成都私人水钱_成都个人借款_成都租房借水钱

助贷行业迎变：严监管下路在何方

监管“补短”，助贷业务或重构。10月5日，银保监会发布《关成都私人水钱于服务煤电行业正常生产和商品市场有序流通保障经济平稳运行有关事项的通知》（以下简称《通知》），其中提到要规范银行机构与消费金融公司等非银行金融机构业务合作，审慎开展与助贷机构的业务合作，不得提供显著高于市场利率的消费信贷产品。
 
无独有偶，10月7日，中国人民银行行长易纲在国际清算银行（BIS）监管大型科技公司国际会议上表示，中国头部平台公司在开展电商、支付、搜索等各类服务时，获得用户的身份、账户、交易、消费、社交等海量信息，继而识别判断个人信用状况，以“助贷”名义与金融机构开展信贷业务合作，相当于未经许可开展个人征信业务。“头部平台公司在同一个平台下提供理财、信贷、保险等金融服务，放大了金融风险的跨产品、跨市场传染的可能性。”
 
监管频频发话助贷，让原本竞争激烈的助贷市场再掀波澜。面对洗牌挑战，助贷机构的发展路在何方？
 
一波未平一波又起
 
最近一波降温“助银”合作。助贷是互联网小贷等互金信贷演变下的产物。眼下，助贷机构的合作列表里，拥有雄厚资金实力的银行受到追捧，而银行也乐于向具备流量优势、场景规模的助贷机构递送“橄榄枝”，特别是头部金融科技平台往往借以“助贷”名义与大行开展合作，意图加强自身商业背书，为后续与中小行、消金机构等金融机构的携手做好铺垫。
 
具体来看，目前“助银”合作主要有两种模式。首先是纯助贷，助贷机构仅向银行引流贷款客户，自身不参与风控、放贷等后续操作。其次是联合贷，顾名思义助贷机构向银行引流的同时亦提供部分资金，与银行共同放贷。由于纯助贷资产模式更轻，承担风险更小，近年来成为助贷机构转型的重要方向，蚂蚁集团、京东数科、360金融均已向该模式倾斜。“1∶99的高杠杆联合贷款模式，最早是微粒贷玩出来的，后来蚂蚁、京东进一步演成都个人借款变为助贷，在助贷模式下，平台几乎一分钱都不用出，主要是引流。”一位流量平台金融业务部门负责人介绍。不过，这两种模式并非泾渭分明，在助贷模式中，助贷机构或提供风控服务，占据放贷话语权，而联合贷模式中，双方出资比例与分润比例也或存在不相匹配的情况。
 
可见，不论是助贷还是联合贷均尚未形成明确的行业规范。对此，银保监会《通知》的下发，相当于给“助银”合作模式踩了刹车。特别是当头部金融科技平台被点名之后，再稳固的合作关系也走到了转型的十字路口，而这种模式背后聚集的风险或将成为监管下一步行动的目标。天风证券认为，提供导流服务和技术支持或将成为助贷业务的重要转型出口，而自身资源禀赋不足、技术能力有限的中小助贷机构或将逐步退出市场。
 
把目光再拉回到今年7月的第一轮风波。彼时，中国人民银行征信管理局向网络平台下发相关通知，要求平台机构在与金融机构开展引流、助贷、联合贷等业务合作中，不得将个人主动提交的信息、平台内产生的信息或从外部获取的信息以申请信息、身份信息、基础信息、个人画像评分信息等名义直接向金融机构提供。
 
这即是释放了一大重要监管信号——互联网平台助贷等业务要实现个人信息与金融机构的全面“断直连”，此举势必带动助贷业务流程上的变革。不少助贷行业的业内人士担心助贷业务或因无法与持牌征信机构达成合作关系而寸步难行。于是乎，迫于监管压力，越来越多的助贷机构“围堵”持牌征信机构，试图催成合作关系，构建“网络平台—征信机构—金融机构”的个人信息合规分享模式。可想而知，在行业地位、业务规模、股东背景等方面的能力差异下，助贷机构面临着不同的境遇：头部机构实力雄厚，轻轻松松跨入准入门槛，中小机构实力偏弱，竭尽全力拼一丝丝可能。
 
就在中小助贷机构为谋求征信合作而焦头烂额之际，第二波监管风波准时袭来。9月30日，中国人民银行官网发布《征信业务管理办法》，提出将成都租房借水钱征信替代数据应用纳入监管，剑指助贷机构“无证驾驶”乱象。回顾这三场风波不难发现，助贷行业监管趋严，传统路径再难同行，监管意在把数据风控的核心从助贷机构拉向银行本身，对助贷机构而言，新一轮洗牌正式开启。
 
助贷行业路在何方？
 
严监管的层层出击下，助贷行业的发展增添了许多不确定性，部分助贷机构寻求持牌征信机构的合作的同时，也抓紧修改与金融机构，特别是银行合作的助贷决策模型。从头到尾的“大换血”基于的是助贷机构被允许获取的数据量以及征信机构对助贷方抓取数据的质量与种类上的要求，不难看出，未来助贷机构所能掌握的数据源必然有明显收缩。
 
在有限的数据空间下，许多助贷机构加码风控技术的突破，毕竟风控水平本身亦是银行合作的焦点，也是维系双方合作的关键。目前，“助银”合作加速探索隐私计算技术，试水个人数据信息的“合规”分享。所谓隐私计算技术，是指在保护数据本身不对外泄露的前提下实现数据分析计算的技术集合。据《21世纪经济报道》报道，隐私计算技术的核心在于银行与助贷机构在不知道客户具体敏感信息的情况下，使用大数据分析等技术对脱敏化、结构化数据进行比较验证，结合自身对客户消费行为、消费特征的数据积累与洞察，从而判断出脱敏化结构化数据背后的客户。
 
目前，已有部分银行试水隐私计算技术等风控合作，以此精准获取客群消费行为特征，进而优化风控模型。不过，仍有不少银行处于对隐私计算的数据确权、使用的合规性、安全性而选择相对保守的发展策略。
 
综上所述，助贷行业的洗牌潮业已开启，大浪淘沙后，究竟将露出何杨面貌，仍需等待时间给出的答案。