📖 ZKIZ Archives

互金不良數據“不能說的秘密”

2017年2月13日，情人節前一天，人人貸公布了2016年年報——去掉成交額、註冊人數這些嚇人的“大數”，大多數人更關註的可能是整個年報里最小的數字——逾期率。人人貸年報顯示，截至2016年底，逾期率僅為0.26%。

除了人人貸，春節前後，還有點融網、積木盒子等幾家平臺也陸續公布了自己的年報。有平臺人士說，收集各家年報的時候，最關註的都是逾期率和壞賬率，可是最不相信的也是這個數字。

每個行業都有一些“不能說的秘密”，作為一個透明度還不那麽高的新興領域，互聯網金融自然也有不少“死穴”。比如：“不良”數據、盈利情況、公司估值、員工數量等等，都是各家公司諱莫如深的信息。

今天先說說跟行業發展最息息相關的“不良”數據。

這個行業似乎形成了一個矛盾的現象：一邊，每個人都說行業的整體資產質量令人擔憂，潛藏著巨大的風險;但另一邊，每家機構披露的“不良”數據又始終在低位徘徊。從已公布的一些公司數據來看，甚至普遍低於銀行業的“不良”率。

這一矛盾現實也折射出了互金行業“不良”尚未形成統一定義、統計標準，以及披露機制的硬傷。“不良率”本來是一個公司的經營狀況問題，但是因為外部競爭和內部壓力等種種原因，最後很容易就變成了一個會計問題。

模糊的界定標準

關於“不良”的界定，商業銀行五級分類的標準最為明確和清晰。

根據規定，目前銀行里的貸款五級分類制是依據借款人的還款能力，即最終償還貸款本金和利息的實際能力，確定貸款遭受損失的風險程度，將商業貸款劃分為正常、關註、次級、可疑、損失五類。其中，後三類稱為不良貸款。

所以，如果僅以時間標準來看，逾期90天就調為“不良”。(次級的定義為：本金或利息逾期91天至180天的貸款或表外業務墊款31天至90天)。

但在互聯網金融行業，這個定義就變得複雜了。從第一財經記者了解到的情況來看，大部分互金公司對外披露關於“不良”的界定通常還是參考銀行的標準，即逾期90天以上算作不良貸款。當然，也有比較嚴格的機構，逾期1天也算作“不良”。

雖然對於“不良”的界定有所差異，但不同公司“不良”數據懸殊巨大、行業數據真假參半的真正秘密還在統計方式上。

簡單來說，銀行不良率的計算公式是這樣的：不良貸款率=(次級類貸款+可疑類貸款+損失類貸款)/各項貸款×100%。但落在互金行業，即便采用類似的統計方式，對上述公式中分子、分母的界定不盡相同，也讓操作空間大了許多。

“不良”統計的秘密

1、統計標準各不同

目前互金行業里常用的“不良”統計方式有三類：

第一種是類似銀行業的余額“不良率”，即截至到某一時點的不良余額/貸款余額，但這個存量的日期有選擇期初的也有選擇當前的，30、60、90、180天都有。而為了便於對外說明，主流的做法是跟銀行類似，逾期90天以上為“不良”。

這一統計方式的好處是，可以通過短期內做大分母來稀釋不良率。所以，雖然“不良率”同是以“不良”規模除以貸款余額，但追究到分子分母的來源和算法，至少有二三十種不同的定義方式，而每種方式都能得出不同的數字。

例如，在分子上，究竟逾期幾天算逾期?是否考慮代償和核銷?(其實代償又分90天內追回和尚未追回。)在分母上是否用過去12個月平均在貸、3個月前的余額、還是過去12個月里平均撮合金額(這更符合P2P的中介性質)?等等。

第二種是當期資產“不良率”，即特定期限內發放貸款產生的不良余額/該期限內發放的貸款。優點是確定了某個時間段，反饋的信息比較準確，但缺點在於不能反映全貌，所以可以選擇只披露表現較好時期的資產“不良率”以達到美化指標的目標。

第三種是歷史分析法(Vintage Analysis)，即基於貸款發放月份的數據分析貸款各項指標的方法。看似跟第二種類似，但更像是它的“進階版”，這廣泛應用於信用卡產業，也是Lending Club在內的一些P2P上市公司所選用的“不良”統計方式。

已經上市的P2P平臺宜人貸，根據其三季報公布的信息，其也開始采用這種統計方式，即以固定時間段內促成的借款初始本金總額為分母，分子是同期借款本金總額中出現風險的金額，隨著時間推移，全周期累計壞賬率會自然升高。

說白了，這種統計方法就是體現借款初始本金總額的分母鎖定不變，不能摻水，重點看全周期結束後壞賬損失的百分比。另外，通過比較不同時間段，比如不同季度的全周期累計壞賬損失，可以清楚的衡量平臺風控能力。

2、對內對外各不同

“除了統計方式不同，因為‘不良’數據的用途不同，即便是同一家公司往往也有幾套標準和幾個不同結果。”一位從事不良資產處置的業內人士道出了“不良”統計背後的第二個玄機。

第一套標準是對外的，大家往往會選擇最主流，最容易被理解的模式，即跟銀行的“不良”統計標準和方式類似。第二套標準是對內的，因為要最貼近真實的情況便於風控管理和績效考核。而第三套標準則是在處置和轉讓“不良”時使用的。

“對內對外的統計不同並不難理解，對內的統計可以視作是一種管理統計，是服務於KPI考核和公司近期的發展戰略的。比如，如果公司更註重資產規模的發展，會傾向於考核余額‘不良率’，鼓勵大家通過做大分母來降低‘不良率’。”該人士表示。

多家互金公司負責人業向第一財經記者表示，內部對於“不良”的統計確實更為嚴苛，也會采用上述歷史分析法的方式來分析資產質量的變化，因為這更便於找到風險點。但因為未上市企業沒有強制的要求，所以對外不會披露那麽細的指標。

此外，由於不少互金機構會定期轉讓或委托外部機構來處置自己的不良資產，而每個資產包的定價很大程度上也取決於逾期時間的長短，所以對於“不良”的界定和標準又有不同。

3、不同階段也不同

除了前面兩個主觀的選擇外，導致互金行業“不良”數據曖昧不明的重要原因還在於這個行業的快速變遷。

雖然互聯網金融行業發展的時間並不算長，但業務模式和產品形態卻已紛繁複雜，僅以信貸業務來說就有抵押類和非抵押類，非抵押類里又有針對藍領、白領，線上、線下等不同人群、不同金額、不同風控方式的產品。

此外，據某P2P平臺CEO介紹，早期國內的P2P平臺都有擔保公司介入，或者自建了風險備付金，這些在不同程度上都影響了對不良資產的處置，以及“不良率”的統計。

具體來說，早期，如果借款企業沒有還款，但擔保公司代償了，按照銀行的標準則會把這一筆列為正常，但當時的操作是把它列為逾期/代償，計入“不良”口徑。

“早期之所以這麽做是因為當時平臺只有介入擔保的企業貸產品，而一旦出現逾期，擔保公司都當天代償了。在這種情況下，如果代償不計入‘不良’的話，平臺資產就是0逾期、0不良，大家反倒覺得不可信。”該CEO表示。

但後期，據上述P2P平臺CEO介紹，隨著公司產品線的增多，例如，上線了一些周轉頻率更快的貸款產品(1個月、3個月、6個月)，也沒有了擔保公司承保，所以統計方式也做了調整。

“大家都會選擇更利於自己的統計口徑。”不止一位業內人士道出“不良”統計的核心原則。

然而問題的核心在於，這是整個行業面臨的風險，如果沒有人能說清楚這個行業里到底有多少壞賬，這些壞賬到了哪里、有多大的風險、風險什麽時候會到來，那麽，這始終將是懸在整個行業頭上的達摩克利斯之劍。