贷款风控是什么？

贷款存在的意义，就是让借贷人预支未来的钱用于当前消费，从而提高当前的货币存量，并且提高货币的市场流动性。

作为企业的贷款机构第一目标是获取来自于利差的利润，所以放贷之前肯定会尽量挑那些有能力偿还贷款的借贷人，而不是随意发放贷款，因此有效降低贷款资金收回风险就成了重中之重。

而降低贷款资金风险的举措就是贷款风控，就是贷款风险管理控制。

为什么不同的贷款机构之间的风控措施或条件不同？

贷款机构本身只是企业，而企业的首要目的就是获取利润，但基于每家贷款机构不同的股权属性或者资本构成不同，它们具备不同的价值观，而这些不同的价值观又决定了这些贷款机构通过放贷赚取利差的要求和途径也不尽相同。

比如，所有的小额贷款机构（线下小贷公司、互联网金融公司、汽车金融公司等持牌小贷公司）的价值观就是利润至上，那么这些小贷机构的主要利润增长就和放贷笔数和放贷金额有直接关系。

一般情况下，我们可以用下面的公式表示贷款机构的收益率计算方式：

ROI=（客流量×人均收益-坏账人数×人均损失）÷阶段性放贷总额×100%

从公式中我们可以看到贷款机构的收益和客流量成正向关系，和坏账人数成反向关系，因此贷款机构的收益率不仅仅是效率和客源的问题，还和风险有关。

那么如果代入持牌小贷公司或者互联网金融公司，我们就很容易理解这些公司为什么疯狂打广告了，以及催收力度为什么这么大了。

总之，贷款风控决定了贷款机构的利润边界。

贷款风控特征决定要素有哪些？

上文提到不同的贷款机构之间贷款的风控特征不同，那么有哪些要素决定了这些风控特征呢？

按照构成风控模型的要素重要性不同，我们可以将这些要素分成三个部分：

1. 决定性要素，守约记录，还款意愿评估：信贷交易次数及金额、机构查询次数、逾期记录、信贷笔数与类型、负债率判断等；
2. 影响要素，基本信息，还款能力评估：年龄、婚姻状况、学历、工作情况、工资收入、银行流水、公积金和社保缴存情况、纳税记录与金额等；
3. 补充要素，公共信息，负面禁止筛选：破产、民事判决、经济纠纷、行政处罚、被执行记录、涉毒涉记录、违法犯罪记录等。

调整这些要素之中每一项的尺度，都会让贷款机构的风控模型发生变化。

不同的贷款机构之间的风控差异

对于我们司空见惯的银行、小贷公司、互联网小贷公司等机构，我们大概能体会其中风控尺度的差异。

比如，国有银行受到上级政策影响相对明显，所以风控特征上也有较为明显的体现；而小贷机构以追逐利润为第一要务，所以其宽松的风控特点大家耳熟能详。

但是同类贷款机构，特别是小额贷款机构之间的风控差异就寥寥无几了，这是因为大多数中小型贷款机构实际上并不具备自主风控体系的能力，需要第三方为其搭建风控模型，这也就导致了大量的中小型风控模型类似，同类贷款机构之间风控特征不够明显。

本文不再做具体细节探讨，但对于不同类型的贷款机构的风控尺度做一个简单分析，以便于大家在申请贷款时有个简单的参照，而非盲目的去尝试。

普遍情况下，常见贷款机构的贷款风控尺度从小到大排列如下：

国有银行＜商业银行＜当地农商银行＜村镇银行＜持牌线下小贷公司＜其它持牌金融机构＜互联网小贷平台＜个人资方；

1. 国有银行包括：工商银行、农业银行、建设银行、交通银行、邮政储蓄、中国银行；
2. 全国性商业银行：招商银行、浦发银行、广发银行、光大银行、中信银行、兴业银行、厦门国际银行、浙商银行、恒丰银行等；
3. 农商行，一般分级市县级，比如地级市聊城的聊城农商行，县城阳谷的阳谷农商行。
4. 村镇银行：比如第一家倒闭的银行——北京区域的包商银行，再比如闹得沸沸扬扬的河南村镇银行；
5. 线下小额贷款公司，比如山东区域的国惠、龙信；
6. 其它持牌金融机构，比如平安普惠、宜信普惠等，有时也会被归类到小贷公司范畴；
7. 互联网小贷平台，一般常见的有支付宝的花呗、借呗，微粒贷，百度旗下的有钱花，360借条，小米贷款之类的；
8. 个人资金，一般多指的是典当行之类的民间机构，多以个人资金进行民间拆借。

按照顺序尺度逐渐放宽，但利息也是逐渐递增的。

本文理论性的东西可能稍多一些，为了方便大家理解，下面我再以我们个人信用贷款的常规风控条件进行对比，直接见下图。

此图中未添加准确数据，只是进行了风控尺度对比。面积越小的雷达图说明风控尺度越严苛，范围越大的雷达图说明风控尺度越是宽松。

如果还是无法理解，我们可以把贷款风控尺度的大小想象成筛孔，筛孔越大尺度越是宽松，反之就是严苛。

当然，本文仅限于粗略地概括各类机构之类的风控特征分析，因为篇幅和尺度的问题不适合进行更详细的比较，比如银行和银行之间的横向对比，再比如纵向上的各类准确数据对比。

有机会吧，到时候另起篇幅。#人人能科普，处处有新知#