風控(大數(shù)據(jù)時代下的信貸風險管理和實踐)

風控

大數(shù)據(jù)時代下

的信貸風險管理和實踐

目錄

第1章導(dǎo)言

第2章信貸的經(jīng)濟學基礎(chǔ)

2.1信貸產(chǎn)生的經(jīng)濟學分析

2.2信貸分析方法隨經(jīng)濟周期而發(fā)生變化

2.3信貸風控和策略的經(jīng)濟學分析

第3章信貸分析秘密武器一一Cohort分析

Cohort分析的案例利模型

第4章信貸業(yè)務(wù)的開展

4.1客戶畫像和產(chǎn)品設(shè)計

4.2市場開拓和營銷

4.3申請調(diào)查

第5章信貸分析

5.1硬信息分析

5.1.1財務(wù)分析一一硬信息的主要來源之一

5.1.2信貸記錄分析一一硬信息的關(guān)鍵來源之一

5.1.3交易流水分析

5.1.4其他類流水信息分析

5.2軟信息分析

5.2.1人口統(tǒng)計等相對靜態(tài)軟信息分析

5.2.2社交網(wǎng)絡(luò)和行為等相對動態(tài)軟信息

5.3還款意愿量化方法

5.3.1IPC信貸不對稱偏差分析法

5.3.2還款意愿貨幣化方法

5.4全面風險管理

5.5壓力測試未來預(yù)期與敏感度分析

第6章現(xiàn)有信貸方法的優(yōu)缺點與改進建議

6.1傳統(tǒng)信貸的優(yōu)缺點和改進建議

6.2IPC信貸的優(yōu)缺點和改進建議

6.3“信貸工廠”的優(yōu)缺點和改進建議

6.4巴塞爾協(xié)議模式的優(yōu)缺點及改進建議

6.5大數(shù)據(jù)風控模式的優(yōu)缺點和改進建議

6.6基于傳統(tǒng)信貸、IPC信貸、“信貸工廠”、巴塞爾協(xié)議和大數(shù)據(jù)風控模式融合的展望

第7章信貸的審批決策

7.1信貸審批委員會決策模式

7.2“信貸工廠”審批模式

7.3大數(shù)據(jù)風控自動審批模式

第8章信貸的合同簽訂及貸款發(fā)放

第9章風險監(jiān)控預(yù)警

第10章信貸的還款階段

第11章逾期管理和不良資產(chǎn)處理

第12章MIS系統(tǒng)

第1章導(dǎo)言

信貸是為產(chǎn)業(yè)發(fā)展服務(wù)的。

一一經(jīng)濟學家熊彼特

信貸是經(jīng)濟發(fā)展的發(fā)動機，沒有信貸就沒有經(jīng)濟增長，也不會有人類生活、生產(chǎn)的提高與改善。

按照資本積累來說，僅靠自身積累是不足以支持經(jīng)濟發(fā)展的。信貸有著久遠的歷史，據(jù)一些文獻

資料記載，信貸在公元前2000年前就已出現(xiàn)，到目前己有4000多年的歷史了。

信貸的形式多樣，先說說國家與政府層次的信貸。首先是國家層面的信貸有國家發(fā)行的債券，例

如，美國發(fā)行的國債主要由私人資本、主權(quán)資本持有，美國國債達到其年GDP的120%；日本發(fā)行

的國債主要由其國民持有，國債發(fā)行率高達220%；等等。其次是地方政府發(fā)行的地方債，如美國

加州發(fā)行的地方債和中國不同?。ㄖ陛犑?、自治區(qū)）的地方債等。再次，國家及政府為了自身的

經(jīng)濟發(fā)展進行的貸款，如從世界銀行、亞洲基礎(chǔ)設(shè)施投資銀行、亞洲開發(fā)銀行，或者具體國家的

商業(yè)銀行獲得貸款等。這些債券或貸款募集的資金一般用于基礎(chǔ)設(shè)施建設(shè)、戰(zhàn)爭、福利發(fā)放等，

主要還款來源是稅收，但國家債券或貸款也有違約的時候，比如希臘在歐洲債務(wù)危機中就發(fā)生了

違約。

對于企業(yè)層次的信貸，主要是指企業(yè)借貸，是企業(yè)在生產(chǎn)經(jīng)營活動中為了支付人員工資、市場拓

展、原材料費用等所需要的資金，而向信貸機構(gòu)申請的貸款。這種借貸體現(xiàn)了企業(yè)家精神，形成

了信貸機構(gòu)和企業(yè)之間的權(quán)利和責任的時空性分離的契約。信貸機構(gòu)對于企業(yè)放款方面表現(xiàn)了信

貸機構(gòu)對企業(yè)家精神的尊重和支持，另一方面借助具有企業(yè)家精神的人或組織的創(chuàng)新，分享創(chuàng)新

帶來的利益，這成為促進經(jīng)濟發(fā)展的重要動力。

對于個人層次的信貸主要有個人投資和個人消費，其中，個人消費主要包括住房、汽車、結(jié)婚生

子、美容整形、購物、上學等，這些都將產(chǎn)生借款需求。因為消費是生產(chǎn)的根本出發(fā)點和落腳點,

是經(jīng)濟發(fā)展的根本動力，所以滿足消費所產(chǎn)生的資金需求也是對經(jīng)濟發(fā)展的支持，體現(xiàn)在信貸機

構(gòu)對個人的消費進行支持，這不僅有助于提高個人消費者的消費能力，而且促進了企業(yè)的產(chǎn)品變

現(xiàn)，同時也有利于經(jīng)濟的快速發(fā)展和提高人民的生活水平。

按照貸款的類型可以分為信代貸、抵押貸、質(zhì)押貸、擔保貸，也可以分為個人貸、企業(yè)貸、項目

貸等。但無論表象如何，都是權(quán)利和義務(wù)分離，且權(quán)利和義務(wù)的實現(xiàn)存在不可忽視的時間差，進

而使信用問題顯得特別突出。比如各金融機構(gòu)推出的消費貸、京東白條、阿里巴巴信用支付、阿

里巴巴借唄、阿里巴巴花唄（其前身為阿里巴巴的虛擬信用卜），還有微眾銀行的微粒貸，實質(zhì)

都是?約定好相關(guān)期限，在未來還本付息或者位息。這些都是信貸，并不需要用抵押、質(zhì)捏、擔保

來提供第二還款來源和增加借貸者的違約成本，但往往額度比有抵押的要低一些。信貸的還款來

源主要是第一還款來源，而且無論如何都不能本末倒置。因此，第一還款來源是根本，需要放貸

者衡量、評估第一還款來源的穩(wěn)定性和持續(xù)性。

信貸的方式有很多，常見的有貸款、債券、賒賬、應(yīng)收應(yīng)付、保理等。從借款者角度來看.主要有

個人、企業(yè)、政府，這些機構(gòu)或個人借貸的目的一般是消費、資金周轉(zhuǎn)、擴大生產(chǎn)等。整體而言,

貸款都是貸給自然人和法人，自然人就是具有獨立民事行為能力的人，法人則需要細分為個體戶、

小企業(yè)、大中企業(yè)、企業(yè)集團、事業(yè)單位，但不包含國家。同時，按照是否將經(jīng)營與家庭分開和

是否具有完善的公司治理架構(gòu)來識別個體戶、小企業(yè)、大中企業(yè)。個體戶或微企業(yè)一般是以個人

或家庭為單位進行經(jīng)營，家庭和企業(yè)之間無法分開，具體表現(xiàn)在私人收入和生意收入不區(qū)分，私

人開支和生意開支不區(qū)分，沒有完備的會計文本資料：小企業(yè)一般是法人、企業(yè)所有人的生意和

家庭收支分開，具備相應(yīng)的財報，但不具備完善的治理架構(gòu)和制度，依靠公司所有人自己的興趣、

經(jīng)驗來管理；大中企業(yè)具有法人、財務(wù)報表，以及完善的公司治理架構(gòu)和制度等。

在歷史上，最開始時信貸基本上都以自己所認識和熟悉的人為基礎(chǔ)，如親朋好友之間的信貸關(guān)系,

而后是以自身權(quán)勢作為“威脅”來提高借款人的違約成本正行順利放貸，如一些合法的比方小貸

公司，或者非法私人放貸。對于在熟悉的朋友圈內(nèi)開展的個人信貸業(yè)務(wù)，按照Facebook公布的信

息，一般最多達到200人，因為我們真正熟悉的朋友不會太多，而朋友中有信貸需求的又少之又

少，所以過去金融發(fā)展需要較多的從業(yè)人員。但這種熟人經(jīng)濟，嚴重地制約了經(jīng)濟發(fā)展，銀行等

中介機構(gòu)充分利用對存款人或放貸人的擔保和對借款人的充分了解，開展了非熟人之間的業(yè)務(wù)，

促進了信貸行業(yè)的發(fā)展和經(jīng)濟發(fā)展。

銀行信貸的出現(xiàn)是人類經(jīng)濟發(fā)展的重要里程碑，銀行信貸滿足了陌生借貸人的信貸需求。對于陌

生借貸人，銀行需要進行風險評估，如欺詐風險、信用風險等。對信貸風險而言，其核心就是信

用風險。關(guān)于信用風險的評估，傳統(tǒng)銀行審批分析模式是：無論對于個人或企業(yè)貸款，傳統(tǒng)銀行

貸款主要通過紙質(zhì)申請，提交各種資料，如個人需要提供身份證、戶口本、結(jié)婚證、工作收入證

明等，企業(yè)則需要營業(yè)執(zhí)照等，然后一一核實，結(jié)合銀行自己或央行征信數(shù)據(jù)進行相關(guān)分析給出

結(jié)論，一般需要15天左右完成相關(guān)貸款。除此之外，銀行丕需要客戶提供抵押、質(zhì)押和擔保來緩

釋風險，但抵押、質(zhì)押和擔保被作為第二還款來源。目前，一些信貸機構(gòu)過于強調(diào)抵押、質(zhì)押和

擔保的作用而忽視自身的信貸系統(tǒng)、風控體系、數(shù)據(jù)體系的建設(shè)，但這些機構(gòu)對驗證抵押、質(zhì)押

和擔保的真實性和可靠性方面的經(jīng)驗卻非常豐富，這也是其他采用IPC信貸、供應(yīng)鏈技術(shù)、評分

卡技術(shù)、大數(shù)據(jù)風控技術(shù)等信貸分析技術(shù)的機構(gòu)值得學習的地方。

IPC信貸分析技術(shù)主要是基于還款能力、還款意愿，立足實質(zhì)重于形式，以“單人調(diào)查”、眼見

為實的原則獲得真實信息，通過交叉驗證獲得隱性信息的真實性，而后基于現(xiàn)金流來編制客戶

“資產(chǎn)負債表”“損益表”和“現(xiàn)金流量表”。供應(yīng)鏈貸款基于產(chǎn)業(yè)鏈或供應(yīng)鏈中核心企業(yè)對客

戶的控制能力進行貸款，如阿里巴巴依靠自身在G聯(lián)網(wǎng)上強大的控制力來對用戶進行放貸，海爾

供應(yīng)鏈金融也是如此。供應(yīng)鏈金融根本在于其對信息真實性把控和對還款的處理手段，因為供應(yīng)

鏈信貸服務(wù)對象是供應(yīng)鏈.上下游客戶，各種產(chǎn)品或原料具有相似的功能和作用，處于供應(yīng)鏈中核

心地位的企業(yè)在客戶違約后對貨物或原料的處置能力是非常強的。評分k貸款是基于一些標準

（如Z-score得分等），對優(yōu)質(zhì)客戶進行快速審批的貸款方式，優(yōu)質(zhì)客戶包括公務(wù)員、銀行等機

構(gòu)管理層。巴塞爾協(xié)議下的貸款是銀行利用征信數(shù)據(jù)和自身數(shù)據(jù)，計算出客戶的違約率、違約損

失率、期限、相關(guān)性，結(jié)合資本準備金和RAROC等進行的審批、授信、定價等。大數(shù)據(jù)信貸是基

于征信數(shù)據(jù)或互聯(lián)網(wǎng)上各種數(shù)據(jù)，如消費數(shù)據(jù)、運營商數(shù)據(jù)、申請行為數(shù)據(jù)等計算違約率，并進

行風險定價的模式，以拍拍貸的“魔鏡”系統(tǒng)為代表。對于企業(yè)貸款，傳統(tǒng)銀行貸款主要通過企

'業(yè)的性質(zhì)、財務(wù)報表、規(guī)模和實地考核等來評估，在財務(wù)報表等放低要求的某礎(chǔ)上主要以抵押、

質(zhì)押或擔保貸款的抵押物來確定貸款。IPC微貸技術(shù)需要將經(jīng)營收入、家庭收入和支出進行整合

而進行分析，供應(yīng)鏈貸款主要核心企業(yè)對供應(yīng)鏈上下游企業(yè)的控制來管控風險，評分卡貸款、巴

塞爾協(xié)議下的貸款、大數(shù)據(jù)風控貸款下的企業(yè)和個人是類似的，不過增加了相應(yīng)的財務(wù)報表等信

息。

無論是對個人或企業(yè)的傳統(tǒng)銀行貸款、抵押質(zhì)押或擔保貸款，還是IPC信貸貸款、供應(yīng)鏈貸款、

評分卡貸款、巴塞爾協(xié)議下的貸款、大數(shù)據(jù)風控貸款，根本原理都是衡量客戶的還款能力和還款

意愿，以及反欺詐。然而，在現(xiàn)實中很多小企業(yè)沒有財務(wù)報表，家庭和生意不分離，信貸機構(gòu)在

這種情景中可以采用IPC微貸分析技術(shù)構(gòu)建客戶的財物報表，這里對IPC微貸分析技術(shù)進行比較

簡單的闡述。

小微企業(yè)貸款是以個人或家庭為單位的經(jīng)營類貸款，這類貸款占整個小微企業(yè)貸款業(yè)務(wù)中的大部

分，客戶基本為各類個體工育戶，以小貿(mào)易及小型服務(wù)生意為主，包括部分家庭作坊形式的小生

產(chǎn)。一般來說，小微企業(yè)貸款會重視家庭特征，對所有權(quán)問題、所處行業(yè)特點關(guān)注及未來現(xiàn)金流

的預(yù)測也是非常必要的，因為以家庭為單位的生意模式是微小貸款客戶群體的主要特征。一般而

言，這類客戶對企業(yè)的治理不規(guī)范，如沒有或具有不完備的會計制度及文檔資料?，同時私人收入、

私人開支與其企業(yè)經(jīng)營的收入、開支不區(qū)分。在中國，絕大部分這類客戶都有工商管理局授予的

營業(yè)執(zhí)照，而根據(jù)從事的行業(yè)不同，有些行業(yè)必須持有特殊執(zhí)照，如開飯館的應(yīng)該有衛(wèi)生許可證

等。小企業(yè)貸款的客戶群體主要是家庭特征相對弱化的小企業(yè)，這類企業(yè)擁有一定的報表，但是

其產(chǎn)權(quán)及管理結(jié)構(gòu)超出了家庭范圍，因此根據(jù)不同情況，這類客戶的家庭收入、開支與其業(yè)務(wù)收

入、開支相對有一定的區(qū)分。

基于小微及小企業(yè)貸款的客戶特征，信貸人員在實際工作中，不僅要分析客戶的生意狀況，還必

須分析涵蓋客戶的整個社會經(jīng)濟狀況。對于客戶或客戶家庭同時擁有多種生意，信貸人員的分析

就必須包含所有的生意。由于小微及小企業(yè)貸款的客戶特點，其社會信息也是貸款分析的重要部

分，因為客戶的經(jīng)濟行為是其社會角色的經(jīng)濟延伸。

通常，還款意愿主要是了解客戶的社會角色，包括客戶的個人情況、家庭情況、客戶在其周邊的

名聲等信息。這些信息能幫助我們了解客戶處于一種什么樣的社會地位，客戶至今是怎樣在這樣

的社會環(huán)境中生活的，并且可以利用這些信息量化并勾勒出客戶的特征。在貸款業(yè)務(wù)中，這部分

信息可歸為非財務(wù)信息或軟信息，技術(shù)上通過運用軟信息分析模型，如信息不對稱偏差分析法，

可以幫助信貸人員更好地了解客戶在其社會經(jīng)濟環(huán)境中所處的位置，并根據(jù)客戶與“標準”客戶

的偏差提出警示。依據(jù)這些軟信息，信貸機構(gòu)可以量化出客戶的違約成本，從而合理對客戶進行

授信。

一般對于還款能力的分析，主要通過財務(wù)分析，以及對客戶的經(jīng)濟狀態(tài)進行靜態(tài)及動態(tài)分析，估

算出客戶的還款能力。還款能力分析主要是對客戶生意上的收入和非生意收入進行分析，分析思

路基本上以現(xiàn)金流為核心。在實際操作中，由于大多數(shù)客戶沒有正規(guī)的會計報表，信貸機構(gòu)必須

獲得必要的信息來編制客戶的財務(wù)報表，通過編制財務(wù)報表來估算出客戶的實際還款能力。對于

客戶提供的完整財務(wù)報表，信貸機構(gòu)需要對報表中的數(shù)據(jù)上行邏輯交叉檢驗，一旦提供的報表存

在邏輯異常，就需要重新構(gòu)建相關(guān)報表。

還款意愿與還款能力還可以直接從客戶的收入等財物信息、身份、地位等軟信息進行分析獲得，

也需要結(jié)合客戶的貸款目的進行分析，但對于客戶的反欺詐則需要從客戶產(chǎn)生借貸需求利為什么

產(chǎn)牛信貸等入手進行分析。

我們將從消費和供需理論、跨期消費理論、信息經(jīng)濟學、經(jīng)濟發(fā)展周期等理論來解讀信貸產(chǎn)生的

原因和帶來的問題。按照斯蒂格勒和斯蒂格利茨等人的理論，信貸風險主要是信息不對稱而引發(fā)

了道德風險（如欺詐），以及逆向選擇風險，或者因沒有還款能力，從而產(chǎn)生欺詐、逾期等問題,

信貸機構(gòu)或組織不得不小心翼翼地對待信貸申請者的申請。在風險管理中有句話值得牢記-

“能把錢放出去不算本事，把放的錢和利息全部收回才是真正的本事”。

信貸的業(yè)務(wù)流程包括確定目標客戶群、產(chǎn)品設(shè)計、市場營銷推廣、信貸分析和審批、貸后管理等,

在這個過程中有一種方法是自始至終都會用到一一Cohort分析，貸后分析稱為Vintage分析。對

于這種分析在這里我們將進行深入的闡述，便于信貸相關(guān)人員使用。

在本書中，對于還款能力的分析，需要結(jié)合“互聯(lián)網(wǎng)+”的各種與收入和成本相關(guān)的要素進行解釋,

比如可以通過消疑記錄、廣告等多個方面來估計還款能力,對于還款意愿分析，一般認為還款意

愿無法通過大數(shù)據(jù)進行估計，而在實際操作中，我們發(fā)展出了還款意愿貨幣化方法來量化客戶的

還款意愿，從而很好地解決這個問題，比如當還款意愿貨幣化的值小于等于0（或者信貸機構(gòu)自

身設(shè)置的一個閥值）就可以拒絕為該用戶服務(wù)。

在對還款能力、還款意愿的分析中，存在多種信貸技術(shù)，不同的信貸技術(shù)具有自身的優(yōu)缺點。針

對不同方法的缺點，我們提出了相應(yīng)的改進方法，并給出了大數(shù)據(jù)風控的架構(gòu)圖。根據(jù)我們對同

一批數(shù)據(jù)上萬模型結(jié)果的分析，方法不是最重要的，數(shù)據(jù)才是真正的關(guān)鍵。大數(shù)據(jù)風控核心是數(shù)

據(jù)，在不斷拓展數(shù)據(jù)的情況下，如何充分利用數(shù)據(jù)，以及不斷通過阿里巴巴前首席數(shù)據(jù)'百（CDO）

車品覺先生提出的“聯(lián)動”方式來不斷讓數(shù)據(jù)“動”起來，從而發(fā)揮出數(shù)據(jù)的價值。例如利用上

網(wǎng)的IP找到對應(yīng)的地址，并結(jié)合上網(wǎng)時間，判斷該地址是用戶的公司還是家庭住址，如果IP地

址是公司地址，根據(jù)公司地址可以搜索公司名稱從而判斷客戶的收入情況和風險所在，如果IP地

址判斷出是客戶家庭地址，則可以結(jié)合房價或房租來判斷客戶的收入和支出。

當我們對各種數(shù)據(jù)真實性進行驗證，量化出還款能力、還款意愿后，就需要決定是否進行放貸，

這就是審批。在不同的信貸技術(shù)下，對應(yīng)不同的審批模式，比如審批委員會模式、“信貸工廠”

式審批和大數(shù)據(jù)風控的自動化審批模式，并對自動化審批模式內(nèi)部如何決策進行了展示，同時也

就信貸定價進行了闡述。本書還針對貸后方面的風險預(yù)警、還款流暢和便利性、催收和不良資產(chǎn)

處理、信息管理和報表系統(tǒng)（MIS）進行了簡單闡述。雖然是簡要介紹，但這并不代表著不重要，

因為風險管理是全面的、全流程的風險管理，信貸業(yè)務(wù)流程中任何一環(huán)出問題都會造成逾期利不

良率上升。

第2章信貸的經(jīng)濟學基礎(chǔ)

保險市場和信貸市場存在道德風險和逆向選擇問題。

一一諾貝爾經(jīng)濟學獎得主、經(jīng)濟學家約瑟夫?斯蒂格利茨

從目前的研究來看，有記錄的信貸可追溯到古巴比倫。根據(jù)Lewis書中描述，公元2000年前的?

塊石片上有這樣的描述：“Adadrimenir的兒子Mas-Schamach,向Warad-Enlil的女兒太陽女祭

祀Amat-Schamach借二兩銀子，他為此要支付利息。在收獲時節(jié)，他要連本帶利一起歸還?！睆?/p>

這段記錄，我們可以知道信貸的歷史已經(jīng)至少有4000年了.現(xiàn)在我們周圍全是信貸，無論是家門

口、小區(qū)門口、路上、車上、電梯里面，我們總能發(fā)現(xiàn)各種信貸廣告。信貸是如何產(chǎn)生的，為什

么需要信貸，如何進行信貸風險管理，如何對逾期和不良貨產(chǎn)進行處置，等等，這些不可避免的

信貸問題，都可以從經(jīng)濟學年度找到相應(yīng)的答案。

2.1信貸產(chǎn)生的經(jīng)濟學分析

在主流經(jīng)濟學中，信貸可以通過跨期消費選擇理論來分析?？缙谙M選擇是消費者在每個時期取

得收入并購買商品，同時消費者對所消費商品數(shù)量的選擇涉及多個時期，而不同時期的消費數(shù)量

又將直接對另外一些時期的準費產(chǎn)生影響。不僅涉及消費，還涉及儲蓄問題，每個時期內(nèi)都要作

出消費商品數(shù)量的選擇，以詼個時期為例，每個時期擁有的貨幣量（ml,m2）,消費量為

（C1,C2）,而ClVml為儲蓄者，相應(yīng)Cl>ml為借款者。

根據(jù)跨期消費選擇理論，圖2-1中A用戶是資金供給方，同時也是資產(chǎn)需求方，而B用戶是資金

需求方，同時資產(chǎn)供給方。這主要是因為A、B用戶在一時期內(nèi)和一定收入下的消費偏好不同，A

用戶在第?期傾向儲蓄，而在第二期則傾向消費，但B用戶在第?期傾向消費，到第二期則傾向

于儲蓄，A和B用戶在不同期的消費傾向和儲蓄傾向都不相同。A用戶在第一期傾向儲蓄從而產(chǎn)生

了保值和增值需求，而B用戶在第一期傾向消費但收入不足從而產(chǎn)生了借款需求，如果二人處于

同一地區(qū)并相互認識和信任，二者則會直接產(chǎn)生信貸。但實際上，他們處于不同的地區(qū)，同時他

們的收入和消費并非完全同步，使得A用戶有儲蓄的需求，B用戶有借貸的需求，但在經(jīng)濟不發(fā)

達的社會中二者的需求都無法滿足，因為A和B用戶主要靠互相搜尋對方來完成交易，而這種搜

尋成本非常高，使得他們的需求都無法得到滿足。在經(jīng)濟和金融發(fā)達的條件下，A和B用戶可以

借助銀行等機構(gòu)作為中介來幫忙滿足彼此的需求。信貸往往是相關(guān)利益方的權(quán)利和義務(wù)在不可忽

視時間差內(nèi)的分離，即信貸具有跨時空特征，這使得A用戶收集、獲得和處理信息都需要花費成

本，而且信息在傳遞過程中會出現(xiàn)失真，并且B用戶對自身是否具有還款能力和還款意愿比A用

戶了解得多，這就說明A、B用戶之間的信息是不對稱的。對于信息不對稱，阿克洛夫闡述了由此

導(dǎo)致市場失靈和市場低效率，信息不對稱將導(dǎo)致逆向選擇、道德風險、不可驗證和欺詐等問題。

人類的任何行為都在不同程度上承擔著因不確定性帶來的區(qū)險，同時由于人們的風險偏好不同，

就產(chǎn)生了不同的產(chǎn)品，如債類、保險類、權(quán)益類、衍生類、貨幣類等虛擬資本產(chǎn)品，而不同虛擬

資本產(chǎn)品的核心風險是不同的，例如，債類資本的核心風險是信用風險；保險類資本核心風險是

欺詐風險；權(quán)益類資本核心風險是市場風險；衍生品類資本分為期權(quán)和期貨等核心風險是市場風

險；資產(chǎn)支持證券的核心風險是信用風險；貨幣類資本的核心風險是通貨膨脹風險，也就是貶值

風險。

圖2T跨期消費選擇下的借貸

根據(jù)消費者均衡理論，無論是產(chǎn)品價格還是收入變化都會引起消費者的消費需求發(fā)生變化，從而

引起對某個商品需求量的變化。在競爭市場中，一個消費者的消費需求發(fā)生變化對市場需求影響

不大，但考慮到所有消費者的消費需求變化情況，最終對于某個商品來說整體的需求量可能是增

加、不變或減少。當總需求量增加時，但總供給會由于價格黏性，不能快速響應(yīng)需求變化而生產(chǎn),

往往需要等待一段時間才能協(xié)調(diào)一致，這樣就導(dǎo)致總供給存在一定的黏性。因為正如?？怂顾f

的生產(chǎn)需求是一種派生需求，由商品價格決定，即從總需求變化到價格變化，從價格變化到生產(chǎn)

需求變化是需要花費時間和成本的，造成生產(chǎn)等因素具有短暫的剛性，則相應(yīng)商品的價格會上漲。

如圖2-2所示，首先，在市場達到一般均衡的狀態(tài)下，所有商品的投資回報率是一致的，相應(yīng)商

品價格上升導(dǎo)致了該商品的投資回報率上升，這就導(dǎo)致原有供給者會增加供給，同時也會吸引新

供給者進入，進而引發(fā)了購買工廠建設(shè)材料、機器、原料、勞動力等要素需求增多，進一步使實

體資本增加，相應(yīng)的償還能力增加即信用提高，風險和不確定性也相應(yīng)增加了，因為供給者之間

是信息不對稱或隱藏信息，同時在資本總量不變的情況下，虛擬資本相應(yīng)地減少，這主要因為實

體資本和虛擬資本是構(gòu)成資本總量的兩大要素；資本回報率也相應(yīng)地減少了，則主要是因為進入

該商品的供應(yīng)企業(yè)增加了；而對于有限供給的生產(chǎn)要素來說，生產(chǎn)要素需求增加，價格將上升，

即商品供應(yīng)企業(yè)的成本增加，資本回報率降低。其次，在商品供應(yīng)企業(yè)數(shù)量增加后，競爭更加激

烈，最終商品價格回歸原有平衡或低于原有平衡的價格，這也使資本回報率下降。最后，在這個

新增供給的過程中，帶來更多的不確定性風險和信息不對稱，如商品偽劣、商家欺詐等，增加了

信號傳遞、甄別等交易成本，使得資本回報率進一步下降“在這個過程中，生產(chǎn)性企業(yè)的資本問

報率先升高后下降，在升高的過程中企業(yè)會產(chǎn)生信貸需求，各金融機構(gòu)會積極發(fā)放貸款，從而促

進信貸發(fā)生，但當資本回報率下降到一定程度，企業(yè)也有信貸需求，但金融機構(gòu)會謹慎放貸，甚

至拒絕放貸。

圖2-2消費理論

從產(chǎn)權(quán)經(jīng)濟學角度，產(chǎn)權(quán)能分解，包括所有權(quán)與支配權(quán)的分離，一般所有者將自己資產(chǎn)出租或發(fā)

包給承租者，由承租者支配和使用，產(chǎn)權(quán)的所有者除享有保值和增值權(quán)力外，無權(quán)干涉資產(chǎn)的直

接使用活動，但租期到期后，所有者有權(quán)收回這些支配權(quán)、使用權(quán)。信貸關(guān)系也是?種所有權(quán)同

支配權(quán)分離的關(guān)系，資金或資產(chǎn)所有者將資金或資產(chǎn)租借出去后就產(chǎn)生了借貸，如放貸、租房、

租車等。因此，資金或資產(chǎn)所有者、支配者和使用者之間的信息不對稱和委托-代理關(guān)系便不可避

免地產(chǎn)生了，租期到期后是否能完全收回資產(chǎn)，并能達到保值和增值的目的，都是隨機的，而不

是確定的。在信息經(jīng)濟學中，信息不對稱主要有兩種：逆向選擇和道德風險。逆向選擇是信貸機

構(gòu)為了控制風險將條件設(shè)置得過高，比如調(diào)查煩瑣、決策時間長、利率過高，本意是為了控制風

險，但反作用是將好客戶驅(qū)逐出去，留下的卻是愿意支付高息的高風險客戶，實際上增加了信貸

機構(gòu)的信貸風險，逆向選擇是事前信息不對稱，主要是隱藏信息，信貸的逆向選擇主要是在沒有

辦理信貸之前；道德風險是客戶隱匿自身操作和資金真實用途，在追求自身利益最大化過程中以

信貸機構(gòu)的利益為代價，道德風險是事后非對稱，主要是隱藏行為，信貸的道德風險主要在信貸

辦理之后。正如產(chǎn)權(quán)經(jīng)濟學中的觀點，信貸是所有權(quán)和支配權(quán)的分離，產(chǎn)生了委托-代理關(guān)系，即

出租人和承租人之間、放貸人和借貸者之間的利益不總是一致的，或者承租人和借貸人為了獲得

信貸而不披露一些關(guān)鍵信息，造成了信息不對稱。

無論是個人信貸需求還是企業(yè)信貸需求，都不可避免地有信息不對稱問題和委托-代理關(guān)系，這使

得借貸人或承租人會有選擇地還本付息。經(jīng)濟學家羅伯特-C.默頓于1974年就提出了信貸的期權(quán)

特征一一借款人的投資無論多么成功，信貸機構(gòu)只是收取固定的利息收入，而借款人投資失敗，

則信貸機構(gòu)只能從借貸人的殘值中獲得部分補償，甚至血本無歸，借款人損失的只是一個固定資

金。信貸的期權(quán)特征對于企業(yè)特別明顯，因為企業(yè)一般是有限責任，注冊資金一般是有限的，所

以信貸對于這類企業(yè)具有期權(quán)特征。對于允許個人破產(chǎn)的國家或地區(qū)的個人，個人信貸與企.業(yè)信

貸類似也具有期權(quán)特征。

從熊彼特的經(jīng)濟發(fā)展理論來看，信貸是為產(chǎn)業(yè)發(fā)展服務(wù)的，企業(yè)家在原則上按照慣例是會需要信

貸的，如果一個人沒有購買能力，就必須依靠信貸增加購買力，假設(shè)他貸不到款，那么他就不能

讓企業(yè)正常運營和生產(chǎn)，這種經(jīng)營性信貸是經(jīng)濟發(fā)展的重要要素。熊彼特認為消費型和生產(chǎn)型信

貸不是經(jīng)濟過程的本質(zhì)部分，因為他認為消費不是經(jīng)濟發(fā)展的根本出發(fā)點和目的。可是，目前經(jīng)

濟學理論普遍認為消費是經(jīng)濟發(fā)展的目的和出發(fā)點，而且消費型和生產(chǎn)型信貸是經(jīng)濟過程的重要

組成部分，從卡爾多-?？怂剐式嵌瓤聪M型信貸和生產(chǎn)型信貸都增加了社會總利益。

在經(jīng)濟學上，帕累托效率是指資源分配的一種理想狀態(tài)，假定可分配的資源和獲得資源的人群是

固定的，從一種分配狀態(tài)到另一種狀態(tài)的變化中，在沒有使仟何人境況變壞的前提下，便得至少

有一人變得更好?？柖??？怂垢倪M是假設(shè)某種變革可以使受益者的收益大于受損者的損失，則

總的利益是增加了，卡爾多-?？怂剐适且呀?jīng)沒有卡爾多-?？怂垢倪M的余地的一種狀態(tài)。如果

嚴格遵從“帕累托效率”這種能使總利益增加的變革就不能進行，這就未免太苛刻了并浪費了本

可以增進人們利益的可能性，但又不能不顧及其他人，因此，如果存在著這種“卡爾多-?？怂垢?/p>

進”機會，就必須要讓受益者來補償受損者相應(yīng)的損失，這種補償可以分為相對補償和絕對補償,

還可以分為被動補償和主動補償。信貸使資金需求方能獲得更大的利益，如企業(yè)家通過信貸獲得

資金后可以投入生產(chǎn)獲得更多利潤，如消費者通過信貸獲得資金后可以購買車、房、手機、美容

或其他服務(wù)和消費品，并在消費過程中獲得更多效用。然而，對于資金供給方來說，信貸資金的

使用權(quán)和可支配權(quán)等都在一定時間內(nèi)沒有了，也面臨著通貨膨脹帶來貨幣貶值的損失，甚至信貸

資金在到期后收不回來，這對于資金供給方來說是損失，但總體而言資金需求方通過信貸獲得收

益比資金供給方的損失要大，所以資金需求方可以通過利息來補償資金供給方的損失。

根據(jù)羅莎-馬里亞?杰爾皮和弗朗索瓦?朱利安-拉布呂耶爾對消費信貸的研究，公元前1750年

《漢謨拉比法典》就對不同形式的信貸、利率、還貸方式、擔保、抵押等進行相關(guān)規(guī)定，而在公

元前591年左右希臘的梭倫通過對希臘法律進行改革，進而禁止了土地分割和剝奪了放貸者將資

不抵債的借債人或其家庭成員變?yōu)榕`的權(quán)利。信貸在這個時期為人民和政府廣為接受尹對經(jīng)濟

發(fā)展起到積極作用，而哲學家如柏拉圖、亞里士多德等對信貸進行了譴責。高利貸曾經(jīng)是羅馬帝

國的第一產(chǎn)業(yè)，更是支柱產(chǎn)業(yè)，其借貸人主要是農(nóng)民，這與希臘借貸人主要是商人有所不同，最

后高利貸被誤解為羅馬帝國各種問題的根源，而不是雪上加霜?！杜f約》《圣經(jīng)》等禁止有息貸

款，直到12世紀，西方各種形式的有息貸款才成為經(jīng)濟生活的重要因素和基本增長動力，但信貸

損害了貴族的利益并遭到了貴族的抵制，而宗教對放貸的態(tài)度從譴責，再到容忍，繼而規(guī)定出例

外。在歐洲，信貸因為意識形態(tài)根本上是宗教原因而遭譴責，放貸者被等同于放高利貸，仍然背

負著壞名聲。消費信貸使當前的消費與當前收入分離開，使得低收入人群可以提前消費一些商品

和服務(wù)，消費信貸發(fā)展提高了人類生存的保障，改善了家庭的生活質(zhì)量，同時也創(chuàng)造了一個巨大

的市場，進而促進了大規(guī)模生產(chǎn)，這又帶來單位成本的大幅度下降，此外消費信貸激勵了工薪階

層更為勤奮地工作，以便增加收入，提高生.活水平的作用。消費信貸的發(fā)展是信貸資金分流到消

費中，這有利于提高經(jīng)濟系統(tǒng)中生產(chǎn)、消費之間比例的合理性，確保了社會經(jīng)濟的穩(wěn)定性，減少

了因有效需求不足帶來的經(jīng)濟危機。因此信貸對經(jīng)濟發(fā)展來說是一個卡爾多-?？怂垢倪M。

在《資本論》中經(jīng)濟發(fā)展的根本目的是滿足消費，要獲得滿足消費的產(chǎn)品或服務(wù)就必然需要交換

或交易。有交換或交易就會有支付，支付方式可以是實物支付，如用貝殼、小麥、玉米等物品，

也可以是國家的法定貨幣，如人民幣、歐元、美元，還可以通過賒賬或信用支付，如供應(yīng)鏈金融

中賬期墊付，消費中的阿里巴巴旗下的螞蟻花唄、京東白條等。在經(jīng)濟不發(fā)達的時期，通常通過

物物交換來實現(xiàn)交易，如小麥換西瓜、玉米換蘋果、黃豆換豆腐等，而且現(xiàn)在這種交換方式依然

存在，比如在一些山區(qū)，到集市非常不方便，一些小商販就可以先通過批發(fā)而購買一些塑料盆等,

而后到山區(qū)的居住區(qū)去換草藥、獸皮、農(nóng)作物等，然后將換回來的物品拿到集市去銷售。現(xiàn)金支

付是生活中最常見的支付方式，拿著人民幣可以購買米、油、醬、醋等，也可以購買一些服務(wù)，

如理發(fā)等?，F(xiàn)金支付一般是借助政府規(guī)定的法定紙幣、金屬貨幣等進行交換或交易。但隨著經(jīng)濟

和金融不斷發(fā)展，消費的需求遠遠大于自身收入，按照中信證券全球研究部主管及全球首席經(jīng)濟

學家彭文生的定義，25歲以下和64歲以上都是消費者，而25?64歲的人為生產(chǎn)者。在2010年

中國18?25歲的消費者占總?cè)丝诘?0%,這群消費者消費需求超過收入，25?34歲的這群生產(chǎn)者

也面臨著結(jié)婚、住房、購車等各種消費超過其收入，他們占比為14%,也就是說，在中國至少有

25%的人口的消跋需求超過收入，這就需要靠借貸來支持消帶。中國具有14億人口.25%的人口就

意味著有3.5億人需要借貸，而具有可抵押物等資產(chǎn)的個人是比較少的，因而用信用貸款來滿足

消費是未來信貸發(fā)展的大方向，這也說明了京東白條、阿里巴巴花唄等各種信用支付工具為何深

受消費者喜愛了。利用信用貸款來滿足消費的方式較多，其中有一種方式就是信用支付。信用支

付是指消費者在信貸機構(gòu)申請信用貸款來支付某種商品或服務(wù)，信貸機構(gòu)直接打款給相應(yīng)的商戶,

而后消費者進行還款。類似馬克思在《資本論》（第三卷）“信用制度下的流通手段”中提到

“蘇格蘭幾乎只有紙幣流通，'蘇格蘭人討厭金子'”。在今天中國消費升級的大背景下，中國

消費者逐漸喜歡上了信用支付，在2015年阿里巴巴“雙11”中有6400萬筆交易采用信用支付。

信用支付被一些機構(gòu)稱為“墊付”，但從本質(zhì)而言就是信貸，不可避免會有信息不對稱的問題，

比如消費者的逆向選擇、道德風險和欺詐，商戶的委托-代理帶來的信息不對稱風險。

2.2信貸分析方法隨經(jīng)濟周期而發(fā)生變化

在信息完全對稱的情況下，信貸通過利息補償?shù)姆绞娇梢詫崿F(xiàn)帕累托最優(yōu)。但實際上，資金供給

方很難估算出自身未來的實際損失，對資金需求方的信息也是不完全的，理解和認識更是不完全

一致的，這些都增加了資金供給方選擇資金需求方的難度。盡管如此，4000多年的信貸歷史，我

們積累了比較多的方法來選擇合適的資金需求方，這些方法往往都與經(jīng)濟周期有著密切的聯(lián)系。

從經(jīng)濟周期理論看，人類經(jīng)歷了幾個重要的經(jīng)濟長周期發(fā)展階段，如圖2-3所示，分別為：1783

年以前的人工時代；1783—1842年的紡織機、蒸汽機發(fā)明和應(yīng)用時代；1843—1897年的鋼鐵、火

車時代；1897—1950年的電氣、化工和汽車時代；1950—2003年的計算機、互聯(lián)網(wǎng)時代。

圖2-3人類經(jīng)歷的經(jīng)濟長周期

基于我們自身對于經(jīng)濟發(fā)展的研究和觀察，2003—2053年徨有可能是數(shù)據(jù)、量子時代，2053—

3000年將是智能、生物時代。經(jīng)濟周期對于信貸來說是至關(guān)重要的，不同周期意味著相應(yīng)經(jīng)濟時

代具有高資本回報率的企業(yè)或個人是不同的，進而可放貸的信貸需求方也是不同的。對于這些企

業(yè)或個人進行放貸是信貸機構(gòu)的使命，也是不二的選擇，因為他們代表著趨勢，代表著高投資同

報，比如1950-2003年的IBM、Google分別代表著計算機、互聯(lián)網(wǎng)。自2003年后，我們進入了

數(shù)據(jù)、量子時代，數(shù)據(jù)方面的公司很多，如阿里巴巴、Facebook：量子方面的應(yīng)用事件有Google

的量子加密算法、阿里巴巴與中國科技大學成立量子計算機實驗室等。然而，在量子計算機、量

子通信、量子加密等量子方面還有一段路程，但這段路不會太長，預(yù)計在未來20年中，量子計算

機將在中國誕生。

近期，黨中央和國務(wù)院提出了“互聯(lián)網(wǎng)+”和“大眾創(chuàng)業(yè)，萬眾創(chuàng)新”的行動計劃，開啟了新的經(jīng)

濟增長引擎。互聯(lián)網(wǎng)只是一種技術(shù)或工具，利用互聯(lián)網(wǎng)能夠廉價便捷地連接、收集、匯總各種數(shù)

據(jù)，國家鼓勵企業(yè)通過互聯(lián)網(wǎng)方式收集、匯總、分析數(shù)據(jù)，從而實現(xiàn)業(yè)務(wù)自動化、智能化，并達

到經(jīng)濟結(jié)構(gòu)調(diào)整和產(chǎn)業(yè)升級目的。目前我國絕大部分企業(yè)處于機械化階段，需要更換經(jīng)濟發(fā)展的

“發(fā)動機”來推動經(jīng)濟結(jié)構(gòu)調(diào)整和產(chǎn)業(yè)升級，需要走上自動化、智能化道路，需要通過質(zhì)量控制

等提高生產(chǎn)效率。然而，質(zhì)量控制等自動化、智能化、個性化的關(guān)鍵是依靠數(shù)據(jù)，比如生產(chǎn)線用

六西格瑪質(zhì)量控制體系，一旦出現(xiàn)異常生產(chǎn)線將自動停止生產(chǎn)，從而達到提高產(chǎn)品品質(zhì)和工作效

率的目的。因此，從本質(zhì)來講“互聯(lián)網(wǎng)+”就是“大數(shù)據(jù)+”，國家提“互聯(lián)網(wǎng)+”的根本目的是要

借助大數(shù)據(jù)來實現(xiàn)自動化、智能化，從而實現(xiàn)經(jīng)濟結(jié)構(gòu)調(diào)整和經(jīng)濟發(fā)展“發(fā)動機”的培育。

通過大數(shù)據(jù)分析、挖掘和云計算搭建的實踐經(jīng)驗及相關(guān)知識可以知道，無論是我們提出“網(wǎng)格計

算”“云計算”或“邊緣計算”，其根本在于提高當前計算機的計算和存儲能力。目前，我國的

高端計算機已走在世界前列，可是高端計算機的制造成本非常高，普通企業(yè)根本沒能力制造和承

擔其相關(guān)費用。因此，Google率先開發(fā)出了云計算系統(tǒng)，如GFS分布式文件系統(tǒng)、MapReduce分

布式計算系統(tǒng)，而后的Apache項目發(fā)展出Hadoop系統(tǒng)，這為云計算系統(tǒng)的開發(fā)和應(yīng)用奠定了基

礎(chǔ)；阿里巴巴、騰訊、百度等多家中國互聯(lián)網(wǎng)公司在Hadoop基礎(chǔ)上開發(fā)出自身的云計算平臺。

Hadoop第一代是單NameNode,到了Hadoop第二代引入了YARN來對云計算資源進行統(tǒng)一管理和調(diào)

度，而且基于YARN的Spark知Storm等流式計算的發(fā)展，使得流計算與Hadoop可以共用一套系

統(tǒng)；但以Hadoop為代表的云計算也面臨著自身的問題，因為其可擴展性是有自身邊界的。目前來

看，云計算平臺的存儲和計算資源都是有限的，在數(shù)據(jù)逐漸積累和發(fā)展的過程中，這種局限將越

發(fā)明顯和突出。在這個時候，量子計算機的強大計算能力引起了科學家的注意并著手研究與開發(fā)。

按照中國科學院物理學家潘建偉院士所講：“新一代量子計算機能夠解決目前世界上最好的超級

計算機都無法解決的問題，而速度將比天河二號快將近百億億倍?！蓖瑫r，潘建偉院士打了個比

方：“如果按中國10億人口計算，百億億倍就相當于我們每個人能分到10億臺天河二號?！币?/p>

就是說，量子計算機的速度可以徹底解決因計算效率帶來的問題，即使計算速度最終仍然不夠，

那么還可以采用量子云計算的模式，這種模式就是將云計算平臺的計算機更改為量子計算機，成

為量子云計算平臺，從而達到節(jié)能增效。相應(yīng)地，通信效率在量子通信條件下也會有大幅度提升。

據(jù)預(yù)測，在未來40年內(nèi)，量子計算機將會進入普通家庭，那么企業(yè)的應(yīng)用就更普通了。城著量子

計算機、量子通信發(fā)展，以及數(shù)據(jù)的積累，在2053年后人類將迎來真正意義上的智能甚至是類生

物智能，人類將進入一個全新的時代，那時的智能將不是今天的人工智能可比擬的了。今天的人

工智能并非真正意義上的人工智能，現(xiàn)在的各種智能產(chǎn)品如中國科技大學的機器人、北京大學圖

書館的機器人，以及特斯拉的自動汽車、無人駕駛飛機，它們依靠數(shù)據(jù)或算法并看起來“智能”，

而其背后都有相對固定的策略，這種“智能”受限于數(shù)據(jù)、算法、計算硬件。有了量子/算機、

量子通信和足夠的數(shù)據(jù)積累，特斯拉的無人駕駛汽車事故將不會再發(fā)生，因為計算效率和通信效

率提升后，收集信息、處理信息和決策所需要的時間將遠遠小于汽車數(shù)據(jù)探測器發(fā)現(xiàn)問題到出事

故的時間。

今天,我們處于數(shù)據(jù)計算時代，無論是Google的分布式計算系統(tǒng)、Apache的Hadoop生態(tài)圈、加

州大學的Spark等云計算系統(tǒng)，還是支持向最機、深度學習算法、Alphago、對抗性學習等各種機

器學習算法都是圍繞數(shù)據(jù)進行的。在數(shù)據(jù)時代，數(shù)據(jù)來源、數(shù)據(jù)收集、數(shù)據(jù)存儲、數(shù)據(jù)分析和挖

掘、數(shù)據(jù)展示、數(shù)據(jù)安全等都是各個機構(gòu)應(yīng)該考慮的數(shù)據(jù)問題，只有掌握了數(shù)據(jù)資源才有機會更

好地開展業(yè)務(wù)。信貸機構(gòu)天生就是數(shù)據(jù)公司，過去不被信貸機構(gòu)重視的數(shù)據(jù)在今天都成為風控中

不可或缺的組成部分，比如行為數(shù)據(jù)、社交數(shù)據(jù)。過去這些數(shù)據(jù)不被重視，不是信貸機構(gòu)的人員

沒有認識到這些數(shù)據(jù)的重要性，而是采集成本太高了，同時收益相對較低，這是一種權(quán)衡后的取

舍。

在不同的經(jīng)濟周期下，信貸機構(gòu)可采用的信貸技術(shù)都是不一樣的，數(shù)據(jù)收集方式和著重點也是不

同的。在第一次產(chǎn)業(yè)革命期間，如果我們思考如何采集數(shù)據(jù)那是沒有任何意義的，因為在這個時

期，概率論只是剛剛提出，沒有哲學和思考的基礎(chǔ)，更沒有收集數(shù)據(jù)的意識，同時生產(chǎn)力水平低

下，完全處于薩伊提出“供給創(chuàng)造需求”的時期，任何供給都能被市場消化掉；到了鋼鐵、火車

和汽車時代，雖然生產(chǎn)力水平有所提升，但是整體處于“供給創(chuàng)造需求”，雖局部出現(xiàn)了供過于

求，只要不斷開拓市場就能夠解決當時面臨的問題，這時仍處于如中國古代知名商人范蠡總結(jié)的

“貴出如糞土，賤取如珠玉”時期，數(shù)據(jù)意識開始逐漸產(chǎn)生但主要關(guān)注宏觀數(shù)據(jù)。在這個時期，

各機構(gòu)和組織更關(guān)注何物在何時何地價格和需求的高低；到了計算機和互聯(lián)網(wǎng)時代，也是全球化

時代，整體處于供求平衡，這個時代數(shù)據(jù)更多是業(yè)務(wù)數(shù)據(jù)，如IBM推出的營銷優(yōu)化服務(wù)，銀行根

據(jù)財務(wù)報表進行信貸；到數(shù)據(jù)和量子時代，全世界將處于供過于求，需要精細化生產(chǎn)和銷售，比

如按需生產(chǎn)（C2B）、精準營銷、個性化推薦，各種數(shù)據(jù)都將被收集起來，被應(yīng)用于解決各種商業(yè)

問題。

從信息經(jīng)濟學角度看，在供給創(chuàng)造需求的時代，只要?個項目需要資本都可以借給它。因為各種

商品的需求遠遠大于供給，窗品價格遠高于自由競爭市場下的價格，生產(chǎn)商的利潤非常高，而在

今天這樣的情況依然存在，比如在2012年的蘋果手機和小米手機都是排隊購買，價格比普通手機

高出1倍以上。在這種供不應(yīng)求的時代，雖然私人信息很模糊，但基于私人信息之上的二階信息

卻很豐富，比如香料的進價為5元而銷售價格為30元，出現(xiàn)了排隊購買香料的情景，信貸機構(gòu)可

以根據(jù)二階信息進行放貸，主要是針對好的行業(yè)進行放貸，就如在2010年前，信貸機構(gòu)對鋼鐵行

業(yè)中各企業(yè)進行放貸并獲得了大豐收。隨著經(jīng)濟的發(fā)展，二階信息在放貸決策上的比重逐漸下降,

一階私人信息在放貸決策上的比重逐漸上升，在這個過程中傳統(tǒng)信貸機構(gòu)逐漸從關(guān)注相應(yīng)的行業(yè)

信息，到關(guān)注具體企、也或個人的財務(wù)報表信息，而到今天則更加關(guān)注一些更加原始的信息，比如

銀行流水、網(wǎng)站流量等，進行細化而形成標準化“信貸工廠”和“信貸車間”，以及今天個性化

信貸。個性化信貸是私人信息比重達到了前所未有的高度，是計算機和互聯(lián)網(wǎng)發(fā)展帶來的數(shù)據(jù)收

集成本快速下降的結(jié)果，這樣的數(shù)據(jù)積累被人們稱為“大數(shù)據(jù)”。實際上，數(shù)據(jù)和信息一直都在

那里.，在過去我們要采集人們行為數(shù)據(jù)的成本太高而收益相對比較低，造成了我們數(shù)據(jù)資源“匱

乏”，這種情景就好比一些石油礦藏，人們知道它的存在而在當下的技術(shù)條件下開發(fā)收益太低，

只有等到石油價格漲到某個特定價格后才具有開發(fā)價值。

處于不同時代，信貸要適應(yīng)時代的潮流，就好比人類穿的鞋子，不能太大，也不能太小，只有適

中，穿起來才舒服。按照托馬斯和埃德爾曼等人所闡述的，直到20世紀70年代，在金融比較發(fā)

認的英國和美國壞沒有使用信用評分，甚至到1990年部分放貸機構(gòu)也還未便用信用評分.傳統(tǒng)信

用評估依靠個人“感覺”或者信貸員的經(jīng)驗，主要從借貸人的性格、償還能力、抵押品或擔保來

判斷，直到今天，這種傳統(tǒng)的信用評估在中國一些信貸機構(gòu)還在使用，但當我們處于數(shù)據(jù)、量子

時代，互聯(lián)網(wǎng)等各種技術(shù)可以低成本獲取更多私人信息的時代，這些數(shù)據(jù)可以緩解信息不對稱，

但不能消除信息不對稱，這樣的大數(shù)據(jù)有利于信貸機構(gòu)對客戶有一個全面的認識并可以防止操作

風險。同時，信貸機構(gòu)依靠大數(shù)據(jù)來評估客戶的風險，對客戶來說更加公平，因為類似傳統(tǒng)信貸、

IPC信貸技術(shù)、信貸工廠審批都依靠個人的判斷，這樣的審批很容易受到個人的經(jīng)驗等因素的影

響，對同一個客戶不同的審批人員會有不同審批結(jié)果，有些審批人員會拒絕該客戶，而另一些則

認為可以放款給該客戶?；诖髷?shù)據(jù)的風控規(guī)則和模型，信貸機構(gòu)的信貸審批決策系統(tǒng)則是由同

一套標準來衡量客戶是否具有欺詐，是否具有還款能力，是否具有還款意愿等，一切都是基于客

戶自身所表露出的數(shù)據(jù)，對于每一個客戶更加公平，同時對信貸機構(gòu)來說減少了人為干預(yù),避免

了一些內(nèi)部欺詐風險，并提忘了審批效率和客戶體驗。在以前依靠信貸審批委員會需要14個工作

日的審批，現(xiàn)在利用信貸審批決策系統(tǒng)1分鐘就可以給出是否授信利放貸結(jié)論。

2.3信貸風控和策略的經(jīng)濟學分析

在數(shù)據(jù)和量子時代，數(shù)據(jù)收集成本低廉，量子計算速度非?？欤瑢徟鷽Q策將更加迅速，審批速度

不是過去的1個月，也不是1周，而是1分鐘，或者30秒，甚至更短的時間。在未來，審批是用

戶無感知的，審批速度可能會達到秒甚至亳秒級別。

其實，風控本質(zhì)上可以看作解決信息不對稱而產(chǎn)生的問題，而信息不對稱問題可轉(zhuǎn)換為數(shù)據(jù)問題。

從解決問題效果和數(shù)據(jù)量大小來思考，可以分成下列5類。

（1）對數(shù)據(jù)要求少而更多依靠邏輯等思維方式來解決問題。比如，陳景潤證明1+2=3,以及其他

數(shù)學家證明了的各種定理，這類問題需要的數(shù)據(jù)最很少。

（2）用傳統(tǒng)數(shù)據(jù)方案并借助邏輯思維和推理來解決問題，如一般的統(tǒng)計報表、風控的MIS系統(tǒng)、

各種專題報告。

（3）問題的解決依靠大數(shù)據(jù)知?般數(shù)據(jù)處理并不是涇渭分明，即數(shù)據(jù)量到了一定程度后，數(shù)據(jù)量

增加后對應(yīng)的價值提升不顯著，數(shù)據(jù)量減少后對應(yīng)的價值下降也不顯著。比如，在TopicModel

中，用100億個文檔與10億個文檔也不會有顯著差異。

（4）依賴數(shù)據(jù)較多，較少依賴邏輯思維和推理，則解決問題的效率會越高。比如，高頻交易，對

于數(shù)據(jù)依賴非常高，各種策略也要進行定期或不定期更新。

（5）幾乎完全依賴數(shù)據(jù)才能解決問題，如實時廣告一般是按照第二高價格競拍模式，規(guī)則是確定

的，一切都是按照個人的數(shù)據(jù)進行定制；個性化推薦也是依靠個人數(shù)據(jù)為不同人推薦不同商品和

服務(wù)；大數(shù)據(jù)風控是按照不同人的信貸數(shù)據(jù)等通過各種模型如Logistics、SVM.決策樹等機器學

習或統(tǒng)計學習的模型來估計出客戶的風險，而后根據(jù)不同客戶的風險、還款能力等進行個性化授

信和定價。

信貸風控不可避免地需要依賴數(shù)據(jù)，也不可避免地需要依賴模型。數(shù)據(jù)有可能是假數(shù)據(jù)，即真相

上面包括了一層假象，這些假數(shù)據(jù)是可以通過審批的，在大數(shù)據(jù)風控中更是如此。例如，原來

“客戶填寫身份證號碼的時長”是一個有效控制欺詐的指標，但隨著這個指標被大家所認可\這

個指標的效果也就大打折扣，但在風控中這個指標還是需要部署的：原來“檢查客戶移幻設(shè)備的

四口是否合理”是一個關(guān)鍵性識別客戶，但隨著模擬器出來，可以直接設(shè)定IMEI號，但在風控

中這個也是需要部署。信貸機構(gòu)過于依賴模型會引發(fā)模型風險，因為模型可能是錯誤的，在訓練、

測試時都沒有問題，但到了生產(chǎn)環(huán)境中模型就失去了應(yīng)有的功能，這不是模型不對，也不是數(shù)據(jù)

的問題，而是監(jiān)督學習的問題一一線上系統(tǒng)不是問題封閉的監(jiān)督學習系統(tǒng)，而是開放的不斷變化

的系統(tǒng)，還有一種是過于依賴模型、信任模型而導(dǎo)致風險的發(fā)生。信貸風控和策略是一種選擇，

選擇用征信報告、消費記錄的數(shù)據(jù)，還是選擇用其他數(shù)據(jù)，甚至選擇50歲以上不通過，等等。每

種選擇都是需要成本的。

信貸風控和策略核心就是在最大化利潤的目標下來進行選擇。每種選擇都有成本和收益，需要風

控人員非常清楚每種選擇的本質(zhì)，尤其是要清楚數(shù)據(jù)的本質(zhì)、模型或機器學習或統(tǒng)計學習的邊界

所在。

依靠數(shù)據(jù)可以量化還款能力和還款意愿，進行反欺詐，但對于逆向選擇、道德風險和委托-代理問

題如何解決，則需要從經(jīng)濟學中找到合理方案。比如，我們通過監(jiān)控方式發(fā)現(xiàn)了代理商的逆向選

擇和委托-代理問題，可以取消該代理商的代理權(quán)，關(guān)鍵是如何控制未來的代理商產(chǎn)生相關(guān)問題。

對此類問題，信息經(jīng)濟學給出的解決方案是通過合同激勵的方式來解決。例如，中銀消費的渠道

就是通過強力的獎懲方法來解決，使得逆向選擇的收入低于正常的收入：攜程采用對合作商戶進

行排名的方式，而后對排名靠后的商戶給出高昂懲罰的方式來解決委托-代理問題。在信息經(jīng)濟學

中，可以通過信息甄別、信號模型、拍賣等方式來應(yīng)對相關(guān)信息不對稱，在實際過程中需要基于

問題，依據(jù)經(jīng)濟學理論來找到解決之道，要堅信“方法總比問題多”，同時也要注意：“與欺詐

等充分利用信息不對稱的損人利己分子做斗爭，是需要不斷自我學習、自我完善的過程?！边@就

是說，風控人員要具有不斷學習的能力，持續(xù)更新自己的知識體系，以便能夠更好地做好風控。

第3章信貸分析秘密武器一一Cohort分析

統(tǒng)計學家是下一個性感的工作。

——Google首席經(jīng)濟學家哈爾?瓦里安

信貸過程主要由市場推廣、運營銷售、產(chǎn)品設(shè)計、審批、貸后管理等過程組成。這些過程會涉及

眾多分析方法，如歸因方法可以用隨機試驗的方法來確定相關(guān)因子。在統(tǒng)計學課程“試驗設(shè)計”

中，對各種正交設(shè)計、區(qū)組設(shè)計、飽和設(shè)計、超飽和設(shè)計、參數(shù)設(shè)計、回歸設(shè)計、均勻設(shè)計等隨

機試驗的數(shù)據(jù)提供了相應(yīng)的統(tǒng)計分析方法，這些方法可估算不同影響因子的效果。在信息技術(shù)中,

有A/B測試用于選擇不同的頁面設(shè)計、流程設(shè)計等達到客戶體驗最好；而在風險管理中，挑戰(zhàn)者

和冠軍之間的對比測試，并根據(jù)效果來決定是否采用挑戰(zhàn)者規(guī)則或模型，同時模型或規(guī)則本身也

涉及很多方法，比如Logistic回歸、優(yōu)化算法等。這些方法受到重視并不斷優(yōu)化，但要分拆出時

長、時期、同群效應(yīng)并估計它們具體的效果，通過上述方法是無法徹底解決的，而這三種效應(yīng)將

貫穿信貸始終，要估計這三種效應(yīng)需要應(yīng)用Cohort分析。

Cohort分析可以幫助風險管理人員理解不同效應(yīng)變化的根源和性質(zhì)。Cohort的含義是軍隊、同伙、

共犯等,也有翻譯為“世代”。例如，於嘉在翻譯NorvalD.Glenn的CohortAnalysis時將其翻

譯為“世代分析"。無論如何翻譯，這些翻譯都無法達到這個好的意境，“世代”翻譯為英文是

“age”或“generations"，正如KoseiFukuda所說agenerationsw和“cohort”是不完全一

樣的，而根據(jù)韋氏字典“cohorl”具有如下含義，它們分別是：①一群或簇；②聯(lián)合會；③任意

一組士兵；④一個幫兇或共犯；⑤一群具有特定統(tǒng)計學意義或人口學特征的人；⑥生物學上，同

一物種的一群人中的個體。這里Cohort的意思是“一群具有特定統(tǒng)計學意義或人口學特征的人”。

為了保證相關(guān)含義的完整性，這里我們直接以Cohort分析來處理。

Cohort分析的定義是對人群、物或主題在特定時期內(nèi)具有相同經(jīng)歷的結(jié)果進行分析。例如，在電

商中，同一天或同一周引入新用戶后續(xù)轉(zhuǎn)化的分析，Cohor;分析主要是對時長、時期、Cohort效

應(yīng)進行評估。其中，時長就是物或人為得到相關(guān)服務(wù)或成為企業(yè)/組織/客戶的時間長度，比如為

一個用戶服務(wù)的時長就是以住戶注冊、下單時間為標準，自用戶注冊或下單的時點開始i-算，到

統(tǒng)計分析時點時為止，兩個時間點之間的間隔；時期是結(jié)果產(chǎn)生的日歷日期，比如都是在2016年

10月成為某企業(yè)或組織的客戶；Cohort是一群具有特定統(tǒng)計學意義或人口學特征的人或物，一般

以時間起點為唯一變量（時間長度相同，其他條件也相同）的用戶群。

截至2016年9月6日，通過百度學術(shù)可以查到“Cohortanalysis"2014-2015年共有2.5萬相

關(guān)文獻，如圖3T所示。但99%的文獻主要集中在醫(yī)學、生物、醫(yī)藥方面，而經(jīng)濟、金融方面的

文獻相對比較少。這不代表Cohort分析在經(jīng)濟、金融方面不重要，相反在人口學、社會學、經(jīng)濟

學和金融，都會遇到個人或群體的時間序列數(shù)據(jù)，各種現(xiàn)象中時長效應(yīng)、時期效應(yīng)、Cohort效應(yīng)

的變化是什么樣的，對相應(yīng)的專家或研究者、實踐者來說非常重要的。

圖3-1Cohort分析在經(jīng)濟、金融方面的文獻比較少

在這里，主要介紹Cohort分析在經(jīng)濟、金融，尤其在風控中的應(yīng)用。但是，為了更好地理解

Cohort分析，先從理論上對此進行闡述與說明。

Cohort分析在市場運營中的應(yīng)用，主要體現(xiàn)在KoseiFukuda使用Cohort分析并提供一些證據(jù)來

說明時長效應(yīng)和Cohort效應(yīng)上。這對于市場研究具有重要影響，為了分析出相應(yīng)的效應(yīng)，相應(yīng)的

織結(jié)構(gòu)和數(shù)據(jù)監(jiān)測在初始階段就需要做好準備。例如，利用Cohort分析可以衡量用戶參與情況是

否變好，基于注冊或進入時間來對用戶進行分組，從而比較不同時期進入用戶的參與情況，同時

還可以從參與度中拆分出增長率，這對于運營來說非常重要，因為增長很容易掩蓋參與問題八

對衡量廣告、營銷效果來說，Cohort分析也是一種有效方法。一般廣告、營銷效果的衡量，主要

根據(jù)在廣告或營銷之前的30天內(nèi)平均量作為基準，自廣告或營銷開始到結(jié)束當天的平均量與基準

進行比較，高出某個設(shè)定的預(yù)期值就認為比較好。但是，這樣不能確認到底是自然流量帶來的增

長，還是廣告或營銷帶來增長；也不能確認廣告或營銷帶來的客戶參與度如何，更不能給出哪些

營銷策略需要改進及改進的方向。Cohort分析可以分拆出時期效應(yīng)、時長效應(yīng)和Cohort效應(yīng)，

加上廣告或營銷時期與非廣告時期的比較，從而判斷廣告或營銷效果。當然，也可以比較不同營

銷策略下的用戶參與情況，從而判斷哪些營銷策略是有效的，以及不同營銷策略的可改進之處。

對現(xiàn)金流、收益來說，Cohort分析也是一種有效的方法，可以判斷現(xiàn)金流是否來自我們相關(guān)產(chǎn)品

或重點產(chǎn)品，以及看到不同年齡層的客戶對公司的利潤貢獻程度并及時調(diào)整戰(zhàn)略。

對于產(chǎn)品、技術(shù)來說，Cohort分析也是非常有效的方法，在上線新版本的前后用戶留存情況，以

及對公司現(xiàn)金流、利潤貢獻度等變化，從而判斷是否采用新技術(shù)。

自2011年以來，互聯(lián)網(wǎng)，尤其是大數(shù)據(jù)非?；馃??！按髷?shù)據(jù)”剛開始熱起來時，作者正在研讀

《證析》這本書，以便更好地利用阿里巴巴的數(shù)據(jù)來推進一些項目落地。幾年時間過去了，“互

聯(lián)網(wǎng)+”熱遍中國大地，只要是與“互聯(lián)網(wǎng)+”相關(guān)的企業(yè)都可以獲得VC/PE的青睞。

為此，很多企業(yè)為了拿到融資，花了很多錢拉“新”一一通過營銷運營手段獲得新客戶，如通過

“注冊就送100元”“注冊就獲加息券”的活動獲得新客戶。在此，虛擬同時成立的兩家互聯(lián)網(wǎng)

保險公司，分別是Y和Z,他們都擁有2000萬的注冊客戶，客戶平均保費1元/單，理賠率都為

75%,投資收益都是10%,他們是一樣好嗎？

表3-1和表3-2是Y和Z的注冊客戶及投保的轉(zhuǎn)化，它們是虛構(gòu)的數(shù)據(jù)表。

表3-1Y的注冊客戶投保情況

表3-2Z的注冊客戶投保情況

從表3-1和表3-2可知，Y和Z兩家保險公司，擁有相同的注冊數(shù)，但成功投保客戶數(shù)分別為

1735萬、1955萬，這說明Z的注冊投保轉(zhuǎn)化率高，即從這個角度看，Z更好；從注冊后第2個月

的投?？蛻魯?shù)分別為1120萬、1801萬，同時從留存率上看分別為75樂96%,這說明Z的留存做

得很好；從注冊后到第6個月的投?？蛻魯?shù)分別為50萬、580萬，同時從留存率上看分別為50%.

96%。因此，Z公司在留存方面做得非常好。

然而實際上，Z公司的新增客戶方面做得不如Y公司，而Y公司的留存客戶做得不如Z公司。作

為VC/PE,如果一定要在兩者中選擇其一的話，Z公司是優(yōu)于Y公司的，因為在一家早期公司，產(chǎn)

品和用戶留存的重要性是優(yōu)于其他的。如果留存做得足夠好，只要公司掌握或采取恰當?shù)倪\營方

式，那么就能夠厚積薄發(fā)；反之，如果只有增長、沒有留存一一典型的“狗熊掰棒子”，就很可

能永遠都抓不住客戶真正的痛點，最后什么都沒有。

使用Cohort分析剖析數(shù)據(jù)主要分兩步。首先，需要制作Cohort表，就像表3-1和表3-2的結(jié)構(gòu)。

表中第一列應(yīng)以研究目的為核心，選擇出時間維度所對應(yīng)的月份或周進行排列。如果所做的表是

給投資人看，那么時間長度一般以月為單位比較合理；如果只是用于企業(yè)自己進行監(jiān)控，以周為

單位更加合理，這是因為以周為單位的數(shù)據(jù)更加敏感，同時也保證了穩(wěn)定性，而以月為單位的數(shù)

據(jù)穩(wěn)定但敏感性不足，但以天為單位則過于敏感而缺乏穩(wěn)定性。表中第二列對應(yīng)每個自然月的新

增用戶物或者金額，右側(cè)的表格為當月新增的用戶數(shù)或者金額在后續(xù)每個月的留存情況，如表3-

1中1月公司Y新增用戶數(shù)100萬，在當月流失了5萬客戶，剩余95萬個，在2月又流失了5萬

個還剩下90萬，以此類推，最終客戶將流失殆盡。接著，基于Cohort表進行分析，主要可以橫

向比較和縱向比較分析。橫向比較分析主要可以看出相應(yīng)企業(yè)或組織的每月新增用戶在后續(xù)各月

的留存率情況，而縱向比較分析則可以看出不同月份新增用戶，分別在當月、下個月、下下個月

等的留存表現(xiàn)如何。

因此，對于不同企業(yè)會看到不同的趨勢和問題。以表3-2為例，從橫向比較來看，其留存數(shù)據(jù)最

終會在某個月份之后停留在一個固定的留存率上，比如某個月獲取的600萬用戶，在半年后每個

月的留存率都穩(wěn)定在96%,這就說明這批用戶對企業(yè)具有黏性，能夠稔定留存下來的，否則企業(yè)

的留存率是一直下降的（哪怕流失的速度很慢），也會在未來某個時間點流失殆盡。也就是說，

不管新增多少用戶，最終也會沒有客戶的。從縱向比較分析來看，其留存數(shù)據(jù)應(yīng)該是越來越好的,

因為公司應(yīng)該不斷地根據(jù)歷史情況改進產(chǎn)品，提高用戶體驗等，所以往后加入的用戶將享受到更

好的產(chǎn)品和服務(wù)，擁有更好的體驗，后續(xù)幾個月的留存率就應(yīng)該呈上升趨勢。

對比以上兩點和表格中的數(shù)據(jù)，可以看出Z公司還可以做得更好，因為它每個月留存率相對穩(wěn)定,

而每個月新增用戶有所下降，這可能是市場容量有限等原因造成的。對于VC/PE來說，這樣的分

析結(jié)果是非常好的，因為他們能夠非常清晰地看到每家企業(yè)的問題和機會，從而做出更加有利的

選擇和決策。

在金融經(jīng)濟中，Cohort分析就更能顯示自己的價值。例如，在股票中，可以通過Cohort分析，

分析出不同行業(yè)之間的時長、時期和Cohort效應(yīng)，從而找到不同行業(yè)之間差異，也可以分析同一

行業(yè)中不同企業(yè)之間“三效應(yīng)”差異。

在金融經(jīng)濟中,Cohort分析應(yīng)用案例也很多。ClaudioSapelli基于智利1902-1978年的收入,

利用Cohort分析研究收入分布的進化情況，將這種進化分解為Cohort、年齡和年的效應(yīng)，主要

采用基尼（Gini）系數(shù)和泰爾（Theil）系數(shù)來衡量收入分布，并以基尼系數(shù)和泰爾系數(shù)來觀察

Cohort效應(yīng)的趨勢，發(fā)現(xiàn)在剛開始時上升，而后下降，最后發(fā)現(xiàn)教育平均水平和離散度都不能很

好解釋Cohort效應(yīng)。后續(xù)他將數(shù)據(jù)分成了3個時間段，通過回歸分析發(fā)現(xiàn)，收入分布的進化中上

升的部分可以通過教育及相關(guān)變量解釋，下降的部分可以通過經(jīng)驗來解釋。CesarGVictora等

人研究了低收入或中等收入國家中食物和營養(yǎng)不良對人力資源及成人疾病的影響。

EricaSegal］認為購物模式陌時間發(fā)生變化有很多潛在的解釋，但多少是時長造成的，多少是歷

史的特殊時點或環(huán)境造成的，要分解不同的效能，來幫助我們看到購物模式與年齡或時長、消費

形成和偏好方式的關(guān)聯(lián)，而且分析長期消費模式中這些效應(yīng)，我們可以區(qū)分出不同的趨勢，有助

于了解客戶的情況。EricaSegal1將APC模型和需求模型相結(jié)合，發(fā)現(xiàn)Cohort效應(yīng)顯著的提高

需求模型的預(yù)測能力，結(jié)果顯示不同時期出生的人形成Cohort偏好將影響人一生的購買偏好，并

顯示了一些事件對人的影響效果是非均勻的。

在此，更值得關(guān)注的是Cohort分析在風險管理中的應(yīng)用。在信用分析過程中，尤其是貸后管理，

Vintage分析是關(guān)鍵。在審批階段，同一個月或周的進件在未來一段時間內(nèi)逾期率的變化是什么

樣的，而每個月或周，相應(yīng)的審批政策或信貸政策都會發(fā)揮不同作用，i文些政策對逾期率的影響

到底有多大。Vintage分析更多的是趨勢分析和判斷，而不能比較準確判斷時長、時期、Cohort

效應(yīng)，不夠細化而造成策略制定和應(yīng)對措施的不足。正如Me不jnBosman所說,當從Co不rt分析

的視角來審視Vintage分析,Cohort分析可以通過拆分時長、時期、Cohort效應(yīng)來增進Vintage

分析過程，分別量化出時長、時期和Cohort效應(yīng)有助于信貸負責人更好地理解信貸的歷史表現(xiàn)和

預(yù)測未來的發(fā)展趨勢。

Cohort分析的案例和模型

這里模擬了某信貸機構(gòu)的Vintage表為例來進行分析，該機構(gòu)主要做小微企業(yè)信貸，客戶主要來

自不同的渠道，通過Cohort分析，分解為時長、時期和Cohort效應(yīng)，分別對應(yīng)如圖3-￡、圖3-3

和圖3-4所示。

圖3-2Vintage的Cohort分析分解的時長效應(yīng)

時長效應(yīng)主要反映的是受心理變化、經(jīng)驗積累或社會經(jīng)濟狀態(tài)改變而發(fā)生的變化。通過對

Vintage的Cohort分析，分解出的時長效應(yīng)，如圖3-2所示。從圖中可知，信貸機構(gòu)的逾期率隨

著信貸時長呈現(xiàn)先上升而后下降的趨勢，在第14個月達到頂峰，可能是客戶在信貸機構(gòu)進行申請

貸款時急需資金，而在短短1年內(nèi)會因資金緊張或破產(chǎn)等原因而導(dǎo)致無法正常還款，過了1年后

相應(yīng)的各種經(jīng)濟條件有所改善也就開始正常還款。時長效應(yīng)的評估對于信貸產(chǎn)品設(shè)計具有指導(dǎo)意

義，因為信貸期限的選擇是信貸產(chǎn)品設(shè)計的關(guān)鍵，比如產(chǎn)品期限選擇3個月、6個月、12個月、

15個月、18個月、24個月分期付款，還是選擇其他時長的分期期限。假設(shè)信貸機構(gòu)選擇的可接

受逾期率最高為到，還款方式最好是選擇2個月以下分期或22個月以上分期：或者，假設(shè)信貸

機構(gòu)可以接受6%的逾期率，逐款方式最好是選擇3個月以下分期或20個月以上分期；進而，假

設(shè)信貸機構(gòu)可以接受10%的逾期率，還款方式最好是選擇8個月以下分期或17個月以上分期。實

際操作過程中，信貸機構(gòu)以不良率為標準設(shè)定目標，相應(yīng)的Vintage也就應(yīng)該以不良率來計量，

而后通過Cohort分析可以找到時長效應(yīng)，依據(jù)時長效應(yīng)來找到最合適的還款方式和分期長度，從

而使風控和產(chǎn)品決策的可靠性更高。

圖3-3Vintage的Cohort分析分解的時期效應(yīng)

一般時期效應(yīng)是能夠同時影響所有時長組的，這是由一系列歷史事件和環(huán)境因素造成的。對不同

賬齡逾期率通過Cohort分析可以分解得到的時期效應(yīng)如圖3-3所示，從圖中可以看出，逾期率整

體處于下降趨勢，時期效應(yīng)表明逾期率的逐步下降，對信貸機構(gòu)而言，隨著經(jīng)營不斷進行，風控

能力將不斷增強。例如，原來對渠道的激勵方式是采用復(fù)雜算法，但渠道獲得利益比較小，而后

對渠道的激勵方式改為低風險高收益、審批也從人工審批改為模型+人工審批，模型參數(shù)從50個

壞樣本改為1000個壞樣本估算得到的，催收策略從3個月內(nèi)自己催收到2個月內(nèi)自己催收等各種

風控措施的采取，這些對于信貸機構(gòu)而言是歷史事件，但這些歷史事件的實施和落地使風控管理

更加完善和合理，使得逾期率一直處于下降趨勢。這就是說，時期效應(yīng)能夠很好地看到信貸機構(gòu)

的運營策略和風控策略是否有效。但風控團隊和運營團隊也是由人組成的，而每個人在招聘的時

候都有所偏向，很容易導(dǎo)致系統(tǒng)性風險，這種系統(tǒng)性風險是由于整個信貸機構(gòu)的風控成員本身的

認知是有限的。例如，一家信貸機