互金平台信贷质量好转的原因有哪些？

风险偏好下降、风控体系优化、贷前潜在客群质量相对稳定是互金平台上半年信贷质量好 转的主要原因。

1.原因之一：风险偏好收紧

我们认为风险偏好收紧是互金平台信贷质量好转的最重要原因，反映了平台在宏观有待进 一步改善的背景下调整了战略方向，把“质”放到了“量”的前面。上半年，各平台表现 出较强的收紧风控意愿并且普遍维持了谨慎经营的策略。在贷前，平台收紧审核，降低通 过率，谨慎把控贷款的额度和期限，并摒弃掉一些低质量的获客渠道。在贷中，平台加强 贷中风险监控，实时调整借款人剩余额度。在贷后，平台加强提醒频次、触达方式和提醒 强度，并进一步细化逾期模块，提升回收预测的精准度和时间范围。作为外界的研究者， 我们较难量化上述风控意愿的调整，但我们可以基于业务数据侧面观察平台谨慎经营的策 略。

放款量环比下滑

放款量是观测平台是否谨慎经营相对直接的指标。放款量环比下滑，体现平台在贷款质量 波动时对规模和风险的权衡。一般来说，当提到需求不足时，指的是高质量需求不足，而 非整体借贷需求不足，这两者是有差异的。如果平台不顾风险，我们认为是能够在宏观波 动时提升放款量的，但这会为平台积累大量风险。反过来讲，如果在高质量信贷需求不足， 贷款质量波动时，平台收缩规模，则体现了谨慎经营的策略。2H23-1H24，各个平台的放 款量出现了不同程度的环比下滑，奇富科技和乐信的放款量收缩得较早，在 3Q23 就已经 出现环比下滑，并持续到 2Q24，奇富科技/乐信 1H24 的放款量相比 2H23 收缩 20/12%； 信也科技放款量的环比增长在同期放缓，并且在 1Q24 也出现环比下滑，1H24 信也科技的 国内放款量比 2H23 下降 7%。 放款量的环比下滑不是季节性因素。一般来说，一季度和四季度的放款量会受假期影响而 波动，而 3Q23-2Q24 各平台的放款量出现连续下滑或环比增速放缓，且 1H24 的放款量相 比 2H23 也是降低的，因此我们认为这几个季度以来的放款量下滑并非由于季节因素。

谨慎经营的策略下，部分平台的笔均金额和合约期限下降。笔均金额和合约期限也能评估 部分平台是否收紧了风控审核，但可能不具有普遍性，这是因为每个平台的策略有差异。 部分平台如奇富科技和嘉银科技，通过缩短合同期限或压低单笔额度的方式控制风险。笔 均金额上看，奇富科技/嘉银科技的笔均金额从 3Q23 的 8.8k/11.0k 降低到 2Q24 的 7.5k 和 9.1k；合约期限上看，奇富科技新放款的合约期限从 3Q23 的 11.2 月降低至 2Q24 的 10.0 月。

新发放贷款的质量指标好转

Vintage 曲线体现平台不同时期放款的质量，从结果上部分反映出平台较强的风控意愿。根 据 Vintage 曲线，我们观察到 3Q23 和 4Q23 发放贷款的逾期率最高，但 1Q24 所发贷款的 风险表现则较好，反映出平台在提升贷款质量上的努力。乐信是个例外，可能因其在 1Q24 时仍在风控系统重塑的初期，结合 30 天首期逾期率，我们认为乐信 2Q24 的 Vintage 曲线 的走势应好于 1Q24。

信也科技的优质贷款占比进一步提升。魔镜分是信也科技的信用评分，代表了所发放贷款 的质量。2018 年以来，Level I 和 Level II 级别（信用最好的两个级别）的放款占比持续提 升，并且在 1H24 又进一步上涨，反映出信也提升客群质量的决心。 综合来看，以强大有效的风控体系为基础，在 2023 年贷款质量波动时，各个平台都能够迅 速反应，采取谨慎的经营策略，表现出较强的风控意愿，我们认为是推动今年上半年互金 平台贷款质量好转的主要原因。

商业银行“量”增“质”降

商业银行贷款总量基本呈现上升趋势，少数有所收缩。招商、工商、建设银行的零售贷款 余额在 2020-1H24 均呈现上升趋势，但是平安银行的个人贷款余额从 2023 年开始下降， 截至 1H24 末，已经低于 2021 年水平。在信用卡贷款余额方面，工商和建设银行持续上升， 而招行和平安分别从 1H24 和 2022 年开始下降。 从贷款质量看，出现不同程度恶化。不论是整体零售贷款，还是信用卡贷款，不良率均呈 现上升趋势。对于零售贷款，2020-1H24 招商、平安、工商、建设银行的不良率分别上升 0.09/0.29/0.34/0.43pcts，其中建设银行贷款质量恶化较严重。对于信用卡贷款，2020-1H24 招商、平安、工商、建设银行的不良率分别上升 0.12/0.54/1.14/0.46pcts，其中工商银行恶 化较严重。

2.原因之二：风控体系能力提升

风控体系为业务决策提供前瞻判断和决策依据。如果说风险偏好收紧是战略判断，属于“意 愿”范畴，敏捷反应的风控体系就是做出战略判断的技术基础，是平台的“能力”体现。 能力具体体现为能够更敏捷地发现信用质量变化趋势，能够更精确地对客户进行风险评估。 能力强的表现是能够在不大幅牺牲业务规模的前提下提升业务质量，能力不够的机构如果 收紧风险偏好，可能会面临业务的大幅萎缩。 “意愿”可以经常调整，但“能力”属于慢变量，反映平台的长期积累。金融机构的发展 策略，都是平衡风险、收益、业务等多维目标后的结果，这当中风控体系和业务端响应越 快速、风险评估越准确，整体战略调整就越敏捷。我们认为平台的风控体系在不断迭代下， 响应速度和风险评估能力不断提升，叠加短久期的业务属性，使得平台具备“调头快”的 特点，风控和业务发展之间的互动是实时发生的。在灵活的风控策略下，平台能够及时针 对风险变化调整放贷策略，改变经营方向。

互联网消费贷“量”“质”同步

互金平台长期以来能够保持放款量和贷款质量的同趋势变动，凸显风控灵活性。考虑到数 据的可得性和时间序列的长度，我们选取 90 天逾期率作为乐信和信也科技贷款质量的单一 观测指标，并与首日逾期率一起共同作为奇富科技贷款质量的观测指标，尽管有一定缺陷， 但我们认为其在观察贷款质量长期趋势性变化上仍有价值。根据往期数据，参考下图，90 天逾期率/首日逾期率和放款量同比增速有相对明显的联动关系，在风险指标恶化前或恶化 的当季度，平台能够迅速压降放款增速，并且在风险指标好转或得到控制后，又能相应提 升放款增速。值得强调的是，历史数据上看，三大平台都能够在风险大规模暴露前控制住 放款量增速，并且均没有在风险恶化时维持高增长策略。以 2023 年以来的贷款质量波动为 例，3Q23-2Q24 各个平台的 90 天逾期率普遍提高 1-1.5pct，同期放款量随即收紧，放款 量同比增速降低约 10-30pct。 我们认为有两方面原因导致了“量”和“质”的联动关系，一方面是质量对放款量有影响， 平台通过收紧高风险贷款的放款，达到对风险的控制。平台有精准且敏捷的风控体系，其 中包括精准复杂的风控模型和根据模型输出结果相机决断的能力。依靠风控体系，平台能 够对未来的信贷风险走势做出判断，并且能够对每一个借款人在贷前、贷中、贷后做出准 确的信用评估。结合输出结果，平台能够根据风险情况实时控制放款节奏，通过压低通过 率，以及适当调整额度给付等方式，最终实现对风险的控制。另一方面则是因为放款量对 质量的影响，这与流动性有关，互金平台的老客占比通常在 80%以上，这导致不同平台之 间的客群难免重叠，可能有一些借新还旧的情况存在，因此当主要平台都采取相对宽松的 放款策略时，有可能推动各个平台逾期情况的好转。

风控：数据、模型和策略

信贷风控体系大致可以分为底层数据、风控模型和风控策略。底层数据是风控的基础，涉 及到数据的收集、整合和处理。互金平台将处理好的数据用于风控模型的训练，模型的准 确性在经过一系列微调和优化后，能够较为可靠且精准地预测借款人的信用情况和欺诈风 险等。风控策略指的是基于风控模型的输出结果而制定的一系列落地的行动计划，对于最 终的贷款质量表现也至关重要。 互金平台的基础数据相对丰富，除了传统的征信数据外，互金平台还将各类替代数据 （alternative data）用于风险分析，有助于完善借款人的风险画像。数据对于风控是至关重 要的，高质量的数据能够让后续的模型训练和风控策略事半功倍，也能够更全面、更及时 地反映借款人的资质变化。在早期，互金平台是无法使用央行征信数据的，这迫使互金平 台挖掘了各类替代数据，并做了十分深入的研究和分析，长期以往互金平台不但积累了大 量的优质数据，还形成了对相关数据的透彻理解，并积累了丰富的处理经验。以百融云为 例，除了支付和消费这类较常见的替代数据外，公司亦观察到手机号使用时间的长短、财 经媒体的访问天数、网络游戏的消费金额和本地生活的消费等级等数据都可以用来分析借 款人的违约率。另外乐信在 2024 年开始系统地优化自身风控系统，其底层数据的构建值得 参考，乐信与流量平台合作开展深度联合建模，在一定程度上实现了与流量平台的数据共 享，并引入优质场景数据，体现了互金平台多样的数据来源。

互金平台风控模型的细化程度高，针对不同的客群、贷款的不同周期都有针对的风控模型。 互金平台长期以来经营质量相对下沉的客群，对这类客群搭建相对应的风控模型难度较高， 这也迫使互金平台不断地细化、迭代、升级自身的模型。一般来说，头部的互金平台和百 融云这类第三方风控机构会面向不同标签、不同渠道、不同产品、不同阶段（贷前、贷中、 贷后）的客群针对性地搭建反欺诈模型、心理评估模型、信用评分模型、额度模型、利率 模型等，平台在评估一个借款人资质时调用的模型数量有时能达到上百个。 互金平台的风控策略灵活。除了数据和模型之外，如何利用模型的输出结果做决策也十分 重要，有时甚至是决定未来几个季度贷款质量表现最重要的因素。可以说，平台对风险的 监控是实时的，综合风险、业务和盈利情况做出的经营调整也是实时的。在风险暴露初期 甚至是风险暴露前，基于强大的模型和丰富的经验，互金平台往往能很快地察觉并及时做 出反应。在贷前，平台能够及时收紧审批，降低通过率，并在额度和期限上做一些调整。 贷中贷后的监控也十分重要，如果借款人的资质有变化，平台能够及时把剩余额度回收， 或者加大催收的力度。灵活的风控策略是十分重要的，部分机构如果反应不够及时，决策 不够果断，很可能在短时间内积累大量高风险资产。

比如，部分情况下平台能够根据某类客群的资产质量变化预判到未来整体贷款风险的走势。 以信也科技为例，信也科技发现高负债客群对环境的变化更敏感，其风险在整体客群风险 爆发前往往提前暴露，以此为依据，信也科技能够为信贷质量的波动做足准备。另外乐信 正逐步重塑自身的底层风控体系，其风控策略也可以印证互金平台的风控灵活性。乐信在 2Q24 从 0 到 1 上线了资产风险自动巡检系统，能够及时发现及定位风险的趋势变化并快速 响应。另外乐信加强了风险客户清退处置能力，能够小时级别做出处置策略建议。 风控体系的升级是基础和长期变量。互金平台重视自身的风控体系升级，迭代和进一步细 化模型、优化数据结构和调整风控策略是互金平台的常规工作之一。风控体系每一阶段的 迭代升级反应到逾期率上可能仅仅提升 1%-2%（幅度，不是百分点），框架性的升级可能 会更高一些，但总体来说互金平台目前的风控能力是通过长期积累形成而非一蹴而就的， 风控体系的升级也更多地是一种缓慢渐进的过程。

传统金融机构风控能力差异大

银行等传统金融机构的风控能力差异较大，部分机构的风控体系相对传统。一些头部金融 机构通过提高数字化程度，增强了自主风控能力，能够利用大数据、人工智能等技术进行 风险评估和信贷决策，从而更准确地捕捉借款人的动态偿付能力变化。然而，仍有部分金 融机构的风控体系相对传统。风控数据和模型上，部分机构仍然仅基于借款人的收入、社 保、流水、负债情况、央行征信数据等较为传统的数据评估借款人未来的还款能力，并且 风控模型的丰富度和细化程度也有欠缺，难以覆盖各类客群和贷款的各个环节。 部分传统金融机构的风控策略有改善空间。部分金融机构的风险响应相对迟滞，这些传统 风控方式往往难以应对突然的经济波动或个体风险因素的变化。由于数据源和模型的限制， 这些机构的风控系统在捕捉借款人偿还能力变化方面往往反应不够灵敏。另外部分机构的 业务目标调整相对滞后，并且存在“规模情节”，在贷款质量出现波动时，不能及时调转方 向，仍然把规模置于质量之上，这进一步加剧了这些金融机构的风险暴露。 一直以来，监管也在引导金融机构提升自主风控的能力，例如原银保监会在 2022 年 7 月发 布了《关于加强商业银行互联网贷款业务管理 提升金融服务质效的通知》，进一步明确细 化了商业银行贷款管理和自主风控要求，提出商业银行应当提高互联网贷款风险管理能力。

3.原因之三：（贷前）潜在客群质量稳定

互金平台的贷前潜在客群质量相对稳定。下面三张图呈现了百融云的信贷风险数据，评估 了各种类型机构的贷前潜在客群的质量。从百融云最核心的信用评分数据看，互金平台贷 前潜在客群的信用评分走势相对平稳，从图上看大致稳定在 600 左右。从优质客群占比看， 互金平台始终维持在略高于 4%的水平，2024 年 3 月后的优质客群占比还略有提升。从特 殊风险客群占比看，过去一年互金平台特殊风险客群（失信人、被执行人、高风险等人群） 的占比连续下降，由 10.5%左右降至 8%左右。 银行的贷前潜在客群质量波动较大。首先，银行的贷前潜在客群的信用评分波动大于互金 平台，股份制银行的信用评分在 670 到 700 左右波动。其次，银行的优质客群占比波动大 于互金平台，再以股份制银行为例，优质客群占比高时接近 38%，低时可能仅有 25%左右。 最后，银行特殊风险客群占比的波动亦大于互金平台，同样以股份制银行为例，其特殊风 险客群占比大致在 3-5.5%之间上下波动。

从数据逻辑上，百融云的信贷风险数据是评判更大范围客群质量走势的较好参考。百融云 的信贷风险数据（信用评分、优质客群占比、特殊风险客群占比）在金融机构和互金平台 调用百融云的服务时产生，而机构可能在贷前初筛时就调用百融云的服务（此处包括由百 融云初筛后将申请人推荐至机构处的情形），或者机构也有可能使用自己的风控系统进行初 筛，而在后续细筛阶段才使用百融云的产品。但总之，调用都是发生在贷前环节，评估的 对象都是申请人，而非已经借到钱的实际借款人，我们将这部分被评估的申请人称为贷前 潜在客群或潜在客群，这个范围大于前文讨论的经过平台筛选后的最终借款人。贷前潜在 客群的质量主要取决于申请人的信用情况，除此以外也一定程度上受金融机构或互金平台 初筛水平的影响。 我们认为互金平台潜在客群的质量能够维持平稳有三方面原因，其一，互金平台的目标客 群清晰，始终将业务重点放在相对下沉的客群上，风格较少出现漂移。其二，互金平台的 初筛相对精准，前文已经提到，潜在客群可能是经过初筛的申请人，因此精准的风控体系 又在此刻帮助互金平台稳定了潜在客群质量。其三，互金平台的体量相对小，给予了互金 平台腾挪的机会，在宏观环境波动时仍然能够通过前筛瞄准目标客群，稳定潜在客群质量。 上半年大部分互金平台的前瞻风险指标出现广泛提升，我们认为主要原因在于平台的风控 能力不断迭代，叠加风险偏好收紧。此外，互金平台贷前潜在客群的质量在长期相对稳定 可能也是个原因。虽然互金平台主要经营质量相对下沉的客群，但潜在客群质量稳定意味 着较少出现大幅度的质量恶化，不会短时间内产生大量逾期，能够降低平台的风控压力和 风险的处理难度。并且互金平台能够始终经营自己熟悉的客群，长期以来积累的风控经验 能够保持长期有效。相比之下，银行的潜在客群质量波动较大，叠加部分机构相对传统的 风控方法，对风险的响应不及时，自然容易在潜在客群质量下降时积累风险。

互金平台“船小好调头”

互金平台的体量更小，产品更灵活，这使得互金平台即使在面对潜在客群质量波动时也有 天然优势，能够迅速收紧放款策略，并且即便引入了潜在风险，处理起来难度也更小。1H24 上市互金平台的贷款余额在 600 亿-1,600 亿之间，而上市银行的零售贷款余额在万亿甚至 接近 10 万亿的级别，信用卡的贷款余额也是接近万亿的体量。另外风险偏好的差异也导致 了产品的差异，因为银行主要面向信用资质相对较好的客群，我们认为总体来说银行消费 贷的笔均金额应大于互金平台的消费贷，合约贷款期限也应更长。银行消费贷的贷款金额 上限达到 100 万元甚至更高，2023 年信用卡卡均授信额度约 3 万元，贷款期限最长能达到 3-5 年，而互金平台的单笔上限是 20 万，平均金额在千元到 1 万元左右，贷款期限通常在 1 年以内。