【干货】助贷业务发展模式与监管路径！

【干货】助贷业务发展模式与监管路径！
助贷机构是指协助借款客户从持牌资金方获得贷款的机构，助贷的核心在于一个“助”字，助贷既可以指协助资金方，也可以指协助借款方，或二者兼而有之。
具体来说，助贷机构一方面扮演着借款方经纪人的角色，以借款需求为导向，助力借款方更高效地获得贷款；另一方面则是起着放贷机构代理人的作用，为放贷机构推介客户、发放、管理贷款提供支持。
助贷业务作为技术进步及金融服务的细化产物，其实质在于信用贷款各个参与者的优势互补，借助大数据和人工智能等工具来扩展借贷客户范围，提升金融服务效能，更有效地满足了大众对普惠金融的需求，在建立多元化的信贷结构中起到了一定程度上的推动作用。
01
助贷业务的理论基础及行业现状
在传统的信贷模式下，客户、资金、风险都完全由放贷机构撮合或承担，但并非所有的银行都能在客户筛选、资金获取以及风险控制环节能够高效高质闭环。基于成本效益匹配的原则，由于拥有较低的资金成本，大中型商业银行及股份制银行为严密监控资产质量，倾向于选择信誉优良的客户并采取充分的担保措施。然而，对于小型企业和小城市居民等普惠金融服务对象来说，他们往往面临着借贷规模小、缺乏足够的抵押品或者抵押品不足值、信用风险较大的问题，这使得他们的需求很难与商业银行的资金成本相匹配。小微企业、三农持续存在融资难、融资贵的现象，信贷需求难以满足。
古典经济学家大卫·李嘉图提出 “比较优势原理”，即参与国际贸易的国家，劳动生产率的差距并不是在任何产品上都是相等的。每个国家都应集中生产并出口具有比较优势的产品，进口具有比较劣势的产品（即“两优相权取其重，两劣相衡取其轻”），双方均可节省劳动力，获得提高劳动生产率的好处。亚当斯密提出“专业分工理论”，即劳动者工作的熟练程度和工作技巧因分工的专业化而不断提高，工作之间转换的时间损耗因分工而不断降低，因此，分工的发展驱动社会生产力不断提升。李嘉图提出的比较优势原理和亚当斯密的专业分工理论都强调了比较优势和劳动分工对社会生产力提升的重要性，助贷机构基于其在数据积累和分析、科技服务提升上的专业技能，极大的解决了信贷链条中的信息不对称、定价不准确、风控不完善等问题，进一步提高了金融服务效率，解决了信贷链条中的问题，符合经济发展规律。
在我国，助贷业务最早可追踪至2007年、，其初始阶段主要由国家开发银行与建设银行及中国银行等相关国有商业银行为代表实施推动。然而，由于受限于当时的经济状况和技术发展水平，此类合作方式并未得到广泛应用。
"互联网金融元年"于2013年正式开启后，各行各业如商业银行、互联网平台、保险企业、担保公司、技术公司和数据提供者等开始积极参与其中，而助贷机构从小额信贷公司、电子商务公司也逐渐转变为P2P网络平台、金融科技创新公司及贷款超市等多样的模式。自2018年至2022年间，互联网消费金融行业的发放金额从不到八万亿增长到了二十一万亿，同时，助贷业务放款规模也在同一时期内从五点三万亿增至十五点六万亿，显示出该领域市场规模仍在稳步扩张中。
02
助贷业务的模式分类
总的来说，处理好客户流、资金流和风险控制这三个方面是助贷业务的关键。依据助贷机构的参与方式和职责不同，助贷业务可以被划分为纯导流型助贷、联合贷款型助贷和风控辅助型助贷三种模式。
1、纯导流型助贷
纯导流型助贷指助贷机构为金融机构推荐需要借款的客群，而金融机构则负责对这些客群进行筛选、风险控制和贷后管理。在这种模式下，助贷机构通常只负责营销客户，并不承担项目逾期的风险。
纯导流型助贷主要解决资金方有效客户需求不足问题，传统商业银行等放贷机构经营较为同质化，放贷重心往往向对公大型企业或同业机构倾斜，客户营销差异化上存在一定的短板。助贷机构基于自身的数据积累、场景验证和评估，向持牌金融机构精准推介有贷款需求的客户，扩大借款方的触达面，进一步满足长尾客户的融资需求。在该类模式下，助贷机构并非粗放导流，而是通过大数据手段收集贷款客户的基础身份信息、行为信息、消费数据、资信情况等，通过人工智能方式对客户进行初筛，将符合贷款方准入标准的客群推介给放贷机构。金融机构对推介的客户进行进一步的资信审核，并作出放款决策。助贷机构的盈利主要依赖于推介服务费或者居间服务费,并从金融机构获取佣金和手续费。
2、联合贷款型助贷
联合贷款型助贷是指助贷机构协助借款人在其自身平台入口获取贷款资金。这种方式下，金融机构和有放贷资质的助贷机构会根据一定比例投放资金，以满足借款人的需要并共享利润及风险。
此种模式主要解决了放贷机构因自有的存款吸收能力和资金供应限制而导致的资金供需失衡问题。这类助贷机构的主要参与者包括互联网银行和小贷公司，其在获客渠道、风险把控、客户画像等方面具有相对竞争优势。助贷机构对潜在客户进行初步筛选然后推荐给放贷机构进一步评估，经过放贷机构审批决定后，双方一同按照协议执行放款手续。此外，助贷机构还会继续履行后期贷款管理和催收职责，同时利用信用评分系统和风险管理工具来评价借款用户等级并对其实施分类，预测可能的风险因素，从而全权掌控整个贷款过程中的风险状况。
在实际操作中，联合贷款双方通常设立一个公共账户，汇集各方款项后放款；客户归还贷款时，首先支付至该公共账户，然后之后再依据约定的比例分配给联合放贷双方。例如，微众银行、网商银行、蚂蚁小贷就采用了这样的策略，借助与其他金融机构的合作来实现贷款业务的发展，进而获得利息和服务费用等相关收益。
3、风控辅助型助贷
风控辅助型助贷主要解决放贷机构风控能力不足的问题，在落实监管要求“核心风控环节不得外包”、“互联网贷款经营管理不得‘空心化’”，在这种业务模式下，助贷机构可以参与到放贷机构贷前、贷中或贷后的风险管理流程中，协助放贷机构做好流量推送、资产筛选、模型构建、客户服务、风险监测和催收管理等工作。助贷机构在贷前、贷中和贷后环节提供更多的信息以供放贷机构决策。
比如在贷前阶段，助贷机构会预先掌握借款客户的信用状况、诉讼记录、偿还能力及抵押品信息，从而构建出客户画像或评级情况;而在贷中环节，助贷机构协助金融机构签订相关的借款协议，确保协议的合法性和有效性;至于在贷后阶段，助贷机构通过利用技术工具和智能化风险控制方法，协助放贷机构做好风险监测、风险预警、贷款管理和催收工作，降低金融机构的贷后管理成本、提高贷后管理效率，助贷机构也会从中收取一定的服务费用、系统/模型设计和维护费等。
在实践操作中，除了以上提到的三项方式外，还有可能会产生二至三种交错融合的情况，例如纯导流型助贷、联合贷款型助贷会同时结合风控辅助型助贷，在助贷机构拥有技术优势、场景优势、数据优势和大数据风控优势的基础上，与金融机构形成优势互补，参与解决借款客群、风险和资金问题。此外，在各类助贷业务模式中，助贷机构和资金方通常还会引入融资担保公司、保险公司进行担保和增信，以此降低放贷机构所面临的贷款风险。
03
助贷业务的主要问题
一是在实际展业过程中，部分金融机构过度依赖助贷机构的风控手段。通常助贷机构会向金融机构推介借款客户、提出授信建议、协助用户电子签约并发放贷款、监督资金用途、监测风险情况并实施贷后管理动作，部分金融机构完全采纳助贷机构对借款客户的评级意见以及授信建议，没有独立自主的风控审批流程，风控外包现象依旧突出。
二是在借款用户个人信息的采集和使用上，部分助贷机构通过概括性授权获得借款用户的全面授权，但未披露助贷机构或金融机构如何处理个人信息的方法、范畴及潜在影响。某些助贷机构还会收集并分析借款者提供的个人信息以构建"贷款用户画像"，加工后将其提供给银行等金融机构。然而，这种信息很多都包含了个人隐私，并且一部分的信息源没有得到充分的验证，有的甚至是恶意的网络爬虫所致，此类信息的真实性和合法性难以保障。另外数据安全同样值得关注，客户数据泄露屡见不鲜，个人信息使用标准亟待规范。
三是贷后管理有待进一步规范完善。一直以来，普惠金融服务中的逾期债务催收问题都是金融消费者投诉的主要焦点之一。部分助贷机构可能因催收频率过高、催收用语不规范、催收过度联系、逾期客户故意欠款等原因导致大量投诉产生，并进一步引起监管层面的关注和干预。同时，市场中也存在着诸如"反催收联盟"、"代为投诉维权组织"、"代办征信修复"等形式多样的黑色产业链条，这些由贪婪驱动的行为不仅侵犯了借款者的合法权利，还对金融机构及助贷机构的日常运营造成了不良影响，加大了监管部门的监管成本。