成为线上信用贷业务最重要的核心竞争力。
授权发表）
近日，中国人民银行成立金融科技（FinTech）委员会，旨在加强金融科技工作的研究规划和统筹协调。
&p&在上一篇文章中&a href=&https://zhuanlan.zhihu.com/p/?group_id=288384& class=&internal&&（北京）楼市定向加息的意义 - 知乎专栏&/a&，很多朋友都无法理解为何“低利率与资产价格崩溃”成为伴生关系？显然，降低利率应该能够提升资产价格呀！其实，这个问题并不难解释，我们完全可以做一个形象的比喻：“药物与疾病”的伴生关系。从因果关系的角度来看，药物的确对疾病有治疗效果。问题在于，由此我们认定“吃药的人会更加健康”就显得非常可笑了。从相关性（伴生关系）的角度，我们完全可以判断，吃药的人很可能健康出了问题。同样道理，利率接近于零的经济体，几乎毫无例外的都丧失了经济活力。&/p&&br&&p&接来下，我也可以从因果关系的角度来谈谈压低利率与资产价格之间的关系。很多不懂得经济学原理的人都会怀念计划经济时代的“低价格”，但这种所谓的低价格往往绕不开三个问题：&b&分配难题、短缺难题、劣质难题&/b&。最近我老婆在一家大型综合类医院生孩子，让我再次体会到了上述三个问题的尴尬。医院人满为患的程度，严重到在楼道都加了很多病床。另一方面，医院还有单间病房供应，价格只有每天400元。我可以负责任的说，没有住进单间病房者绝非是价格原因的考量。我猜测，如果采用市场机制来进行病房的分配，那么单间病房的价格至少被低估了三分之二以上。问题是，这种不能人人享受到的低价格，显然是毫无意义的。如果我再花费篇幅解释这种非市场化的分配方式，那么显然就是在侮辱大家的智商了。没错，我的主张就是提高单间病房的价格，直到实现供需平衡为止。否则，&b&国家善意压低价格的结果，也只不过是让实惠落入到拥有分配权者的手中。&/b&或许很多人会为我这种“民奸”言论而感到愤慨，觉得我这种提价的主张是在为国家说话。如果说非盈利性质的医院必须实现收支平衡的话，那么其实也有一种接近于市场化的分配方式：提高单间病房的价格，并同时降低其他病床的价格。极端的情况是，住单间病房者为所有其他床位付费。虽然这种办法在一定程度上解决了分配难题，但却无法解决短缺难题。&/p&&p&假设，单间病房每天的价格提升到2000元仍旧无法解决供不应求的局面，那么最好的办法就是投资扩建更多的单间病房。没错，国家不用多付出一分钱，社会资金就会因其庞大的利润蜂拥而入。当供给能够出现竞争时，单间病房的价格就很可能会被不断压低，甚至压低到原来的价格也并非不可能。事实上，&b&这种措施的最大受益者，很可能是无力支撑昂贵单间病房价格的穷人。&/b&当富人都涌入单间病房时，穷人至少不会继续住在楼道中的加床上，而是会用同样的价格住进三人间的标准病房。（由于劣质难题与我后面要讲述的道理无关，所以这里就不再继续讲述了。）&/p&&p&我在上一篇文章中指出：&b&一方面管理层由于社会上庞大的信贷存量而无法提高利率，另一方面又由于美联储的加息、缩表而使中国央行无法增加货币供应量。&/b&大家是否对这种现实有一种似曾相识的感觉：&b&在不能增加有效供给的情况下，人为压低价格的方式往往是毁灭性的。&/b&记得上政治经济学课时，听到过这样的说法：&b&比轰炸对城市伤害更大的方式是低房租政策&/b&。相同的道理：压低银行资金的出售价（基准利率），其实应该与压低任何商品的售价并没有本质的不同。最终的结果一定是：银行惜贷！由于市场利率不断的走高（货币市场基金的收益率已经从2%攀升至4%），这无疑在提高银行房贷行为的机会成本。从另一个角度来讲：考虑到任何贷款行为的风险都不可能低于国债，那么市场利率的走高无疑在不断压低贷款行为的风险溢价。假设贷款利率为4.5%，那么当国债利率为2%时，风险溢价则为2.5%；当国债利率升高至4%时，贷款的风险溢价就只有0.5%而已。在风险不变的情况下，风险溢价的降低一定会抑制贷款行为。也就是说，风险溢价下降了80%，那么坏账率也必须出现同等的下跌才能维持银行的利润不变。所以说，银行必定有强大的动机对贷款进行甄别。&/p&&p&曾经听到过一个玩笑：历史上最成功的计划应该非计划生育莫属了，因为计划最大的天赋就是产生匮乏。或许，对计划轻车熟路的管理层，一定知道如何创造匮乏的局面。如今房贷市场的确呈现出明显的计划经济特征（人为压低价格）：&b&“分配难题”与“短缺难题”&/b&。或许，这两者都是管理层所乐意于见到的吧。&/p&&p&对于分配难题来说，信贷的分配权并非更多的留在基层官僚手中，而是被中央政府所掌握。也就是说，中央政府可以将银行信贷资金引向商品房库存更大的三四线城市。这样一来，分配难题反而变成了分配优势。&/p&&p&同样的道理，短缺难题同样变成了短缺优势。我们从管理层对民间信贷态度的转变，就能隐约的感到：信贷或许已经逐渐从“蛋糕”变为“烫山芋”。民间信贷的蓬勃发展可以替管理层解决一个两难的难题：&b&关闭信贷水龙头，资产泡沫将立刻破灭；不关闭信贷水龙头，则资产泡沫破灭时，银行的呆账坏账将会堆积如山。&/b&的确，与民间信贷发展相对应的是，银行可以将最劣质的贷款剥离到民间。问题是，民间信贷的体量很难与银行系统相提并论。如果银行系统的放贷行为符合微观上的经济利益，那么任何行政命令都很难从根本上压制银行的放贷冲动。问题是，如果信贷泡沫破灭，那么宏观风险则必定需要中央政府“兜底”。通俗的说，压制银行系统的放贷冲动，无疑是在降低中央政府潜在的宏观风险。&/p&&p&历史上，其实还存在一个与目前中国经济环境完全对称的版本：美国在卡特总统时代，政府对货币量和利率都不进行干涉。结果就是，攀升的利率并不能压制信贷的扩张，反而在高通胀面前使贷款行为变得更为划算。&b&高利率刺激银行的放贷热情；而信贷的膨胀同时可以使得通胀率走高；高企的通胀率反而会刺激企业的贷款冲动；企业贷款的增长同时会继续推升利率。&/b&这种正反馈的循环，非常类似于索罗斯所述的反身理论。这里顺便说一句：对于微观经济问题来说，我仍旧坚持市场原教旨主义的观点（比如说，单间病房的分配）；而对于宏观经济问题来说，绝对的自由主义主张很可能存在一定程度的局限性。&/p&
在上一篇文章中，很多朋友都无法理解为何“低利率与资产价格崩溃”成为伴生关系？显然，降低利率应该能够提升资产价格呀！其实，这个问题并不难解释，我们完全可以做一个形象的比喻：“药物与疾病”的伴生关系。从因…
1.较全面了解银行业务结构和流程，特别是风险点；2.具备风险管理专业知识；3.持续学习能力强；4.处理好领导同事关系
1.较全面了解银行业务结构和流程，特别是风险点；2.具备风险管理专业知识；3.持续学习能力强；4.处理好领导同事关系
题外话：&br&请不要再评论问XX银行XX岗位待遇怎么样、发展前途怎么样、几年到职业瓶颈之类的，麻烦先去干三年，搞懂什么叫职业瓶颈、发展前景再说。&br&&br&===========================================================&br&做过7年风险管理，最早也是从信用卡风控开始，从自己的经验简单回答一下这个问题。&br&&br&说在前面的建议：&br&我第一份工作是某行卡中心风险管理部，做反欺诈，也做过相对创新业务的风险管理，后来做到某支付公司风险管理中心的副总监，目前回到银行研究信用风险管理。其实我很怕刚入行的年轻人（其实我也还是年轻人。。。）在进入一份工作之前先问“是否有发展前景”，尤其是“这个行业是否有发展前景”。&br&我个人觉得，除了当公务员，其他什么行业都有发展前景，主要还是要看自己的努力、天分，以及机遇和把握机遇的能力。再夕阳的产业，也不见得你进去了几年就马上掉下去；而有这几年的经验，你就能更好的判断到底有没有发展前景。离开具体的人谈某个行业有没有前景，不是不能问，而是对提这个问题的人来说，没什么意义。&br&&br&先说一下信用卡中心风险管理的基本结构，一般有以下四大模块：&br&&ul&&li&风险政策：负责整个发卡政策的制定和调整，随着业务的进一步成熟，还会衍生或包含组合管理、评分卡（模型）等相关职能。这个模块相对偏技术，欢迎有数学背景和能力的人；需要有必要强的分析能力，尤其是组合管理。所谓组合管理，通俗地说就是给持卡人进行切片分析，男女、老少、贫富、城乡，以及相应的行为习惯和风险特征，再根据分析结果进行调整；如果你对市场比较敏感，又有比较强的数据分析能力，还是会有用武之地的。&br&&/li&&li&征信：根据发卡政策，对持卡人进件进行筛选，根据人行征信报告等外部信息识别申请人的真伪、好坏，再判断申请人的条件和预期风险，决定应给予的额度。这个岗位相对更偏操作和执行，要求认真、细致。经过比较长时间的锻炼，能够往资深或政策方面发展。&/li&&li&伪控：也就是反欺诈，有些银行单独设立部门，有些银行放在大的催收团队中。信用卡是一种无抵押小额信贷，而且由于其大批量、规模化作业的模式，以及前些年跑马圈地时代延续到近的外包拓展模式，面临大量且严重的伪冒欺诈风险，比如认识你的人用你的身份证去办一张信用卡消费掉，或者你办的信用卡被盗（包括实体卡被盗和卡信息被盗）发生盗用消费，又或者伪卡。这个部门主要是在线交易监控和伪冒案件调查两个比较大的团队。其中调查团队需要和警方合作。&/li&&li&催收：对于已经发生逾期的客户，以电话／邮件等方式进行催缴，要求持卡人尽快完成还款；逾期严重的，联系外包公司上门催收；确认无法通过催收催回的，进行司法诉讼。因此资深催收需要和司法机关合作。&/li&&/ul&&br&关于信用卡风险管理需要的能力：&br&&ul&&li&一般来说，银行业面临的风险分为市场风险、信用风险、操作风险；而风险管理部门一般是管理信用风险和操作风险，市场风险是公司管理层判断的。而信用风险和操作风险的知识和技能，都是学一辈子也学不完的，尤其是随着科技的创新、产品的创新、市场边界的拓展和深化，风险的边界和表现也在不断的变化。&br&&/li&&li&大体上来说，信用风险的表现类型比较单一，就是欠钱不还；但信用风险的管理则是极为复杂和深邃的一门学问。在不同的市场条件下，不同的市场主体（银行），不同的发卡策略，不同的风险偏好，都要求有相应的信用风险管理水平。这不但要求要对你所参与的市场非常了解，对你的客户非常了解，还要对历史数据有深刻的分析， 根据风险表现做资产管理。信用风险做精通了，可以考虑往其他类型的小额信贷／个人借贷风控方面发展，甚至可以转型做市场分析、行业分析。&br&&/li&&li&伪控方面，反欺诈是个技术活，如何在大量的交易中识别有风险的，一般是从简单规则开始，逐步演化为复杂规则、复合规则，以及监控模型。与此同时，对于欺诈案件的处理，需要大量与客户照会沟通，也能够极大提高沟通能力。比如说，要在短短两三分钟内判断和你通话的是不是客户本人，还是伪冒用卡的欺诈分子；案件调查过程中用什么样的语气和方法来诱导、恐吓犯罪分子，都是很有意思的。但这个工作要求比较好的心理素质和抗压能力，因为你面对的都是坏人，每天处理的都是坏事，容易沮丧，需要不断自我调节。&/li&&li&征信和催收相对操作性更强，我也不是做这个的，就不妄言了。&/li&&/ul&&br&关于信用卡风险管理有没有发展前景：&br&&ul&&li&中国从上世界80年代末期开始有信用卡出现，一直不温不火，到2002年才真正有市场化的产品，或者说，才真正形成一个市场。而其最早的参与者和领军者，就是招行。当年那一批招行信用卡的员工，被称为中国信用卡行业的黄埔军校，后来有很多银行的信用卡业务，都是通过挖招行的人、或者参考招行的模式而来。即使到现在，招行的信用卡业务依然是国内做好的；虽然工行的发卡量更大，但无论在活卡率还是市场影响上，招行还是表现更好一些。&br&&/li&&li&但有一点，银行本身是属于比较稳健的行业，也是发展非常成熟的行业，里面各种岗位分工非常细致、明确，而且一般都是按岗定薪，其企业文化也相对比较保守（相较其他行业、尤其相较互联网行业而言）。其好处是，能够在职业发展初期就在一个比较成熟的公司文化中学习怎么工作、怎么处理人际关系、怎么处理客户关系，这些对于刚入社会的年轻人来说，是非常有益的，而且在小公司学不到。但坏处是，比较沉闷，缺乏激情。&/li&&li&信用卡业务中后台的两条核心，就是风险和财务。只要抓住这两条线，能够通晓整个业务链条的关系，就能够基本掌握整个传统银行信贷业务的主要流程和基础思维。&/li&&li&特别的，风险管理是一个越老越吃香的行业，尤其是信用风险，因为要判断一个人有没有风险，需要大量的实际经验，而不是按照规范守则照本宣科，这样没有出路；更不要说更加考校判断能力和经验的对公业务或投行类业务。所以如果你在银行，可以发现做信用卡征信的一般都是年轻人，以三至五年经验甚至应届生为主；但做对公信贷、投资信贷的，往往年龄较大，甚至有头发花白的前辈，当然，他们的名字就不叫征信，而是风险评审。&/li&&li&另外，说一下反欺诈。以我自己的经验看来，目前反欺诈做的比较好的，一方面是传统金融中的银行，尤其是信用卡为代表（其他对公对私业务基本上没监控可言）；另一方面是第三方支付，以PAYPAL和支付宝为代表，其中支付宝的在线反欺诈监控已经相当成熟。这两套体系关注目标不同，但在反欺诈的思维、工具上都有相通之处。目前互联网金融正在萌芽阶段，未来十年对于反欺诈技术和经验的需求一定是越来越多，也越来越高；但目前由于银行小额支付产品弱、支付宝缺乏银行体系数据，两个行业的反欺诈都有待提升，以后这个行业怎么融合、发展，很值得观察。&/li&&/ul&&br&以上是个人的一些浅见，希望对题主了解这个行业能有一点帮助。知乎相对技术和文化两方面的氛围比较浓，但类似风险管理这样的东西就显得比较偏门，毕竟和大多数人的日常生活没啥关系，也感受不到（要是天天感受到风险，那还了得），希望有更多的朋友能贡献更好的答案，分享、交流，谢谢。
题外话： 请不要再评论问XX银行XX岗位待遇怎么样、发展前途怎么样、几年到职业瓶颈之类的，麻烦先去干三年，搞懂什么叫职业瓶颈、发展前景再说。 =========================================================== 做过7年风险管理，最早也是从信用卡风控开始…
&figure&&img src=&https://pic4.zhimg.com/v2-353b959d88aefdcda94bd1_b.jpg& data-rawwidth=&800& data-rawheight=&360& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic4.zhimg.com/v2-353b959d88aefdcda94bd1_r.jpg&&&/figure&&h2&写在前面&/h2&&p&不久前从第三方支付转行而来的我，作为产品需要频繁的与风控同事碰撞，也曾被各种专业英文单词搞蒙圈。后经一段时间的学习和总结，汇总成文。本文原是我在团队内部的分享，经脱敏后发布出来，希望对初入互联网消费信贷业务的同仁有所帮助。&br&&/p&&br&&br&Update
&p&1、新增3.7--3.10；&/p&&p&2、修改2.1配图；&/p&&p&3、其他文字修正。&br&&br&&br&&/p&&h2&1、风控系统篇&/h2&&b&1.1 A card&/b&&br&释义：Application scorecard
进件评分卡，对授信阶段提交的资料赋值的规则。&br&举例： “进件”是传统银行的说法，指申请单。评分卡是对一系列用户信息的综合判断。随着可以收集到的用户信息变多，授信决策者不再满足于简单的if、else逻辑，而是希望对各个资料赋予权重和分值，根据用户最后综合得分判断风险，通过划定分数线调整风险容忍度，评分卡应运而生。&br&&br&&b&1.2 B card&/b&&br&释义：Behavior scorecard
行为评分卡，对贷后可以收集到的用户信息进行评分的规则。&br&举例：与 A 卡类似，B卡也是一套评分规则，在贷款发放后，通过收集用户拿到钱后的行为数据，推测用户是否会逾期，是否可以继续给该用户借款。例如用户在某银行贷款后，又去其他多家银行申请了贷款，那可以认为此人资金短缺，可能还不上钱，如果再申请银行贷款，就要慎重放款。&br&&br&&b&1.3 C card&/b&&br&释义：Collection Scorecard 催收评分卡，对已逾期用户未来出催能力做判断的评分规则。&br&举例：催收评分卡是行为评分卡的衍生应用，其作用是预判对逾期用户的催收力度。对于信誉较好的用户，不催收或轻量催收即可回款。对于有长时间逾期倾向的用户，需要从逾期开始就重点催收。进件评分卡、行为评分卡和催收评分卡常合并称为“ABC卡”，应用在贷前、贷中和贷后管理。&br&&br&&b&1.4 MIS&/b&&br&释义：Management Information System 管理信息系统。&br&举例：MIS_weekly是MIS 系统出的周报，是从风控角度出发，涵盖当期重要数据和历史用户的风险表现，是授信模块需重点关注的报表。&p&&b&1.5 Ser&/b&&br&释义：service的简写。“.ser” 是决策引擎工具SMG3的工程文件格式，故用 ser代指决策引擎规则版本。&br&举例：SMG3（Strategy Management Generation 3）是Experian提供的决策引擎工具，类 似的工具还有FICO的Blaze。决策引擎是一系列规则的集合，可处理大量的入参，最终输出结论。决策引擎规则是授信的核心构成之一，通常每个细分人群都会单独配置一个Ser，同一个授信流程也可执行多个Ser。&br&&br&&b&1.6 RBP&/b&&br&释义：Risk-based Pricing，风险定价。&br&举例：量化风险管理的一个核心就是风险定价，可以根据用户人群、模型决策风险、外部征信数据等条件，给用户授予额度和费率。&br&&br&&/p&&h2&2、风控指标篇&/h2&&p&&b&2.1 Aging Analysis&/b&&br&释义：账龄分析。显示各期至观察点为止的延滞率，其特点为结算终点一致，把分散于各个月的放贷合并到一个观察时间点合并计算逾期比率。&br&&br&&b&2.2 Vintage Analysis&/b&&br&释义：同样也是账龄分析。与aging analysis不同，vintage以贷款的账龄为基础，观察贷后N个月的逾期比率。也可用于分析各时期的放贷后续质量，观察进件规则调整对债权质量的影响。&br&举例：Deliquency Vintage 30+:表现月逾期30+剩余本金/对应账单生成月发放贷款金额。&/p&&br&&b&2.3 C 、M&/b&&br&释义：C和M是描述逾期期数bucket的专有名词。M0为正常资产，Mx为逾期 x 期，Mx+为逾x期（含）以上。无逾期正常还款的bucket为M0，即C，M1即逾1期（1-29天） 。 M2+即逾2期及以上（30+） 。M2和M4是两个重要的观察节点，一般认为M1为前期，M2-M3为中期，M4以上为后期，大于M6的转呆账。&p&&b&2.4 Delinquency&/b&&br&释义：逾期率/延滞率。评价资产质量的指标，可分为Coincident和Lagged两种观察方式。&br&&br&&b&2.5 Coincident&/b&&br&释义： 即期指标。用于分析当期所有应收账款的质量，计算延滞率。计算方式是以当期各bucket延滞金额除以本期应收账款（AR）总额。Coincident是在当前观察点总览整体，所以容易受到当期应收账款的高低导致波动，这适合业务总量波动不大的情况下观察资产质量。&br&举例：常看的一个指标Coincident DPD 30+&br&&br&&b&2.6 Lagged&/b&&br&释义： 递延指标。与coincident相同也是计算延滞率的一个指标，区别是lagged的分母为产生逾期金额的那一期的应收账款。Lagged观察的是放贷当期所产生的逾期比率，所以不受本期应收账款的起伏所影响。&br&举例：Lagged DPD 30+$(%)= Lagged M2+Lagged M3+Lagged M4+Lagged M5+Lagged M6&br&月末资产余额M1(1-29天): 统计月份月末资产中满足 1≤当前逾期天数≤29 的订单剩余本金总和，当前逾期天数为订单当前最大逾期天数，不包含坏账订单。&br&Lagged M1 =月末M1的贷款余额/上个月底的贷款余额(M0~M6)&br&&br&&b&2.7 DPD&/b&&br&释义：Days Past Due 逾期天数，自还款日次日起到实还日期间的天数。&br&举例：DPD7+/30+，大于7天和30天的历史逾期。业内比较严格的逾期率计算公式为：在给定时间点，当前已经逾期90天以上的借款账户的未还剩余本金总额除以可能产生90+逾期的累计合同总额。其分子的概念是，只要已经产生90天以上逾期，那么未还合同剩余本金总额都视为有逾期可能，而分母则将一些借款账龄时间很短的，绝对不可能产生90+逾期的合同金额剔除在外（比如只在2天前借款，无论如何都不可能产生90天以上逾期）。&/p&&br&&b&2.8 FPD&/b&&br&释义：First Payment Deliquency，首次还款逾期。用户授信通过后，首笔需要还款的账单，在最后还款日后7天内未还款且未办理延期的客户比例即为FPD 7，分子为观察周期里下单且已发生7日以上逾期的用户数，分母为当期所有首笔下单且满足还款日后7天，在观察周期里的用户数。常用的FPD指标还有FPD 30。&br&举例：假设用户在10.1日授信通过，在10.5日通过分期借款产生了首笔分3期的借款，且设置每月8日为还款日。则11.08是第一笔账单的还款日，出账日后，还款日结束前还款则不算逾期。如11.16仍未还款，则算入10.1-10.30周期的FPD7的分子内。通常逾期几天的用户可能是忘了还款或一时手头紧张，但FPD 7 指标可以用户来评价授信人群的信用风险，对未来资产的健康度进行预估。 &p&&figure&&img src=&https://pic1.zhimg.com/v2-f51b432afdd7d06cd287c23ff8de9272_b.jpg& data-rawwidth=&451& data-rawheight=&124& class=&origin_image zh-lightbox-thumb& width=&451& data-original=&https://pic1.zhimg.com/v2-f51b432afdd7d06cd287c23ff8de9272_r.jpg&&&/figure&&br&与FPD 7 类似，FPD 30也是对用户首笔待还账单逾期情况进行观察的指标。对于逾期30天内的用户，可以通过加大催收力度挽回一些损失，对于逾期30天以上的用户，催收回款的几率就大幅下降了，可能进行委外催收。如果一段时间内的用户FPD 7较高，且较少催收回款大多落入了FPD 30 内，则证明这批用户群的non-starter比例高，借款时压根就没想还，反之则说明用户群的信用风险更严重。&br&&br&&b&2.9 Flow Rate&/b&&br&释义：迁徙率。观察前期逾期金额经过催收后，仍未缴款而继续落入下一期的几率。&br&举例：M0-M1=M月月末资产余额M1 / 上月末M0的在贷余额&br&8月M0-M1 ：8月进入M1的贷款余额 / 8月月初即7月月末M0的在贷余额 &br&&br&&/p&&h2&3、风控模型篇&/h2&&b&3.1 Benchmark&/b&&br&释义：基准。每个版本的新模型都要与一个线上的基准模型或规则集做效果比对。&br&&p&&b&3.2 IV&/b&&br&释义：information value 信息值，也称VOI，value of information，取值区间(0,1)。该值用来表示某个变量的预测能力，越大越好。通常IV值0.3以上的，预测能力较高。&br&&/p&&p&&b&3.3 K-S value&/b&&br&释义：K-S指klmogrov-smirnov，这是一个区隔力指标。所谓区隔力，是指模型对于好坏客户的辨识能力，区隔力越强，模型准确度越高，误判的几率越低。K-S值越大越好，一般0.6以上用户解释能力很高。&br&&br&&b&3.4 PSI&/b&&br&释义：population stability index，稳定度指标，越低越稳定。用于比较当前客群与模型开发样本客群差异程度，评价模型的效果是否符合预期。&br&&br&&b&3.5 Training Sample&/b&&br&释义：建模样本，用来训练模型的一组有表现的用户数据。配合该样本还有off-time sample（验证样本），两个样本都取同样的用户维度，通常要使用建模样本训练出的模型在验证样本上进行验证。&br&&br&&b&3.6 WOE&/b&&br&释义：weight of ecidence，迹象权数，取值区间(-1,1)。违约件占比高于正常件，WOE为负数。绝对值越高，表明该组因子区分好坏客户的能力越强。&/p&&br&&b&3.7 Bad Capture Rate&/b&&br&释义：坏用户捕获率。这是评价模型效果的一个指标，比率越高越好。&br&举例：Top 10% Bad Capture Rate是指模型评估出的最坏用户中的前10%用户，在样本中为坏用户的比率。&p&&b&3.8 Population&/b&&br&释义：All Population，全体样本用户，包含建模样本与验证样本。&/p&&p&&b&3.9 Variable&/b&&br&释义：变量名。每个模型都依赖许多的基础变量和衍生变量作为入参。变量的命名需要符合规范，易于理解和扩充。&/p&&p&&b&3.10 CORR&/b&&br&释义：相关系数。Corr的绝对值越接近1，则线性相关程度越高，越接近0，则相关程度越低。&br&&/p&&h2&4、风控基础词汇篇&/h2&&p&&b&4.1 APR&/b&&br&释义：Annual percentage rate，年度百分率，一年一次复利计息的利率。nominal APR名义利率，effective APR实际利率。&br&&br&&b&4.2 AR&/b&&br&释义：accounts receivable，当期应收账款。&br&&br&&b&4.3 Application fraud &/b&&br&释义：伪冒申请&br&&br&&b&4.4 Transaction fraud &/b&&br&释义：欺诈交易&br&&br&&b&4.5 Balance Transfer&/b&&br&释义：余额代偿，即信用卡还款业务。&br&&br&&b&4.6 Collection &/b&&br&释义： 催收。根据用户入催时间由短到长，分为Early collection（早期催收）、Front end（前段催收）、Middle range（中段催收）、Hot core（后段催收）Recovery（呆账后催收/坏账收入）这几个阶段，对应不同的催收手段和频率。&br&&br&&b&4.7 DBR&/b&&br&释义：debit burden ratio，负债比。通常债务人的在各渠道的总体无担保负债不宜超过其月均收入的22倍。&br&&br&&b&4.8 Installment&/b&&br&释义：分期付款&br&&br&&b&4.9 IIP&/b&&br&释义: 计提的坏账准备&br&&br&&b&4.10 PIP&/b&&br&释义：资产减值损失&/p&&p&&b&4.11 NCL&/b&&br&释义：net credit loss，净损失率。当期转呆账金额减去当期呆账回收即为净损失金额。&br&&br&&b&4.12 Loan Amount&/b&&br&释义：在贷总额&br&&br&&b&4.13 MOB&/b&&br&释义：month on book 账龄&br&举例：MOB0,放款日至当月月底。MOB1,放款后第二个完整月份&br&&br&&b&4.14 Non-starter &/b&&br&释义：恶意逾期客户&br&&br&&b&4.15 Payday Loan&/b&&br&释义：发薪日贷款。无抵押的信用贷款，放款速度快，额度低，期限短但利率高。额度低和高利率是该模式的必要条件。&/p&&p&&b&4.16 Revolving&/b&&br&释义：循环信用。提钱乐信用钱包给用户的就是循环额度，相对应的还有医美、教育类的专项额度。&/p&&p&&b&4.17 WO&/b&&br&释义：Write-off ，转呆账，通常逾期6期以上转呆账。&br&&br&&br&&b&待续...&/b&&br&&/p&&br&&p&——————————————&br&&/p&&br&&p&转载需授权。&/p&&p&欢迎关注我的知乎专栏：&a href=&https://zhuanlan.zhihu.com/woody& class=&internal&&啼笑皆非&/a&&br&以及微信公众账号：啼笑&br&和你分享我的运动和兴趣学习心得。&/p&
写在前面不久前从第三方支付转行而来的我，作为产品需要频繁的与风控同事碰撞，也曾被各种专业英文单词搞蒙圈。后经一段时间的学习和总结，汇总成文。本文原是我在团队内部的分享，经脱敏后发布出来，希望对初入互联网消费信贷业务的同仁有所帮助。 Update …
金融在很大程度上是看天吃饭的。今天不谈风控问题，而是从一些模式上谈谈P2P当前存在的一些问题。&br&&br&&p&电商模式的P2P今年必然寿终正寝&/p&&p&最近新浪在搞活动研究“互联网+”，其中也包括互联网+金融。而我看了马明哲大佬的访谈，别的没记住，就记住了那句话，大家对互联网金融的期待太高了。&/p&&p&&br&感觉很熟悉，类似的话，我大概三年前就说了，别对互联网金融抱有太大的期望，别搞的互联网金融会是拯救中国的利器和工具，这个世界从来不存在一点突破，全面开花的逻辑，从重要性而言，我们有很多事情，比金融重要多了，农业稳定、科技、教育、医疗、住房改善，都比金融要来的更重要，那里搞的好像有了互联网金融，别的就不需要的感觉呢？从这几年的情况来看，社会有一种很不好的风 气，就是凡说反对互联网金融的，就是反对创新，扼杀创新的逻辑，我一直不这么觉得。&/p&&p&▍电商模式的P2P今年必然寿终正寝&/p&&p&当然今天不是来重申这些老观点和看法的，我只是想阐述下最新的一些想法，因为都只是想法，还不成体系，难免很多考虑不周的地方，希望大家多拍砖，轻点就行。&br&&br&第一个想阐述的问题其实说感觉过去VC主导的电商模式的P2P基本上快寿终正寝了，很快会出现大面积的P2P坍塌事件，这里的核心原因我感觉说是过去的VC缺乏对金融的深刻理解所导致，过去很多VC在电商这一波上赚了很多的钱，然后目光瞄向了互联网金融，期望复制互联网电商的基础逻辑，就是通过做大基础用户规模，然后来获得最终的市场份额，说白了就是牺牲当前的收益来获得未来的长期性收益，更看重对用户规模的期待。我们看到过去几年大量的资金都砸在了用户规模大的一些P2P领域里，喜欢看交易规模，待收金额。&br&&br&我过去也一直想明白，他们的投资逻辑到底在哪里，因为我一直无法理解的就是金融怎么可能是比拼规模的地方呢？金融企业一直有个所谓资本金约束的提法，也就是金融企业规模都是会受到资本金的约束的，这不是行政规则，他说金融运行的基本法则，一个企业规模做到一定阶段，一定会受到资本金的约束，非常自然简单的事情，所以，金融企业能否牛逼有时候，只要看资本金就可以了，更大的资本金一定可以做更大的规模，这个逻辑是非常清晰的。&br&&br&这里就衍生出的基本逻辑就是，金融企业要增加规模，必然要增加资本金，而增加了资本金的话，就必然降低资产收益率，也就是说企业的收益一定是跟资本金约束相关，如此来看，金融企业的高估值可能性就会大打折扣，为什么，因为缺乏想象力啊。一个能被想象出未来的行业，能有多少估值呢？这个从目前银行业的估值都可以看得出来，目前全球银行业的PB都普遍不高，平均水平大概也就是1.2左右，中国大概只有0.8。也就是从单纯的投资角度看，金融机构并非是很好的投资标的。&br&&br&那么这里有人就会说，P2P是为颠覆银行而生，怎么可以沿用银行的投资逻辑呢？我个人感觉任何一个事物，不要去看表象，而是要看本质，究其P2P本质而言，P2P跟银行毫无差别，唯一逻辑就是P2P不受管制约束可以，这个是好事情，规模很容易上，这个也是坏事情，不受节制的上规模，必然死得很难看。&br&&br&后来随着跟大量投资经理聊天，我突然也觉得发现一个真理就是你觉得很当然的事情，在很多人眼里其实并不是如此的，而世界上大多数时候钱又掌握这些人手里，所以这个时候，他们的认知决定了市场的走向，虽然最终结果可能我是对的，但是过程中我可能就死了，当市场认为我对的时候，我已经不在了，于是也是基于这个逻辑，我得出结论就是市场永远是对的，世界上80%的人其实本质都是从众而愚昧的，你如果不从众，不变得跟他们一样愚昧，你会越来越聪明，但是却会越来越穷困，所以，你要做的事情，其实是看明白之后，得放下手段，让自己变傻，加入期间，然后在他们变聪明之前，赶紧撤了，这就是我后来说的所谓阶段性机会的原因了吧。&br&&br&在过去几年市场充斥了大量的专业的，非专业的投资人，每个人都可以给你讲上很长的一段逻辑来谈他们理解的金融，例如金融要普惠，要人人可做金融，用户门槛越低，价值越高等等，我基本上到后来直接干脆都说，都是对的，对的，能让我跟点不，价格便宜点就行了。我再也懒得去扯什么金融是有门槛的，人人做金融迟早人人都完蛋，美国次贷危机就是这么来的之类的话，因为，其实说了他们也听不懂，于是我就这么被逼着成为了很多公司的股东，真没办法，都是被逼的。&br&&br&有一次跟某P2P公司的一个投资机构聊天，他说他们也认识到我说的P2P的根本不在于流量，而在于资产，我说那是最简单的道理，资产决定了最终的信贷风险，跟风险相比较，你的运营成本压根就不值得一提，他说，他们投资的机构，也开始从流量转到资产能力了，所以他们就投资了千把万美金了，我说扯淡吧，我干了近十年的金融，胆颤心惊的干了十年，我都不敢说自己有资产定价的能力了，现在你大手一挥说，让你投资的P2P，从流量转向资产，然后他就立马就有能力了，那只能说明，我过去这十年都可以去死了，因为都白活了。一开始就从流量入手的公司，怎么可能说转型就转型呢，这个又不是演戏，今天演了丑八怪，明天就变成四大美女了。&br&&br&很多简单的道理，其实都说深刻异常的，你没经历过，不能明白就是不能明白，过去十年中国至少发生了不下三场中低程度的经济危机，每一次危机都死掉一大批人，这个过程中，许多极为简单的道理被验证了一次又一次。&br&&br&其实，我自己一直的感觉就是，金融缺乏长期价值，只有现金价值，怎么去理解这个事情，确切说，金融因为其实是个非常好比较差别的产品，金融产品核心纬度其实是三个，安全、期限、收益，在安全假设既定的情况下，就是两个，期限和收益，为什么排斥安全，那是因为目前整体刚兑的环境下，这个基本默认为同等，如果不刚兑的话，确切说，安全又是绝大多数人最无法衡量的纬度，所以绝大部分人如果在做金融产品配置的情况下，基本只看下平台，觉得平台放心了，然后直接看收益率匹配期限，总体而言，期限越短，收益同等的情况下，越容易被接受，期限相同的情况下，收益高越容易被接受，这里面，小平台和大平台相比较，会有一个信用差，是能被接受的。&br&&br&这个逻辑衍生出来的情况是什么呢，就是因为金融产品特别容易做比较，就使得绝大多数投资P2P的人的转移成本就非常的低，尤其屌丝在理财的时候，对收益率特别敏感，我举例说过，其实越是屌丝，越是计较收益率。而正因为收益和期限的比较特别容易，傻瓜都算的出来，这个时候，你就会发现，他们就会游走在各个平台寻找合适的标的，从这个角度来看，每个平台就必须保证自己的产品在市场中维持一定的竞争性优势，才能起规模，也就是要比价，而一旦陷入比价的时候，你就会发现，你永远会被收益逼着走，是被用户绑架的情况的，所以，通过相对高息起了用户规模的实际意义就会不断丧失，因为有一天，你无法维持高收益的情况下，用户立马就会撤，这个时候，你当年所有砸钱所形成的用户规模，实际上很难形成长期性优势的。&br&&br&而电商其实是不一样的，电商的逻辑很大程度上是两个，第一个是电商产品的情感属性不是单纯通过比价能够实现的，一个一模一样的产品在不同的商家里，价格差几十倍的情况下，也未必是低价者得，因为构成因素很多，因为喜欢，因为方便，因为情感，乱七八糟，不一而足，第二个原因是商品价格总体而言还是相对低价，一个杯子卖十块跟卖二十，涨价100%了，但是实际上感觉还是很有限，所以商品逻辑，往往是便捷性的流量导入是核心，这个时候谁的基础用户更多，一定能催生更大的价值来。非常浅显的差别就是如此而已。&br&&br&另外，电商是随着规模增长，成本是降低的，而金融其实不是的，金融确切说，规模增长，风险增加，变相带动成本极大程度提高，信贷风险不是保险逻辑，不是大数法则，因为每个事件都不是独立非相关事件的，所以规模越大，一定是风险越大，从而拉高整个成本，所以最终的情况是金融不是一个可以做大规模拉低成本的行业，那就回到我前面的问题，金融需要不断的增加资本，包括拨备，包括风险准备金，这些都使得整个金融无法遵循电商逻辑，缺乏想像空间。&br&&br&还有一个很重要的差异是什么呢，我在《风吹江南之互联网金融》里其实是提出过的，就是电商是用户和客户明显合二为一的模式，而金融是用户和客户是分开的，两者不重叠的，这个也是一个非常重要的基础性逻辑，什么意思呢，大家去设想下，马云在淘宝上，一年能花多少钱？我大概算了下，马云在淘宝上大概一年也就只能花个千把万的东西，已经足够把他家撑的满满的，商品交易，绝大部分都是基础性产品，这些东西，哪怕你是全球首富，其实你也花不了多少钱，在买一个具体的产品的时候，一个首富和一个屌丝，本质是一样的，在后台来看，只是一个ID而已，根本无法判别ID的差异，所以，这个时候，每个进来购买的用户就是客户，互联网之所以要提用户至上的前提是用户和客户合二为一，把每个进来的人都服务好是达成交易的基础核心，反应的是每个人商品需求都是一致的，不会因为你特别有钱给你开个绿色通道，也不会因为你特别穷就不让你买东西。&br&&br&所以，电商交易规模的起来必须使得客户数要有大面积增长才可以，没有用户数规模的上升，压根无法实现大规模交易的可能，而同时电商的交易规模上去，他的边际成本是递减的，所以谈电商，不砸流量是不现实的，不做好每个客户的基础服务也是不现实的，所以，电商逻辑就是砸用户数的过程，不断的花钱砸流量，砸到没有竞争对手，你就牛逼了，而且由于电商用户对于便捷性要求更高，且对价格并不明显，所以，你会发现习惯了一个平台之后，也很少会因为价格问题而转移到另外一个平台，所以这种情况来看，电商是有长期价值的。&br&&br&其实这里也衍生出过去渠道模式电商一个非常致命的命题，就是渠道主导的模式下，流量为王，必然导致垃圾卖的比宝贝好的情况出现。这个可以看我2012年写互联网电商一篇文章。&br&&br&回到金融来看，其实金融显然不符合这个逻辑，金融的用户和客户显然不是合一的，你们去想，马云在蚂蚁金服上买个一个亿产品，跟一个屌丝买个一千块钱，你还想让他们两个的服务水平一致，那就是见鬼了，两者的服务成本明显不一致，这个时候，你就必须知道谁是你的客户，谁只是你的用户，用户只是用你的产品，未必是你的有效价值客户，客户可能不会经常使用你的产品，但是他会给你带来价值，你要清晰知道自己到底服务谁！&br&&br&金融的特征在这个差异场景上就体现的淋漓尽致了，你服务了一千万屌丝用户又如何，可能还不及把一个高富帅给服务透了，事实上，从实践结果来看，屌丝其实服务成本哪怕都是一对一的情况下，都会比高富帅高更多，前面逻辑讲过，这个世界上，赚了大钱的人，往往财富管理喜欢讲究大资产配置，对于单一资产不会深究，而越是穷光蛋，其实越扣细节风险，对服务水平要求反倒越高，在各个行业都非常明显，会跟出租车司机吵架的人一定是屌丝，因为有钱人的时间很值钱，压根没时间跟你吵架，会跟服务生较真的，也一定是屌丝，屌丝最喜欢又便宜，又好用，最好是产品免费，买个25钱的淘宝还会问你是不是包邮，你妹滴，这就是屌丝，他们的想法就是，东西必须是最好的，价格必须是最便宜的。而且永远还是不满足的，这种情况下，你让金融按照电商的逻辑去走，那就是必死的逻辑了。&br&&br&所以，金融其实是很难按照电商逻辑去走的，电商必须注重客户贡献度，在大量的基础性客户里筛选出符合自己业务模式的客户出来，过去不惜一切代价砸钱堆用户的逻辑，今年必然寿终正寝，最终会发现大量的资金搞这个活动，搞那个活动，养肥的都是一帮垃圾客户，平台稍微有点麻烦，风吹草动，立马把你抛弃，最近泛亚交易所老板被投资人堵着扭送公安局，都表明屌丝是世界上忠诚度最低的人群，他们爱你不是真的爱你，而只是爱你给他们带来好处，如果好处没有，人们立马抛弃你。你能做的就是持续不断的给他们带来好处，稍微中间出现点问题就不爱你了。&br&&br&所以砸出来巨大流量的时候，如果资产端不能跟上的话，那坍塌的时候很快到来，目前我感觉，最可怕的事情，其实不是用户问题，更关键还是资产端的定价能力目前绝大部分互联网公司一直未能形成，资产端的问题，大逻辑也就不讲了，讲的太多，想吐了，总体而言，就是经济下行的周期里，我从来不信，有人能用专业能力扛过去，这个问题，我也写过一篇文章，仔细分析了，也就不提了，大下行周期里，再好的资产都很难经得起扛，总体而言，两类公司更好过冬，一类就是大资本公司，越大的公司，扛过去可能性越大，所以从我个人角度来看，P2P要活下去，加紧融资是至关重要的一步。还有一类就是小公司，越小的公司，往往也能很好的过冬，金融也是很有意思的事情，许多小公司，资产规模不大，反倒切实可控一些基础资产，反倒也不会出什么太大的问题，如果能带有一定的专业性就更好了。&br&&br&许多人其实是不太能认同这个问题的，都觉得靠风控能力可以活下去，事实上，真的很难。大家想下几个简单的逻辑就行了，银行五年前的坏账跟现在的坏账，十倍左右的上升，是能力变化么？不是的，能力没有任何差异，甚至还更好了，依然扛不住坏账，而且没有一家银行独善其身，如果能力有用，总不至于没有一家银行能力不好吧。十年前，我们借钱给别人欠条不用打，现在呢？老婆小孩抵押给你都跑路，说明什么呢？说明信贷风险跟个体能力的关系是不大的，在一个普遍赚钱的社会里，信用环境自然会很好，在一个大家都不赚钱的年代，你想维持低坏账率基本是不现实的，看天吃饭的格局就是信贷这个领域的普遍性特征。&br&&br&我一直觉得，我们这个社会最大的问题是什么呢？是两个，一个是产能过剩，一个是金融过度，产能大发展的年代里，大家都拼命生产东西，到现在卖不出去了，于是催肥了互联网渠道模式，结果自己还是不赚钱，于是大量的钱撤离了实体，扎在中国这个封闭国家里，到处寻找投资机会，于是金融过度化了，钱多其实还是很明显的，本来还可以到股市里去，结果推高了股市，让股市的价格远远超越了实际价格，这两个问题最终的情况是实体也不赚钱，虚拟也不赚钱，那么借了钱的人，拿什么来还钱呢？信贷的本质什么先能赚钱然后借钱还钱的，不能赚钱，你还借钱，那就是耍流氓了。所以中国的信贷风险的本质压根不在信贷模式上，而在于市场没人赚钱。这个是经济问题而不是金融问题。&br&&br&下一步来看，随着经济形式的进一步不明朗，过去流量模式推起来的P2P公司，我感觉会很危险，无法实现C轮融资的公司，从我个人角度来看，都会走的比较艰难，这里面有人说我这里有逻辑漏洞的，就是很多人问为什么余额宝的收益那么低，还一样能有那么多用户规模。我感觉这个不是啥问题，安全等同，收益率相差不大的情况下，便捷性是第一位的，余额宝的确是便捷性最好的产品啊。这个时候哪怕收益率差一个点两个点，其实并不影响用户心里，当然，我还是愿意把余额宝理解为不是金融产品的单纯销售，而是一个财富管理的行为，支付宝用了很好的客户管理的思维，把客户有效的管理起来，在自己的封闭体系里，引导客户做各种金融或者非金融行为。其实这个才是有价值的，我自己这几年感觉，目前互联网上，基本上有三个定律，销售是没有价值的，管理才是有价值的，TO B是没有价值的，TO C才是有价值的，信息是没有价值的，交易才是有价值的。(这三个论断可以写一万字左右的文章，最近心情不好的确不想写，大家关注下我的茶馆公众号：江南1535，日后估计会一点点阐述出来)&br&&/p&&p&▍关于资本冬天&/p&&p&&br&其实目前我个人感觉市场还出现了一个很大的问题就是资本冬天很快就要来临了，这个没有任何数据支撑，纯粹个人的敏感，我在2012年写了一篇《浙江经济怎么了》我提出产业冬天已经来了，实体没有任何求生机会，现在感觉伴随这产业冬天，资本冬天也悄然而至，过去几年实体出来很多的资金，大量因为实体经济不行，而对实体失去信心的钱，离开实体寻找新的投资渠道。&br&&br&这个资金其实应该是很庞大的，中国过去毕竟积累了大量的财富，过于沉淀在房产、存货，机器、设备、人力费用等等的钱，都开始逐步转移出来的时候，造成了市场钱很多的假象，这部分资金一部分进入了股市，二级市场，一部分进入了一级市场，前者演变了轰轰烈烈的股市，后者则是轰轰烈烈的创业大潮，但是这两个领域最核心的问题都是，资金固化，无法催生新钱，股市不用说了，其实说个吸钱的地方，他本身是不创造更多的资金的，所以，最终造成的结果是什么呢，是一旦股市上涨，那就必须要用更多的钱去维持住，一旦这个支撑不在了，那么股市就要下行了，市场货币总归是有限的，最终还是靠新增资金来支撑，美国表现为量化宽松，中国可能就是降息继续印钞，或者就是实体抽出更多的资金进入。显然两个都不是很可行的逻辑。中国缺乏进一步印钞基础，这个问题可以看我钱荒时候写的，钱荒简史。&br&&br&而对现在创业期的互联网公司来说，直接表现的结果就是接盘资金的稀缺了，现在市场融资难度越来越大，大家越来越珍惜手头上的钱，这个时候，我们发现互联网创业的优势其实就丧失了，互联网过去赖以搞死别人的最大逻辑在于都是用未来的钱，用别人的钱去跟对手打，那么传统企业如何跟互联网公司相对抗呢？讲好故事，会忽悠，就能吸引风投给你砸钱，然后你就可以用低成本的资金跟传统企业对抗，这种成本不一致的竞争，压根没办法打，但是随着热钱的消退，大量资金从实体里流出到了一级市场渴望有回报的，结果都只是账面回报，最终让很多愿意进权益市场的钱，最终又回到避险资产里去了，这个时候，冬天就来了，很快，很现实，祝福所有创业路上的公司。本来还想写点股票的文章，但是一方面，大跌了，不忍雪上加霜，另外一方面，唱空的确也不是好事情，虽然写了几千字，但是最后还是删除了。&br&&br&且行且珍惜，冬天不是坏事，冬天是有能力的人的春天，他可以帮助你熬死不少不靠谱的对手，他可以让你更加健壮，更加强大，只有懦弱的人才喜欢春天，也只有春天，懦弱的人可以用运气把牛逼的人搞死，在冬天里，永远是实力说话的，祝福大家。&/p&
金融在很大程度上是看天吃饭的。今天不谈风控问题，而是从一些模式上谈谈P2P当前存在的一些问题。 电商模式的P2P今年必然寿终正寝最近新浪在搞活动研究“互联网+”，其中也包括互联网+金融。而我看了马明哲大佬的访谈，别的没记住，就记住了那句话，大家对…
&p&刚好做过汽车金融，也做过多年信贷审批，其实我也思考这个问题很久，说说自己的体会吧。&br&&b&一，产品设计要巧妙。&/b&当你推出一款信贷产品，有没有想过一个问题，就是哪些客户会来申请？哪些客户肯定不会来申请？金融说白了就是两件事，市场营销+风险控制，而这两个动作不能分离的，必须融为一体。经济学有个词叫“逆向选择”。市场营销，你想要的客户拉都拉不来；风险控制，你不要的客户偏偏穿个马甲千方百计想进来。第一关如何过滤掉绝大多数你不希望看到的客户，是个大学问，所谓始乱终弃。例如，前海微众银行，采取了白名单制度，不是客户来申请，而是给你想要的那些客户发送邀请函，收到的再来走流程。你永远看不见坏客户（或者高风险客户）的信贷资料，因为他们进不了银行的大门。市场策划很重要，搭个草台班子，低薪招聘一大批信贷专员，扫楼扫街获得客户，看似很简单，前期投入很小，但是事后的麻烦很大，这样的客户千差万别，用一个模式去审查审批，风险真的是很难控制。反之，在产品设计上下一些功夫，深入研究市场，针对某一类特定的客户，设计特定的产品，设计特定的审查方案，特定的审批条件，特定的风险控制措施，这样会好得多。&b&具体到汽车金融的市场和产品设计，我的体会是要和厂商的市场推广融入一体。&/b&什么样的客户群体会购买什么样的车系车型，这个功课必须做。对于一般类型的贷款，&b&也要借力用力&/b&。比如我们当年针对北京中关村附近，中国科学院的职工，学院路高校教师、总参、总后、总装，做的一些金融产品服务方案，无论是房贷还是车贷，这种还款能力，客户资质，他们人事部政治部有内部评价（能通过高校招聘，成为助教，在个人品行、诚信方面应该比一般民众好一些，是吧，也就是&b&高校人力资源部已经帮我们审核了借款人&/b&，对吗？），都有特定的基准，各不一样，如果事前掌握这些背景材料，既能把控风险又能做到营销无痕迹，你是帮他们做金融服务，而不是要审核他们的贷款能力，&审批&这个词本身就让人反感，高端客户社会地位比较高，咱有什么资格审批他们的条件？于是各种提供资料环节不配合，所谓营销无痕迹，就是要让客户合作并配合走完所有的流程。这些都需要主动出击，而不是被动等扫街来的申请单子。这种单子一是容易让客户反感，二是容易让犯罪团伙盯上骗贷。信贷市场好比池塘，里的鱼儿，本身就那么多，银行通过各个条线，把这些优质的大鱼捞掉，什么政府机关、事业单位、军队团体，央企、地方国企、大型民企，企业金融+员工个人金融服务，覆盖了其方方面面的金融需求。剩下的，无人覆盖的，怎么办？小额贷款公司、P2P、互联网金融，这里面单子来源就更复杂了，好处是，前期投入小，坐在家里等客户网上提交，但是后期如何，还有待时间检验。&/p&&p&&b&二，风险管理前置。&/b&很多银行已经开始做了，例如向一线派驻风险经理，与客户经理平行作业，同时去考察客户，如果去了看了一圈，客户基本面很差，直接婉言回拒，根本懒得走流程。客户审查包括现场和非现场环节。看资料，可以认为是非现场环节，还比较简单。现场，其实这一块，难度很大，客户也是分很多种，有高端的有中等的。最好识别的是和我们社会经济地位差不多的客户，到了现场有很多共同语言，也很容易拆穿谎言。难度大一些的是一些高端客户，其话题，往往接不上。特别是很多大型企业单位都是一把手说了算，其级别一般至少处级，有的是厅级。作为一个信贷员，科级都不是，何谈调查别人的管理能力，言谈举止。这时候，需要银行一些高级别的领导团队去现场参与。投入了这么大的人力物力，必然是有得做，才介入。 &/p&&p&&b&三，收集资料的目的是什么&/b&？？？为何需要档案，有了信贷结论不就可以了吗？&/p&&p&&b&首先，这是监管部门的要求&/b&，也就是说，搜集资料的目的是为了合规（某种意义上，但是监管部门的资料清单也是多年总结下来必备的，既然是历史的积淀，也就是跟不上新的风险要求，要这些资料，往往成了一种合规，当然，这是底线要求），监管部门经常检查，这些监管部门包括银监会、人民银行、审计局等等。这些部门的检查依据主要是《贷款通则》、《商业银行授信工作尽职指引》、&三个办法一个指引&，而这些法规都对资料有详细规定。例如：}