这可能是现在新金融创业者最大的机会……

之所以说在线借贷或许将成为新金融领域的最大一个创业机会，一方面是因为这个行业站在了技术红利和市场爆发期交叉点上，两种力量的汇集可能爆发出强大的能量。另一方面，这个细分市场可能也是新金融巨头和传统金融机构都不太会覆盖的夹缝地带。

—— 馨金融

站在2017年的开头，还能感觉到新金融行业在“资本寒冬”里凛冽的寒风未退。新金融领域的项目退出难、盈利能力差等因素是令大多数投资人对渐行渐远的重要原因。不过，回顾过去的一年，资本似乎把最后仅存不多的一丝“温暖”留给了一个极其细分的市场。

近两年，除了蚂蚁金服、腾讯、京东等国内的新金融巨头相继上线了蚂蚁借呗、微粒贷、京东金条等小额信贷产品。去年开始，包括手机贷、掌众金融、现金巴士、用钱宝等线上小额信用贷款公司也发展迅猛。

对于投资人而言，迅速的市场增长、良好的现金流和盈利能力以及新金融技术带来的市场和业务拓展，是在线借贷区别于新金融项目最大“魅力”。而对于创业者而言，万亿级的市场体量、科技红利的显现，可能是巨头阴影下他们能找到的为数不多的“舒适区”。

根据雅虎财经的数据，2015年美国Payday Loan的放贷金额达到460亿美金，美国约有1200万payday loan活跃借款用户，人均借款额达到3800美金/年。相比之下，中国的在线借贷的覆盖人群和业务范围更广，市场的想象空间也更大。

即便国内市场达到美国Payday Loan类似的渗透率和借款规模，预计市场规模也在4000亿以上。而有数据显示，我国目前有1000-1500万活跃在线借贷用户，人均借款约2000元/年，照此计算，我国目前在线借贷市场规模在300亿人民币左右。

01 在线借贷与Payday Loan

如果追溯在线借贷行业发展的起源，可能不得不提起美国Payday Loan行业。它其实是短期小额贷款的一个俗称，借款人以个人信用做担保，承诺在发薪水后即偿还贷款，而信用的基础来自借款人的工作和薪资记录，因此得名Payday Loan。

由于美国的金融发展较为成熟，Payday Loan业务的客群也基本属于还款意愿和还款能力“双低”的一个群体。

之前看过一项调查显示，美国典型的Payday Loan人群特征是：44岁以下已成家且家庭年均收入25,000-50,000美金。他们平均借款8次，大多有其他大额负债且授信额度紧张，一半的人有多头负债情况。

由于国内的在线借贷行业最早往往总与美国的Payday Loan划上等号，所以在其市场迅速发展的同时，也引发了一些担忧和讨论。尤其是在美国Facebook和Google相继下线了相关广告之后，很多人都在担心这个业务的商业前景。

但事实上，国内的在线借贷与美国的Payday Loan在许多方面都有着很大差别。晨兴资本合伙人程宇认为，国内的在线借贷只是从借款周期上看起来和发薪日借款有相似之处，两者在市场背景、服务人群及风控逻辑上都有本质不同。

从覆盖的人群来看，根据用钱宝提供的数据，国内的在线借贷人群主要是18到35岁的年轻人，大多数是专业人士口中的“白户”。

所谓“白户”，其实是指在传统金融机构中没有留下征信记录，因此难以在传统金融机构获得服务的人群。但是作为收入稳定的蓝领、白领群体，他们的还款意愿和还款能力都有着较好的保证。

02 科技红利带来的机会

除了覆盖的人群和市场不同之外，两者的风控逻辑和风控方式也有所差异。

与美国Payday Loan出现时的环境不同，中国在线借贷行业几乎是伴随着金融科技的发展而兴起，因此从一开始就带着“精耕细作”的风格，与大数据、人工智能等关键词捆绑在一起。

数据爆发的时代使得数据获取成本大幅降低，业内的朋友告诉我一个数据，由于单一样本生命周期足够短（一般7-30天）、样本特征类似且离钱更近，使得在线借贷可以短时间积累大量科学系样本。

大家都知道数据是新金融行业发展的一个重要基础，而在不少细分领域，由于巨头在积累数据资源上的绝对优势慢慢挤压了中小创业公司的发展空间。但利用新金融技术带来的红利，在线借贷这个细分市场得以爆发。

以用钱宝为例，据说其单月成交笔数已经突破100万笔，其风控模式的核心在于通过用户数据的积累和机器的深度学习，通过弱特征的积累（目前已有1200个弱特征风控维度）进而提升人工智能信审的准确率和效率。

有意思的是，在大多数人的印象当中，金融是一个讲求经验的行业，风控也是基于过往的数据对于未来做一个预判。但现在类似用钱宝这样的的在线借贷机构却在全面的“去人工化”。在这个细分市场，“经验”在某种程度上失效了。

刚好昨天参加了一个关于人工智能应用在金融领域的分享会，创新工场技术副总裁、人工智能工程院王咏刚谈到，金融是特别适合应用人工智能的领域，金融领域就像搜索引擎一样拥有海量的不同纬度的数据，它也像搜索引擎一样有非常客观的评判标准。而随着这些数据和模型有了明确落地的场所，他认为，人工智能和深度学习在金融领域的应用价值将逐渐凸显。

他举了个例子，有银行做过一组对比试验，一半的数据去跑原有的，人为制定标准的风控风行，另一半数据的风控模型则完全用机器深度学习的方式来实现，最后对比数据，通过机器深度学习完成风控的方式降低了35%的坏账。

关于这个结果，不知道其它在线借贷平台的情况，手边拿到用钱宝披露的数据显示，它们引入人工智能技术之后，目前其通过率可以达到行业水平的2倍，坏账率要低于行业平均值40%以上。

03 这是新金融最大的创业机会？

之所以说在线借贷或许将成为新金融领域的最大一个创业机会，一方面是因为这个行业站在了技术红利和市场爆发期交叉点上，两种力量的汇集可能爆发出强大的能量。另一方面，这个细分市场可能也是新金融巨头和传统金融机构都不太会覆盖的夹缝地带。

最近跟程宇交流，他提到，随着科技红利的爆发，包括人工智能在内的技术应用愈发成熟之后，金融科技领域在很多方面都会有机会，但借贷这个细分市场中的机会仍是最大的。

不过，现在打开手机APP store或者微信搜索“在线借贷”可能出现几百个搜索结果。据馨金融了解，业内提供相关业务的公司有近千家。在如此激烈的市场竞争中，创业公司想要活下来也并非易事。

中国的在线借贷行业在技术起点和市场增量上看，都远比美国的Payday Loan更有潜力，但是面对未来的发展，仍然有很多问题值得关注。

比如，那些散落在互联网世界里的弱变量能不能在某种程度上替代传统风控模型中的那些变量和数据？完全依靠人工智能、深度学习而形成的风控模型随着覆盖样本变多、变复杂之后是否依然有效？除了风控环节，科技对于前端获客和贷后管理的改变又有多少？

此外还有资金成本问题，在线借贷规模不断扩大之后，平台如何持续获得大量更低成本的资金？传统金融机构与在线借贷在资金端的合作比例越来越高，这种合作是否会成为一种趋势？等等。

对于这些问题，或许我们现在都还没有办法给出一个答案。只希望这个行业向着一个更加高效和良性竞争的方向发展，然后静待时间的检验，相信这个周期并不会太长。

标签：