風(fēng)控(大數(shù)據(jù)時(shí)代下的信貸風(fēng)險(xiǎn)管理和實(shí)踐)

風(fēng)控

大數(shù)據(jù)時(shí)代下

的信貸風(fēng)險(xiǎn)管理和實(shí)踐

目錄

第1章導(dǎo)言

第2章信貸的經(jīng)濟(jì)學(xué)基礎(chǔ)

2.1信貸產(chǎn)生的經(jīng)濟(jì)學(xué)分析

2.2信貸分析方法隨經(jīng)濟(jì)周期而發(fā)生變化

2.3信貸風(fēng)控和策略的經(jīng)濟(jì)學(xué)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(jì)

4.2市場開拓和營銷

4.3申請(qǐng)調(diào)查

第5章信貸分析

5.1硬信息分析

5.1.1財(cái)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(jì)等相對(duì)靜態(tài)軟信息分析

5.2.2社交網(wǎng)絡(luò)和行為等相對(duì)動(dòng)態(tài)軟信息

5.3還款意愿量化方法

5.3.1IPC信貸不對(duì)稱偏差分析法

5.3.2還款意愿貨幣化方法

5.4全面風(fēng)險(xiǎn)管理

5.5壓力測(cè)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(diǎn)與改進(jìn)建議

6.1傳統(tǒng)信貸的優(yōu)缺點(diǎn)和改進(jìn)建議

6.2IPC信貸的優(yōu)缺點(diǎn)和改進(jìn)建議

6.3“信貸工廠”的優(yōu)缺點(diǎn)和改進(jìn)建議

6.4巴塞爾協(xié)議模式的優(yōu)缺點(diǎn)及改進(jìn)建議

6.5大數(shù)據(jù)風(fēng)控模式的優(yōu)缺點(diǎn)和改進(jìn)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(fēng)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(huì)決策模式

7.2“信貸工廠”審批模式

7.3大數(shù)據(jù)風(fēng)控自動(dòng)審批模式

第8章信貸的合同簽訂及貸款發(fā)放

第9章風(fēng)險(xiǎn)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(jì)學(xué)家熊彼特

信貸是經(jīng)濟(jì)發(fā)展的發(fā)動(dòng)機(jī)，沒有信貸就沒有經(jīng)濟(jì)增長，也不會(huì)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(jì)發(fā)展的。信貸有著久遠(yuǎn)的歷史，據(jù)一些文獻(xiàn)

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(dá)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(dá)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省（直轄市、自治區(qū)）的地方債等。再次，國家及政府為了自身的

經(jīng)濟(jì)發(fā)展進(jìn)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(shí)候，比如希臘在歐洲債務(wù)危機(jī)中就發(fā)生了

違約。

對(duì)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(dòng)中為了支付人員工資、市場拓

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

了信貸機(jī)構(gòu)和企業(yè)之間的權(quán)利和責(zé)任的時(shí)空性分離的契約。信貸機(jī)構(gòu)對(duì)于企業(yè)放款方面表現(xiàn)了信

貸機(jī)構(gòu)對(duì)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(jìn)經(jīng)濟(jì)發(fā)展的重要?jiǎng)恿Α?/p>

對(duì)于個(gè)人層次的信貸主要有個(gè)人投資和個(gè)人消費(fèi)，其中，個(gè)人消費(fèi)主要包括住房、汽車、結(jié)婚生

子、美容整形、購物、上學(xué)等，這些都將產(chǎn)生借款需求。因?yàn)橄M(fèi)是生產(chǎn)的根本出發(fā)點(diǎn)和落腳點(diǎn),

是經(jīng)濟(jì)發(fā)展的根本動(dòng)力，所以滿足消費(fèi)所產(chǎn)生的資金需求也是對(duì)經(jīng)濟(jì)發(fā)展的支持，體現(xiàn)在信貸機(jī)

構(gòu)對(duì)個(gè)人的消費(fèi)進(jìn)行支持，這不僅有助于提高個(gè)人消費(fèi)者的消費(fèi)能力，而且促進(jìn)了企業(yè)的產(chǎn)品變

現(xiàn)，同時(shí)也有利于經(jīng)濟(jì)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(dān)保貸，也可以分為個(gè)人貸、企業(yè)貸、項(xiàng)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(shí)現(xiàn)存在不可忽視的時(shí)間差，進(jìn)

而使信用問題顯得特別突出。比如各金融機(jī)構(gòu)推出的消費(fèi)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(shí)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(dān)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(píng)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(gè)人、企業(yè)、政府，這些機(jī)構(gòu)或個(gè)人借貸的目的一般是消費(fèi)、資金周轉(zhuǎn)、擴(kuò)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(dú)立民事行為能力的人，法人則需要細(xì)分為個(gè)體戶、

小企業(yè)、大中企業(yè)、企業(yè)集團(tuán)、事業(yè)單位，但不包含國家。同時(shí)，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(shí)別個(gè)體戶、小企業(yè)、大中企業(yè)。個(gè)體戶或微企業(yè)一般是以個(gè)人

或家庭為單位進(jìn)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(huì)計(jì)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(cái)報(bào)，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(yàn)來管理；大中企業(yè)具有法人、財(cái)務(wù)報(bào)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(shí)信貸基本上都以自己所認(rèn)識(shí)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(shì)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(duì)于在熟悉的朋友圈內(nèi)開展的個(gè)人信貸業(yè)務(wù)，按照Facebook公布的信

息，一般最多達(dá)到200人，因?yàn)槲覀冋嬲煜さ呐笥巡粫?huì)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(jì)，嚴(yán)重地制約了經(jīng)濟(jì)發(fā)展，銀行等

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

促進(jìn)了信貸行業(yè)的發(fā)展和經(jīng)濟(jì)發(fā)展。

銀行信貸的出現(xiàn)是人類經(jīng)濟(jì)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(duì)于陌

生借貸人，銀行需要進(jìn)行風(fēng)險(xiǎn)評(píng)估，如欺詐風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)等。對(duì)信貸風(fēng)險(xiǎn)而言，其核心就是信

用風(fēng)險(xiǎn)。關(guān)于信用風(fēng)險(xiǎn)的評(píng)估，傳統(tǒng)銀行審批分析模式是：無論對(duì)于個(gè)人或企業(yè)貸款，傳統(tǒng)銀行

貸款主要通過紙質(zhì)申請(qǐng)，提交各種資料，如個(gè)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(shí)，結(jié)合銀行自己或央行征信數(shù)據(jù)進(jìn)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(dān)保來緩

釋風(fēng)險(xiǎn)，但抵押、質(zhì)押和擔(dān)保被作為第二還款來源。目前，一些信貸機(jī)構(gòu)過于強(qiáng)調(diào)抵押、質(zhì)押和

擔(dān)保的作用而忽視自身的信貸系統(tǒng)、風(fēng)控體系、數(shù)據(jù)體系的建設(shè)，但這些機(jī)構(gòu)對(duì)驗(yàn)證抵押、質(zhì)押

和擔(dān)保的真實(shí)性和可靠性方面的經(jīng)驗(yàn)卻非常豐富，這也是其他采用IPC信貸、供應(yīng)鏈技術(shù)、評(píng)分

卡技術(shù)、大數(shù)據(jù)風(fēng)控技術(shù)等信貸分析技術(shù)的機(jī)構(gòu)值得學(xué)習(xí)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(shí)質(zhì)重于形式，以“單人調(diào)查”、眼見

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

“資產(chǎn)負(fù)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(duì)客

戶的控制能力進(jìn)行貸款，如阿里巴巴依靠自身在G聯(lián)網(wǎng)上強(qiáng)大的控制力來對(duì)用戶進(jìn)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(duì)信息真實(shí)性把控和對(duì)還款的處理手段，因?yàn)楣?yīng)

鏈信貸服務(wù)對(duì)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(duì)貨物或原料的處置能力是非常強(qiáng)的。評(píng)分k貸款是基于一些標(biāo)準(zhǔn)

（如Z-score得分等），對(duì)優(yōu)質(zhì)客戶進(jìn)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(jī)

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(jì)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(zhǔn)備金和RAROC等進(jìn)行的審批、授信、定價(jià)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(fèi)數(shù)據(jù)、運(yùn)營商數(shù)據(jù)、申請(qǐng)行為數(shù)據(jù)等計(jì)算違約率，并進(jìn)

行風(fēng)險(xiǎn)定價(jià)的模式，以拍拍貸的“魔鏡”系統(tǒng)為代表。對(duì)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(cái)務(wù)報(bào)表、規(guī)模和實(shí)地考核等來評(píng)估，在財(cái)務(wù)報(bào)表等放低要求的某礎(chǔ)上主要以抵押、

質(zhì)押或擔(dān)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(jìn)行整合

而進(jìn)行分析，供應(yīng)鏈貸款主要核心企業(yè)對(duì)供應(yīng)鏈上下游企業(yè)的控制來管控風(fēng)險(xiǎn)，評(píng)分卡貸款、巴

塞爾協(xié)議下的貸款、大數(shù)據(jù)風(fēng)控貸款下的企業(yè)和個(gè)人是類似的，不過增加了相應(yīng)的財(cái)務(wù)報(bào)表等信

息。

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

評(píng)分卡貸款、巴塞爾協(xié)議下的貸款、大數(shù)據(jù)風(fēng)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(shí)中很多小企業(yè)沒有財(cái)務(wù)報(bào)表，家庭和生意不分離，信貸機(jī)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(cái)物報(bào)表，這里對(duì)IPC微貸分析技術(shù)進(jìn)行比較

簡單的闡述。

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

分，客戶基本為各類個(gè)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(huì)重視家庭特征，對(duì)所有權(quán)問題、所處行業(yè)特點(diǎn)關(guān)注及未來現(xiàn)金流

的預(yù)測(cè)也是非常必要的，因?yàn)橐约彝閱挝坏纳饽Ｊ绞俏⑿≠J款客戶群體的主要特征。一般而

言，這類客戶對(duì)企業(yè)的治理不規(guī)范，如沒有或具有不完備的會(huì)計(jì)制度及文檔資料?，同時(shí)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(duì)弱化的小企業(yè)，這類企業(yè)擁有一定的報(bào)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(duì)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(shí)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(gè)社會(huì)經(jīng)濟(jì)狀況。對(duì)于客戶或客戶家庭同時(shí)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(diǎn)，其社會(huì)信息也是貸款分析的重要部

分，因?yàn)榭蛻舻慕?jīng)濟(jì)行為是其社會(huì)角色的經(jīng)濟(jì)延伸。

通常，還款意愿主要是了解客戶的社會(huì)角色，包括客戶的個(gè)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(huì)地位，客戶至今是怎樣在這樣

的社會(huì)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(cái)務(wù)信息或軟信息，技術(shù)上通過運(yùn)用軟信息分析模型，如信息不對(duì)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(huì)經(jīng)濟(jì)環(huán)境中所處的位置，并根據(jù)客戶與“標(biāo)準(zhǔn)”客戶

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

授信。

一般對(duì)于還款能力的分析，主要通過財(cái)務(wù)分析，以及對(duì)客戶的經(jīng)濟(jì)狀態(tài)進(jìn)行靜態(tài)及動(dòng)態(tài)分析，估

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

路基本上以現(xiàn)金流為核心。在實(shí)際操作中，由于大多數(shù)客戶沒有正規(guī)的會(huì)計(jì)報(bào)表，信貸機(jī)構(gòu)必須

獲得必要的信息來編制客戶的財(cái)務(wù)報(bào)表，通過編制財(cái)務(wù)報(bào)表來估算出客戶的實(shí)際還款能力。對(duì)于

客戶提供的完整財(cái)務(wù)報(bào)表，信貸機(jī)構(gòu)需要對(duì)報(bào)表中的數(shù)據(jù)上行邏輯交叉檢驗(yàn)，一旦提供的報(bào)表存

在邏輯異常，就需要重新構(gòu)建相關(guān)報(bào)表。

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

也需要結(jié)合客戶的貸款目的進(jìn)行分析，但對(duì)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(jìn)行分析。

我們將從消費(fèi)和供需理論、跨期消費(fèi)理論、信息經(jīng)濟(jì)學(xué)、經(jīng)濟(jì)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(fēng)險(xiǎn)主要是信息不對(duì)稱而引發(fā)

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

信貸機(jī)構(gòu)或組織不得不小心翼翼地對(duì)待信貸申請(qǐng)者的申請(qǐng)。在風(fēng)險(xiǎn)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(biāo)客戶群、產(chǎn)品設(shè)計(jì)、市場營銷推廣、信貸分析和審批、貸后管理等,

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

于這種分析在這里我們將進(jìn)行深入的闡述，便于信貸相關(guān)人員使用。

在本書中，對(duì)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(jìn)行解釋,

比如可以通過消疑記錄、廣告等多個(gè)方面來估計(jì)還款能力,對(duì)于還款意愿分析，一般認(rèn)為還款意

愿無法通過大數(shù)據(jù)進(jìn)行估計(jì)，而在實(shí)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(gè)問題，比如當(dāng)還款意愿貨幣化的值小于等于0（或者信貸機(jī)構(gòu)自

身設(shè)置的一個(gè)閥值）就可以拒絕為該用戶服務(wù)。

在對(duì)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(diǎn)。針

對(duì)不同方法的缺點(diǎn)，我們提出了相應(yīng)的改進(jìn)方法，并給出了大數(shù)據(jù)風(fēng)控的架構(gòu)圖。根據(jù)我們對(duì)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(fēng)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(dòng)”方式來不斷讓數(shù)據(jù)“動(dòng)”起來，從而發(fā)揮出數(shù)據(jù)的價(jià)值。例如利用上

網(wǎng)的IP找到對(duì)應(yīng)的地址，并結(jié)合上網(wǎng)時(shí)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(fēng)險(xiǎn)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(jià)或房租來判斷客戶的收入和支出。

當(dāng)我們對(duì)各種數(shù)據(jù)真實(shí)性進(jìn)行驗(yàn)證，量化出還款能力、還款意愿后，就需要決定是否進(jìn)行放貸，

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

式審批和大數(shù)據(jù)風(fēng)控的自動(dòng)化審批模式，并對(duì)自動(dòng)化審批模式內(nèi)部如何決策進(jìn)行了展示，同時(shí)也

就信貸定價(jià)進(jìn)行了闡述。本書還針對(duì)貸后方面的風(fēng)險(xiǎn)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(bào)表系統(tǒng)（MIS）進(jìn)行了簡單闡述。雖然是簡要介紹，但這并不代表著不重要，

因?yàn)轱L(fēng)險(xiǎn)管理是全面的、全流程的風(fēng)險(xiǎn)管理，信貸業(yè)務(wù)流程中任何一環(huán)出問題都會(huì)造成逾期利不

良率上升。

第2章信貸的經(jīng)濟(jì)學(xué)基礎(chǔ)

保險(xiǎn)市場和信貸市場存在道德風(fēng)險(xiǎn)和逆向選擇問題。

一一諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主、經(jīng)濟(jì)學(xué)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(shí)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(jìn)行信貸風(fēng)險(xiǎn)管理，如何對(duì)逾期和不良貨產(chǎn)進(jìn)行處置，等等，這些不可避免的

信貸問題，都可以從經(jīng)濟(jì)學(xué)年度找到相應(yīng)的答案。

2.1信貸產(chǎn)生的經(jīng)濟(jì)學(xué)分析

在主流經(jīng)濟(jì)學(xué)中，信貸可以通過跨期消費(fèi)選擇理論來分析?？缙谙M(fèi)選擇是消費(fèi)者在每個(gè)時(shí)期取

得收入并購買商品，同時(shí)消費(fèi)者對(duì)所消費(fèi)商品數(shù)量的選擇涉及多個(gè)時(shí)期，而不同時(shí)期的消費(fèi)數(shù)量

又將直接對(duì)另外一些時(shí)期的準(zhǔn)費(fèi)產(chǎn)生影響。不僅涉及消費(fèi)，還涉及儲(chǔ)蓄問題，每個(gè)時(shí)期內(nèi)都要作

出消費(fèi)商品數(shù)量的選擇，以詼個(gè)時(shí)期為例，每個(gè)時(shí)期擁有的貨幣量（ml,m2）,消費(fèi)量為

（C1,C2）,而ClVml為儲(chǔ)蓄者，相應(yīng)Cl>ml為借款者。

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

需求方，同時(shí)資產(chǎn)供給方。這主要是因?yàn)锳、B用戶在一時(shí)期內(nèi)和一定收入下的消費(fèi)偏好不同，A

用戶在第?期傾向儲(chǔ)蓄，而在第二期則傾向消費(fèi)，但B用戶在第?期傾向消費(fèi)，到第二期則傾向

于儲(chǔ)蓄，A和B用戶在不同期的消費(fèi)傾向和儲(chǔ)蓄傾向都不相同。A用戶在第一期傾向儲(chǔ)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(fèi)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(rèn)識(shí)和信任，二者則會(huì)直接產(chǎn)生信貸。但實(shí)際上，他們處于不同的地區(qū)，同時(shí)他

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

達(dá)的社會(huì)中二者的需求都無法滿足，因?yàn)锳和B用戶主要靠互相搜尋對(duì)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(jì)和金融發(fā)達(dá)的條件下，A和B用戶可以

借助銀行等機(jī)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(shí)間差內(nèi)的分離，即信貸具有跨時(shí)空特征，這使得A用戶收集、獲得和處理信息都需要花費(fèi)成

本，而且信息在傳遞過程中會(huì)出現(xiàn)失真，并且B用戶對(duì)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(duì)稱的。對(duì)于信息不對(duì)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(duì)稱將導(dǎo)致逆向選擇、道德風(fēng)險(xiǎn)、不可驗(yàn)證和欺詐等問題。

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

就產(chǎn)生了不同的產(chǎn)品，如債類、保險(xiǎn)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(fēng)險(xiǎn)是不同的，例如，債類資本的核心風(fēng)險(xiǎn)是信用風(fēng)險(xiǎn)；保險(xiǎn)類資本核心風(fēng)險(xiǎn)是

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

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

風(fēng)險(xiǎn)。

圖2T跨期消費(fèi)選擇下的借貸

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

引起對(duì)某個(gè)商品需求量的變化。在競爭市場中，一個(gè)消費(fèi)者的消費(fèi)需求發(fā)生變化對(duì)市場需求影響

不大，但考慮到所有消費(fèi)者的消費(fèi)需求變化情況，最終對(duì)于某個(gè)商品來說整體的需求量可能是增

加、不變或減少。當(dāng)總需求量增加時(shí)，但總供給會(huì)由于價(jià)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(shí)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?yàn)檎缦？怂顾f

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

需求變化是需要花費(fèi)時(shí)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(jià)格會(huì)上漲。

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

品價(jià)格上升導(dǎo)致了該商品的投資回報(bào)率上升，這就導(dǎo)致原有供給者會(huì)增加供給，同時(shí)也會(huì)吸引新

供給者進(jìn)入，進(jìn)而引發(fā)了購買工廠建設(shè)材料、機(jī)器、原料、勞動(dòng)力等要素需求增多，進(jìn)一步使實(shí)

體資本增加，相應(yīng)的償還能力增加即信用提高，風(fēng)險(xiǎn)和不確定性也相應(yīng)增加了，因?yàn)楣┙o者之間

是信息不對(duì)稱或隱藏信息，同時(shí)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?yàn)閷?shí)

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(bào)率也相應(yīng)地減少了，則主要是因?yàn)檫M(jìn)入

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

即商品供應(yīng)企業(yè)的成本增加，資本回報(bào)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(jià)格回歸原有平衡或低于原有平衡的價(jià)格，這也使資本回報(bào)率下降。最后，在這個(gè)

新增供給的過程中，帶來更多的不確定性風(fēng)險(xiǎn)和信息不對(duì)稱，如商品偽劣、商家欺詐等，增加了

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

報(bào)率先升高后下降，在升高的過程中企業(yè)會(huì)產(chǎn)生信貸需求，各金融機(jī)構(gòu)會(huì)積極發(fā)放貸款，從而促

進(jìn)信貸發(fā)生，但當(dāng)資本回報(bào)率下降到一定程度，企業(yè)也有信貸需求，但金融機(jī)構(gòu)會(huì)謹(jǐn)慎放貸，甚

至拒絕放貸。

圖2-2消費(fèi)理論

從產(chǎn)權(quán)經(jīng)濟(jì)學(xué)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(dòng)，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(duì)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(dá)到保值和增值的目的，都是隨機(jī)的，而不

是確定的。在信息經(jīng)濟(jì)學(xué)中，信息不對(duì)稱主要有兩種：逆向選擇和道德風(fēng)險(xiǎn)。逆向選擇是信貸機(jī)

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

險(xiǎn)，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(fēng)險(xiǎn)客戶，實(shí)際上增加了信貸

機(jī)構(gòu)的信貸風(fēng)險(xiǎn)，逆向選擇是事前信息不對(duì)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(fēng)險(xiǎn)是客戶隱匿自身操作和資金真實(shí)用途，在追求自身利益最大化過程中以

信貸機(jī)構(gòu)的利益為代價(jià)，道德風(fēng)險(xiǎn)是事后非對(duì)稱，主要是隱藏行為，信貸的道德風(fēng)險(xiǎn)主要在信貸

辦理之后。正如產(chǎn)權(quán)經(jīng)濟(jì)學(xué)中的觀點(diǎn)，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(duì)稱。

無論是個(gè)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(duì)稱問題和委托-代理關(guān)系，這使

得借貸人或承租人會(huì)有選擇地還本付息。經(jīng)濟(jì)學(xué)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(jī)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(jī)構(gòu)只能從借貸人的殘值中獲得部分補(bǔ)償，甚至血本無歸，借款人損失的只是一個(gè)固定資

金。信貸的期權(quán)特征對(duì)于企業(yè)特別明顯，因?yàn)槠髽I(yè)一般是有限責(zé)任，注冊(cè)資金一般是有限的，所

以信貸對(duì)于這類企業(yè)具有期權(quán)特征。對(duì)于允許個(gè)人破產(chǎn)的國家或地區(qū)的個(gè)人，個(gè)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(jì)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(huì)需要信

貸的，如果一個(gè)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(yùn)營和生產(chǎn)，這種經(jīng)營性信貸是經(jīng)濟(jì)發(fā)展的重要要素。熊彼特認(rèn)為消費(fèi)型和生產(chǎn)型信

貸不是經(jīng)濟(jì)過程的本質(zhì)部分，因?yàn)樗J(rèn)為消費(fèi)不是經(jīng)濟(jì)發(fā)展的根本出發(fā)點(diǎn)和目的?？墒?，目前經(jīng)

濟(jì)學(xué)理論普遍認(rèn)為消費(fèi)是經(jīng)濟(jì)發(fā)展的目的和出發(fā)點(diǎn)，而且消費(fèi)型和生產(chǎn)型信貸是經(jīng)濟(jì)過程的重要

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

在經(jīng)濟(jì)學(xué)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(jìn)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-希克斯改進(jìn)的余地的一種狀態(tài)。如果

嚴(yán)格遵從“帕累托效率”這種能使總利益增加的變革就不能進(jìn)行，這就未免太苛刻了并浪費(fèi)了本

可以增進(jìn)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-希克斯改

進(jìn)”機(jī)會(huì)，就必須要讓受益者來補(bǔ)償受損者相應(yīng)的損失，這種補(bǔ)償可以分為相對(duì)補(bǔ)償和絕對(duì)補(bǔ)償,

還可以分為被動(dòng)補(bǔ)償和主動(dòng)補(bǔ)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(fèi)者通過信貸獲得資金后可以購買車、房、手機(jī)、美容

或其他服務(wù)和消費(fèi)品，并在消費(fèi)過程中獲得更多效用。然而，對(duì)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(shí)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(duì)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(bǔ)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(duì)消費(fèi)信貸的研究，公元前1750年

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

元前591年左右希臘的梭倫通過對(duì)希臘法律進(jìn)行改革，進(jìn)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(gè)時(shí)期為人民和政府廣為接受尹對(duì)經(jīng)濟(jì)

發(fā)展起到積極作用，而哲學(xué)家如柏拉圖、亞里士多德等對(duì)信貸進(jìn)行了譴責(zé)。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。《舊約》《圣經(jīng)》等禁止有息貸

款，直到12世紀(jì)，西方各種形式的有息貸款才成為經(jīng)濟(jì)生活的重要因素和基本增長動(dòng)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(duì)放貸的態(tài)度從譴責(zé)，再到容忍，繼而規(guī)定出例

外。在歐洲，信貸因?yàn)橐庾R(shí)形態(tài)根本上是宗教原因而遭譴責(zé)，放貸者被等同于放高利貸，仍然背

負(fù)著壞名聲。消費(fèi)信貸使當(dāng)前的消費(fèi)與當(dāng)前收入分離開，使得低收入人群可以提前消費(fèi)一些商品

和服務(wù)，消費(fèi)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(shí)也創(chuàng)造了一個(gè)巨大

的市場，進(jìn)而促進(jìn)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(fèi)信貸激勵(lì)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(fèi)信貸的發(fā)展是信貸資金分流到消

費(fèi)中，這有利于提高經(jīng)濟(jì)系統(tǒng)中生產(chǎn)、消費(fèi)之間比例的合理性，確保了社會(huì)經(jīng)濟(jì)的穩(wěn)定性，減少

了因有效需求不足帶來的經(jīng)濟(jì)危機(jī)。因此信貸對(duì)經(jīng)濟(jì)發(fā)展來說是一個(gè)卡爾多-?？怂垢倪M(jìn)。

在《資本論》中經(jīng)濟(jì)發(fā)展的根本目的是滿足消費(fèi)，要獲得滿足消費(fèi)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(huì)有支付，支付方式可以是實(shí)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(fèi)中的阿里巴巴旗下的螞蟻花唄、京東白條等。在經(jīng)濟(jì)不發(fā)達(dá)的時(shí)期，通常通過

物物交換來實(shí)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。現(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(jìn)行交換或交易。但隨著經(jīng)濟(jì)

和金融不斷發(fā)展，消費(fèi)的需求遠(yuǎn)遠(yuǎn)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(jì)

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

中國18?25歲的消費(fèi)者占總?cè)丝诘?0%,這群消費(fèi)者消費(fèi)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(fèi)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(gè)人是比較少的，因而用信用貸款來滿足

消費(fèi)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(fèi)者喜愛了。利用信用貸款來滿足消費(fèi)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(fèi)者在信貸機(jī)構(gòu)申請(qǐng)信用貸款來支付某種商品或服務(wù)，信貸機(jī)構(gòu)直接打款給相應(yīng)的商戶,

而后消費(fèi)者進(jìn)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(fèi)升級(jí)的大背景下，中國

消費(fèi)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(jī)構(gòu)稱為“墊付”，但從本質(zhì)而言就是信貸，不可避免會(huì)有信息不對(duì)稱的問題，

比如消費(fèi)者的逆向選擇、道德風(fēng)險(xiǎn)和欺詐，商戶的委托-代理帶來的信息不對(duì)稱風(fēng)險(xiǎn)。

2.2信貸分析方法隨經(jīng)濟(jì)周期而發(fā)生變化

在信息完全對(duì)稱的情況下，信貸通過利息補(bǔ)償?shù)姆绞娇梢詫?shí)現(xiàn)帕累托最優(yōu)。但實(shí)際上，資金供給

方很難估算出自身未來的實(shí)際損失，對(duì)資金需求方的信息也是不完全的，理解和認(rèn)識(shí)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(jì)周期有著密切的聯(lián)系。

從經(jīng)濟(jì)周期理論看，人類經(jīng)歷了幾個(gè)重要的經(jīng)濟(jì)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(shí)代；1783—1842年的紡織機(jī)、蒸汽機(jī)發(fā)明和應(yīng)用時(shí)代；1843—1897年的鋼鐵、火

車時(shí)代；1897—1950年的電氣、化工和汽車時(shí)代；1950—2003年的計(jì)算機(jī)、互聯(lián)網(wǎng)時(shí)代。

圖2-3人類經(jīng)歷的經(jīng)濟(jì)長周期

基于我們自身對(duì)于經(jīng)濟(jì)發(fā)展的研究和觀察，2003—2053年徨有可能是數(shù)據(jù)、量子時(shí)代，2053—

3000年將是智能、生物時(shí)代。經(jīng)濟(jì)周期對(duì)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(jì)時(shí)

代具有高資本回報(bào)率的企業(yè)或個(gè)人是不同的，進(jìn)而可放貸的信貸需求方也是不同的。對(duì)于這些企

業(yè)或個(gè)人進(jìn)行放貸是信貸機(jī)構(gòu)的使命，也是不二的選擇，因?yàn)樗麄兇碇厔?shì)，代表著高投資同

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

數(shù)據(jù)、量子時(shí)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(xué)成立量子計(jì)算機(jī)實(shí)驗(yàn)室等。然而，在量子計(jì)算機(jī)、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(huì)太長，預(yù)計(jì)在未來20年中，量子計(jì)算

機(jī)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(dòng)計(jì)劃，開啟了新的經(jīng)

濟(jì)增長引擎?；ヂ?lián)網(wǎng)只是一種技術(shù)或工具，利用互聯(lián)網(wǎng)能夠廉價(jià)便捷地連接、收集、匯總各種數(shù)

據(jù)，國家鼓勵(lì)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(shí)現(xiàn)業(yè)務(wù)自動(dòng)化、智能化，并達(dá)

到經(jīng)濟(jì)結(jié)構(gòu)調(diào)整和產(chǎn)業(yè)升級(jí)目的。目前我國絕大部分企業(yè)處于機(jī)械化階段，需要更換經(jīng)濟(jì)發(fā)展的

“發(fā)動(dòng)機(jī)”來推動(dòng)經(jīng)濟(jì)結(jié)構(gòu)調(diào)整和產(chǎn)業(yè)升級(jí)，需要走上自動(dòng)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(dòng)化、智能化、個(gè)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(dòng)停止生產(chǎn)，從而達(dá)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(shí)現(xiàn)自動(dòng)化、智能化，從而實(shí)現(xiàn)經(jīng)濟(jì)結(jié)構(gòu)調(diào)整和經(jīng)濟(jì)發(fā)展“發(fā)動(dòng)機(jī)”的培育。

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

算”“云計(jì)算”或“邊緣計(jì)算”，其根本在于提高當(dāng)前計(jì)算機(jī)的計(jì)算和存儲(chǔ)能力。目前，我國的

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

擔(dān)其相關(guān)費(fèi)用。因此，Google率先開發(fā)出了云計(jì)算系統(tǒng)，如GFS分布式文件系統(tǒng)、MapReduce分

布式計(jì)算系統(tǒng)，而后的Apache項(xiàng)目發(fā)展出Hadoop系統(tǒng)，這為云計(jì)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(jì)算平臺(tái)。

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

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

統(tǒng)；但以Hadoop為代表的云計(jì)算也面臨著自身的問題，因?yàn)槠淇蓴U(kuò)展性是有自身邊界的。目前來

看，云計(jì)算平臺(tái)的存儲(chǔ)和計(jì)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(gè)時(shí)候，量子計(jì)算機(jī)的強(qiáng)大計(jì)算能力引起了科學(xué)家的注意并著手研究與開發(fā)。

按照中國科學(xué)院物理學(xué)家潘建偉院士所講：“新一代量子計(jì)算機(jī)能夠解決目前世界上最好的超級(jí)

計(jì)算機(jī)都無法解決的問題，而速度將比天河二號(hào)快將近百億億倍?！蓖瑫r(shí)，潘建偉院士打了個(gè)比

方：“如果按中國10億人口計(jì)算，百億億倍就相當(dāng)于我們每個(gè)人能分到10億臺(tái)天河二號(hào)?！币?/p>

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

那么還可以采用量子云計(jì)算的模式，這種模式就是將云計(jì)算平臺(tái)的計(jì)算機(jī)更改為量子計(jì)算機(jī)，成

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

據(jù)預(yù)測(cè)，在未來40年內(nèi)，量子計(jì)算機(jī)將會(huì)進(jìn)入普通家庭，那么企業(yè)的應(yīng)用就更普通了。城著量子

計(jì)算機(jī)、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(jìn)入一個(gè)全新的時(shí)代，那時(shí)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(xué)的機(jī)器人、北京大學(xué)圖

書館的機(jī)器人，以及特斯拉的自動(dòng)汽車、無人駕駛飛機(jī)，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(duì)固定的策略，這種“智能”受限于數(shù)據(jù)、算法、計(jì)算硬件。有了量子/算機(jī)、

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(huì)再發(fā)生，因?yàn)橛?jì)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(shí)間將遠(yuǎn)遠(yuǎn)小于汽車數(shù)據(jù)探測(cè)器發(fā)現(xiàn)問題到出事

故的時(shí)間。

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

州大學(xué)的Spark等云計(jì)算系統(tǒng)，還是支持向最機(jī)、深度學(xué)習(xí)算法、Alphago、對(duì)抗性學(xué)習(xí)等各種機(jī)

器學(xué)習(xí)算法都是圍繞數(shù)據(jù)進(jìn)行的。在數(shù)據(jù)時(shí)代，數(shù)據(jù)來源、數(shù)據(jù)收集、數(shù)據(jù)存儲(chǔ)、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(gè)機(jī)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(jī)會(huì)更

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

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

舍。

在不同的經(jīng)濟(jì)周期下，信貸機(jī)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(diǎn)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?yàn)樵谶@個(gè)時(shí)

期，概率論只是剛剛提出，沒有哲學(xué)和思考的基礎(chǔ)，更沒有收集數(shù)據(jù)的意識(shí)，同時(shí)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(shí)期，任何供給都能被市場消化掉；到了鋼鐵、火車

和汽車時(shí)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(dāng)時(shí)面臨的問題，這時(shí)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(shí)期，數(shù)據(jù)意識(shí)開始逐漸產(chǎn)生但主要關(guān)注宏觀數(shù)據(jù)。在這個(gè)時(shí)期，

各機(jī)構(gòu)和組織更關(guān)注何物在何時(shí)何地價(jià)格和需求的高低；到了計(jì)算機(jī)和互聯(lián)網(wǎng)時(shí)代，也是全球化

時(shí)代，整體處于供求平衡，這個(gè)時(shí)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(cái)務(wù)報(bào)表進(jìn)行信貸；到數(shù)據(jù)和量子時(shí)代，全世界將處于供過于求，需要精細(xì)化生產(chǎn)和銷售，比

如按需生產(chǎn)（C2B）、精準(zhǔn)營銷、個(gè)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(jì)學(xué)角度看，在供給創(chuàng)造需求的時(shí)代，只要?個(gè)項(xiàng)目需要資本都可以借給它。因?yàn)楦鞣N

商品的需求遠(yuǎn)遠(yuǎn)大于供給，窗品價(jià)格遠(yuǎn)高于自由競爭市場下的價(jià)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(jī)和小米手機(jī)都是排隊(duì)購買，價(jià)格比普通手機(jī)

高出1倍以上。在這種供不應(yīng)求的時(shí)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(jìn)價(jià)為5元而銷售價(jià)格為30元，出現(xiàn)了排隊(duì)購買香料的情景，信貸機(jī)構(gòu)可

以根據(jù)二階信息進(jìn)行放貸，主要是針對(duì)好的行業(yè)進(jìn)行放貸，就如在2010年前，信貸機(jī)構(gòu)對(duì)鋼鐵行

業(yè)中各企業(yè)進(jìn)行放貸并獲得了大豐收。隨著經(jīng)濟(jì)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(gè)過程中傳統(tǒng)信貸機(jī)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(gè)人的財(cái)務(wù)報(bào)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(jìn)行細(xì)化而形成標(biāo)準(zhǔn)化“信貸工廠”和“信貸車間”，以及今天個(gè)性化

信貸。個(gè)性化信貸是私人信息比重達(dá)到了前所未有的高度，是計(jì)算機(jī)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(shí)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(duì)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(dāng)下的技術(shù)條件下開發(fā)收益太低，

只有等到石油價(jià)格漲到某個(gè)特定價(jià)格后才具有開發(fā)價(jià)值。

處于不同時(shí)代，信貸要適應(yīng)時(shí)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(jì)70年代，在金融比較發(fā)

認(rèn)的英國和美國壞沒有使用信用評(píng)分，甚至到1990年部分放貸機(jī)構(gòu)也還未便用信用評(píng)分.傳統(tǒng)信

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

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

時(shí)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(shí)代，這些數(shù)據(jù)可以緩解信息不對(duì)稱，

但不能消除信息不對(duì)稱，這樣的大數(shù)據(jù)有利于信貸機(jī)構(gòu)對(duì)客戶有一個(gè)全面的認(rèn)識(shí)并可以防止操作

風(fēng)險(xiǎn)。同時(shí)，信貸機(jī)構(gòu)依靠大數(shù)據(jù)來評(píng)估客戶的風(fēng)險(xiǎn)，對(duì)客戶來說更加公平，因?yàn)轭愃苽鹘y(tǒng)信貸、

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

響，對(duì)同一個(gè)客戶不同的審批人員會(huì)有不同審批結(jié)果，有些審批人員會(huì)拒絕該客戶，而另一些則

認(rèn)為可以放款給該客戶。基于大數(shù)據(jù)的風(fēng)控規(guī)則和模型，信貸機(jī)構(gòu)的信貸審批決策系統(tǒng)則是由同

一套標(biāo)準(zhǔn)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(duì)于每一個(gè)客戶更加公平，同時(shí)對(duì)信貸機(jī)構(gòu)來說減少了人為干預(yù),避免

了一些內(nèi)部欺詐風(fēng)險(xiǎn)，并提忘了審批效率和客戶體驗(yàn)。在以前依靠信貸審批委員會(huì)需要14個(gè)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(fēng)控和策略的經(jīng)濟(jì)學(xué)分析

在數(shù)據(jù)和量子時(shí)代，數(shù)據(jù)收集成本低廉，量子計(jì)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(gè)月，也不是1周，而是1分鐘，或者30秒，甚至更短的時(shí)間。在未來，審批是用

戶無感知的，審批速度可能會(huì)達(dá)到秒甚至亳秒級(jí)別。

其實(shí)，風(fēng)控本質(zhì)上可以看作解決信息不對(duì)稱而產(chǎn)生的問題，而信息不對(duì)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(duì)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(xué)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(jì)報(bào)表、風(fēng)控的MIS系統(tǒng)、

各種專題報(bào)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(duì)應(yīng)的價(jià)值提升不顯著，數(shù)據(jù)量減少后對(duì)應(yīng)的價(jià)值下降也不顯著。比如，在TopicModel

中，用100億個(gè)文檔與10億個(gè)文檔也不會(huì)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(huì)越高。比如，高頻交易，對(duì)

于數(shù)據(jù)依賴非常高，各種策略也要進(jìn)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(shí)時(shí)廣告一般是按照第二高價(jià)格競拍模式，規(guī)則是確定

的，一切都是按照個(gè)人的數(shù)據(jù)進(jìn)行定制；個(gè)性化推薦也是依靠個(gè)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(fēng)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(jī)器學(xué)

習(xí)或統(tǒng)計(jì)學(xué)習(xí)的模型來估計(jì)出客戶的風(fēng)險(xiǎn)，而后根據(jù)不同客戶的風(fēng)險(xiǎn)、還款能力等進(jìn)行個(gè)性化授

信和定價(jià)。

信貸風(fēng)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(fēng)控中更是如此。例如，原來

“客戶填寫身份證號(hào)碼的時(shí)長”是一個(gè)有效控制欺詐的指標(biāo)，但隨著這個(gè)指標(biāo)被大家所認(rèn)可\這

個(gè)指標(biāo)的效果也就大打折扣，但在風(fēng)控中這個(gè)指標(biāo)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(gè)關(guān)鍵性識(shí)別客戶，但隨著模擬器出來，可以直接設(shè)定IMEI號(hào)，但在風(fēng)控

中這個(gè)也是需要部署。信貸機(jī)構(gòu)過于依賴模型會(huì)引發(fā)模型風(fēng)險(xiǎn)，因?yàn)槟Ｐ涂赡苁清e(cuò)誤的，在訓(xùn)練、

測(cè)試時(shí)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(duì)，也不是數(shù)據(jù)

的問題，而是監(jiān)督學(xué)習(xí)的問題一一線上系統(tǒng)不是問題封閉的監(jiān)督學(xué)習(xí)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(fēng)險(xiǎn)的發(fā)生。信貸風(fēng)控和策略是一種選擇，

選擇用征信報(bào)告、消費(fèi)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(fēng)控和策略核心就是在最大化利潤的目標(biāo)下來進(jìn)行選擇。每種選擇都有成本和收益，需要風(fēng)

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(jī)器學(xué)習(xí)或統(tǒng)計(jì)學(xué)習(xí)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(jìn)行反欺詐，但對(duì)于逆向選擇、道德風(fēng)險(xiǎn)和委托-代理問

題如何解決，則需要從經(jīng)濟(jì)學(xué)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(duì)此類問題，信息經(jīng)濟(jì)學(xué)給出的解決方案是通過合同激勵(lì)的方式來解決。例如，中銀消費(fèi)的渠道

就是通過強(qiáng)力的獎(jiǎng)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(duì)合作商戶進(jìn)

行排名的方式，而后對(duì)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(jì)學(xué)

中，可以通過信息甄別、信號(hào)模型、拍賣等方式來應(yīng)對(duì)相關(guān)信息不對(duì)稱，在實(shí)際過程中需要基于

問題，依據(jù)經(jīng)濟(jì)學(xué)理論來找到解決之道，要堅(jiān)信“方法總比問題多”，同時(shí)也要注意：“與欺詐

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

是說，風(fēng)控人員要具有不斷學(xué)習(xí)的能力，持續(xù)更新自己的知識(shí)體系，以便能夠更好地做好風(fēng)控。

第3章信貸分析秘密武器一一Cohort分析

統(tǒng)計(jì)學(xué)家是下一個(gè)性感的工作。

——Google首席經(jīng)濟(jì)學(xué)家哈爾?瓦里安

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

眾多分析方法，如歸因方法可以用隨機(jī)試驗(yàn)的方法來確定相關(guān)因子。在統(tǒng)計(jì)學(xué)課程“試驗(yàn)設(shè)計(jì)”

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

機(jī)試驗(yàn)的數(shù)據(jù)提供了相應(yīng)的統(tǒng)計(jì)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(cè)試用于選擇不同的頁面設(shè)計(jì)、流程設(shè)計(jì)等達(dá)到客戶體驗(yàn)最好；而在風(fēng)險(xiǎn)管理中，挑戰(zhàn)者

和冠軍之間的對(duì)比測(cè)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(shí)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(shí)

長、時(shí)期、同群效應(yīng)并估計(jì)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(jì)這三種效應(yīng)需要應(yīng)用Cohort分析。

Cohort分析可以幫助風(fēng)險(xiǎn)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(duì)、同伙、

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

譯為“世代分析"。無論如何翻譯，這些翻譯都無法達(dá)到這個(gè)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(huì)；③任意

一組士兵；④一個(gè)幫兇或共犯；⑤一群具有特定統(tǒng)計(jì)學(xué)意義或人口學(xué)特征的人；⑥生物學(xué)上，同

一物種的一群人中的個(gè)體。這里Cohort的意思是“一群具有特定統(tǒng)計(jì)學(xué)意義或人口學(xué)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(duì)人群、物或主題在特定時(shí)期內(nèi)具有相同經(jīng)歷的結(jié)果進(jìn)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(duì)時(shí)長、時(shí)期、Cohort效

應(yīng)進(jìn)行評(píng)估。其中，時(shí)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(shí)間長度，比如為

一個(gè)用戶服務(wù)的時(shí)長就是以住戶注冊(cè)、下單時(shí)間為標(biāo)準(zhǔn)，自用戶注冊(cè)或下單的時(shí)點(diǎn)開始i-算，到

統(tǒng)計(jì)分析時(shí)點(diǎn)時(shí)為止，兩個(gè)時(shí)間點(diǎn)之間的間隔；時(shí)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(jì)學(xué)意義或人口學(xué)特征的人或物，一般

以時(shí)間起點(diǎn)為唯一變量（時(shí)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(xué)術(shù)可以查到“Cohortanalysis"2014-2015年共有2.5萬相

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

文獻(xiàn)相對(duì)比較少。這不代表Cohort分析在經(jīng)濟(jì)、金融方面不重要，相反在人口學(xué)、社會(huì)學(xué)、經(jīng)濟(jì)

學(xué)和金融，都會(huì)遇到個(gè)人或群體的時(shí)間序列數(shù)據(jù)，各種現(xiàn)象中時(shí)長效應(yīng)、時(shí)期效應(yīng)、Cohort效應(yīng)

的變化是什么樣的，對(duì)相應(yīng)的專家或研究者、實(shí)踐者來說非常重要的。

圖3-1Cohort分析在經(jīng)濟(jì)、金融方面的文獻(xiàn)比較少

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

Cohort分析，先從理論上對(duì)此進(jìn)行闡述與說明。

Cohort分析在市場運(yùn)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(shí)長效應(yīng)和Cohort效應(yīng)上。這對(duì)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(cè)在初始階段就需要做好準(zhǔn)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(cè)或進(jìn)入時(shí)間來對(duì)用戶進(jìn)行分組，從而比較不同時(shí)期進(jìn)入用戶的參與情況，同時(shí)

還可以從參與度中拆分出增長率，這對(duì)于運(yùn)營來說非常重要，因?yàn)樵鲩L很容易掩蓋參與問題八

對(duì)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(zhǔn)，自廣告或營銷開始到結(jié)束當(dāng)天的平均量與基準(zhǔn)

進(jìn)行比較，高出某個(gè)設(shè)定的預(yù)期值就認(rèn)為比較好。但是，這樣不能確認(rèn)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(rèn)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(jìn)及改進(jìn)的方向。Cohort分析可以分拆出時(shí)期效應(yīng)、時(shí)長效應(yīng)和Cohort效應(yīng)，

加上廣告或營銷時(shí)期與非廣告時(shí)期的比較，從而判斷廣告或營銷效果。當(dāng)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(jìn)之處。

對(duì)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(diǎn)產(chǎn)品，以及看到不同年齡層的客戶對(duì)公司的利潤貢獻(xiàn)程度并及時(shí)調(diào)整戰(zhàn)略。

對(duì)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(duì)公司現(xiàn)金流、利潤貢獻(xiàn)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(shí)，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(jìn)一些項(xiàng)目落地。幾年時(shí)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(yùn)營手段獲得新客戶，如通過

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

保險(xiǎn)公司，分別是Y和Z,他們都擁有2000萬的注冊(cè)客戶，客戶平均保費(fèi)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(cè)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(cè)客戶投保情況

表3-2Z的注冊(cè)客戶投保情況

從表3-1和表3-2可知，Y和Z兩家保險(xiǎn)公司，擁有相同的注冊(cè)數(shù)，但成功投?？蛻魯?shù)分別為

1735萬、1955萬，這說明Z的注冊(cè)投保轉(zhuǎn)化率高，即從這個(gè)角度看，Z更好；從注冊(cè)后第2個(gè)月

的投保客戶數(shù)分別為1120萬、1801萬，同時(shí)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(cè)后到第6個(gè)月的投?？蛻魯?shù)分別為50萬、580萬，同時(shí)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(shí)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?yàn)樵谝患以缙诠?，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(dāng)?shù)倪\(yùn)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(yuǎn)都抓不住客戶真正的痛點(diǎn)，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(shí)間維度所對(duì)應(yīng)的月份或周進(jìn)行排列。如果所做的表是

給投資人看，那么時(shí)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(jìn)行監(jiān)控，以周為

單位更加合理，這是因?yàn)橐灾転閱挝坏臄?shù)據(jù)更加敏感，同時(shí)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(duì)應(yīng)每個(gè)自然月的新

增用戶物或者金額，右側(cè)的表格為當(dāng)月新增的用戶數(shù)或者金額在后續(xù)每個(gè)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(dāng)月流失了5萬客戶，剩余95萬個(gè)，在2月又流失了5萬

個(gè)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(jìn)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(dāng)月、下個(gè)月、下下個(gè)月

等的留存表現(xiàn)如何。

因此，對(duì)于不同企業(yè)會(huì)看到不同的趨勢(shì)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(huì)在某個(gè)月份之后停留在一個(gè)固定的留存率上，比如某個(gè)月獲取的600萬用戶，在半年后每個(gè)

月的留存率都穩(wěn)定在96%,這就說明這批用戶對(duì)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(huì)在未來某個(gè)時(shí)間點(diǎn)流失殆盡。也就是說，

不管新增多少用戶，最終也會(huì)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?yàn)楣緫?yīng)該不斷地根據(jù)歷史情況改進(jìn)產(chǎn)品，提高用戶體驗(yàn)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(yàn)，后續(xù)幾個(gè)月的留存率就應(yīng)該呈上升趨勢(shì)。

對(duì)比以上兩點(diǎn)和表格中的數(shù)據(jù)，可以看出Z公司還可以做得更好，因?yàn)樗總€(gè)月留存率相對(duì)穩(wěn)定,

而每個(gè)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(duì)于VC/PE來說，這樣的分

析結(jié)果是非常好的，因?yàn)樗麄兡軌蚍浅Ｇ逦乜吹矫考移髽I(yè)的問題和機(jī)會(huì)，從而做出更加有利的

選擇和決策。

在金融經(jīng)濟(jì)中，Cohort分析就更能顯示自己的價(jià)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(shí)長、時(shí)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(jì)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(jìn)化情況，將這種進(jìn)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(shì)，發(fā)現(xiàn)在剛開始時(shí)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(gè)時(shí)間段，通過回歸分析發(fā)現(xiàn)，收入分布的進(jìn)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(yàn)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(duì)人力資源及成人疾病的影響。

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

史的特殊時(shí)點(diǎn)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(shí)長、消費(fèi)

形成和偏好方式的關(guān)聯(lián)，而且分析長期消費(fèi)模式中這些效應(yīng)，我們可以區(qū)分出不同的趨勢(shì)，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(cè)能力，結(jié)果顯示不同時(shí)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(duì)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(fēng)險(xiǎn)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(gè)月或周的進(jìn)件在未來一段時(shí)間內(nèi)逾期率的變化是什么

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

到底有多大。Vintage分析更多的是趨勢(shì)分析和判斷，而不能比較準(zhǔn)確判斷時(shí)長、時(shí)期、Cohort

效應(yīng)，不夠細(xì)化而造成策略制定和應(yīng)對(duì)措施的不足。正如Me不jnBosman所說,當(dāng)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(shí)長、時(shí)期、Cohort效應(yīng)來增進(jìn)Vintage

分析過程，分別量化出時(shí)長、時(shí)期和Cohort效應(yīng)有助于信貸負(fù)責(zé)人更好地理解信貸的歷史表現(xiàn)和

預(yù)測(cè)未來的發(fā)展趨勢(shì)。

Cohort分析的案例和模型

這里模擬了某信貸機(jī)構(gòu)的Vintage表為例來進(jìn)行分析，該機(jī)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(shí)長、時(shí)期和Cohort效應(yīng)，分別對(duì)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(shí)長效應(yīng)

時(shí)長效應(yīng)主要反映的是受心理變化、經(jīng)驗(yàn)積累或社會(huì)經(jīng)濟(jì)狀態(tài)改變而發(fā)生的變化。通過對(duì)

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

著信貸時(shí)長呈現(xiàn)先上升而后下降的趨勢(shì)，在第14個(gè)月達(dá)到頂峰，可能是客戶在信貸機(jī)構(gòu)進(jìn)行申請(qǐng)

貸款時(shí)急需資金，而在短短1年內(nèi)會(huì)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(jì)條件有所改善也就開始正常還款。時(shí)長效應(yīng)的評(píng)估對(duì)于信貸產(chǎn)品設(shè)計(jì)具有指導(dǎo)意

義，因?yàn)樾刨J期限的選擇是信貸產(chǎn)品設(shè)計(jì)的關(guān)鍵，比如產(chǎn)品期限選擇3個(gè)月、6個(gè)月、12個(gè)月、

15個(gè)月、18個(gè)月、24個(gè)月分期付款，還是選擇其他時(shí)長的分期期限。假設(shè)信貸機(jī)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(gè)月以下分期或22個(gè)月以上分期：或者，假設(shè)信貸

機(jī)構(gòu)可以接受6%的逾期率，逐款方式最好是選擇3個(gè)月以下分期或20個(gè)月以上分期；進(jìn)而，假

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

際操作過程中，信貸機(jī)構(gòu)以不良率為標(biāo)準(zhǔn)設(shè)定目標(biāo)，相應(yīng)的Vintage也就應(yīng)該以不良率來計(jì)量，

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

而使風(fēng)控和產(chǎn)品決策的可靠性更高。

圖3-3Vintage的Cohort分析分解的時(shí)期效應(yīng)

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

賬齡逾期率通過Cohort分析可以分解得到的時(shí)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(shì)，時(shí)期效應(yīng)表明逾期率的逐步下降，對(duì)信貸機(jī)構(gòu)而言，隨著經(jīng)營不斷進(jìn)行，風(fēng)控

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

對(duì)渠道的激勵(lì)方式改為低風(fēng)險(xiǎn)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(gè)

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

風(fēng)控措施的采取，這些對(duì)于信貸機(jī)構(gòu)而言是歷史事件，但這些歷史事件的實(shí)施和落地使風(fēng)控管理

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

的運(yùn)營策略和風(fēng)控策略是否有效。但風(fēng)控團(tuán)隊(duì)和運(yùn)營團(tuán)隊(duì)也是由人組成的，而每個(gè)人在招聘的時(shí)

候都有所偏向，很容易導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)，這種系統(tǒng)性風(fēng)險(xiǎn)是由于整個(gè)信貸機(jī)構(gòu)的風(fēng)控成員本身的

認(rèn)知是有限的。例如，一家信貸機(jī)