不在风控上下功夫的放贷机构都是耍流氓

现金贷的监管核心应当是风控，而非高利贷和暴力催收。
12月1日，互联网金融风险专项整治、P2P网贷风险专项整治工作领导小组办公室正式下发《关于规范整顿“现金贷”业务的通知》（下称《通知》）。这份《通知》有针对性地对现金贷乱象进行的点对点手术刀式的切割，显示了监管机构对现金贷的精准观察和多面思考。
一、什么是现金贷？
所谓现金贷，通常是指无抵押的小额信用贷款。在美国的对应物一般认为是发薪日贷（Payday Loan）。在中国，典型的现金贷产品是用户通过简单的线上申请后，银行账户中便能得到可提现的贷款。除此之外，现金贷也衍生出了延迟还款、分期购物、代偿/提现信用卡等形态。
《通知》在上述认识上又加了一些特征，给出了一个不似界定的概念界定:
近期，具有无场景依托、无指定用途、无客户群体限定、无抵押等特征的“现金贷”业务快速发展，在满足部分群体正常消费信贷需求方面发挥了一定作用，但过度借贷、重复授信、不当催收、畸高利率、侵犯个人隐私等问题十分突出，存在着较大的金融风险和社会风险隐患。
之所以说它是个界定，是因为它提到了现金贷最核心的特征“无场景依托、无指定用途、无客户群体限定、无抵押”。之所以说它不似界定，是因为这里的界定很随意，甚至在列举特征之后还加了个“等”字。
这“四无”特征确实是现金贷的核心特征，且在本质上指向了现金贷的核心特征：没有风控。“无场景依托”是指放贷机构无法监控资金去向，“无指定用途”是指放贷机构无法评测资金风险，“无客户群体限定”是指放贷机构很难对借款人进行个人征信，“无抵押”是指放贷机构在前述风控措施缺位的情况下也没有最后的担保救济。
而“等”字里包含了什么内容？就很值得玩味了。从语义上分析，“四无”特征界定下的现金贷，其实是个广义的概念。它并有限定现金贷的经营主体。实践中，银行、电商、第三方支付公司、小贷公司、P2P网贷平台，甚至随便一家普通公司经营信用放贷业务都属于广义的现金贷。比如支付宝的“借呗”，表面上看是第三方支付公司在运作，实际上是“重庆市蚂蚁小微小额贷款有限公司”这个网络小贷公司在持牌放贷。
根据国泰君安的某研报，不同持牌机构经营现金贷有着不同特征：

但这次《通知》的监管对象显然没有那么广泛，应该剑指“面向社会无信用卡或信用卡额度不足、需要小额现金应急的人群，发放小额（平均月收入以下）、短期（1个月以内不超过3个月）、极高综合利率的贷款，纯线上获客及放贷，类似PaydayLoan或外延略广的贷款”，即狭义现金贷。
比如，银行信用卡取现业务，同样也符合“无场景依托、无指定用途、无客户群体限定、无抵押”的四无特征，但这种业务显然不属于本《通知》的监管对象。因此《通知》退而求其次，加了个“等”字，留待后续明确。
二、现金贷乱象的原因：风控逻辑困境
如前所述，风口浪尖的现金贷本质上是“四无”产品，无场景依托、无指定用途、无客户群体限定、无抵押。那么，它到底依靠什么来进行风控呢？
一般而言，风控要管好两方面：人和事。“人”是指某个个体的信用，即过往的信贷记录、多头借贷记录等，简单来说是指个人征信。“事”是指某项具体贷款的使用场景与借款用途控制。
对“人”的征信，关注过去的数据，用过去来预测未来，是贷前风控。对“事”的监控，着眼于现在，直接预测未来，属于贷后风控。不论对人还是对事，关注过去还是现在，目的都在于预测未来。而预测未来的目的，就是风险控制。风控离开预测，就等于零。
在预测的意义上说，抵押不是一种风控。它是在风控不能情况下的一种退而求其次的选择，是一种事后救济。（当然，抵押将借款人分为两类，一类是能提供抵押的，另一类是不能提供抵押的。前者往往在还款意愿和还款能力上要更强。因此在“抵押能带来客户群体分类”的意义上，抵押也是一种有条件的预测，属于人的风控的一种。）
现金贷本质上是一种信用贷款，不可能要求抵押。在风控上只能从“人”（客户群体）和“事”（使用场景、用途控制）两方面入手。
1.“人”的风控：客户群体限定
对人的风控和征信，一般考察两个要素：还款能力和还款意愿。对这两个要素的考察，实际上在对客户做“画像”，通过画像对客户群体做出分类。在分类的基础上，分别针对不同类型的客户设计不同风控要求的产品。没有分类或群体限定，风控无从谈起。
现金贷作为一种“无客户群体限定”的信贷产品，陷入了风控逻辑困境：一般的优质客户并没有那么多的小额借款需求，多为偶然性借贷，但这种偶然性借贷占比过高，则现金贷既没有办法建立征信数据，也没有办法取得足够的收入必然陷入亏损；但经常性借贷的客户往往又属于次级客户、高危人群，这种反复续贷的客户虽然可以通过高息带来巨大利润，但极有可能风险无法用高息覆盖、从而引起机构风险甚至系统性风险。
经常性借贷、反复续贷客户在现金贷中的突出特征就是“多头”借贷，即在不同的现金贷平台之间拆东墙补西墙式的进行循环借贷。根据大数据技术服务商百融金服的信息，2016年底现金贷行业多次申请的人基本占90%以上，且多头负债人群占比也在90%以上。趣店招股说明书显示，2017年上半年趣店的活跃用户平均借款6次（即每月借贷一次）。
与传统银行贷前提交材料、面对面审核不同，现金贷的贷前风控流程全部转移到线上。这就要求我们必须挖掘大数据，并对大数据进行建模。理论上，合理科学的大数据模型可以帮助我们识别风险，计算借款人的违约概率。
但理想很美好，现实很骨感：
首先，大数据并没有我们想象中的那么“大”。央行的征信数据只覆盖了不到4亿人，而且这些数据基本上是优质贷款人的银行借贷数据，与现金贷的次级长尾客户并非是一类人，这种数据对现金贷几乎无用。并且银行的数据库、芝麻信用、前海征信等第三方征信平台的数据并不能低成本获得，现金贷的行业头部公司也只是在小范围各自共享数据库。这种孤岛式的大数据，并不能满足现金贷的征信需求。
其次，大数据建模也并没有人们想象的那样智能。除了现金贷的几家头部公司能够自建模型外，大部分现金贷平台都是直接购买外包公司的雷同模型。这直接助长了多头借贷的存在。而且就算是头部公司的自建模型，对于只成长了两三年的现金贷公司而言，也并未接受过一个完整周期的考验。
因此这种没有客户群体限定的现金贷，其贷前风控是没有根基的。
2.“事”的风控：场景依托、指定用途
从生活常识可知，贷款的真正风险发源地，是贷款之后的去向。也就是贷款用途。如果贷款用于高风险投资，那么还款风险就大；如果贷款用于低风险生活消费，那么还款风险就小。因此现金贷的贷款场景依托、指定用途就显得非常重要。
商业银行的按揭贷款也好，信用贷款也罢，表面上看起来都很强调还款来源。其实比“还款来源”更为关键的是“借款用途”。控制了借款用途，就控制了大半风险。
对“事”的风控，也就是所谓贷后风控（用途控制），在现金贷领域几乎都为零。大部分的平台并不要求提交用途，也不需要在特定场景下消费。而是选择睁一只眼闭一只眼，你要能还钱，我就不管你用途和去向。
这导致本来属于消费金融的现金贷，完全没有办法掌控放出去的贷款到底流向何方。本来是个人消费或经营活动的短期周转资金，流向了房地产市场（首付贷）、股票市场（场外配资）甚至赌场。
三、现金贷监管的核心逻辑：聚焦风控，而非高利贷和不当催收
现金贷机构获客成本、资金成本其实都很高，唯一能够降低的就是违约率。但恰恰是在这一项上，现金贷作为一种“四无”的信贷产品，成绩是不及格的。
由于风控意愿和风控能力的缺失，导致了现金贷非常高的违约率。根据2017年4月发布的《关于开展“现金贷”业务活动清理整顿工作的通知》，现金贷行业坏账率普遍在20％以上。从媒体报道看，这个数字还是偏保守，有些平台违约率甚至可能超过了70%。
现金贷平台大多没有实力和意愿在风控上下苦功夫，而只是简单粗暴地通过高利率来覆盖高违约率。加上在催收业务上的各种不规范以及催收业务的外包，于是引起了社会舆论的强烈谴责。
在金融史上，就算是银行发的信用卡，其无场景依托、无指定用途的信用卡取现业务也不是没有出过大乱子。1998年亚洲金融风暴后，韩国为了度过危机，出台政策扶持消费金融、鼓励信用卡消费，结果出现了2003-2004年信用卡泡沫，韩国民众饱受多重债务问题困扰。1999年后台湾信用卡公司推出现金卡，允许凭信用循环提现，在恶性竞争的刺激下最终失去控制，造成卡债危机，时称“台湾的双卡风暴”，在2005、2006年集中爆发坏账风险。
因此，现金贷的核心问题是放贷机构缺乏风控意愿和风控能力，而非高利贷或暴力催收。高利率和暴力催收都只是果，风控缺位才是因。高利贷、不当催收、杠杆限制等治理是标，风控治理才是本。
一个良好的监管制度，不应只是着眼于各种表象（高利率、暴力催收）的取缔与禁止，而应该着力于建立这样一种监管环境：在该种监管环境下，有风控意愿和风控能力的公司会活的越来越好，而风控缺位的公司会活的越来越差，直至倒闭。
而现在的市场环境恰恰相反，只要有了高利率的诱惑，这个现金贷公司就能活的很好。很少有人去在意风控、违约率这种本质的东西。现在的《通知》监管虽也有提到风控，但并非作为核心监管内容，而是从舆论讨论最多的高利贷、不当催收入手解局。这并没有错，但只能治标，不能治本。
那么，监管如何才能做到鼓励风控、惩罚失控呢？
首先要明确，监管的重心是现金贷的风控能力。而具体如何风控，是企业的事。监管要做的，是确立标准，什么是好的风控，什么是差的风控，什么是假的风控。监管机构要建立这种甄别机制，有效执行。
其次，要想跳出多头借贷的恶性循环，靠个别的现金贷平台的努力是不可能见效的。需要整个行业之间打通数据壁垒，形成统一的征信环境。目前央行牵头正在筹备中的个人征信平台“信联”，有可能解决这个信息孤岛问题。
第三，打通数据壁垒，进行数据共享，必然会有个人信息泄露问题。基于这种担忧，要着力解决的一个核心问题是个人信息保护。这个任务任重道远。
第四，光有数据无法构成大数据风控，必须要有科学合理的数据风控模型。抽象的数据风控模型本身不可怕，可怕的是差的数据风控模型或者假的数据风控模型。监管要做的是想尽办法让那些优秀的数据风控和差的数据风控浮出水面，严厉打击假的数据风控模型。
第五，数据风控模型容易被不良者通过“反向工程”破解，因此欺诈与反欺诈的技术斗争会长期存在。这两年现金贷的高速发展进程已经证明，欺诈与反欺诈已经成为放贷机构与客户之间的常态。笔者了解的情况，不良客户对数据模型的反向破解也下了大血本，其投入甚至有时会超过放贷机构建构模型的投入。
第六，严格控制场景依托和用途监管。这条在《通知》中已有表述，但仍需具体的执行细则。
四、结语
监管应做好消防员，到处灭火。但更重要的，是要消灭潜在的火灾隐患，构筑一个平安社区。这种从源头抓起的监管，才是好的监管。
现金贷监管的第一目标，应当是甄别风控好的公司和风控不好的公司。监管应当设立一套分类分级的风控标准，并结合信息披露制度，让不同类型的不同规模的非持牌金融机构的风控意愿和风控能力都展现出来给金融投资者、金融消费者。同时辅以坚持不懈的金融投资者、金融消费者教育。如此一来，才能真正实现“优胜劣汰”，而非劣币驱逐良币。
一些现金贷头部公司的技术是值得称道的，一些与信用卡市场相通的技术，已远远超过中国的银行，甚至领先全球。现金贷流量红利过后，机构就会变成一个和传统信用卡类似的状况，如何管理好存量客户，及时利用良好的量化分析和建模学习的能力，提升风险管理的质量，这对机构来说非常挑战。
让这些好公司存活，并让他们活的更好，才是现金贷的长久发展之计。同时也是实现普惠金融唯一路径。