不良貸款率是衡量消費金融公司貸款質量的重要指標，也是風控能力的關鍵體現。
消費金融公司不良貸款率高於銀行業平均值。根據央行數據，消費金融公司的不良貸款率高於商業銀行和外資銀行。截至2018年底，我國股份制商業銀行、城市商業銀行、民營銀行和外資銀行均保持低於2%的不良貸款率，頭部3家消費金融公司不良貸款率均在2%以上，高於銀行業平均水平。
圖 1：2018年金融機構不良貸款率
近期，零壹財經·零壹智庫發佈《科技賦能力：消費金融行業發展報告2019》（簡稱“報告”）表示，消費金融公司主要為低收入或信用卡空白群體提供無抵押、無擔保的小額貸款服務，其業務伴隨著很高的信用風險。儘管消費金融公司可以對接央行徵信數據，但是其客戶群體的徵信數據質量偏差，缺失信息較多，信用風險並未能得到控制。
另一方面，消費金融公司由於缺乏經驗豐富的風控專員、審核專員，操作系統、風控模型、評級模型存著各種風險隱患，業務流程繁瑣，監管鬆散。並且部分消費金融公司在成立初期，為追求業務的快速發展，以粗放式的審批方式進行放貸，造成大規模的壞賬。
智能風控成為消金公司發展的必要裝備
消費金融公司提供小額信貸產品及主要服務下沉人群的特點決定了其內在風控能力的重要性，智能風控成為消費金融公司發展的必要裝備。
智能風控是以大數據和人工智能為核心技術，通過大數據應用的基礎上，結合算法、機器學習和深度學習模型等AI技術的運用，有效提高風險管理效率同時降低運用成本。
智能風控的發展是對傳統風控技術的有效補充，在數據與模型設定等方面，與傳統風控有較大區別。
表1：智能風控與傳統風控比較
面對三線城市客群徵信數據少，難以有效評估等問題，智能風控通過大數據技術，在原有的徵信數據、客戶申請數據等基礎上，深入挖掘客戶在互聯網中的行為數據，以此進行補充，形成下沉客戶畫像。不僅可以提高客戶行為評估的準確度，同時也能有效的實現風險預測。
針對消費金融領域欺詐多發問題，智能風控系統通過搭建組合的策略管理手段，利用深度學習、圖像處理、生物識別等技術，對客戶行為特徵進行分析，依靠智能模型對用戶數據進行關聯分析，不斷提高欺詐識別率。
以馬上消費金融的Luma風控系統為例，通過連接內外部數據源，建立信貸全生命週期的風控規則和模型，結合自主風控系統，建立涵蓋貸前、貸中、貸後的全流程風控體系。
圖 2：馬上消費金融Luma風控系統
除此之外，馬上消費金融主要風控系統還有ACMP貸後管理系統、G!COLO雲智能貸後管理系統、TAF大數據反欺詐引擎及可視化決策引擎系統。
表2：馬上消費金融主要風控系統
消金公司已公示專利數量達139項
在技術能力加持下，消費金融公司已公示專利數量進一步突破，人工智能和大數據技術佔比約為30%。報告指出，專利方面，截至2019年12月1日，24家已開業的消費金融公司中，已公示專利申請的有8家，數量共計139項。其中馬上消費金融54項，佔總數的39%，蘇寧和招聯消費金融分別有36項和30項。
圖 3：消費金融公司公示專利申請數量
注：數據統計日期為2019年12月1日
在這139項專利當中，有38項專利涉及人工智能和大數據技術，佔專利總數的27.34%。這些專利包含了機器學習、計算機視覺、人臉識別、自然語言處理、語音識別、大數據（大數據挖掘和大數據分析）等相關技術。除大數據以外，自然語言處理技術使用率最高。
圖 4：消費金融公司金融科技專利技術分佈
數據來源：零壹智庫，WIPO統計數據庫
這些專利主要以研究消費金融信貸場景為主，覆蓋了貸前信息輸入、身份識別，貸中反欺詐識別、風險評估，貸後風險監管等應用場景。
閱讀更多 華道視界 的文章
