TMT观察网_独特视角观察TMT行业

在一輪輿論危機過后，“現金貸”似已變成了一個貶義詞，總讓人聯想起披著羊皮的“高利貸”。非持牌信貸機構中，對現金貸綜合息費定價折合年化超過100%者比比皆是，能卡住36%紅線者鳳毛麟角。

畸高利(費)率覆蓋高風險，似乎是現金貸這一行的通用模式。

但其實不然。不少商業銀行的信用卡業務部門或其他零售條線，也在推現金貸業務，比如在銀行APP上申請的快速到賬小額貸款，這些現金貸定價并不高。第一財經記者采訪多家銀行發現，某大行針對大學生群體的現金貸款，年化利率僅為個位數;多家股份制銀行面向大眾的“隨借隨還”式現金貸，日息折合年化計算，也較多集中在15%~20%一線。

為什么類同的產品，落到不同的機構，利率定價就能相差好幾倍、甚至十幾倍?

客群不同

多名從業人士表示，最核心的原因，是不同機構切分的貸款客群不同。

一道粗框架的計算題是：貸款定價=風險成本+資金成本+獲客成本+運營成本+利潤留存。每類客群的風險系數不同，選擇了怎樣的客群，意味著選擇了怎樣的風險收益平衡模式、筆均授信額度及定價模型。

各銀行現金貸細分業務的不良率暫無單列統計數據，但可參考國內銀行信用卡業務2%左右的整體不良率水平;市場化的現金貸公司魚龍混雜，雖個別機構自稱逾期率在1%以內，但業內普遍估算，整體而言，市場化現金貸的真實逾期率為兩位數。

落到筆均最低、風險最高的Payday Loan(發薪日貸款)模式，百融金服風控業務與數據產品部副總監蔣宏在一場智庫閉門會議上表示，一些新平臺首次逾期率或超30%。

不同數量級的不良率背后是不同的客群。有一種說法，稱銀行切分的現金貸客戶均為央行征信報告中有良好信用記錄者，而現金貸公司的客戶則多為“白戶”(無央行征信記錄)。這種說法有一定道理，但并不全面。

多家重返校園貸市場的銀行，做的也是“白戶”大學生的貸款。即便在非校園貸的品類中，銀行也在“下沉”，靠大數據及風險模型來開發“白戶”市場。

第一財經記者從某銀行卡中心管理層人士處采訪獲悉，他們內部對客群的劃分并非“黑白戶”兩類，而是普通藍領、優質藍領、城市青年(高學歷)、白領及公務員、高端精英。

在這些客群中，銀行的“最愛”并非是外界所想的白領群體，因白領、公務員等客戶一般使用的是銀行(信用卡)提供的支付交易功能，對信貸功能使用較少，換句話說，他們對現金貸的需求也很弱。當前，一批中小銀行最為明顯的信用卡業務發展策略，均為開發更有助于利潤提升的“重資產”(即信貸類)業務，由此，優質藍領及城市青年客群，反而成為了一眾銀行的“兵家必爭之地”。

“切入我們‘優質藍領’和‘城市青年’客群的人，一般而言現金流狀況健康，承擔不了也無需去借很高利率的信貸。而他在銀行體系能借款了，正常情況下也不會考慮外面的現金貸。”上述銀行卡中心人士稱，網貸現金貸平臺之所以風險高，是因為他們切不到這批客群，只能去搶“普通藍領”客群，以及從整體風險表現上更次一級的Payday Loan群體。

另據一家城商行零售條線風控部門人士稱，他們測算的在銀行與網貸進行“共債”的借款人，實際逾期比例已在10%以上。

成本不同

現金貸公司們也都承認，他們面向的是藍領、草根群體。在風控上，非持牌現金貸平臺無法接入央行征信，這些公司呈現兩種分化：一是，一批“野路子”公司不重視風控，不做用戶的分層，這類公司的貸款申請過件率畸高，模式就是靠畸高利息佐以較為激進的催收方式，以覆蓋他們其實無力掌控的高風險;二是，一批現金貸公司依托第三方數據和大數據分析做風控，并指望以此逐漸養成自體客戶及數據積累，在后期逐漸攤薄前期投入的征信和獲客成本。

某頭部現金貸公司向第一財經記者表示，一套篩選出優質用戶的基礎模型，花費就要以“幾千萬級”論。現金貸行業內有句玩笑話，稱那些估值在這兩年一飛沖天上了幾十億的互聯網征信公司，起家靠互聯網黑數據，助推靠現金貸大發展。

由此可見，在前期，現金貸公司只有兩條路：要么付出高風險的代價，要么付出高征信成本的代價，用以購買第三方數據及模型(除非此現金貸的股東方能提供征信支持)，這兩者中無論選哪種，都逃不過“羊毛出在羊身上”的邏輯——向借款人征收高息費。

除了數據，獲客成本也是現金貸公司的負擔。據業內測算，平均單客獲客成本已為數百元，而現金貸用戶的單筆借款額可能也只有數百、數千元。可見，若息費不高昂，客戶頭幾次借款帶來的收益無法覆蓋成本。這也是為什么很多現金貸平臺都會開發既有客戶的復購。

而銀行開展現金貸，行內既有客戶資源已是現成“金礦”，可供交叉營銷;加之客戶使用銀行卡、銀行收單系統、銀行APP進行交易而留下的數據，銀行在起點上就已不同。

以興業銀行為例，該行零售資產負債部副總經理張浩此前曾介紹過該行純線上貸款產品的背景：整個興業銀行的存量借記卡客戶就有4000萬，其中貸款客戶不到100萬，因此貸款產品先期靠主動授信邀約存量客戶，空間就已很大。后期，該產品還可開掘銀行卡收單業務體系，業務交叉“興易付”，留有流水數據的非本行客戶，也會進入輻射范圍，在客戶充分授權的前提下再對接外部征信數據源，從而使客戶圈層又往外拓展。

事實上，發展至今，多家銀行的客戶數據積累規模已達億級，不少銀行的手機銀行APP也已逐漸轉向“去本行化”、“平臺化”發展，即同時為非本行持卡人提供業務支持，以獲取更多數據積累。雖然整體而言，銀行客戶數據體量不及BAT等互聯網巨頭，但銀行的數據都是金融性質的、是交易數據，而非電商數據，這對金融風控而言質量更高。

資金來源不同

面粉貴面包就貴——這也是資金成本影響貸款定價的邏輯。

銀行的現金貸類業務，資金來源于總行，視行內FTP計價（銀行資金營運部門與業務部門全額有償轉移資金，達到核算業務資金成本或收益目的的內部定價）而調整。一般而言，信用卡中心拆得資金的成本可類比AAA級債券，即成本在4%~5%。有些銀行也將這塊業務置于個貸條線，今年以來銀行業講求零售轉型，輕資本效用強的個人小額貸款，在一些銀行還享有“專項額度”和FTP優惠計價。

這樣的“面粉價格”是現金貸公司望塵莫及的。

現金貸平臺最低成本的資金來自于股東支持，其次個別含有現金貸業務的頭部消費金融公司走通了發放ABS(資產證券化)之路，成本約在6%~7%，但這些模式無法放量。在可放量模式中，最優選擇是與商業銀行的助貸模式，資金成本約7%~9%，但僅有極少的公司能獲此資源;余下的，不少公司選擇了P2P模式，從一些頭部平臺來看，P2P端資金成本也高達12%~15%。

而讓情況變得更糟的是，本報從業內獲悉，在監管風暴之下，現金貸的公司的資金來源方開始了“回撤”，有助貸銀行開始悄然收縮合作業務量，敏感的P2P也因擔憂自身理財用戶擠兌而開始了防御性收縮。

【來源：第一財經】