《清華五道口：2023國內外助貸業務實踐、發展與監管研究報告（55頁）.pdf》由會員分享，可在線閱讀，更多相關《清華五道口：2023國內外助貸業務實踐、發展與監管研究報告（55頁）.pdf（55頁珍藏版）》請在三個皮匠報告上搜索。

1、 研究報告 （2023 年 第 10 期 總第 130 期）2023 年 12 月 15 日 國內外助貸業務實踐、發展與監管研究國內外助貸業務實踐、發展與監管研究 金融發展與監管科技研究中心 【摘要】【摘要】中國助貸業務發展已有近 15 年歷史，以互聯網平臺為代表的助貸機構與金融機構在信貸業務方面持續深入合作，逐漸形成了 B 端線上線下相結合、C 端純線上為主的互聯網貸款業務助貸模式，極大程度地助力了金融普惠、促消費穩增長等目標的實現。以 P2P 網貸為主要對象的互聯網金融風險專項整治工作結束以后，大型互聯網公司提供的各類線上金融產品和服務，包括助貸業務，成為了互聯網金融風險防范和金融科技監管

2、的核心內容和關鍵所在。近年來監管機構密集出臺了多項政策以規范第三方機構與金融機構的信貸業務合作，給各市場主體帶來的機遇和挑戰不盡相同。課題組在廣泛調研訪談的基礎上，對國內外助貸業務的實踐和發展情況進行回顧和分析，重點梳理國內外有關部 門對助貸業務模式的監管思路與實踐，提出我國助貸業務發展所面臨的金融機構與助貸機構權責邊界模糊、集中度風險管理不利于降本增效、金融消費者融資成本高企、征信管理與數據流轉、以及金融業務與風險向商業銀行傾斜等主要問題，并結合當前的監管政策提出相應的完善建議。目錄目錄 1 我國助貸業務發展情況分析我國助貸業務發展情況分析.1 1.1 助貸的定義.1 1.2 國內助貸業務模

3、式演變歷程.2 1.3 國內助貸業務整體發展現狀.3 2 助貸業務模式理論基礎與現實意義助貸業務模式理論基礎與現實意義.5 2.1 助貸業務模式的理論基礎.5 2.2 現階段助貸業務模式的價值與現實意義.8 3 國外助貸業務發展模式與實踐經驗國外助貸業務發展模式與實踐經驗.13 3.1 美國助貸模式演化歷程.13 3.2 國外助貸業務中各環節合作內容與收費模式.17 3.3 美國助貸模式出現以“先買后付”為核心的線上全流程鏈條式服務.20 3.4 國外助貸業務監管思路與實踐.28 4 當前國內助貸業務監管政策與主要問題分析當前國內助貸業務監管政策與主要問題分析.35 4.1 國內互聯網貸款助貸

4、模式監管政策梳理.35 4.2 當前互聯網貸款助貸模式主要問題分析.39 5 政策政策建議建議.49 1 國內外助貸業務實踐、發展與監管研究 張健華 張偉 朱詩怡 李昱彤 （金融發展與監管科技研究中心）1 我國助貸業務發展情況分析我國助貸業務發展情況分析 1.1 助貸的定義助貸的定義“助貸”（Partnership lending），顧名思義，是指互聯網科技公司等第三方機構與持牌金融機構基于優勢互補原則，合作為金融消費者提供所需信貸服務的業務模式。值得一提的是，部分文獻資料將“助貸”翻譯解釋為“Co-financing”，意為聯合貸款，而目前監管部門已經明確金融業務必須持牌經營，則沒有相關金融

5、資質的信貸第三方機構不能涉及放貸、融資擔保等服務。為了嚴格區別于聯合貸款，本報告重點探究由持牌金融機構獨立出資、助貸機構主要負責引流獲客、輔助風控、貸后催收等的狹義助貸（“純助貸”）。同時，為進一步聚焦研究內容，研究對象具體為，在互聯網貸款業務中為 C 端客戶提供線上信貸服務的助貸業務模式，在整個服務過程中，金融機構作為出資方，幾乎承擔全部資金成本和風險，是整個信貸業務的核心與主導方，而助貸機構的權利與責任具體由商務合同約定。2 1.2 國內助貸業務模式演變歷程國內助貸業務模式演變歷程 1.2.1 2007-2012 年：助貸業務模式以聯合貸款形式出現年：助貸業務模式以聯合貸款形式出現 我國助

6、貸業務模式的出現以 2007 年“國家開發銀行深圳分行與中安信業創業投資有限公司合作微貸款業務”為標志，該模式下，商業銀行拓展了微貸款業務規模，小貸公司通過表外融資變相得到了資金支持，而低收入人群和小微企業以合理、可支付成本獲得了所需的信貸支持，最終多方市場主體達成共贏。早期助貸業務模式的底層邏輯在于銀行的規模效應、專業服務和助貸機構的服務下沉、了解客戶的優勢互補，但受經濟金融與社會發展整體水平以及業務模式效能有限的制約，并沒有在全國范圍內得到迅速推廣。1.2.2 2013-2017 年：互聯網貸款業務發展帶動助貸模式迅年：互聯網貸款業務發展帶動助貸模式迅速拓展速拓展 隨著互聯網從 PC 端轉

7、移至移動端，助貸業務迎來黃金發展期，助貸機構從具有信貸資質的非銀行金融機構逐漸拓展至科技公司、數據經紀商和數據分析公司；助貸業務形式從線下線上結合更多地轉換成以純線上為主，再進一步借助大數據分析技術等向數字化轉型；助貸業務范圍和服務對象，也從局部地區和小微企業向全國范圍和個人客戶擴張。該階段助貸業務主要有兩種合作模式：一是商業銀行與小額 3 貸款公司、消費金融公司、金融租賃公司等非銀行金融機構采取共同出資放貸的模式，按出資比例共擔風險、共享收益；二是金融機構與科技公司等非金融機構采取“保證金模式”進行合作，即放貸資金由金融機構承擔，而助貸機構提供獲客、風控、運維、催收等服務，同時向金融機構支付

8、一筆保證金，此舉實質是助貸機構以“兜底風險”促成與金融機構的合作。1.2.3 2018 年至今：助貸業務模式進入整改期年至今：助貸業務模式進入整改期 2017 年 12 月，人民銀行、銀監會聯合發布關于規范整頓“現金貸”業務的通知（整治辦函2017141 號），規定助貸業務中的授信審查、風險控制等核心環節須由金融機構負責，并且不允許助貸機構有兜底承諾等變相增信行為，或者由無擔保資質的第三方機構提供擔保服務。隨后監管部門和行業協會陸續發布了一系列的相關政策與規定，除了聯合貸款模式之外，金融機構與無放貸資質助貸機構的合作逐漸回歸“助貸”本質，即金融機構是信貸資金的提供方，而助貸機構在客戶引流、風控

9、輔助、貸款催收等方面提供數據和技術支持，并依據商業合同從金融機構處獲取相應助貸服務報酬。1.3 國內助貸業務整體發展現狀國內助貸業務整體發展現狀 國內助貸業務市場參與主體包括信貸需求者、助貸機構、個人征信公司、商業銀行為主的金融機構等。圖 1.1 展示了國內互聯網貸款助貸模式的業務流程：信貸需求方經由助貸機構向金 4 融機構發起貸款申請；助貸機構根據自身優勢和實力會不同程度地參與到引流獲客、反欺詐、授信審批、貸后催收等各環節當中，其中，包括互聯網科技平臺、數據經紀商、數據分析服務商等在內的各助貸機構在向金融機構傳輸信用數據產品時，根據征信業務管理辦法的規定，須增加個人征信機構審查環節；而純營銷

10、導流和輔助風險管理（反欺詐、授信審批、貸款支用、貸后催收等）所涉及的非信用數據或服務，在滿足數據安全和個人隱私保護要求的前提下，可直接提供給金融機構；金融機構基于多環節審查結果向信貸需求者發放資金，在整個信貸服務過程中不斷強化獨立風控能力，承擔主體管理責任。值得一提的是，消費金融公司與數據經紀商等機構合作信貸業務時，充當資金提供方角色，但同時其在經營中通過自有渠道積累了一定的客戶和數據資源，故也會在與中小銀行合作信貸業務時承擔助貸機構的職責。圖圖 1.1 國內助貸業務流程國內助貸業務流程 金融機構與助貸機構根據雙方合作的具體內容商定收費模金融機構與助貸機構根據雙方合作的具體內容商定收費模式。式

11、。一般來看，助貸機構提供純導流獲客服務會根據貸款投發信 5 息展示次數、用戶點擊量以及客戶實際轉化率等指標按比例收取費用（如字節、百度）；反欺詐服務根據數據調用次數或者放貸規模的一定比例收取費用（如同盾科技）；通過個人征信公司間接提供的信用評分服務基于查詢量、訂閱量以及調用量收取相應費用（征信中心、百行和樸道）；貸后委外催收按照催回貸款金額的一定比例收取費用（如青島聯信）。此外，部分大型科技平臺在多個業務環節與金融機構進行合作，顯著提升了信貸業務整體經營效率，這種情況下則按照貸款利息收入的一定比例收費，根據多家機構調研信息來看，結合助貸機構自身經營情況、合作銀行類型、合作業務規模與經營情況等因

12、素，收費比例在28%33%之間。綜上，國內助貸機構與金融機構基于各自比較優勢開展信貸業務合作，以提升信貸經營績效為目標，總體采取“激勵相容”的市場化分潤協定。2 助貸業務模式理論基礎與現實意義助貸業務模式理論基礎與現實意義 2.1 助貸業務模式的理論基礎助貸業務模式的理論基礎 金融業發展本質上是一部科技應用史，傳統互聯網金融發展已達到階段性頂部，未來商業銀行互聯網金融業務需要從“線上化”向“數字化”升級。在數字經濟時代，金融與數字技術持續深入融合是大勢所趨。具體來看，一項貸款業務通常涉及引流獲客、初步篩查、信用評估、風險識別、授信放款、動態監測、貸 6 后催收、不良處置等諸多環節，基于金融專業

13、化分工理論，這些流程較難在單一金融機構內部形成閉環，而是鼓勵包括科技公司在內的第三方市場機構參與到金融服務的部分節點中，充分發揮各機構主體的比較優勢，從而促進市場公平競爭，提升信貸服務質效和金融普惠性。從金融機構的角度來看從金融機構的角度來看，隨著市場經濟發展和居民財富的不斷積累，有信貸需求的人群持續擴張，同時，在可持續發展目標指引下，金融機構也需要下沉信貸服務以提升市場占有率。商業銀行等金融機構資金實力雄厚、信貸服務專業化程度高，但農戶、城鎮低收入人群、小微企業等往往被排斥于傳統金融服務體系之外，存在嚴重信息不對稱，則根據成本效益理論，金融機構采用傳統自有渠道觸達和服務下沉客戶群體，將面臨成

14、本和風險雙升的境遇。反之，若借助互聯網科技平臺力量發展互聯網信貸業務，一方面能快速擴大信貸服務覆蓋面，并做到線上同時服務千萬級數量水平的客戶1，達成范圍經濟和規模經濟；另一方面有助于運用消費、交通、社交等外源替代數據進行大數據分析，更加準確地評估借款人的還款意愿和能力，從而有效降低信貸風險。從助貸機構的角度來看，從助貸機構的角度來看，隨著信息技術的不斷更新迭代，中國互聯網普及率在過去 20 年間飛速提升，居民已經養成通過互聯網獲取各類服務的習慣，其中，廣覆蓋、低運營成本、便利性強的互聯網金融服務一定程度上滿足了中低收入人群的信貸需 1 資料來源：部分股份制商業銀行調研訪談結果。7 求?；ヂ摼W平

15、臺機構普遍掌握專業的數字技術，擁有廣覆蓋的業務場景，同時在多年經營中積累了大量的用戶數據信息，這些優勢使得其相比金融機構能更有效率地觸達客戶、更準確地進行風險定價。值得一提的是，助貸機構與金融機構的關系并非替代和競爭，兩者在促進金融信貸發展方面應是互補協作的關系。助貸機構為金融機構提供外包服務，具體到數據層面主要有搜集、處理、加工、價值挖掘等，能夠很大程度上促進數據要素價值釋放，這也是經濟與金融增長理論的體現。從金融消費者的角度來看，從金融消費者的角度來看，傳統金融體系的信貸服務具有較高門檻，缺乏信用記錄、無抵押資產群體的信貸需求難以得到有效滿足。有關數據顯示，2022 年全國居民按照人均收入

16、進行五等分：低收入組人均可支配收入 8601 元，中間偏下收入組人均可支配收入 19303 元，中間收入組人均可支配收入 30598 元，中間偏上收入組人均可支配收入 47397 元，高收入組人均可支配收入 90116 元2。換言之，除收入最高 20%人群之外，其余 80%居民的年人均可支配收入為 26474.8 元，平均到每月為 2206 元。助貸業務模式下，信貸供需雙方的交互性大大增強，金融消費者基于預算約束的傳統主觀偏好逐漸被互聯網大數據和算法推薦所影響，金融消費者的信貸需求將在數字經濟網絡正外部性的作用下，隨著信貸獲取規模的增加而增加。此外，金融機構與互聯網平臺機構合作，有利于創新金融

17、產品和服務模式、以更低搜索 2 資料來源：中華人民共和國 2022 年國民經濟和社會發展統計公報，網址：http:/ 8 成本滿足更多消費者小眾、個人化的信貸需求，即“長尾效應”。圖圖 2.1 助貸業務模式主要理論依據助貸業務模式主要理論依據 2.2 現階段助貸業務模式的價值與現實意義現階段助貸業務模式的價值與現實意義 2.2.1 助貸模式與國家普惠金融發展戰略相契合助貸模式與國家普惠金融發展戰略相契合，幫助中低，幫助中低收入群體以可支付成本從正規收入群體以可支付成本從正規渠道獲得所需信貸服務，助力實現渠道獲得所需信貸服務，助力實現金融健康穩定發展金融健康穩定發展 一方面，金融機構通過與互聯網

18、消費、社交、娛樂平臺等有場景優勢的助貸機構合作拓展了線上場景觸達并服務客戶的范圍，對傳統銀行線下網點渠道以及自有網站與 app 線上渠道形成了有利補充。從調研的部分股份制銀行情況看，通過互聯網助貸業務服務的客群更加下沉，戶均貸款余額僅為通過自有渠道服務客群的十分之一左右，同時服務的客戶數量在千萬級水平，顯著高于自有渠道服務客群十萬級的數量水平。如圖 2.2 所示，在2014-2021 年互聯網貸款快速發展時期，中國低收入人群從主流金融機構獲得貸款的占比從 9%提升至 31%，提升幅度顯著高于 9 世界平均水平、發展中國家平均水平以及印度、德國、英國等國家。圖圖 2.2 2014-2021 年低

19、收入人群從年低收入人群從主流主流金融機構借貸變化情況金融機構借貸變化情況 數據來源：World Bank Global Findex Database 另一方面，金融機構通過與有數據優勢的助貸機構合作，對用戶各類消費交互行為、特征畫像等替代數據進行大數據分析，在傳統金融征信數據之外更好地判斷借款人的信用情況，尤其是對大量難以獲得貸款服務、缺少征信數據的低收入人群，從而讓金融機構有依據、有能力向低收入人群提供貸款服務。廣大被排斥于傳統金融體系之外的人群通過助貸模式獲得了安全、可負擔的信貸服務，促使民間借貸糾紛顯著減少（詳見圖 2.3），極大地推動了我國金融健康可持續發展。10 圖圖 2.3 中國

20、民間借貸糾紛案件占總民事案件中比例中國民間借貸糾紛案件占總民事案件中比例 數據來源：中國司法大數據服務網 2.2.2 助貸業務模式推有助于加快我國金助貸業務模式推有助于加快我國金融機構數字化轉型融機構數字化轉型進程，進而進程，進而強化金融行業長期競爭力強化金融行業長期競爭力 互聯網貸款相比傳統線下貸款，需要滿足海量客戶全天候、實時、無間斷的服務需求，便捷化、智能化、個性化的用戶體驗要求，以及多維立體、精準直接的大數據風控能力要求。當技術、資金、人才資源不足的情況下，金融機構通常選擇與第三方科技公司等合作以提升信貸服務質效，在與各類助貸機構通過 IT 系統傳輸數據信息的過程中潛移默化地提升了綜合

21、利用行內數據和外源替代數據開展大數據風控的能力，并逐步改善自身 IT 系統的穩定性和靈活性。此外，金融機構通過與助貸機構合作，利用替代數據為主的大數據風控模型，服務了大量過往因為缺乏征信數據而無法獲得貸款服務的“信用白戶”，這些“信用白戶”通過使用互聯網貸款產生的個人信貸數據，最終會通過上報征信 11 系統成為全金融行業通用的信用數據資源，對于構建多層次廣覆蓋的全國征信體系具有積極意義，最終全面提升我國金融業市場競爭力。2.2.3 在消費信貸業務數字化和場景化發展大趨勢下，助貸在消費信貸業務數字化和場景化發展大趨勢下，助貸業務模式客觀上有助于滿足日益增加且多元化發展的居民消費業務模式客觀上有助

22、于滿足日益增加且多元化發展的居民消費及相應的信貸融資需求及相應的信貸融資需求 國家統計局數據顯示，中國社會消費品零售總額從 2014 年的 26.2 萬億元增長至 2022 年的 43.97 萬億元，其中在數字化場景中實現的實物商品網上零售額規模從 2.4 萬億元增長至 13.79萬億元，貢獻了社會零售額增量的 64.1%，這反映出數字化場景是消費增長的重要驅動因素，而數字化和場景化亦是消費信貸業務未來發展的重要趨勢。隨著經濟與社會發展水平的穩步提升，人民生活水平也逐漸提高，我國居民消費呈現出一些新特點：消費分級化。消費分級化。阿里、京東、拼多多，憑借著不同的市場定位與客群劃分，走上了各自成功

23、發展之路，從側面說明我國消費并不是單一的升級化，而是分級化，具體包括一二線城市與三四線城市的消費分級化、城市與農村的消費分級化。消費年輕化。消費年輕化。80 后、90 后和 00 后占據了我國較大比例的人口基數，這部分人群具有較強的消費購買能力和提前消費理念，并且培養了通過移動互聯網進行消費的習慣與技能，因而我國場景消費金融群體年輕化趨勢非常明顯。消消 12 費定制化。費定制化。隨著物質文化生活的不斷豐富，人們已經不再滿足于程序化、模板式的產品和服務消費，小到手機殼、水杯，大到學歷教育、出國旅行，都有更多個性化的消費需求。綜上，我國居民消費需求日益多元化發展，對相應的消費信貸產品與服務有更高的

24、要求，而助貸業務模式客觀上能更精準識別并滿足居民消費信貸需求。2.2.4 現階段居民消費已成為拉動經濟增長的主要力量，助現階段居民消費已成為拉動經濟增長的主要力量，助貸業務模式有助于激發貸業務模式有助于激發居民消費潛力，進而強化消費對經濟的刺居民消費潛力，進而強化消費對經濟的刺激激 受到長、短期經濟因素的影響，居民消費的市場格局正在發生重大變化。短期看，受三年疫情與國際局勢沖擊，當前經濟下行壓力大，收入就業情況不太樂觀，導致居民資金壓力上升，消費意愿下降，需要通過提振消費來助力經濟企穩回升。長期看，我國經濟韌性強、潛力足、回旋余地廣、長期向好的基本面沒有改變，中等收入群體規模也在繼續擴大。據統

25、計，當前我國中等收入人群占比 35%，對消費貢獻達到了 50%，未來隨著中等收入人群規模的日益擴大，會有巨大的消費金融需求釋放出來。助貸模式下的金融機構信貸服務與數字化場景深度融合，可以極大地激發居民消費潛力，同時為之提供便捷的貸款申請、支用等服務。此外，助貸模式能更準確地預測借款人違約行為，有效降低詐騙、套現、虛假交易等風險，確保信貸資金用于真實消 13 費交易，從而提高消費金融質效，更好地支持實體經濟發展。3 國外助貸業務發展模式與實踐經驗國外助貸業務發展模式與實踐經驗 3.1 美國助貸模式演化歷程美國助貸模式演化歷程 美國助貸業務模式長期普遍存在，體系較為成熟，其早期助貸業務所利用的數據

26、，涵蓋了傳統征信信息、線下實體各行業經營數據。不同于我國助貸業務市場隨著移動互聯網迅速發展而引來爆發式增長，網絡社交數據、平臺查詢數據、消費行為數據等互聯網大數據信息進入助貸領域，對美國傳統金融體系的沖擊相對更緩和。原因在于，美國傳統金融體系相對完善,原本居民對正規渠道的金融服務就有較強可得性，盡管互聯網助貸模式提升了信貸服務的可觸達性和便利性，但居民對傳統金融服務方式仍保有一定程度的慣性依賴。通過梳理，本報告將美國助貸業務模式的演化過程大致分為以下三個階段。3.1.1 第一階段：美國信用數據機構作為“信息中介”，幫助第一階段：美國信用數據機構作為“信息中介”，幫助金融機構完善客戶信用評估金融

27、機構完善客戶信用評估 早在 20 世紀 60 年代，美國商戶以地區為單位設立了非營利性的私營征信機構，之后隨著消費信貸業務的不斷擴張，以及信用卡的出現及推廣，地區性的私營征信機構無法適應全國性的客戶數據要求，導致信息收集成本較高、沒有足夠競爭實力的部分小型地區性私營征信機構逐漸被收購、兼并，最終經過幾十年的 14 充分競爭，在 21 世紀初形成了 Equifax、Experian 和 Trans Union三家全國性金融征信報告機構壟斷的局面3。除金融征信報告機構之外，美國信用評估體系中還包括專業征信報告機構、數據經紀商和數據分析服務機構三類信用數據機構。三家金融征信報告機構主要出具包含個人基

28、本信息、傳統信貸數據、極端負面信息和征信查詢記錄在內的征信報告；專業征信報告機構一般面向某一個行業，某一種服務或某一種人群，聚焦于特定市場或消費者細分領域，提供定制化的分析工具或信用報告；數據經紀商主要從政府來源、商業來源和其他公開可用來源三個渠道搜集、購買消費者個人信息，并對這些原始信息及衍生信息進行整理、分析和加工后，向金融機構輸出該信息用于產品營銷、驗證個人身份或檢測欺詐行為等目的；數據分析服務機構則根據外購的數據和征信報告等信息資源進行相關分析，向外輸出數據分析產品和服務。3.1.2 第二階段：大型實體經濟企業進入助貸領域，與金融第二階段：大型實體經濟企業進入助貸領域，與金融機構合作開

29、展依托具體經營場景的聯名信用卡業務機構合作開展依托具體經營場景的聯名信用卡業務 在美國信用評估體系中，依靠分散化的公司及主體收集整合個人信息，再通過信用信息共享來幫助金融機構進行信貸決策。但隨著實體經濟發展，在某些重要領域中出現了資產規模超大的龍頭企業，在經營中逐漸積累了多維度的客戶個人信息，憑借客 3 資料來源：“美國個人征信行業發展研究”，方正證券，網址：http:/ 15 戶、數據、場景和增信等優勢，與金融機構合作開展信貸服務。20 世紀 80 年代，實體行業品牌商開始與金融機構發行聯名信用卡，向金融機構提供營銷渠道與權益、品牌增信等服務。如表 3.1 所示，1985 年，連鎖超市 Se

30、ars 進入和信用卡公司合作，發行 Discover Card。Sears 曾經是美國最大的零售商，直到 1990年才被沃爾瑪超越，在上世紀中葉擁有超過 35 萬名員工，留存了大量客戶購買信息記錄；1990 年，電信巨頭 AT&T 成立子公司 AT&T Universal Card Services Corp 進軍信用卡市場，發行AT&T Universal Card。AT&T占據美國50%的電信服務市場份額，擁有多年積累的龐大客戶信息庫及長途電話卡的消費場景；同樣是 1990 年，26 家航空公司進入信用卡行業；1992 年，通用汽車進軍信用卡行業。這些交通巨頭開展聯名信用卡業務有三方面優勢

31、：一是有消費者行為數據，例如交通出行數據、個人的基礎信息等，能夠更精準刻畫個人畫像；二是由于航空出行和汽車購買屬于相對高端消費，公司能夠更信任自身客戶，為客戶帶來較低價格；三是公司擁有消費場景，能夠深入觸及到客戶，利用場景推廣自身的信用卡產品。表表 3.1 80 年代年代-90 年代進軍聯名信用卡行業的代表企業年代進軍聯名信用卡行業的代表企業 公司名稱公司名稱 跨界時間跨界時間 公司行業公司行業 企業企業 信用卡品牌信用卡品牌 Sears 1985 連鎖超市 Discover Financial Discover Card 16 AT&T 1990 電信 AT&T Universal Card

32、 Services Corp AT&T Universal Card 26 家航空公司 1990 航空 AirPlus International UATP 通用汽車 1992 汽車 Household Finance Corp GM Card 數據來源：企業官網、華泰證券研究院 值得一提的是，大型實體經濟企業數據與社會整體信用評估系統并非是獨立的兩套體系，二者之間也會相互進行信息的共享交流。例如，大型實體經濟企業在信用卡發放時也會查詢金融征信報告機構數據、參考專業征信報告機構數據，而大型實體經濟公司的數據也會部分售賣給數據經紀公司等，從而流入社會整體信用評估體系。3.1.3 第三階段：第三階

33、段：隨著互聯網消費貸款行業的發展，傳統助隨著互聯網消費貸款行業的發展，傳統助貸模式開始數字化轉型，涌現出擁有大規模替代數據的新興助貸貸模式開始數字化轉型，涌現出擁有大規模替代數據的新興助貸機構機構 隨著移動互聯網的快速普及，美國傳統助貸模式受到巨大沖擊轉而進行數字化轉型。首先，許多互聯網數據出域，加入到社會整體信用評估體系的建設中。例如，FICO 于 2016 年推出引入傳統征信數據之外的替代數據的 FICO Score XD 產品，而美國三大征信局也利用大規模替代數據作為征信報告的重要補充參考信息。其次，互聯網平臺機構也開始利用自身數據與場景優勢參 17 與到金融服務中。例如，2016 年互

34、聯網平臺 Amazon 與 Synchrony發行聯名信用卡，主打線上電商場景的信用卡消費；分別成立于1998 年與 2007 年的 Lending Tree 與 Credit Karma 推出線上貸款超市，為金融機構提供線上貸款營銷引流服務。除傳統助貸模式參與主體機構尋求線上化、數字化合作與發展之外，互聯網貸款領域也涌現出多家新興助貸機構，為金融機構提供數字化和全鏈條式助貸服務。例如，成立于 2012 年的Upstart 向合作金融機構提供從營銷引流、風控、貸款支用還款到貸后催收的全鏈條式服務；Affirm，Klarna，Afterpay 等公司也通過全貸款流程的合作與金融機構推出“先買后付

35、”信貸產品，并于 2017 年開始興起。3.2 國外助貸業務中各環節合作內容與收費模式國外助貸業務中各環節合作內容與收費模式 助貸環節按照其性質可以分為引流、輔助風控與貸后催收，而輔助風控環節又包括了反欺詐、征信服務、信用評分和科技外包。引流是指第三方機構利用其與客戶之間的密切聯系，將有貸款需求的客戶推送到金融機構；輔助風控是第三方機構利用其自身數據優勢，精準刻畫客戶，將客戶的相關信息、用自身模型計算出來的信用分推送給金融機構；貸后催收是第三方機構利用自身對客戶的數據優勢、服務優勢與客戶聯系，提醒客戶還款。各個環節都在助貸中扮演重要的角色，對金融機構而言都能夠幫助其更好地進行貸款。18 當前國

36、外助貸業務市場中存在多元化的收費模式（詳見表3.2）。單業務環節合作與前述國內收費模式大體相似：單業務環節合作與前述國內收費模式大體相似：營銷環節的合作是為了提升貸款業務獲客效果，因此助貸機構一般按照推薦客戶數量與新增貸款服務業務規模的一定比例收費；催收環節的合作是為了提升貸款催收效果，因此助貸機構一般按照催回貸款金額的一定比例收費。在反欺詐環節，中美助貸機構收費模式有所差異：國內同盾科技按照金融機構反欺詐的調用次數收費，美國 Riskified 則按照貸款審批的貸款規模一定比例收費。在多環在多環節節的全鏈條助貸服務中：的全鏈條助貸服務中：國內助貸機構一般按照合作貸款業務利息收入的一定比例收費

37、；美國金融機構 Synchrony 則按照合作貸款業務利息收入扣除資金、運營、風險成本后的利潤的一定比例向聯名信用卡的合作助貸機構付費；美國助貸機構 Upstart 則將助貸服務拆成兩種模式收費4，對于向金融機構提供的貸款營銷與風險初篩服務，按照貸款發放規模的一定比例收取一次性費用，而對于貸款存續期內的客服、還款服務、催收服務等服務，則按照存續貸款規模每年收取一定比例的費用。表表 3.2 國外助貸合作代表性機構及收費模式國外助貸合作代表性機構及收費模式 服務內容服務內容 單環節代表單環節代表 全流程代表全流程代表 收費模式收費模式 定價案例定價案例 引流引流 Credit Karma Upst

38、art,Amazon,Klarna,基于展示、點擊量與轉化率 11.5%（Upstart 年報與 招 股 說 明 書，referral fee)4 由于 Upstart 所推薦的客戶中有許多來自引流平臺 Credit Karma，例如 2019 年有 38%的客戶來自 Credit Karma，而 2020 年則達到了 50%。所以 Upstart 助貸服務在引流和平臺費用（輔助風控）的拆分上相對清晰。19 反欺詐反欺詐 Riskified Afterpay 收費：按貸款規模一定比例 基于審批貸款發放金額的一定比例 2.5貸款發放金額(Riskified 年報）征信服務征信服務 Equifax

39、,Experian,Trans Union 基于數據使用量 6.7%（Upstart 年報與 招 股 說 明 書,platform fee)信用評分信用評分 FICO,VantageScore 基于使用產品類型和訂閱量 科技外包科技外包 nCino 按使用人數收取訂閱費 貸后催收貸后催收 TrueAccord,PRA Group 基于催回金額比例 低于 5%（Upstart 年報 與 招 股 說 明書,service fee)在各環節的費用方面，因為涉及到商業機密，各助貸機構公布相對較少。本報告以 2019 年 Upstart 的招股說明書數據為例對各環節進行說明（詳見表 3.3）。Upsta

40、rt 將自身的助貸環節分為了三個部分：referral fee（對應國內引流費）、platform fee（對應國內輔助風控費用）和 service fee（對應國內貸后催收費）。其中，引流費為貸款本金的 3%4%；輔助風控費用為貸款本金的 2%，輔助風控具體包括風險評估、擔保、反欺詐等服務。此外，Upstart還向貸款持有人收取 0.5%至 1%的年度服務費（service fee），作為提供跟蹤、催收等服務的費用。對 Upstart 收取的助貸服務費率進行測算：整體通過 Upstart發放的貸款平均期限在 4.6 年（約 55 個月）。Upstart 受美國各個州的最高利率法案監管，其對客

41、利率在 6.5%36%區間內浮動，對客的貸款加權平均利率為 19.01%，最終 Upstart 助貸服務收費占貸款利息收入比例為 18%。20 表表 3.3 2019 年助貸機構年助貸機構 Upstart 收取的助貸服務費收取的助貸服務費 Upstart 引流及平臺費收益率 6.10%Upstart 服務費收益率 0.75%發起貸款的加權平均貸款期限 55 個月 發起貸款的加權平均貸款利率（對客）19.01%Upstart 助貸收費占貸款利息收入比例 18%數據來源：公開數據 3.3 美國助貸模式出現以“先買后付”為核心美國助貸模式出現以“先買后付”為核心的線上全流程的線上全流程鏈條鏈條式服務

42、式服務“先買后付”（Buy now pay later,BNPL）是近年來興起的助貸模式，消費者金融保護局(CFPB)將 BNPL 定義為“分期付款”產品，具體為分四期付款的無息消費貸款，首付通常為 25%，剩下的三期每兩周到期一次。BNPL于 2010 年代中期開始使用，作為在線零售購買的另一種短期信貸形式嶄露頭角，在全球各個國家都有許多代表性公司，例如歐洲的 Klarna、北美的 Affirm等（詳見圖 3.1）。21 圖圖 3.1 BNPL 模式的全球分布情況模式的全球分布情況 圖片來源：Fincog 主頁 根據美國銀行估計，BNPL 的消費規模持續增長，預計到2025 年 BNPL 消

43、費市場交易總額將達到 1 萬億美元，而隨著市場規模的逐步壯大，未來 BNPL 也將擺脫所謂的“新興支付方式”，轉而成長為消費者的常規支付選項。2020數字/移動錢包信用卡借記卡銀行轉賬現金到付收費和延期借記卡先買后付借記預付卡后付款提前付款其他 2024 圖圖 3.2 銀行和金融科技公司發起的無抵押貸款占比銀行和金融科技公司發起的無抵押貸款占比 BNPL 公司通常以購物平臺的形式集成在 APP/網站中。用戶可以定制自己的喜好，平臺會根據個人信息推送相關商品，同時用戶也可以搜索商品進行全網比價。BNPL 平臺利用“先買后付”的模式放貸，與銀行、商家合作，在促進交易的同時幫助金融機構提升貸款業務規

44、模。因此，其收入主要包括兩大部分，一方面是商家為促成貸款，會給平臺公司折扣費用；另一方面是 BNPL公司為金融機構提供引流、輔助風控、貸后跟蹤與催收等服務，22 放貸的金融機構會根據審核后放款的實際金額與貸款質量支付合作費用。此外，BNPL 公司會通過自身的支付渠道發放虛擬信用卡，也會帶來一部分收入。BNPL 公司的 APP 與網頁會集成眾多購物公司的鏈接，點擊后會跳端到商戶自身的購物網站。選擇商品后，消費者如果想使用 BNPL 模式付款，則需要進行以下流程：（1）選擇支付方式：用戶首先需要確認選擇 BNPL 付款方式，隨后在先買后付 APP 或者 H5 對應的支付頁面會顯示出對應的還款計劃，

45、包括期數、每期應還款額等信息，并且需要勾選支付服務協議，點擊確認并完成安全驗證即可完成消費。大部分的BNPL 公司僅提供用戶一種分期形式，例如 Affirm 目前支持 4期，但也有公司提供多種選擇項，如 Klarna 的部分公司提供三期或四期的分期選項，消費者也可以選擇 14 天、30 天或者 60天的先買后付不分期服務。（2）綁卡與身份信息填寫：用戶第一步應進行綁卡授信，在 APP 端會根據已有賬號信息填充，在互聯網端則以 H5 小頁面填寫身份信息（手機號、地址等）并注冊綁卡，主要支持借記卡與信用卡。（3）風險核查與審批放款：用戶需要提供當地國家或地區唯一的身份 ID，BNPL 公司會查詢內

46、部或外源的征信信息進行風險核查，如果通過自身模型，則會進行放款，或者推給銀行，讓銀行進行審批放款。BNPL 公司是基于每一筆訂單做實時授信，23 消費者也針是對該訂單申請延期付款或分期，而不是基于賬戶做授信。圖圖 3.3 BNPL 購買及分期還款交易流程購買及分期還款交易流程5 以四期為例，如果采用 BNPL 支付模式，具體的交易流程與資金流動情況如圖 3.3 所示。在具體實踐中，不同公司可能有差異化的做法，具體取決于金融機構與助貸機構的合作方式與權責劃分。本報告以歐洲與北美的 BNPL 巨頭Klarna 與 Affirm分別舉例。Klarna 模式分析模式分析 Klarna Bank AB，

47、通常被稱為 Klarna，是歐洲 BNPL 業務規模最大的金融科技企業。2017 年 6 月，Klarna 獲得瑞典金融監 5 網址：https:/ 24 管局（SFSA）頒發的全銀行牌照，躋身歐洲最大銀行之列。Klarna 通過 APP 與網頁的形式進行展業，其中 APP 形式使用較多，是其生態的核心。Klarna 平臺會集成多家網購平臺的眾多商品，用戶可以根據商品類別進行檢索，并找到最優價格。如圖 3.4 所示，在選擇商品時，用戶雖然還是在 APP 內操作，但是其界面頂部會顯示已經跳轉到其他商戶界面；如果在網頁版，則跳轉到其他網站。圖圖 3.4 Klarna 購買流程購買流程 若使用 AP

48、P，用戶只能選擇 Klarna 支付方式，但是在網頁版則可以以其他方式支付，例如 Paypal 等。在綁定付款卡方面，通過 Klarna 支付可以綁定借記卡、信用卡與蘋果支付，當決定分期之后，借款界面會跳出提示，顯示出借款背后的資金方。在美國，Klarna 支付方式背后的資金方是 WebBank（一家猶他州的區域性銀行），并且即使客戶綁定使用信用卡進行支付，其背后的實際資金來源仍為 WebBank，而不是信用卡的開戶行。此外，25 Klarna 并未披露是否會對貸款承擔責任，即。在歐洲，Klarna 并沒有標注合作方，可能是因為 Klarna 在德國與丹麥已開始推出存款賬戶，逐漸使用自有資金放

49、貸。圖圖 3.5 Klarna 德國網頁選擇分期支付界面德國網頁選擇分期支付界面 Affirm 模式分析模式分析 Affirm 平臺與 Klarna 平臺在經營模式上區別不大，但 Affirm對與銀行合作細節披露較多。Affirm 絕大部分貸款由 Cross River Bank（一家猶他州的區域性銀行）與 Celtic 銀行（一家猶他州的行業貸款公司“Industrial Loan Company”）提供資金支持。這些銀行擁有審批、發放貸款的最終權力，并可以將貸款出售給Affirm。Affirm 和商業合作伙伴所簽協議規定：Affirm 有義務回購所有通過平臺發放的貸款，并以自己在合作銀行的

50、現金存款作為擔保。在實際操作中，Affirm 會回購 80%經自身平臺放出的貸 26 款6。盡管銀行是貸款的實際持有方，但大部分時候并不直接服務客戶，而是由 Affirm 直接對接客戶，提醒客戶支用還款等。此外，Affirm 設立多家子公司，獲得加拿大和美國許多州的貸款許可證，可以直接發放自營貸款，目前規模已達到 6 億美元7。從助貸機構角度看，全鏈條助貸模式的利潤空間更大，也能從助貸機構角度看，全鏈條助貸模式的利潤空間更大，也能夠吸引用戶留在自有場景中。夠吸引用戶留在自有場景中。一方面，全鏈條助貸模式相較于單環節助貸合作而言，服務內容更全面、連貫，促使助貸機構相對金融機構有更強議價能力；另一

51、方面，全鏈條助貸模式下，引流、授信、輔助風控、貸款催收等各業務環節將形成閉環，信貸消費者數據回流有助于助貸機構迭代用戶信息，進而保持提供精準服務的能力以吸引用戶留在自有場景中，形成良性循環。從助貸業務整體效率來看，全鏈條助貸模式有利于大型互聯從助貸業務整體效率來看，全鏈條助貸模式有利于大型互聯網平臺機構充分發揮場景、數據優勢，從而保證服務質量。網平臺機構充分發揮場景、數據優勢，從而保證服務質量。由于不同機構掌握的客戶群體及信息維度不完全一致，單一金融機構在不同業務環節接受不同機構的助貸服務，需要將數據進行匹配和鏈接，則可能出現部分上游環節機構提供信息無法被下游環節機構識別并用于客戶信用判斷的情

52、況。例如，擁有真實業務場景的 BNPL 公司、大型互聯網公司對特定金融機構提供純引流服務，但在輔助風控環節接受 Credit Karma（稅務數據）、Lending Tree（貸款經紀）等數據來源相對單一機構的信用評估服務，則 6 數據來源：Affirm 公司 2021 年度報告 7 數據來源：Affirm 公司 2022 年度報告 27 難以基于更多維度信息對 BNPL 平臺推送客戶的信用進行補充性判斷，從而造成變相的信息資源浪費。從信息傳輸的合規要求從信息傳輸的合規要求來看，全鏈條式助貸減少了個人信息來看，全鏈條式助貸減少了個人信息在不同機構間的傳輸頻次，一定程度上降低了助貸合規成本以及在

53、不同機構間的傳輸頻次，一定程度上降低了助貸合規成本以及信息泄露潛在風險。信息泄露潛在風險。根據2020 年加州隱私權法，美國在個人信息收集方面具有較為寬松的政策環境，但對個人信息傳輸行為有更強的約束。例如，蘋果公司與谷歌都會收集電子郵件地址、聯系信息（包括實際地址）、付款信息（包括銀行詳細信息）、交易信息、財務信息（包括工資、資產等）、政府身份證數據等8，但科技巨頭們在數據使用上較為謹慎。具體來看，在做廣告推送時，Apple 會在 App Store、新聞應用程序和股票應用程序上投放廣告，但不會將數據出售給第三方廣告商，轉換至助貸服務模式中，Apple 和谷歌會根據其內部數據來幫助金融機構識別

54、用戶身份，但他并不會將用戶原始數據直接向外分享。根據亞馬遜的“隱私聲明”，該公司“不從事將客戶的個人信息出售給他人的業務”。亞馬遜會使用它收集的數據來更好地判斷客戶偏好，進而提供定制化的產品服務，但與 Apple 和谷歌不同的是，亞馬遜某些不以盈利為目標的情況下會與參與交易的第三方共享客戶的部分數據，例如星巴克、AT&T 等，亦或是與其他企業組織交換客戶信息以進行反欺詐、管理客戶信用風險，但涉及數據傳輸始終會有諸多限制。因此，全鏈條助貸模式有利 8 網址：https:/ 于降低數據傳輸合規成本，并降低個人信息泄露機率。3.4 國外助貸業務監管思路與實踐國外助貸業務監管思路與實踐 3.4.1 國

55、際上對互聯網機構助國際上對互聯網機構助貸服務持鼓勵態度貸服務持鼓勵態度 從實際效果來看，互聯網平臺助貸服務大幅促進了消費者的金融可得性，因而國際上監管機構對其業務經營整體上持鼓勵態度。以美國為例，美國消費者金融保護局（Consumer Financial Protection Bureau，CFPB）于 2012 年推出了“催化劑計劃”（Project Catalyst），旨在促進有利于消費者的金融創新。根據美國人工智能借貸平臺 Upstart 及相關研究機構的測算，Upstart 的 AI 模型使服務的借款人群增加了 43.4%，批準貸款的平均年利率降低43.2%，貸款的便捷性也顯著提升9。

56、憑借對金融消費者的幫助，Upstart 于 2017 年獲得 CFPB 首次出具的不行動函（Non-action Letter）。不行動函由政府機構向被監管機構發出，意為不推薦監管機構對其采取法律或其他監管行動，此舉有助于降低 Upstart創新產品的監管成本。隨著規模不斷擴張，助貸業務出現了掠奪性貸款、銀行風控責任缺失等問題，不僅損害了消費者權益，而且危及金融系統的穩健性。有鑒于此，美國、英國、歐盟自 2021 年開始加大對互聯網助貸業務的關注，對平臺機構與金融機構合作開展信貸活動 9 資料來源：Upstart 2022 年報 Value Proposition to Consumers 部

57、分 29 提出了相關監管指引。在美國，CFPB 于 2022 年 9 月發布報告，對“先買后付”（Buy Now Pay Later,BNPL）這一信貸形式的市場趨勢及其對消費者的影響進行了分析，明確并特別指出其潛在的市場風險；美國財政部在 2022 年 11 月向白宮提交了新興非銀行機構對消費金融市場沖擊的評估報告，內含對銀行與金融科技公司合作發放貸款的監管建議。在英國，財政部于 2021 年 2 月宣布將對 BNPL 業務進行監管，并于 2023 年 2 月就 BNPL 業務法律草案公開征求意見，建議由英國金融行為監管局（Financial Conduct Authority，FCA）承擔

58、 BNPL 監管職責，預計草案將在2023 年底前成為正式法律。在歐盟，歐盟委員會于 2021 年 2 月向歐盟銀行業管理局（European Banking Authority，EBA）征求對非銀行互聯網貸款業務的監管意見，后者在 2022 年 4 月發布的回應報告中提出了監管建議。3.4.2 重視人工智能在互聯網助貸業務上的潛在風險重視人工智能在互聯網助貸業務上的潛在風險 互聯網助貸機構通常采用人工智能、機器學習等科技手段對數據進行加工處理，進而形成金融消費者畫像，這一過程存在諸多技術風險，其中包括模型的可解釋性、數據選擇偏差與過度擬合、網絡安全、客戶隱私等問題，可能會對消費者權益甚至金融

59、系統穩定造成沖擊。首先，人工智能算法模型容易得出歧視性的信貸評估結果。以美國為例，人工智能算法和模型的可解釋性有可能違反其公 30 平信貸機會法案（Equal Credit Opportunity Act）和多德弗蘭克法案（Dodd-Frank Act）的相關要求。美國傳統線下信貸服務中，族裔不能成為信用評估參考因素之一，但人工智能技術可能會通過算法自動刻畫出客戶的族裔特征，從而造成隱性信貸歧視。此外，許多信貸分析模型通過機器學習技術實現了自行迭代，無需人工交互即可自我提高與改進，這給監管審查帶來了極高的挑戰。其次，人工智能技術中的數據選擇偏差與過度擬合問題可能造成信貸風險?；ヂ摼W助貸機構為金

60、融機構提供的用于客戶引流與輔助風控服務的數據在樣本選擇上容易出現偏差，或者在模型構建中存在過度擬合，一旦這些數據和模型被擴展應用到更大范圍時就會進一步放大謬誤，進而引發金融系統性風險。最后，互聯網助貸業務潛藏著較大的網絡安全風險。金融業屬于數據密集型和科技驅動型行業，對網絡與信息技術的安全性與穩定性要求極高。市場上互聯網助貸機構的數量與類型眾多，數據管理水平參差不齊，在利用大數據為金融機構提供助貸服務的過程中可能發生運維風險（如數據丟失、數據泄露、數據非法篡改等），不僅會導致合作金融機構風控質量下降，還有損金融消費者個人信息安全。3.4.3 允許金融機構將信貸風險管理工作進行外包允許金融機構將

61、信貸風險管理工作進行外包 在美國，金融機構在盡到風險自查職責的前提下，可以將信 31 貸風險管理工作外包給第三方機構（通常為互聯網助貸機構），即“責任不外包，服務可外包”。具體來看，美國機構間信用風險審查系統指引（Interagency Guidance on Credit Risk Review Systems）中明確規定，銀行對信用風險評估系統的有效性與穩定性負有責任，但可以將信用風險評估工作部分或者全部外包給第三方機構。此外，美國銀行業聯邦監管機構于 2023 年 6 月發布 第三方關系機構間指引：風險管理（Interagency Guidance on Third-Party Rela

62、tionships:Risk Management），提出了金融機構與第三方機構進行風控合作的全周期監管要求，核心內容是銀行引入第三方合作關系須進行盡職調查并厘清各方的責權利，合作期間需自行或借助外部資源持續監控第三方機構表現，以確保合作過程規范，同時采取與自身經營規模及業務復雜程度相匹配的風險管理舉措。美 國 聯 邦 存 款 保 險 公 司（Federal Deposit Insurance Corporation，FDIC）也要求銀行在與互聯網助貸機構的合作中能夠盡到評估與保障貸款的責任，尤其對社區銀行和區域性銀行與互聯網助貸機構的合作給予了更嚴格的審查。例如，2021 年 8月，與互聯網

63、助貸機構合作較多的社區銀行 Cross River Bank 接到指令，被要求向 FDIC 提交本行與第三方機構聯合提供的信貸產品清單，并且聘請 FDIC 認可的獨立第三方機構對信貸產品進行評估。32 3.4.4 金融金融監管部門有權對互聯網監管部門有權對互聯網助貸機助貸機構進行直接審查構進行直接審查 根據美國 2016 年頒布的 銀行服務公司法案(Bank Services Company Act)，聯邦監管機構對于為銀行提供服務的第三方技術服務商具有同等的監管權力。例如，在 2017 年，聯邦存款保險公司監察長辦公室（The Office of Inspector General at t

64、he FDIC）審查了技術服務商（Technical Service Providers）與 19 家銀行之間的 48 份合同。具體審查內容包括：第一，技術服務商是否未經授權訪問或使用敏感非公開個人信息；第二，技術服務商是否有能力在遇到網絡相關問題時快速反應并恢復服務；第三，不良事件發生后，技術服務商是否向銀行提供事件響應報告并協助銀行采取相應預防措施。此次審查結果發現，銀行與技術服務商之間的合作合同大都由技術服務商起草，導致銀行與技術服務商之間的權責劃分不夠清晰。此外，技術服務商經常使用分包商，但銀行對分包商的盡職調查不充分，特別是中小銀行對分包商的操作風險控制不足。根據監管要求，除非銀行對

65、分包商進行與技術服務商同等標準的盡職調查，否則應禁止技術服務商使用分包商。3.4.5 將互聯網助貸納入統一的金融監管框架將互聯網助貸納入統一的金融監管框架 美國金融監管體系分為聯邦與州兩個層級，構建了分工明確、運轉高效的監管模式。所有的國民銀行以及在聯邦注冊的外國銀行分支機構均由聯邦金融管理機構負責管理。這些銀行承受 33 的監管成本較高，但可以在全國范圍展業。州一級的非聯邦成員銀行則由各州金融監管機構負責，其業務范圍被限制在各州域內，若想要跨州展業則需要得到目標州的金融牌照?；ヂ摼W助貸機構的業務經營與現行金融監管框架存在抵牾，其主要原因在于經由互聯網助貸平臺發放的貸款能夠越過州際限制，服務全

66、美各個地區的金融消費者，從而規避了美國現行金融監管模式。比如，被稱為美國版“花唄”的 Affirm 公司，其作為一個連接電商消費者與商家的貸款支付平臺，與多家銀行、消費金融公司合作開展互聯網助貸業務。美國新澤西州立銀行Cross River Bank 是 Affirm 的重要貸款合作伙伴之一，該銀行本身不具備在美國全境展業的金融牌照，但實際上卻通過 Affirm為全美各州的借款人提供貸款服務，相當于變相實現了信貸業務跨州經營。此外，有的地方性銀行以金融科技公司為屏障，規避各州的消費者保護及貸款利率上限監管要求，間接向市場發放年利率超過 100%的貸款來獲取高額收益。目前，美國不同監管部門對于互

67、聯網助貸機構的管理辦法態度各異。貨幣監理署（Office of Comptroller of Currency，OCC）于 2016 年 12 月發布文件 探索向金融科技公司發放特殊目的國民銀行牌照（Exploring Special Purpose National Bank Charters for Fintech Companies），提出將非銀行金融科技公司（包括互聯網助貸機構）視為“特殊目的國民銀行”（Special Purpose National Bank），其貸款業務將由聯邦級金融監管機構進行管理。OCC 主 34 要有兩方面理由：一是嚴格的聯邦監管體系能夠確保這些公司以安全、

68、穩健的方式運營；二是金融科技公司普遍在全國范圍展業，且不同公司的業務模式和服務內容各有側重，由聯邦機構管理將有助于促進監管的一致性。此外，根據 OCC 于 2020 年發布的 實際貸款人規則（True Lender Rule），金融科技公司在與銀行合作開展信貸業務時，無論其是否提供貸款資金，只要在貸款協議中被指定為貸款方，那它即為“實際貸款人”。OCC 構想的“特殊目的國民銀行牌照”和“實際貸款人規則”方案一經提出便遭到多方反對。FDIC 認為，金融科技公司沒有參與存款保險，將其視為國民銀行會導致監管風險，并且OCC 無權指定誰是“實際貸款人”。美國聯邦擔保信用合作社協會（The Nation

69、al Association of Federally-Insured Credit Unions，NAFCU）與國家銀行監事協會（Conference of State Bank Supervisors，CSBS）也持類似觀點。面對各方質疑，最終美國國會于 2021 年 6 月投票撤銷了 OCC 提出的方案。綜上所述，當前國外監管部門對互聯網助貸業務整體持開放當前國外監管部門對互聯網助貸業務整體持開放態度，但態度，但尚未形成明確統一的監管規則尚未形成明確統一的監管規則。美國的監管思路以消費者權益保護為核心，在強調銀行自主履行風險審查職責的同時，保留直接對第三方機構進行審查的權力。35 4 當

70、前國內助貸業務監管政策與主要問題分析當前國內助貸業務監管政策與主要問題分析 4.1 國內互聯網貸款助貸模式監管政策梳理國內互聯網貸款助貸模式監管政策梳理 我國監管部門高度重視互聯網金融風險問題，近些年從支付業務、金融業務、宏觀審慎監管等方面發布實施了諸多政策以進行監管和調控，其中，針對互聯網貸款領域（包括助貸模式）的監管體系更是進行了大幅優化與改善（詳見表 4.1）?；ヂ摼W互聯網貸款整體性監管方面貸款整體性監管方面，2020 年出臺的商業銀行互聯網貸款管理辦法，與后續跟進的 2021 年關于進一步規范商業銀行互聯網貸款業務的通知，提出了互聯網貸款業務的系統化規制；2022 年關于加強商業銀行互

71、聯網貸款業務管理提升金融服務質效的通知 進一步明確細化了商業銀行貸款管理和自主風控要求，并規定商業銀行互聯網存量業務整改期限至 2023年 6 月 30 日。機構管理方面機構管理方面，監管部門針對助貸市場參與主體機構頒布了特定的管理政策，非銀行金融機構以小額貸款公司和消費金融公司為主；助貸機構方面則從 2021 年開始對 14 家頭部網絡平臺金融業務進行專項整改10，以金融業務合規經營和消費者權益保護為監管重點，具體內容包括但不限于：金融業務必須持牌經營、支付“斷直連”、個人征信業務通過持牌征信機構依法合規開展、10 14 家平臺名單：螞蟻、騰訊、度小滿、京東數科、字節跳動、美團、滴滴、蘇寧金

72、融、國美金融、陸金所、天星數科、360 數科、新浪金融、攜程金融 36 在個人信息采集使用方面強化金融消費者保護機制。消費者權益保護方面消費者權益保護方面，中國人民銀行金融消費者權益保護實施方法明確了金融機構消費者權益保護工作的行為規范；銀行保險機構消費者權益保護管理辦法嚴格執行行為監管，打擊侵害消費者權益亂象，并構建個人信息保護制度；關于進一步加強校園貸規范管理工作的通知、關于規范整頓“現金貸”業務的通知與關于進一步規范大學生互聯網消費貸款監督管理工作的通知的頒布實施，有效打擊了引流對象“泛化”、助貸行為“異化”、侵犯個人隱私等市場亂象；關于警惕過度借貸營銷誘導的風險提示 和 2021 年“

73、個人貸款利率降低至 24%以下”的窗口指導，主要針對“過度信貸”和“畸高利率”兩大風險進行防控。信貸業務合作方面信貸業務合作方面，金融產品網絡營銷管理辦法（征求意見稿）、征信業務管理辦法和銀行保險機構信息科技外包風險監管辦法分別對貸款業務的營銷導流、信用評估和科技外包等環節中，金融機構與助貸機構的合作形式、權責邊界、行為規范等給出了具體要求?？偨Y來看，2020 年以來，金融部門持續加強對互聯網貸款助貸業務模式的監管，至今相關監管規則經過多次修訂與完善，整體監管體系已經較為健全。與國外互聯網貸款助貸模式監管相與國外互聯網貸款助貸模式監管相比，不僅強調消費者權益保護，還在信用信息數據流轉與應用、比

74、，不僅強調消費者權益保護，還在信用信息數據流轉與應用、貸款業務合作具體環節方面做出了細致、數量化的監管規定，此貸款業務合作具體環節方面做出了細致、數量化的監管規定，此 37 外，既有通過對互聯網貸款助貸模式的業務行為監管文件，也外，既有通過對互聯網貸款助貸模式的業務行為監管文件，也通通過對過對 14 家大型助貸機構的整改行使了主體監管職能。因此，監家大型助貸機構的整改行使了主體監管職能。因此，監管體系的完善度、細致度、嚴格性和前瞻性明顯優于國外，未來管體系的完善度、細致度、嚴格性和前瞻性明顯優于國外，未來監管科技的應用有待加強監管科技的應用有待加強。38 表表 4.1 互聯網貸款助貸模式的相關

75、監管政策互聯網貸款助貸模式的相關監管政策 分類分類 政策文件政策文件 互聯網貸款整體性互聯網貸款整體性監監管管 商業銀行互聯網貸款管理暫行辦法（銀保監會令商業銀行互聯網貸款管理暫行辦法（銀保監會令 2020第第 9 號）號）關于進一步規范商業銀行互聯網貸款業務的通知（銀關于進一步規范商業銀行互聯網貸款業務的通知（銀保監辦發保監辦發202124 號）號）關于加強商業銀行互聯網貸款業務管理提升金融服務關于加強商業銀行互聯網貸款業務管理提升金融服務質效的通知（銀保監規質效的通知（銀保監規202214 號號）機構管理機構管理 小額貸款公司網絡小額貸款業務風險專項整治實施方案（網貸整治辦201756 號

76、）關于網絡借貸信息中介機構轉型為小額貸款公司試點的指導意見（互金整治辦函201983 號）中國銀保監會非銀行金融機構行政許可事項實施辦法（銀保監會令2020年第 6 號）關于加強小額貸款公司監督管理的通知（銀保監辦發202086 號）【重要助貸機構【重要助貸機構監管監管】2021 年開始對年開始對 14 家開展互聯網家開展互聯網貸款助貸業務的大型互聯網平臺的業務整改貸款助貸業務的大型互聯網平臺的業務整改 消費者權益保護消費者權益保護 關于進一步加強校園貸規范管理工作的通知（銀監關于進一步加強校園貸規范管理工作的通知（銀監發發201726 號）號）關于規范整頓“現金貸”業務的通知（互金整治辦關于

77、規范整頓“現金貸”業務的通知（互金整治辦函函2017141 號）號）中國人民銀行金融消費者權益保護實施方法（中國人民銀行令2020第 5 號）關于進關于進一步規范大學生互聯網消費貸款監督管理工作一步規范大學生互聯網消費貸款監督管理工作的通知（銀保監辦發的通知（銀保監辦發202128 號）號）【窗口指導】【窗口指導】2021 年要求全部貸款產品明示貸款年化利年要求全部貸款產品明示貸款年化利率以及窗口指導個人貸款利率降低至率以及窗口指導個人貸款利率降低至 24%以下以下 關于警惕過度借貸營銷誘導的風險提示（銀保監會關于警惕過度借貸營銷誘導的風險提示（銀保監會消保局消保局 2022 年年 3 月月

78、14 日發布）日發布）銀行保險機構消費者權益保護管理辦法（銀保監會令 2022第 9 號）業務業務合作合作 營銷導流營銷導流 金融產品網絡營銷管理辦法（征求意見稿）（七部金融產品網絡營銷管理辦法（征求意見稿）（七部委委 2021 年年 12 月月 31 日公開征求意見）日公開征求意見）信用評估信用評估 信用評級業管理暫行辦法（人民銀行 發改革 財政部 證監會 令2019第 5 號）征信業務管理辦法（中國人民銀行令征信業務管理辦法（中國人民銀行令2021第第 4號）號）科技支持科技支持 銀行保險機構信息科技外包風險監管辦法（銀保監銀行保險機構信息科技外包風險監管辦法（銀保監辦發辦發2021141

79、 號）號）中國銀保監會辦公廳關于銀行業保險業數字化轉型的指導意見（銀保監辦發20222 號）39 4.2 當前互聯網貸款助貸模式主要問題分析當前互聯網貸款助貸模式主要問題分析 當前國內對互聯網助貸業務的監管法規已經較為完善，但部分政策仍有不夠明確清晰或有待進一步商榷的內容，導致市場機構在實際業務流程中基于差異化解讀和自身商業利益難以充分貫徹執行有關規定。4.2.1 金融機構與助貸機構在部分業務環節中權責邊界模糊金融機構與助貸機構在部分業務環節中權責邊界模糊 大型互聯網平臺等介入金融業務，有利于提升信貸服務效率與質量，但同時也帶來了金融機構與助貸機構在部分信貸業務環節中權利與責任邊界模糊的問題，

80、具體可從營銷獲客、收費模式和風控與科技外包三個方面來展開分析。在營銷獲客方面，在營銷獲客方面，金融產品網絡營銷管理辦法（征求意見稿）中強化了金融機構與第三方互聯網平臺開展金融產品營銷過程中的權責邊界劃分。主要體現在三個方面：（1）金融機構應當作為業務主體承擔管理責任，對網絡營銷宣傳內容的合法合規性負責，建立內容審核機制，第三方不得擅自變更金融機構審核確定的營銷宣傳內容；（2）第三方互聯網平臺經營者不得介入或變相介入金融產品的銷售業務環節，如互動咨詢、金融消費者適當性測評、銷售合同簽訂、資金劃轉等；（3）第三方互聯網平臺經營者應當以清晰、醒目的方式展示金融產品提供者名稱或相關標識。金融產品名稱不

81、得使用第三方互聯網平臺名稱、商標的相關字樣，造成金融機構和第三方互聯網平臺的品牌混同。40 從調研的銀行與助貸機構看，上述監管要求正在互聯網貸款業務中逐步落地，金融機構在與第三方互聯網平臺（助貸機構）合作開展互聯網貸款營銷活動的過程中權責邊界更加清晰。例如：（1）調研助貸機構將營銷內容標準化后，經合作金融機構確認，再對外投放；（2）助貸機構與金融機構合作貸款產品的品牌隔離也在逐步推進，部分互聯網平臺與金融機構合作開展的互聯網貸款業務重新命名為“信用購”與“信用貸”，并在營銷頁面中明示合作金融機構的名稱。然而，仍存在兩點內容需要進一步探討：第一，“第三方互聯網平臺經營者不得介入或變相介入金第一，

82、“第三方互聯網平臺經營者不得介入或變相介入金融產品的銷售業務融產品的銷售業務環節”規定下的廣告導流和風控初篩環節”規定下的廣告導流和風控初篩邊界如何邊界如何確定？確定？將原本理解為“售前環節”的互動咨詢和消費者適當性測評納入“銷售”范疇，這導致對互聯網平臺營銷形式約束過多，極大地限制了互聯網業務合理營銷空間，不利于發揮平臺機構的比較優勢。第二，“小程序”究竟是否認定為商業銀行自營渠道？第二，“小程序”究竟是否認定為商業銀行自營渠道？在自主管理貸款的要求下，商業銀行拓展自營獲客渠道成為互聯網貸款業務下一階段重要目標。由于銀行小程序多部署在微信、支付寶等互聯網平臺上，有觀點認為該形式下銀行與平臺機

83、構的數據和技術未實現完全隔離，其安全性等級低于銀行官網和手機銀行 app，不應該被認定為銀行自營渠道。若小程序不被認定為銀行自營渠道，意味著今后商業銀行必須自行開發手機銀行 app，用戶在網絡平臺發起貸款申請之后，會“跳端”至銀行 app 頁面完成之后的信貸業務環節。站在信貸需求者的角度，一方面，41 頁面跳轉會帶來卡頓感，降低互聯網貸款服務的便捷性；另一方面，單獨下載和安裝銀行 app 軟件會進一步影響用戶體驗。站在中小銀行的角度，小程序渠道主要是出于增加通道的考慮，而監管部門對于助貸業務暫時沒有明確決策和定位，獨立開發、運營專屬 app 軟件需要投入的人力和資金成本過大。站在互聯網平臺機構

84、的角度，“跳端”會導致其場景生態內的優質客戶逐漸轉移至銀行，基于商業利益考量會缺乏合作動力。綜上，結合線下走訪調研機構的情況來看，將“小程序”認定為銀行自營渠道符合絕大多數市場參與主體利益。在助貸服務定價與收費模式方面，在助貸服務定價與收費模式方面，金融產品網絡營銷管理辦法（征求意見稿）規定第三方互聯網平臺經營者不得通過設置各種與貸款規模、利息規模掛鉤的收費機制等方式變相參與金融業務收入分成，即第三方互聯網平臺不能再以金融產品本金或息費收入的百分比的方式參與收入分成，其收入只能基于其提供的信息或科技服務。具體如，第三方互聯網平臺可以按照客戶或流量計算收入，不能與金融產品的收入或利潤掛鉤。但硬性

85、規定硬性規定助貸服務收費模式，不符合市場化的合作機制，這可能導致金融助貸服務收費模式，不符合市場化的合作機制，這可能導致金融機構與外包服務商之間的權責利失衡機構與外包服務商之間的權責利失衡。在風控與科技外在風控與科技外包方面，包方面，商業銀行互聯網貸款管理辦法、關于進一步規范商業銀行互聯網貸款業務的通知與關于加強商業銀行互聯網貸款業務管理提升金融服務質效的通知 系列監管文件，持續強調金融機構對風險管理職能的獨立自主能力與 42 責任，此外，銀行保險機構信息科技外包風險監管辦法規定金融機構不得將信息科技管理責任、網絡安全主體責任外包，并以不妨礙核心能力建設、積極掌握關鍵技術為導向，也即核心風控系

86、統不能外包。從調研的銀行與助貸機構看，金融機構在與助貸機構合作開展互聯網貸款業務過程中的獨立自主性明顯增強。例如：（1）在授信審批環節，過往存在由助貸機構自主決策貸款授信額度與利率定價，后續僅是通知合作銀行決策結果并要求銀行發放貸款的情況。目前基本已經改為助貸機構向合作銀行提供授信額度與利率定價建議，最終由合作銀行自主決策確定實際授信額度與利率水平；（2）身份驗證環節，目前助貸機構會基于自身的身份核驗與反欺詐系統做初步核驗，并將相關基本信息與核驗結果傳輸給合作銀行，由合作銀行獨立進行最終自主核驗；（3）在合同簽訂環節，目前貸款合同由合作銀行自行配置模板決策內容，助貸機構僅提供渠道和傳輸、展示技

87、術支持，最終合同由合作銀行簽署留存為準。根據目前互聯網貸款助貸模式中金融機構風控管理和科技外包的整體現狀，本報告提出兩點擔憂與思考：第一，強調金融第一，強調金融機構在助貸業務合作中的主導地位是沒有問題的，但目前“自主機構在助貸業務合作中的主導地位是沒有問題的，但目前“自主風控”的定義和邊界不夠清晰，導致銀行“獨立自主”的經營要風控”的定義和邊界不夠清晰，導致銀行“獨立自主”的經營要求在助貸業務合作各環節中被泛化求在助貸業務合作各環節中被泛化。除幾家全國性大型銀行之外，國內絕大部分銀行沒有在營銷、風控、產品、運營、技術等 43 所有方面都形成絕對閉環的能力，因而過度強調金融機構獨立自主的政策導向

88、一方面不具實操性，另一方面容易進一步強化頭部銀行壟斷優勢，不利于中小銀行健康發展。第二，我國數字經濟第二，我國數字經濟發展走在世界前列，實踐中對機構合作和數據開放需求越來越強發展走在世界前列，實踐中對機構合作和數據開放需求越來越強烈，監管政策和部分市場主體的理念過于審慎保守容易導致行業烈，監管政策和部分市場主體的理念過于審慎保守容易導致行業創新力度相對海外市場有所滯后創新力度相對海外市場有所滯后。一方面，我國在數字經濟和數字金融領域具有先發優勢，理應秉持更加開放的態度去積極探索跨機構合作和數據開放領域的創新模式與機制；另一方面，監管政策在規范助貸業務發展時過于“保護”金融機構，不利于金融機構與

89、科技公司間的市場化競爭，且實則導致風險進一步向金融機構聚集。從世界范圍來看，金融機構向消費者提供資金借貸服務，而大量營銷和風控等職能使用第三方機構的 SaaS 服務是非常常見的。4.2.2 互聯互聯網貸款集中度風險管理長期來看不利于實現助貸網貸款集中度風險管理長期來看不利于實現助貸業務降本增效業務降本增效 為進一步促進互聯網貸款業務健康發展，切實防范金融風險，關于進一步規范商業銀行互聯網貸款業務的通知針對金融機構與助貸機構合作發放貸款明確了兩項集中度限制，即商業銀行與單一合作方發放的本行貸款余額不得超過一級資本凈額的 25%，同時商業銀行與全部合作機構共同出資發放的互聯網貸款余額，不得超過全部

90、貸款余額的 50%。監管部門提出該規定的 44 初衷在于促進商業銀行精細化管理水平，防止互聯網貸款業務重要風控環節過度集中于單一助貸機構，從而導致商業銀行風控管理空心化，此外，更是為了防止單一大型助貸機構同時深入對接多家金融機構，導致不同金融機構信貸業務長期遵循同一風控模型，容易引發金融市場信用風險共振。從調研的商業銀行來看，目前股份制商業銀行均同時與數家市場上主流的助貸機構有信貸業務合作，且對助貸機構推送客戶的信貸申請通過率大致在 50%60%之間，因此風控模型共振帶來的潛在金融與社會風險問題概率較小。根據兩項集中度定量管理指標進行簡單測算，假設一家金融機構開展合作互聯網貸款業務規模達到總貸

91、款規模的 50%上限，在單一合作機構貸款規模的25%一級資本限制下，大約需要與 10 個左右的助貸機構合作，這無疑避免了金融機構對合作助貸機構的過度依賴，但如此一來也導致優質助貸機構無法通過市場競爭提升單一合作銀行的業優質助貸機構無法通過市場競爭提升單一合作銀行的業務份額，從而削弱助貸機構提升服務質量，降低收費成本的務份額，從而削弱助貸機構提升服務質量，降低收費成本的意愿，意愿，不利于金融機構通過加大與優質助貸機構合作實現助貸業務降不利于金融機構通過加大與優質助貸機構合作實現助貸業務降本增效的效果本增效的效果。4.2.3 助貸機構加入信貸服務市場，提升行業經營效率的同助貸機構加入信貸服務市場，

92、提升行業經營效率的同時也將客觀上提升金融消費者融資成本時也將客觀上提升金融消費者融資成本 大型互聯網平臺、數據經紀商等助貸機構加入互聯網貸款行業，信貸業務環節和分工更加細致，市場參與主體增加，金融消 45 費者得到更加專業、高效服務的同時，其融資成本也一定程度上有所增加。我國金融活動始終堅持以人民為中心的發展方向，監管部門為降低消費者綜合貸款成本，2021 年起要求全部貸款產品明示貸款年化利率，并窗口指導個人貸款產品年利率降至 24%以內。另外，就是限定助貸機構總分潤比例。從金融消費者的角度來看，其一定會享受到比現在更低價格的金融服務，但對于金融機構及助貸機構來說，資金方價格維持不變、運營成本

93、無法進一步壓縮的情況下，則助貸機構的盈利空間會極大地收縮，這將嚴重打擊助貸機構的經營積極性。從互聯網貸款業務助貸模式的服務對象來分析，更多的難以在傳統金融體系中獲得信貸服務的下沉客戶群體，他們事實上是愿意以相對更高的價格去獲取專業信貸服務的。因此，24%的綜合貸款利率上限是否有助于維持長的綜合貸款利率上限是否有助于維持長尾客戶和小微企業獲取金融服務的長期連續性還需進尾客戶和小微企業獲取金融服務的長期連續性還需進一步討論一步討論和驗證和驗證。4.2.4 個人信用數據“斷直連”與針對第三方平臺機構的數個人信用數據“斷直連”與針對第三方平臺機構的數據安全管理規定，在短期之內對各市場主體均有一定沖擊據

94、安全管理規定，在短期之內對各市場主體均有一定沖擊 征信業務管理辦法 要求將用于判斷貸款人信用狀況的替代數據（包含對應的信用評分等數據）納入信用信息范疇，信用信息采集、整理、保存、加工，并向信息使用者提供需要通過持牌征信機構，在 2023 年 6 月 30 日之前斷開助貸機構與金融機構之間的信用信息數據直接連接。雖然當前助貸機構與金融機構均 46 在按照監管要求進行“斷直連”的整改落地，但是從長遠看，將所有替代數據“一刀切”地納入征信監管范疇不僅會在個人征信公司的數據管理方面造成壓力，還會影響信用評估行業各類機構數據分享的積極性，不利于替代數據在互聯網貸款領域充分發揮數據價值。此外，監管規定金融

95、機構利用第三方互聯網平臺網絡空間經營場所，應當防止第三方互聯網平臺非法破解、截留、存儲客戶信息和業務數據，再結合小程序可能不被認定為銀行自營渠道，則意味著貸中和貸后的業務數據將不再自動回流至平臺機構，這不便于助貸機構直接提供資金支用審查、貸后催收等增值服務?？偨Y來看，個人征信公司在審查、管理全行業信用數據方面個人征信公司在審查、管理全行業信用數據方面存在較大壓力；助貸公司數據分享積極性降低，為金融機構存在較大壓力；助貸公司數據分享積極性降低，為金融機構直接直接提供增值服務的能力減弱；金融機構僅憑借助貸機構提供的客戶提供增值服務的能力減弱；金融機構僅憑借助貸機構提供的客戶綜合風險評分難以積累客戶

96、數據資源，從而影響自身風控能力建綜合風險評分難以積累客戶數據資源，從而影響自身風控能力建設；金融消費者短期之中獲取所需信貸服務的性價比降低設；金融消費者短期之中獲取所需信貸服務的性價比降低。4.2.5 在強化金融機構主體責任的過程在強化金融機構主體責任的過程中約束業務流程細中約束業務流程細節，容易導致金融業務和風險過度向金融機構傾斜，不符合政策節，容易導致金融業務和風險過度向金融機構傾斜，不符合政策保護消費者權益的初衷保護消費者權益的初衷 助貸機構絕大多數為科技平臺和數據服務公司，一方面由于是“非持牌金融機構”而受到較少監管約束，另一方面憑借場景、47 數據以及技術優勢等在與金融機構合作中變相

97、掌握定價主導權，因而過往助貸機構與金融機構在合作中權責邊界模糊，導致出現了不少誘導或者誤導消費者過度借貸、制定不合理高利率、暴力催收、個人信息泄露等侵害消費者權益的行為。為加強金融消費者權益保護，監管機構自 2021 年以來密集出臺了一系列行為與主體監管措施，主要包括以下四個方面：（1）限制對大學生這類特定人群的互聯網貸款供給；（2）加強對貸款營銷行為的規范，包括信息披露、適當性評估、侵害消費者權益行為認定等方面；（3）引導整體互聯網個人消費貸款利率下降至 24%以下；（4）明確金融機構與助貸機構在合作開展互聯網貸款營銷過程中的權責邊界。隨著上述監管措施落地，基于公開數據與助貸機構及金融機構調

98、研信息，發現以大型互聯網平臺為代表的大型助貸機構與合作金融機構基本停止向大學生發放貸款；個人互聯網貸款業務投訴量得到穩定控制（詳見圖 4.1）；助貸機構平均貸款利率顯著降低（詳見圖 4.2）；大型助貸機構以各種形式加大消費者權益保護力度，比如螞蟻集團 2021 年推出賬單助手功能，引導用戶理性借貸。48 圖圖 4.1 銀行業消費者個人貸款業務投訴量（件）銀行業消費者個人貸款業務投訴量（件）數據來源：銀保監會 圖圖 4.2 上市助貸機構平均貸款利率上市助貸機構平均貸款利率 數據來源：公司財報 目前，互聯網貸款行業的整體消費者權益保護水平有所提升。監管體系以強化金融機構主體責任為原則，在業務形式上

99、要求突出銀行直接對客表達，但實際上對業務流程做過多細致的規定，極大地限制了合作機構的業務空間，不利于明確助貸業務風險承擔，則金融消費者難以得到最優的信貸服務，這實際上是對其權益的最大損害。強調金融機構在互聯網貸款助貸模式中的主體管理責任，并不意味著助貸機構不需要承擔助貸業務風險，相 49 反，助貸機構在數據合規、風險定價、消費者保護方面等方面相較于金融機構（尤其中小銀行）而言具備更強的技術實力?，F行的一系列監管措施，從銀行自主風控、合作機構集中度、聯合貸從銀行自主風控、合作機構集中度、聯合貸款出資比例等維度進行全款出資比例等維度進行全方位管控，嚴格要求銀行側在業務開展方位管控，嚴格要求銀行側在

100、業務開展中的主導地位，促使金融業務向銀行傾斜的同時，也迫使銀行承中的主導地位，促使金融業務向銀行傾斜的同時，也迫使銀行承擔更大助貸業務風險擔更大助貸業務風險。5 政策建議政策建議 5.1 現有助貸業務監管框架已經相對全面，在強調金融機構現有助貸業務監管框架已經相對全面，在強調金融機構承擔信貸主體責任的同時，給承擔信貸主體責任的同時，給予其足夠的業務自主裁量權，引導予其足夠的業務自主裁量權，引導金融機構與互聯網助貸企業充分發揮比較優勢，切實保護金融消金融機構與互聯網助貸企業充分發揮比較優勢，切實保護金融消費者權益費者權益 盡管我國監管部門對助貸業態尚未給出清晰的決策和定位，但相較于國外而言，在互

101、聯網貸款業務以及助貸具體合作環節的政策指引中已經做出了相對細致和嚴格的規定，因此在短期內進一步增加限制性規則的必要性不高。目前，金融機構與助貸平臺企業在營銷、風險管理、數據流轉等信貸合作環節中仍存在權責邊界模糊的情況，但這并非由相關監管規則空白所導致，相反地，過度約束業務流程細節，容易打擊助貸企業的業務積極性，并限制其科技實力的發揮質效，促使金融業務和風險過度向金融機構傾斜，最終損害金融消費者的實際利益。因此，監管部門應在強調金融機構履行風險審查職責、50 承擔信貸主體責任的前提下，引導金融機構充分發揮自主能動性，根據自身業務規模、科技實力選擇信貸業務合作對象，在具體業務環節中合理平衡業務發展

102、與風險管控。最終，在推動金融信貸產品與服務創新的同時，強化各方的風險管理能力，切實保護金融消費者權益。5.2 深化監管科技發展以提升監管效能，防范人工智能在互深化監管科技發展以提升監管效能，防范人工智能在互聯網助貸業務中的潛在風險聯網助貸業務中的潛在風險 人工智能在互聯網助貸業務中的應用帶來了巨大的便利性和效率提升，但與此同時，它也伴隨著一系列潛在的風險和挑戰。監管部門在完善監管原則的基礎上，應深化監管科技在助貸領域的應用。一是一是建立多維度風險評估模型，綜合考慮信貸風險、數據隱私風險、模型失控等多個方面，通過數據分析和機器學習算法，識別潛在風險并提供預警，這有助于監管部門更好地把握整個助貸市

103、場的動態，并及時采取措施來規避潛在風險。二是二是要求互聯網助貸平臺提供更全面、透明的數據披露，包括貸款利率、數據采集和使用方式、風控模型等方面的信息。這不僅能增加市場透明度，也有助于監管機構更好地監督和評估人工智能模型的運作情況。三是三是監管部門需要建立更為嚴格的合規性監管制度，確?；ヂ摼W助貸平臺在人工智能應用方面符合法律法規的要求。此外，對于涉及人工智能決策的模型，監管機構應當加強技術審核，確保其符合公平、透明、不歧視等原則，避免因模型偏差或 51 歧視性數據而帶來風險。四是四是監管部門應加大對監管科技的投入，提升數據分析、人工智能監管等技術水平。五是五是促進互聯網助貸行業自律，鼓勵行業主體

104、建立更完善的風險管理和內部控制機制。同時，跨部門合作也是提升監管效能的重要手段，監管部門應與科技公司、學術界等多方合作，共同研究監管科技在助貸領域的應用，分享技術、數據和經驗，提升監管水平。5.3 替代數據“斷直連”不利于金融機構與助貸機構合作發替代數據“斷直連”不利于金融機構與助貸機構合作發揮數據要素在互聯網貸款領域的價值，長期應探索構建多層次征揮數據要素在互聯網貸款領域的價值，長期應探索構建多層次征信市場監管體系，提升數據要素使用效率與價值信市場監管體系，提升數據要素使用效率與價值 短期應急方面，短期應急方面，一是一是在征信業務管理辦法基礎上盡快出臺操作指引，對信用數據進行分類，并在此基礎

105、上細化分類監管措施，不“一刀切”阻斷金融機構與市場服務商的數據連接。同時盡快給出符合要求的新業務模式案例樣板供市場機構參照。此舉一方面可降低對所有數據、業務環節、機構主體一刀切“斷直連”帶來的負面沖擊，另一方面也有助于真正提升征信業務管理辦法實施的可操作性。二是二是適當延長征信業務管理辦法過渡期安排，給市場提供一個更加平穩的業務調整環境。三是對市場僅有的兩家持牌征信公司加強指導和監管，理順市場機制。兩家公司需接納所有市場機構數據向金融機構的輸入，具有明顯的市場優勢地位。建議在競爭性市場未形成的情況下，對兩家公司與其他眾多市場機構的合作采取政府指導定價，在確保金融機 52 構最終成本不增的同時，

106、為其他市場主體保留合理利潤空間，一方面維持良好的行業生態，另一方面防止交易環節增加向消費者轉嫁負擔。中長期根本解決問題方面，中長期根本解決問題方面，一是一是適當增設持牌個人征信公司，促進市場適度競爭，提升服務質量?？煽紤]借鑒國外經驗，分設全功能和部分功能（專業性）兩種牌照，推動建設囊括豐富數據機構、滿足不同市場主體需求的多層次征信市場體系；二是二是健全征信業相關法律，在更高法律層級上增強對市場各參與主體的權益保障和約束力，為構建覆蓋全社會的征信體系夯實法治基礎。三是三是鼓勵行業積極探索多類型的數據共享模式，比如數據交易所邏輯匯聚和一點接入、隱私計算等，調動市場各方、尤其是公共數據服務機構信息共享的積極性。通過以上方式，推動構建更加多元活躍的信用數據要素市場，更好地發揮數據要素在信貸行業的價值。