随着居民部门消费升级，消费金融在近年展示了强大的生命力。以现金贷、P2P、消费金融公司为代表的平台纷纷入局，个人信贷市场规模迅速膨胀。与此同时我们发现，随着玩家的增加可获得的优质客户变得稀缺，而征信体系基础建设的落后也使优质资产更加难以被鉴别和挖掘。一些平台试图通过用户的下沉、城市布局的扩维来挖掘潜在客户，但这资产质量的稳定性将动摇已有的定价体系。
我们认为，银行信用卡人群在信用行为以及消费需求方面与互联网个人贷款有一定的共性，对于线上放款机构有一定的参考价值。目前已经有民生银行、招商银行以及兴业银行发行过以信用卡不良贷款为基础资产的资产支持证券，我们以其中的数据为基础总结了信用卡不良贷款的一些特点，并借此讨论一下目前平台风险定价中存在的问题。
信用卡不良贷款的特征
综合三家银行不良ABS披露的信息来看，信用卡不良贷款的特征包括未偿本息金额、逾期时间、借款人年龄、借款人收入、借款人授信额度、借款人职业、借款人所在城市，不同的特征都对应着不同的回收率和笔均未偿本息金额。
从披露的信息来看，民生银行和招商银行的不良率【不良贷款率=（次级类贷款+可疑类贷款+损失类贷款）/各项贷款×100%】在近年来都有上升的趋势，两家银行都是较为出名的零售银行，在信用卡业务的推进过程中可能伴随客户的下沉和不良的提升。其中民生银行的信用卡不良率在2015年与2016年提升较为显著已经超过该银行的总体不良率，而兴业银行不良率在过去两年有下降趋势。总体看来，信用卡不良率与经济周期密切相关，在过去两年银行业不良率攀升过程中信用卡的逾期贷款也有比较明显的增加。银监会的数据显示，2016年信用卡逾期半年未偿还信贷总额达535.68亿元，较2015年增加155.41亿元，增幅达40.87%。
三家银行的笔均未偿本息金额差异较大，民生为7.54万元、招行为3.53万元、兴业银行为2.64万元。这一方面与信用卡的逾期时间和费率有关，但更主要体现的是三家银行的额度管理差异较大。此外，这些入池的不良资产大部分都是M6+的逾期贷款，运营过程中由第三方催收团队进行催收，产生ABS的现金流，其不良回收率也相差较大。招行加权的M10+不良回收率为16.63%，而民生银行的加权M7+不良回收率为10.76%。
由于三家银行披露的数据类型雷同，我们在此仅展示民生银行的信用卡不良贷款特征。
通过上述图表，我们似乎可以发现一定的规律：未偿本息金额越高回收率越低、贷款人年龄越大回收率越低、借款人年收入越高回收率越低、逾期时间越长回收率越低。其中有些结论可能与我们的常识相反，比如借款人年收入越高不良回收率越低，事实上在这些因子中起主导地位的是本息余额的大小。我们将三家银行的笔均未尝本息余额与回收率绘成散点图，可以发现两者有明显的负相关性。
所以对于借款人年收入越高回收率越低的理解可以是其高收入对应着高额度、高贷款，所以发生不良后未偿本息金额较高，回收率较低。这可能是由收入造假引起，也可能是还款意愿的问题。
信贷额度与风险定价
事实上，民生银行信用卡不良贷款ABS的评级机构联合资信承认发生不良时本息费余额的大小显著影响不良贷款回收水平，发生不良时的本息费余额较小，则后期回收水平会较高，反之则较低。
由于入池本息费用主要由本金和应缴利息构成，我们假设信用卡贷款的待收本息余额（风险敞口EAD）与回收率RR之间的关系可以用减函数RR=F（EAD）来表示，将这种函数关系代入贷款的预期损失计算公式：
所以，在信用贷款的风险定价中，除了贷款利率，放款的额度也是重要内容之一。放款额度过高会使潜在的回收率下降导致损失增加，而放款额度太低则影响经营业绩和资金运用效率。
如果一个放贷机构试图通过提高额度以获取更多的利益，那么在贷款人违约率不变的前提下，其放贷成本也应相应的提高。我们使用零息债券的二叉树定价讨论信用贷款风险敞口（贷款额）与借款利率之间的关系：
由于回收率是关于风险敞口的减函数，所以在违约率不变的前提下，信用卡贷款额越高其风险溢价越高，对于这种情况银行或者放贷机构能通过风险定价提高利率或服务费来覆盖这种潜在损失。同时，一些文献的研究指出违约率与回收率往往是负相关的，这就意味这贷款额度增加的同时其违约率也会相应提升，信用利差的提升使放贷机构设置更高的借款利率以弥补潜在损失。
我们试图在网贷行业中验证这种规律，但由于投资者的“出借利率”不包括平台向贷款人收取的服务费，所以其综合费率被严重低估所以意义不大。为此，我们仅能使用上市公司宜人贷的业务数据进行分析。由于宜人贷提供以信用卡为进件条件的信贷产品件且客户群体的信贷行为与信用卡人群类似，我们认为其贷款综合费率与平均贷款额之间的关系有一定的参考价值。
根据2016至今的财报数据，虽然宜人贷的业务结构、信贷产品、收费模式在近两年出现变动，但其综合借款成本与笔均余额仍然呈现一定的正相关，笔均余额与借款利率总体有趋势性下降的态势。
其他因素对于回收率的影响
通过以上分析，我们得出笔均未偿本息余额对于不良回收率的影响最为显著。不过，不良贷款的其他特征也会对回收率造成一定影响。由于信用卡不良ABS的基础资产只对不良贷款的某一特征进行披露，我们无法获得多维度的、完整的面板数据，只能考察不良贷款的某个特征以及笔均未偿余额对于回收率的影响程度。
由于如收入区间、城市分布、额度区间、年龄区间、职业等贷款人信息无法以定量的方式度量，所以我们设置了虚拟变量以描述这些变量，通过多元回归对这些影响因素进行量化分析，度量其对于信用卡回收率的影响。
民生银行和兴业银行将信用卡使用人的收入划分成0~5万元、5~10万元、10~15万元、15~20万元、20~50万元以及50万元以上这6个不同区间。我们在此设置了5个虚拟变量D1、D2、D3、D4和D5来表示以上6个收入区间，度量信用卡借款人收入与笔均借款额对于回收率的影响。
基于民生银行与兴业银行的数据，我们得出的回归方程如下：
回归模型显示，虽然笔均额度对于不良贷款的回收率有非常重要的影响，但贷款人的收入也会对回收率造成一定的影响。
当方程中D1至D5的取值都为0时，对于收入50万以上的贷款人他们的贷款回收率函数为Recovery Rate=-0.156X+0.24，这种情况我们称其为基准类。而变量D1至D5的系数表明变量取值为1时与基准类的差距，即各个收入区间与收入50万以上的贷款回收率的差距，系数越小意味着回收率越低。回归方程中的笔均贷款系数为-0.0161，意味着笔均余额每增加1万元，回收率将降低1.61%。
模型结果的现实意义是：对于一笔不良贷款，如果贷款人收入很高且贷款额很低，其不良回收率往往较高，反之亦然。但从系数上的差异，我们不难发现高收入对于回收率的提升效率很低，收入在20~50万元的回收率相比收入在0~5万元的回收率仅高出不到3%，而笔均余额下降两万回收率就能提升3.2%。考虑到现实生活中，收入越高的人群贷款金额越高的情况，高收入对于回收率的增益会被贷款额的提升轻易抵消。
我们以同样的方式度量借款人的年龄段、所在城市、授信额度对回收率的影响程度，其中以年龄段、授信额度对于信用卡不良贷款的回收率影响不显著，但借款人所生活的城市对不良回收率影响显著。
以兴业银行的信用卡不良贷款为例，其借款人分布在42座城市，我们将这些城市分为一线、二线、三线三类并构造虚拟变量，分析城市类别、本息笔均余额对于不良回收率的影响程度。
回归的结果显示城市类别对于信用卡不良回收率有一定影响但程度较小。但与常识相反的是，来自于一线城市的不良贷款的回收率低于二线和三线城市。根据虚拟变量的系数，三线城市的不良贷款回收率相比一线城市高出1.18%,比二线城市高出0.95%。这可能与我们上面得出的收入越高回收率越低的结论有关，也或许是兴业银行在三线城市的客户质量较高。
回归的结果显示城市类别对于信用卡不良回收率有一定影响但程度较小。但与常识相反的是，来自于一线城市的不良贷款的回收率低于二线和三线城市。根据虚拟变量的系数，三线城市的不良贷款回收率相比一线城市高出1.18%,比二线城市高出0.95%。这可能与我们上面得出的收入越高回收率越低的结论有关，也或许是兴业银行在三线城市的客户质量较高。
由于数据的可得性，我们只能对不良贷款某些特性对回收率的影响作出分析，不能对所有特性做出综合的度量。但从上述结果来看，虽然借款人的收入、所在城市等指标会对不良回收率产生影响，但对于回收率影响最大的还是代偿本息的大小。
信用卡不良贷款对于互联网消费金融的启示
近两年，随着网贷与现金贷的井喷，互联网消费金融成为中国信贷领域的新鲜血液，如风控输出、不良处置等周边产业也迅速发展站上风口。目前，主流的互联网信用贷款包括三类：含场景的消费信贷、小额以及大额现金贷。含消费场景的消费信贷一般由电商或者合作的助贷机构主导，其贷款额度与消费金额匹配，风险定价集中在贷款利率方面。而小额和大额现金贷业务由于无特定消费场景，除了资金的价格外贷款额度也是需要考量的因素。
主流的小额现金贷平台一般设置信贷额度区间，初始额度为区间的下限，随着贷款人在平台上重复贷款并积累良好的信用历史之后，其贷款额度会逐步提升。这种基于贷款人在平台信用历史的动态额度管理一定程度上解决了贷款额度越高回收率越低问题。因为随着借款人信贷历史的累计，其违约率是逐步降低的，在预期损失不变的前提下可以提高其额度。
不过，这种看似合理的方式亦存在风险。在信息不对称的背景下，易于形成债务人的多头借贷增加平台的信用风险。由于现金贷平台提供的初始额度较小，贷款人往往会在多个现金平台贷款形成“共债”以满足自己的信贷需求。但除了正常的信贷需求外，共债成为一些贷款人借新还旧、以贷养贷、提高平台授信额度的渠道，这种滚动借款使债务越滚越大，一旦信用坍塌其所涉及的平台都会遭殃。目前行业对这种现象的处理办法是建立黑名单制度在贷前掐断风险，这看上去是贷前风控但本质上属于事后补救无法防范潜在的多头借贷风险，建立数据共享平台打破现金贷的信息孤岛是规避共债风险的途径。不过，各平台视信贷数据为核心竞争力，数据共享的实践性较差，即使搭建起共享平台也不能保证数据的真实性和有效性。
相比小额现金贷，大额现金贷额度高、期限长的特点不易产生“以贷还贷“的多头借贷风险。目前，主流的网贷平台如宜人贷、人人贷、爱钱进、有利网等平台上借款期限在两年以上。但大额现金贷的风险在于违约率相比小额贷款更高、回收率更低，所以大额现金贷平台往往将风控的主要精力放在贷前审核尤其是反欺诈方面。因为相比与500元的现金贷，5万元现金贷违约之后的回收率更低、潜在损失更大。但也正是因为将精力放在反欺诈方面，有些平台对于信贷额度的精细化管理有所欠缺，人均借款金额波动较大。从长期来看，网贷平台对于借款人的额度管理也将向银行信用卡方向发展，即在贷前、贷中以及重复借款过程中实现额度的动态调节机制，避免为了争取客户而采取超额授信，也避免为了额度过低而失去客户。
文章来源：网贷之家
作者：木易
