人人贷模式何以半年内做到10亿?
2013-08-03 18:05 人人贷 P2P

一家把钱借给陌生人的p2p网络借贷公司,用一年半的时间达到了10亿元人民币的成交规模。客户群为小微企业主、工薪阶层等。

那些备受瞩目的行业背后通常都有着巨大的市场机会。P2P行业最近引来诸多关注的主要原因就在于背后巨大的市场潜力。2012年末,P2P借贷服务平台超过200家,可统计的P2P平台线上业务借贷余额超过100亿元,若是加上尚未统计的P2P平台线下业务,其借贷余额和投资人数还将数倍于此。

P2P主要针对的是对个人的金融业务。对于一家城市商业银行来说,大约一年新增对私业务不超过10亿元。但值得注意的是,因为没有物理网店的费用,P2P的成本更低,所以整个P2P行业可以在2-3年的时间内将规模做到过100亿元。

以人人贷公司为例,这家公司用一年半的时间达到了10亿元人民币的成交规模,而下一个10亿他们预计将于2014年1月完成。也就是说,当P2P公司发展到一定的规模后,它达到预计交易量的时间会被大大缩短。这也是为什么大部分的P2P公司可以保持超过200%/年的增速。

这个行业充满市场机会的原因在于常规的金融体系并不做个人的无抵押贷款,特别是不超过5万的消费贷款。这里面的市场机会比洲际公路还要宽阔。银行很少踏入这个领地的原因是算上物理网点的成本,这并不是一笔划算的买卖。

但基于互联网的交易平台则可以减少成本,并且通过抓取数据建立模型,可以简化交易过程,并提高效率。

人人贷保证这种交易可以运转起来的原因在于其设计的交易模型。 互联网的优势在于可以积累大量的数据,而基于大量数据分析得到的客观的模型及模型参数,又进一步的保障了人人贷的风险管理效果。

人人贷的借款人模型基于数据挖掘。这些模型融合了行业经验,经验得以转换为数据规则。违约贷款人的相关性描述,比如是否是工薪,还是学生;是否有车子和房子,有效联系人,地域以及其他一些神秘兮兮被认为是行业秘密的指征。这些模型得以区分客户属性,并进一步的通过模型计算出用户的违约概率,供审核参考。模型在用户递交填写完资料的环节即进行相关的分析判断,对于特征用户给出预警信号。

根据2012年年报,人人贷的30天以上逾期未还率为1.38%,90天以上为0.9%,远低于行业平均水平。根据业内人士的消息,行业平均对应的坏账率应为3%左右 。

与银行的大额贷款不同,人人贷并不那么关心借款人的盈利能力,取而代之的是借款人的稳定性和持续还款能力。人人贷的宏观的风险管理逻辑是控制借款人的单笔贷款规模,以及交易笔数更多——“量大,件均小。”

那些普通的工薪阶层,月收入为3000-4000元,无固定资产,从事小生意、网商与个体商户,那些偏小微或者比小微还要小的人群是人人贷主要的借款人。对于他们的审核则在于是否有稳定的工作、是否有可以追诉的联系人等。那些借款需求很大的客户则很容易让人人贷敬而远之,他们的数据特征更难把握,单笔坏账容易造成一定的冲击,不容易缓释个体风险。

模型看重的是一种稳定性。逻辑上来说,因为借款金额很小,只要有持续工作,就可以还款。对于借款人来说,恶意欠款的几率被降低,因为很少有人愿意为了3-5万元,而损失工作以及稳定的社交关系。

对于出资人来说,实际上他们应该关心的不是一个人的违约情况,而是100个人里有多少人违约,即关注违约率。

事实上,这是基于大数法则的一种风险管理理念。人人贷的借款用户由于金额相对较小,在地域分布和借款用户的行业分布上又有很好的分散性,因此系统性风险相对较小,单笔贷款违约的冲击也几乎可以忽略不计。宏观的分散小额管理理念配合随着数据积累不断精确的风控模型使得人人贷的违约率可以控制在一个长期相当低的水平。

大数法则的路径是——如果你投掷1次硬币,你很难预测正反面。但你投掷10次,可能会有5,6次正反面,但概率上还是没有明显特征。但当你投掷了100次,你则可以很肯定的说,获得正面的次数是47-55次,当你投掷了10000次,正面数字是4990-5010次。这是被反复验证过的。所以当交易规模达到更大的量时,均值会非常稳定。

对于出资人来说,因为借款人是每月等额本息的还款,这保证了如果资金出现问题可以及早收到警示。如果出现逾期,以人人贷为例,正常的流程是——在借款逾期30天后,人人贷风险备用金会垫付给出借用户本交易所有的未还本金,同时人人贷贷后部门会继续对该笔逾期借款进行催收催缴,将追回的资金重新放回风险备用金中。

类似人人贷这样的P2P公司正在搭上互联网这辆快车。模型可以让汽车的运行更为安全,并保证更加快速安全地行驶在高速公路上。这也是这样的公司可以在半年内达到10亿交易量的秘密所在。