首页>新闻>经贸信息

中国复制Lending Club成功的最大挑战:监管政策不确定

2015年01月09日 来源:21世纪经济报道 浏览:2782

收藏 | 打印 | 分享:

0

 

  Lending Club上市,为国内P2P行业注入了一剂强心针。

  2014年12月11日,全球最大P2P平台Lending Club成功登陆纽交所,IPO价格为15美元,上市首日涨幅便高达56%。截止今年1月7日,收盘价为22.88美元,市值近83亿美元。

  反观中国,P2P行业一直渴望能与资本市场进一步融合。根据清科统计数据显示,截至2014年9月,中国P2P行业共有24家公司获得总额近30亿人民币的融资。其中,陆金所、拍拍贷、点融网等都对上市有所计划。

  不过,要想在中国复制Lending Club式的成功,中国的淘金者们仍需跨越监管、技术、数据等重重阻碍。在此基础上,国内大众的投资风险意识依然不够强,风险承受能力很弱,这也给P2P平台带来了巨大的市场教育成本。

  一边是全球最大P2P平台上市的示范效应,另一边是国内互联网金融平台跑路不断,监管不明,规范不够。在当下的群雄乱战中,如何找到适合自己的模式与定位,在规模扩张和资金安全间取得平衡,成了所有P2P创业者面前的挑战。

  中国式挑战

  在P2P平台“信而富”CEO王征宇看来,Lending Club的上市与高估值为国内P2P行业带来了不少启示。

  首先,Lending Club平台由技术驱动,采用自动化审批,大大降低了运营成本。第二,Lending Club从美国征信局那里收集数据,数据源相对完整。对于那些信用良好的人,公司采取的是“主动营销”的方式,即鼓励其上Lending Club借款,这无形中又降低了风险水平。第三,Lending Club的数据透明公开,这对于人们理解其业务非常有帮助;最后,平台自身并不承担风险,假使贷款出现违约,投资人将独自承担投资的损失。这让Lending Club的财务非常健康。

  相比之下,中国的P2P公司要复制Lending Club的成功路径,显得并不容易。首先需要面对的就是监管政策的不确定性。美国对P2P网络借贷的监管主要以证券监管为主,P2P平台必须不断更新每一笔票据的信息,包括对应贷款的条款、借款人的匿名信息等。而在国内,P2P更接近于网络上的民间借贷,监管部门更关注和限制的是平台本身的运营状况。

  有业内人士称,P2P平台说到底是一个中介机构,它利用互联网技术来分析和管理风险,和银行的管理风险方式有着本质区别,那些资本金、存贷比的杠杆要求都不应该有。

  然而,“P2P应该如何监管,监管的尺度如何,目前并没有明确规定”,王征宇指出。在他看来,P2P行业的发展与监管在现阶段不可能做到完全合拍,“就像为一个婴儿做衣服,无论怎么做,一段时间后都会不合身。最好的方法是先拿一条毯子裹一下,等婴儿长大后再量体裁衣。”

  与监管缺失相应的是征信难题。众所周知,美国征信局有着完善的系统,而中国的信用数据主要掌握在人民银行手里,尚未对P2P平台开放;即使央行开放了信用数据,也无法完全满足互联网金融的需求。这种情况下,中国式P2P有着独特的一面:它们不仅要撮合借贷,还要做之前的征信、评级,还要找资产,再到P2P平台的搭建。而征信成本的高企,无形中也推高了贷款利率。

  目前,每家P2P公司都有着自己的风险评估模型,这种模型被视为公司的核心机密,不同P2P公司间并不会就风险评估方式进行沟通。换言之,由于分析方法不同,同一笔贷款标的,在不同的P2P平台上所获得的风险评级并不相同。

  “这种不公开、不沟通的方式其实不利于行业的发展,大家并没有合力来降低贷款的风险。”王征宇称。尽管已经有不少P2P平台提出要共享“黑名单”,“但这种方式更像是一种事后的防范,沟通的关键应该是在事前规避风险。”

  在此基础上,各家P2P公司的风险指标、逾期率计算方式也不尽相同,这使得外界很难对各个平台有统一的评判标准。

  事实上,国内P2P行业眼下普遍存在着一种生存危机,各家平台既要扩张规模,又要降低风险。加上相关规范文件并未出台,也导致了各个平台的透明度、规范度都不够。

  进一步说,不少P2P网站正处于一种“纠结”的状态--因为一旦达不到规模就可能倒闭,想做规模却无法获得足够的征信数据,只能通过担保、资金池来吸引投资人,从而碰到监管红线。

  目前,一些P2P平台已经“走出纠结”做大了,但仍有一大批平台处于不大不小的尴尬中。从这个角度看,如何有效地监管这个新兴行业,成了摆在监管层和所有从业者面前的挑战。

  创新与分化

  事实上,P2P平台对传统金融领域的冲击不言而喻。它开创了一种新的业务模式,让大众有了新的理财方式,并且运用大数据等各种技术手段来完成信用分析。可以说,互联网的技术、工具和思维,改变了传统金融业的数据来源和信用评估思路。

  通常,P2P平台会根据用户提交的资料及其在网络上的行为记录,将客户分为若干个群体,并为其制定相应的贷款利率。除了了解借款申请人的年龄、性别、婚姻状况、收入、负债等基本情况外,P2P平台还会观察用户在社交网络上的留言情况。将单个申请人的几百上千个特征信息代入风险模型后,网站就能计算出借款人的信用等级。

  具体说来,在大数据分析中,P2P平台面对的是从网上抓取的大量非结构化数据,如社交网络的评论、用户上传的音视频等。这些数据散落在包括文本、图片、视频、音频等众多的数据格式中,其中蕴藏的价值需要深度计算才可以分析出来。这就需要通过机器学习,将这些数据进行智能化分析。

  以宜信金融为例,公司会给系统预设一些规则引擎,引导系统做出一些基本的判断和决策。这些基础规则是基于现有的数据和经验生成的。比如,没有收入的人会被直接排除在借款人群之外。在此基础上,一旦充入大量新数据,这些既有规则引擎又会发生变化。无论是修正现有规则还是获得新的规则,都需要通过机器学习来完成。

  就信而富来说,公司正尝试着从各种信息纬度中提炼价值,建立起一套自动化的授信决策机制。据悉,公司的自动化授信决策引擎,所依据的主要是三个纬度:首先,借款人在给定的一段时间内,还款的可能性是多少。第二,这个申请从根本上来说,有多大可能性是假的。第三,这笔借款预测风险调整后的收益是多少。通俗来讲,就是借款人借到钱后,可以为出借人贡献多少收入。在将上千个数据纬度进行各种各样的汇总后,信而富可以完整地展现申请人在各个时间点的行为特征,并由此为贷款申请自动打分。

  但不得不说,国内不同P2P公司间的技术水平大相径庭。王征宇坦言,“有些P2P后台的技术水平非常低,用excel表格就打发了。也有些平台具有很强的数据分析能力。”除了技术外,无论是资金实力、风控还是商业模式,国内P2P的两极分化已十分严重。

  其中,一类P2P的资源非常雄厚,如陆金所;另一类P2P则“还没有想得太明白。”这类P2P平台中有很多是从其他行业转型的,譬如商贸公司、典当公司、财务管理公司等。在此基础上,不同P2P平台的客户分布和借贷额度也大不相同。面向中小企业和小微企业的P2P,其平台上标的的融资额大多为几十万元到几百万元;而针对个人的P2P,平台上标的的融资额通常只有几百元到几万元。

  这两种不同类型P2P的运营方式完全不同。个人借贷需要借助信用评分,而这种评分会更多地依赖自动化的技术手段。企业信贷则需要评级,这种评级大多由专业化的审批人士完成。眼下,大部分平台更倾向于做企业融资,因其为平台带来的手续费收入更为可观,运营效率更高。但面向个人的P2P,更能够分散风险。

  值得一提的是,无论如何分化,P2P行业的洗牌势在必行。毕竟,P2P分食的是传统银行不碰的缝隙市场,而眼下P2P公司比银行还多。从这个角度看,随着P2P公司的全国扩张,新一轮的淘汰与整合近在眼前。