在华尔街投资机构热捧金融科技中概股之际,赴港上市的金融科技股仍处于估值低点。
近日,维信金科(2003.HK)公布最新财报显示,去年下半年公司实现总收入13.7亿元,经调整净利润为2.5亿元,同比增长40.9%。
与此形成反差的是,今年以来这家金融科技平台股价涨幅为33%,较信也科技、360数科、乐信等金融科技中概股逾100%涨幅低了不少。
一位中国香港私募基金经理向记者透露,相比华尔街投资机构追捧金融科技中概股轻资本模式转型初见成效与新业务广阔发展前景,港股机构投资者则显得相对保守——他们更希望先看到金融科技平台新业务布局取得不错风控成效后再入场投资。比如不少中国香港投资机构正密切关注维信金科推进的客户终身价值模型,能否带来更高用户复借率与更低客户流失率。
记者从多位华尔街对冲基金经理处了解到,在经历此前的热捧后,多数华尔街投资机构的目光同样瞄向金融科技中概股新业务布局的风控水准,这甚至影响着这些中概股未来估值能否更上一层楼。
值得注意的是,不少金融科技中概股在推进新业务布局时,正在持续优化自身的大数据模型。比如360数科针对小微企业信贷业务推出了Argus风控引擎企业版,一方面将企业主、实际控制人、企业相关人、关联企业、上下游企业等信息交叉放置在整体关系图谱进行智能风控,从而降低信息不对称所带来的信贷隐患,另一方面围绕产业链上下游企业的供应链关系、工商税务情况、司法风险进行全面检测,在毫秒间对多达数十种风险类型逐一扫描,最大限度规避企业之间的关联担保等风险。
一位维信金科人士表示,他们一方面与OPPO、小米、中国电信等场景方建立业务合作,以定制化产品获取更多优质客户,一方面则优化信用评分算法,以更多的维度细分不同类别的客户,进一步提升客户信用评估的效率及能力。
在一位金融科技平台运营总监看来,这都意味着金融科技平台需围绕大数据风控加大科研投入,尤其在全面合规收集各类数据与优化大数据风控算法方面。当前他所在的金融科技平台遇到的最大烦恼,是在相关部门积极落实客户隐私数据保护的情况下,他们既能以合规方式收集到尽可能全面的客户数据,又能探索出更多维度更真实全面地还原贷款客户真实画像与还贷能力意愿,从而为新业务布局保驾护航。
他直言,基于新业务布局的大数据风控持续优化,往往知易行难。当前不少投资机构对海外上市金融科技平台进行实地调研时,都特别关注平台能否通过大数据风控的优化,确保新业务的逾期坏账率持续保持在极低水准,从而驱动新业务创造更高的业绩。
新业务布局下的大数据风控挑战
记者注意到,随着疫情防控措施见效令民众消费需求持续回升,越来越多海外上市金融科技平台正加快新业务布局以获取更广阔的业绩成长空间。
比如乐信先后推出约惠、买鸭、消费号三款新产品,将潜在服务人群拓展到5亿新消费人群,业务范围也随之延伸到更广阔的新消费领域;360数科则加码嵌入式金融,加深与金融机构、场景的合作范畴;维信金科则积极落实客群结构调整,通过一系列基于技术和数据驱动的产品、营销、风控转变,实施客群上浮战略。
“由于这些新业务新战略所对应的业务模式与客户群体较以往有着较大区别,大数据风控都需要做出相应变革。”上述金融科技平台运营总监向记者直言。比如乐信推出的智能化契约消费产品“约惠”让用户无需预付充值,约定多次消费即可享折扣,由此避免预付式消费可能存在的陷阱;“买鸭”则主打“先享后付”模式,因此这些新业务都需要将大数据风控技术前置到获客阶段,通过精准营销触达更优质的贷款客户,从而提高业务效益。
在他看来,这给大数据风控优化带来一系列全新的挑战,一方面金融科技平台需与场景方、提供助贷资金的金融机构开展密切数据合作,打通彼此的客群数据隔阂与业务闭环,从而形成一致性的获客、风控、信贷产品定价、贷后跟踪管理策略;另一方面大数据风控策略自身也需迭代升级,包括大幅提升反欺诈风控效率,比如当智能化风控系统发现众多借款人在同一地点同一时间集中申请上述消费贷款时,就需要迅速向管理团队自动发出警告,让他们留神其中可能存在的集体欺诈骗贷风险等。
当前他所在的金融科技平台为了新业务布局,也开展了大量大数据风控优化工作。比如针对与场景方加深嵌入式的获客、风控与极速放贷合作,他们又增加了众多维度的算法分析模型,争取在有限的客户信息数据使用环境下,将对用户画像与风险特征甄别的准确性再提高逾30%。
但他发现,不少前来调研的境内外投资机构特别关心大数据风控是否“货真价实”。近日他通过远程视频接待了多家华尔街对冲基金分析师,发现他们特别想了解三方面经营数据,一是新业务快速推进下的新客户画像特征,以此判断他们潜在的逾期坏账发生率;二是大数据风控模型目前能将新业务逾期坏账率控制在多少水准,在极端情况下逾期坏账率能否会快速反弹;三是大数据风控模型通过优化,较以往能填补哪些风控漏洞,是否有足够数据印证。
“其中有一家大型对冲基金分析师还特别关注新业务新场景下的平均信贷存续期有多长,从而评估我们是不是在拉长信贷周期,可以延长逾期坏账暴露期。”他告诉记者。
记者多方了解到,目前不少海外上市的金融科技平台对此早已胸有成竹。
“通常情况下,我们会按季披露业务的首期逾期率,从而让机构投资者能感受到每个季度平台大数据风控模型优化所带来的实际成效。”一位维信金科人士向记者表示。去年1-4季度平台首期逾期率分别为2.0%、0.8%、0.6%、0.4%,呈现按季持续下滑趋势,且年末M1-M3逾期率为2.5%,M3+逾期率为2.9%,资产质量均优于疫情前水平。
一位华尔街对冲基金经理坦言,目前多数华尔街投资机构不仅会关注财务数据,更会通过对助贷银行、场景合作方的走访调研,了解金融科技平台的大数据风控是否优于行业平均水准,新业务布局过程还有哪些风控盲点隐患尚未解决。
“我们不会放过任何一个风控盲点隐患。因为它都会导致金融科技平台逾期坏账率在某个时刻突然飙涨,导致新业务布局的风险滞后性彻底爆发。”他指出。
客户隐私保护与大数据风控的“平衡术”
随着相关部门持续加强客户隐私数据的保护与合规使用,令金融科技平台在布局新业务新战略过程,感受到越来越多的大数据风控挑战。
“以往,我们可以通过向第三方数据机构购买大量用户数据,围绕新业务新战略布局持续完善优化大数据风控模型。但随着相关部门加强客户隐私数据保护,这条捷径显然走不通了。”前述金融科技平台运营总监向记者感慨说。这让他们与场景合作方的客群数据共享分析操作模式,回归到大数据风控兴起的最初阶段。
具体而言,场景方与他们各自带着“脱敏”的客群数据进行共享,通过多个维度进行清洗梳理,从而找到彼此需要的客户画像特征,形成一致性的获客、风控前置策略。一旦这些数据共享分析工作结束,他们就会将上述脱敏数据删除,以满足合规要求。
但他坦言,这种数据共享分析的风控优化操作,往往存在不少缺陷,一方面是彼此对原始客群数据的清洗梳理测重点不同,导致涉及风控优化的关键数据往往无从查询,另一方面部分机构对客群数据有所“保留”,也导致整个大数据风控建模效果不尽如人意。
记者多方了解到,随着人工智能技术的持续推进,不少海外上市的金融科技平台正在研发隐私保护机器学习平台,支持拥有数据的各方在不传递原始数据的情况下,开展数据交换、特征处理、模型训练、评估等全流程合作建模。
它最大的好处,就是金融科技平台先给自己客群数据做好标签,当它拿到场景合作方的脱敏数据,发现其中一些数据标签与自身部分客户数据标签高度相似,再通过更多维度进行交叉验证以确定脱敏数据背后的客群真实身份,如此不存在客户隐私数据交易行为,从而在合规操作下实现对客户画像特征的最精准洞察。
“目前,这种隐私保护机器学习平台在不少金融科技平台中概股新业务新战略推进过程扮演着重要角色。”这位金融科技平台运营总监直言。比如在先享后付型、契约消费型贷款产品里,通过对客户画像与风险特征的精准描述,金融科技中概股可以提供更精准的贷款风险定价,以及将大数据风控前置到获客环节,从而提升优质客户获取准确性;此外部分金融科技中概股在深化与金融机构的嵌入式金融合作时,这套技术能有效提升金融机构助贷审批决策的准确性,从而扩大基于利润分成、风险共担的轻资本模式助贷业务规模。
记者多方了解到,为了进一步提升大数据风控在新业务布局过程的成效,不少海外上市金融科技平台正对数据算法模型进行持续强化训练——不定期会投入少部分资金,向不同风险特征客群发放贷款,从而得到更丰富的大数据风控结果,进而精准判断各个风险特征对新业务逾期坏账率的不同影响,从而及时填补潜在的风控漏洞。
“不少华尔街对冲基金与中国香港机构投资者对此特别感兴趣,有时我们围绕不同风险特征客群对新业务坏账逾期率的截然不同冲击,可以讨论大半天。”一家金融科技中概股高层向记者透露。他发现,若平台对这类大数据风控压力测试的研究越全面透彻,这些机构投资者越对平台新业务布局下的大数据风控能力有信心。