朱奔：小微企业融资难是金融市场有问题

百融金服副总裁朱奔

　　新浪财经讯 “第十三届中国国际金融论坛”于2016年12月15-16日在上海举行，百融金服副总裁朱奔出席并发言。其表示小微企业融资难是一个系统性的问题，不能完全归责小微企业本身，有大环境的问题，还有金融市场的问题。

　　以下为发言实录：

　　朱奔：尊敬的各位领导，各位来宾大家上午好，今天非常荣幸有这个机会来分享一下，刚才陆秘书长说的比较多，普惠金融客群针对目前被传统机构没有覆盖80%的客群，就是小微，三农，还有相关消费金融。

　　我分享一下我们做的相关的事情，第一个主题是两块，第一块在于小微企业和消费金融面临的挑战，第二是百融金服的实践和相关解决方案。

　　刚才曲行长讲了我国小微金融出现相关的问题，不仅是小微企业本身的问题，它是一个系统性的问题，前段时间中央财经委副主任到我们公司调研了几次，看怎么样用我们的金融大数据方式方法，创新的方法解决小微企业融资难，融资贵相关的一些问题。其中提到了，这是一个系统性的问题，不能完全归责于小微企业本身，肯定有大环境的问题，还有金融市场的问题。刚才曲行长提到过，正因为有相关金融大数据新型的业态，包括云计算等不同新技术的出现，才得以让我们以低成本，高效率覆盖了一些所谓的更加普惠的相关客群，原来传统金融机构没有办法去拓展这些客群，当然还有一些监管相关的因素。

　　第二个客群在于目前消费金融行业，目前挑战比较大，在我们国家，大家从国家层面一直在提，从投资型方向转为国内消费型市场转型，消费型经济最核心以消费信贷延伸出来，基础设施有消费信贷的发展，很多银行也在做，原来传统的相关小贷公司，现在有互联网小贷，还有相关P2P，很多机构做消费金融的客群。

　　目前有两个方面的问题，一个是资金端，其实城商行有大量的资金，没有办法做放贷，需要大数据人才，IT基础设施，各种服务配套才能把业务做好，前期要投入很多的钱，能不能一定赚钱，这不一定，导致很多银行面临资产荒的情况。还有其他资产公司也是面临资产荒。

　　第二个个人借贷成本偏高，体现三个方面，第一个是行业特征方面，消费金融不管是房贷，车贷，还有旅游信贷，租房，3C消费贷，线下家装等等不同形式业务多样化。第二个是应用场景的多样化，现在目前消费金融具有场景化的特征，第三在于单笔的额度是很小的，同时还款周期很短，申请的规模量很大。再一个是放款，审批的时效和用户体验要求很高。

　　还有关于客群这块，其实涉及到互联网金融协会，刚才提到了要覆盖很多一些传统机构没有覆盖的客群，说明供给严重不足。严重不足很多一些问题，我们没有办法去在信息不对称情况，高效降低我们的成本，能够给这些客群提供服务。

　　目前整个小微企业和个人信贷市场大概服务层次，梯队是几个方面，目前大型银行给2到3亿人，基本属于我们国家20%人群提供相关的服务，这些人享受各个银行不同形式的服务。还有中小银行给农村信用社，不同的人群，也是偏传统型。目前网贷平台，他们服务客群偏低层，也就是属于普惠的客群。其中涉及到一个问题，特别普惠客群，怎么样控制风险。

　　互联网金融，包括消费金融，各种金融做的好不好，在于风险控制好不好。我讲一下后面怎么做相关的实践和相关的解决方案，我用几分钟简单介绍一下百融金服，百融金服是一家金融大数据公司，在我们国家能够被传统金融覆盖25到30%的客群，就是人民银行有信贷记录的客群差不多3个亿左右，大家强调市场化，又要强调普惠化，其中遇到鸡和蛋的问题，谁愿意来尝试。我们国家在互联网和移动互联网走在世界前面，导致各种信息比较充裕，我们利用零售，社交媒体等各个不同维度的数据，我们怎么利用大数据的模式解决风险识别和风险定价核心的问题。

　　第二个在于我们秉承公正、中立，客观第三方立场，不管股东机构还是业务形态跟服务是没有利益冲突。我们国有股比例超过50%，我们在信息安全按照银行级要求，给很多银行提供相关的服务。

　　这个是给很多银行提供服务，当然还有互联网消费公司，给我们一些评价，我就不展示了。其实难能可贵，这些银行要扩大资产规模，客群也在下行，也会用相关金融大数据，各种方式来进行防范风险。特别线上获客这块，可以极大提升审批通过率。四化是比较对的，每家不同机构，特别是互联网面临的问题都是这样，第一个线上获客批量化，第二个是风险系统化，管理集中化，需要各种不同的技术和信息作为支撑和辅助。

　　我们服务大概80多家的银行，基本囊括主流相关的银行，包括消费金融型公司，我们服务客户有一千多家机构。重点讲一下怎么来做，第一个我们用建模这块，用了强变量一些数据，到底有没有还款，有没有逾期，这个模型很有效，特别对于由人民银行报告的客群，肯定是有效，这个在美国比较传统，并且很多年了，也是被验证非常有效。

　　对于我们很多人民银行没有覆盖的客群，到底去评估，2013年尝试跟各家不同金融机构进行创新，我们建模方法用的接近50万个弱变量，强变量是几千个。如果缺少一两个变量，整体模型的稳定性和有效性缺失比较多。我们整体用的消费，阅读，社交，旅游等不同的变量，其实跟缺少几百个，上千个变量对模型有效性没有任何影响。我们用的模型左边是传统性，我们有一个举证，大家可以看一下这个公式，不同举证式的变量，做出来的模型效果非常好。2013年和招商信用卡中心和光大银行信用卡中心做了一些测试，每次把之前不良达到预期，也可以降低他们大约三分之一的不良。对小贷，P2P客群可以降低更多了。

　　主要基于两个核心思路，第一个是欺诈风险识别，第二个信用风险防范。我们有很多的数据，现在每天到百融金服数据库，帮助审批作业，每天查接近两百万人左右，给各类金融机构提供个人和小微审批大概两百万人。还有设备反欺诈这块，很多机构用各种不同的数据，他们开发了很多不同移动端，为了方便客户，更好体验，怎么样代为办理贷款，我们很多同事跑到中介机构看他们怎么工作，他们也是利用高科技方式来骗贷，这是一个产业。

　　数据是一个基础，我们百融金服数据库有6.1亿左右实名用户，身份证号约4.5亿等。我快速讲一下，欺诈风险举例，我们各种各样ID都进行打通，可以判别不同欺诈行为。信用风险这块，包括身份的信息数据，包括用户行为，支付消费等不同数据，用大数据和机器学习的算法提炼出相关的模型，最后打出一个评分，我们分为通用型评分和客群评分，同时跟大型机构建立建模，这些评分被验证是非常有效，我们评分经过两三年的时间，我们验证出来的效果比原来评分效果好很多。这个评分大概的分布，包括不同的对比和目前传统大家一些模型的对比，包括提供的相关服务。

　　我只是简单讲一下，如果大家想了解的话，我们可以进行交流，现在在资金端这块，包括各类不同评级机构，包括上交所，深交所对这个技术也是比较感兴趣，在资产和资金对接过程中，大家也是有一定的诉求存在的。所以这块用穿透到底层资产，做风险控制，每一笔做精确的评级和评分，给不同的资产给出不同的交易结构和层级出来。谢谢大家！

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。