深扒6家互金壞賬數據:Vintage M3+壞賬不到2%,有的則接近30%,孰好孰壞?

深扒6家互金壞賬數據:Vintage M3+壞賬不到2%,有的則接近30%,孰好孰壞?

√ 信貸全行業監管多面齊下,比拼能力的時候開始到來,中央的姿態很明確,一切得首先合規,不合規就請出局。

√ 看信貸資產質量,vintage視角是相對客觀的,但還有更精準的方法——年足額生息月份。貸款不良率沒有太多參考價值。

√ 所謂的風險定價,收益是年化的,成本項也必須按照年化單位來統一測算才科學。否則,所謂的單體經濟模型,是失靈的。

√ 如果2016、2017年是劣幣驅逐良幣的好時機,2018年,良幣的春天會到來?

2018年5月14日,中央正式發文,2018年4月20日起,融資租賃、商業保理、典當正式劃歸銀保監管理。

隨著監管多面旗下,整個金融行業的政策套利空間正變得越來越逼仄。劃歸中央統一監管,監管權利上移的趨勢已經十分明顯。

2016年、2017年,跟行業內人談合規可能還是個笑話,今年可能要豎耳傾聽了。

借用一位業內人士之言:規則已經建立,現在到了比拼能力的時候了,要恭喜一些公司,終於熬到了今天。

關於什麼是好公司,也像是個無稽之談。對投資人來講,投資回報率高的就是好公司。

好公司和好業務有時候並不劃等號。好業務跟好風控也不盡然一致。尤其在行業還野蠻生長的時候。

但現在,上限有利率天花板,下限有各種合規限制。

當行業里都用差不多的成本去買流量,去拓渠道,去做信貸業務時,好的風控和資產質量不僅意味著和市場獲客取得平衡,還意味著可以掙到更多錢。

作為一個有偏執信仰的人,此時此刻還是感到很欣慰的。畢竟前兩年聽了太多:你天天談風控有毛用,還不如我們現金貸放款來錢快,閉著眼睛放。

我們無意去定義好壞,只想探討下觀察信貸資產質量的方法論。歡迎不同意見的朋友,有理有據有邏輯的多多交流。能力有限,認知的紕漏之處,還請多包涵。

關於信貸資產質量的謬誤:貸款不良率

貸款不良率=不良貸款本金餘額(去除核銷)/當前本金餘額。

國有商業銀行每年的報告都會披露各家的不良貸款餘額狀態。因此,不少的報告、報道和研報都會拿這個數字來衡量信貸資產業務的好壞。

行業內比較通用的定義是M3+,即逾期超過90天的貸款,算作不良貸款。

但真正做過業務的人,都會對這個這個指標一笑而過。

貸款不良率並不能完全反應真實的貸款壞賬風險。尤其在業務還處於一個早期增長期,或者處在大量拉新獲客階段時。

其中原因在於貸款業務有較長的表現周期。在前期,貸款的餘額一直在增加,相當於分母一直在變大,但是由於每一筆不良貸款都需要12個月(有的甚至更長,具體看不同貸款期數)才能完全表現完,分子其實是暫時縮小的。

關於這個問題,眾安零售信保現金貸風控負責人劉亞娟在一篇文章里講得很詳實且清晰。

有興趣的朋友可以去翻她的文章來看,這裡僅僅附上幾張圖,讓大家感受一下用不良貸款餘額測算信貸質量有多麼荒謬。(四大行之間相互用不良率比較是okay的,但以此指標談論互金公司的業務,有失公允)

圖片來自《混在金融圈,信貸風險指標你都懂嗎?》

vintage視角:基於賬齡相對客觀的信貸風險評估

我們先開看一家消金公司的vintage資產質量圖。

這是樂信在招股書理披露的M6+資產質量情況。橫軸是每一筆資產質量的賬齡情況。縱軸是M6+的壞賬沖銷率。

從2015年的第一季度開始,以每個季度為單位,M6+壞賬實際上穩定在2%以下。

樂信自己在招股中描述,從2015年、2016年以及2017年的前9個月,他們180天壞賬率分別是1.25%,1.73%和3.5%(按照年化後測算)

總體來說,樂信M6+的資產質量一直穩定在2%以下,是很不錯的了。

但其中有兩條很危險的曲線要注意。2016年第2季度曲線和2015年第4季度的曲線一直在往上飆升,曲線斜率越來越大,沒有減緩的趨勢,這兩條線代表的業務壞賬當時可能有問題。還有一種可能就是,這是短期數業務。

vintage這個詞原意是指釀造葡萄酒的酒窖。葡萄酒是很講究年份的,哪年光景好,哪年光景不好,直接會影響到葡萄酒的品質。

後來借用到信貸資產行業,指的是每個月(或者像樂信這樣按照季度)貸款的資產質量情況,要直接跟每個相同時間段內的餘額做比較。這樣才不容易受到分母被累計餘額拉大的風險。

上圖中樂信的每一條曲線,比如2015Q1, 2015Q2,2015Q3不同時間段下的逾期情況。

這張是趣店招股書文件中披露的2014及2015年期間的 M1+ Delinquency Rate。

趣店這裡面是披露的M1數據,本身是現金貸的產品,m1這麼低的數據還不錯,看來支付寶的流量入口確實好處多多。

趣店的這種vintage數據,讓不少業內風控大佬難掩妒忌之火。1個點左右的壞賬,背靠大樹好乘涼。

這張是拍拍貸上市前的公開招股書

為什麼不同公司的vintage曲線都長得差不多?這就牽涉到vintage曲線是怎麼畫出來的。

上圖中,我們單看201601這一期開始發生信貸行為的資產質量曲線。(其他月份我偷懶沒有寫數字,所以圖片中都是零,請別介意)

假定縱軸單位為m3+%, A點是開始記錄的第一個月,也就是在貸款的第四個月後。(不如圖上的橫坐標就是從4開始)

A B C D這幾個點的逾期狀況分別為:

  • 其中1代表當月逾期
  • 2 代表連續2個月逾期,也就是至少已經連續逾期了30天,以此類推
  • 3代表逾期了至少60天
  • 4代表逾期了至少90天

A B C D這幾個點的逾期狀況分別為:

整個vintage圖上所有的點,都是按照這個邏輯畫出來。後面的點,都是前面點基礎上的疊加。

Vintage是最公平可比較信貸資產質量的指標嗎?

如果你的回答是』Yes』,那麼你就會發現,之前Pay Day Loan的資產質量可能比拍拍貸的還要好。

因為Pay Day Loan產品的特性就是一次性還款,那麼Vintage就是等於單期催收後損失。

基本上行業上很多公司能把新戶&舊戶的損失控制在4%左右,即Vintage是4%,這是低於拍拍貸招股書上披露的數據的。

這個結論是和我們平常認識不一樣的,所以,一定有什麼因素是Vintage角度很忽略的。

這個因素就是貸款期數,或者更準確的說年足額生息月份數。

  • 什麼是年足額生息月份數?

舉個例子,一個12000元的貸款,分一年(假定貸款期限為n)還款,每期1000元。

按照遞推邏輯來算,每期的待還本金(也就是產生利息的本金)分別是12000,11000,10000,9000……一直到第12個月。

把每個月生息的這些本金加總求和:

(12000+11000+10000+……+1000)/12000=6.5

這裡的6.5的意思是,如果按照每個月12000生息本金來算的話,只有6.5個月是足額達到的。這就是年足額生息月份的含義。

換算成簡單的數學公式就是(12+1)/2=6.5 ,也就是(n+1)/2。

至於如何將Vintage和足額生息月份數結合起來評判信貸資產質量,我們在之後再跟大家深扒。

  • 維信金科:M3+以上逾期率8.7%

維信金科招股書披露的資產質量圖

註:維信金科主營業務包括信用卡餘額代償產品、消費信貸產品及線上至線下信貸產品,且全部是基於分期付款模式。

2015年、2016年和2017年,維信金科分別錄得虧損凈額3億元、5.7億元和10億元。

2018年3月5日赴港申請IPO。

  • 凡普金科:2015年第一季度M3+曾經飆到近30%

凡普金科M3+資產質量情況,從上圖來看,在2015年第一季度、第二季度的壞賬都很高,從2016年開始,各個時段的曲線明顯開始回落到15%左右。

按照vintage曲線的發展規律,前期曲線上揚,到達一個頂峰值以後,整個曲線會趨於平穩(M6+以後的壞賬都很難催回來了)。

凡普金科2017年各個季度的曲線還值得再觀察一段時間。

註:凡普金科的資產端包括線上的現金貸業務與線下的小額貸款,另外還有POS消費分期以及汽車融資租賃類資產,三類借款的年化利率分別為20.9%、7%及21.2%。

其中,2016年6月上線的POS消費分期業務涵蓋旅遊、醫美、婚慶及租房分期;2017年6月上線的融資租賃業務,5個月放款量即超過1億元。

2018年4月23日赴港申請IPO。

  • 51信用卡: 信用卡持有人群M3+在10%以下趨於穩定

從上圖中可以看出,持卡人群的vintage資產質量經歷了一個先變差又變好的過程。

從2015年第二季度開始,到2016年第二季度,分時段的曲線是處於一個平移上浮的過程,但在2017年的三個季度的三條曲線中,又逐步回降下來。

非持卡人群2016年第一季度的M3+總體逾期還是很低,基本上沒有超過4%。但2016年第二季度的資產質量(圖中藍色線條)明顯開始變差,在接近10%的壞賬後又逐漸趨於平穩。

值得注意的是2017年第一季度的資產,圖中紅色線條上揚的趨勢很明顯,資產有變壞的可能性,後續能不能通過各種途徑把這條曲線壓下來,值得關注。

註:51信用卡目前主要有3大業務:個人信用管理服務、信用卡科技服務、線上信貸撮合及投資服務。2015年虧損1.48億元,2016年利潤8660萬元,2017年利潤7.8億元。

2018年3月22日赴港申請IPO。

  • 360借條: M3+壞賬率不到2%,有潛力的未上市產品

關於360借條的壞賬率堪比銀行信用卡中心,這個傳聞,去年在行業內已經流傳。我們通過各種渠道交叉印證後,基本上可以相信之前所言非虛,他們的M3+只有1%多,不到2%。

這家公司的資產質量好,從其合作的銀行方打聽到的口碑不錯。數家銀行主動想要接洽合作放貸(從合規上,放貸方還是銀行,360借條提供中間服務,也不承擔壞賬兜底),打聽了多家業內公司,這樣受追捧的還是第一家。

優質渠道獲客能力,用戶畫像堪比銀行卡中心

360借條是360金融2016年推出的一款在線信用借貸產品,主要依託「360借條」app獲客。

360借條的平均額度不到1萬,利率36以下各個區間都有分布,金融產品的設計上既涵蓋了傳統銀行信用卡中心的客群,又吸收了一部分藍領用戶。

目前的獲客渠道除了360自己內部的流量之外,也會接納相當多的外部流量合作方,比如今日頭條,小米手機等。

目前這家公司的公開資料很少,很少亮相公開場合,尚未獨立上市。

關於單體經濟模型的謬誤:數據單位不統一

很多投資人在看信貸公司項目時,會看一個公司的單體經濟模型,也就是以一單產品的視角來看業務。一般從從成本項和收益項兩個大的維度來看。

下圖是一個粗略的單體經濟模型示意圖:

總的收入在信貸行業里來說就是年化貸款利率,比方說24%,36%等等。

成本項主要有獲客成本、運營成本、風控成本、資金等等。兩個數字相減,最後剩下的就是利潤項。

但這裡有個問題,行業里有些分析在測算成本項時,收益是按照年化收益測算的,但成本項卻不是。比如資金成本,運營成本。

舉個例子,我們通常說資金成本8個點、10個點。意思是指互金公司從銀行借來的錢一年後要以本金乘以百分之八的收益還給銀行。

再者壞賬成本比如5個點,指的是一單放貸3000元出去,有60塊收不回來了,這就成為壞賬了,5%。

但這些壞賬都是有時間成本的,應該把所有的單體壞賬成本乘以年化得到年化壞賬成本,這樣才能跟收入項匹配。

包括人力成本、獲客成本,通通都應該按照年化成本來測算。

這個稍微提一句,會在以後的文章里單獨講,不是今天文章的重點,就不展開了。

經常有人問,每天看那麼多看不懂的文章有價值嗎?

我們覺得,肆意把自己的大腦出讓給別人,才是最沒價值的事。認知的升級過程中可以犯錯,可怕的是原地踏步。


推薦閱讀:

如何從財報中挖掘銀行價值?
同盾科技是不是智能風控這塊挺厲害的啊?
大數據在金融風控領域的應用
李嘉誠的生財之道
信貸調查,就是找到那個信息記錄者?

TAG:互聯網金融 | 壞賬 | 風險控制 |