金融科技躺平还是内卷

因过跑道逢脚崴,偷得浮生半周闲。

这次是真的躺平了半周，也体会了一下从卧室到客厅要走三五分钟的凡尔赛生活。似乎连续忙了四五年了，在每天晚上躺平白天内卷的仰卧起坐生活中来了一点调剂也算不错。反正吃了止疼药正好停下来想一想，回顾一下瞎忙的这些年。

谈到金融科技不可避免地需要先谈谈金融创新:

金融创新的本质是：绕监管和上杠杆。

金融科技的本质就是科学的绕监管和利用科学的方法上杠杆。看到手机App上的各种还呗、黑条一脸无奈,一直在想为什么中国的科技巨头都会迫不及待地进入信贷行业？信贷收紧后又开始批量进入造车行业？本质上这些都是绕监管的上杠杆手段。大多数科技巨头原有的科技主业伴随着成本急剧攀升和市场饱和带来的收益率下降，必须要找到别的方法做高估值，因此根据一些统计结果，我国的人均信用卡消费、人均汽车保有量、人均保险产品拥有量远低于发达国家水平，于是这些就成了互联网公司的抓手。

金融科技在后次贷危机时代的抓手就是通过AI推理的方法构建一个还款能力的结构化产品将sub-prime构建为nearly-prime贷款，并同时通过数字化营销的手段加快放贷速度

这样的手段比起十多年前次贷危机在资金端的分层结构看上去更有说服力，而且从底层资产的不良率和贷款审核来看，比起十多年前贷款经纪人街边到处拉人要高明不少。但是几乎所有的高材生们都忘记了一个最基本的事实：

偿债能力不能等同于偿债意愿.

大量的个人信贷以近乎掠夺式的方式在各个平台扩张，金融科技并无法解决底层资产相关性的问题，接下来我们来谈谈这个原因

这一段来自于去年的一篇文章老年人的“还呗黑条”当铺

还呗黑条当铺发行一期ABS，资产包为,笔消费贷，总金额10个亿，平均逾期概率为3%，求老年人要求的监管资本金需要多少？

为什么说是小学生应用题呢，因为网贷新规直接就可以算出来10x30%=3亿。但是为啥就这样一道题没答好，葬送了2万亿的市值。西方世界里有一句话“AnyAssumptionshouldbeverified”，但是马老师的答案是一个典型的东方思维，说监管是老人银行是当铺，只是简单的举例子，并没有实际的分析和量化数据。而阿里在回答“淘宝消费中有多少比例是用花呗支付的”，也是典型的东方思维不给出量化的答案，打太极固然有好处，以柔克刚，但是市值很诚实的葬送了几千亿，算是“双十一”回馈消费者么？

首先我们来看底层的资产包为,笔消费贷，平均逾期3%左右，那么也就是说按照马老师的思维，我准备3万补掉损失就好了。你们为啥要我补3亿放那里。其实这就是一个简单的针对EL和UL的误区了。

对于平均逾期3%来算的本来就是一个预期损失（ExpectedLoss，EL），这些损失是由提高贷款利率可以覆盖的。而非预期损失（UnexpectedLoss，UL）来自于对极端损失的估计后扣减预期损失而获得的，例如老人要求就是机构要能抗住99.9%的极端损失，极端损失以外的部分属于天灾，那么中间的部分就要机构自己的资本来吸收了，也就是说的经济资本，而监管层要求的则叫监管资本RegulatoryCapital=（WCDR-PD）EADLGD，其中WCDR为WorstCaseDefaultRate,这就难求了，于是这样一道小学生应用题就陡然升到博士都搞不定的地步了。当然也有几个相对容易理解的模型，也是老年人曾经用过的模型：

其实每个消费贷都有自己的违约概率分布，当年算力也非常有限，怎么能够估计极端情况下的违约概率呢？Vasicek模型做了这样一件事，如果我通过分位点映射的方法把违约概率分布映射成标准正态分布不就好了么，然后我么假设每个违约概率分布可以由一个公共因子

和不相关的因子

构成

F其实就是一个监管层顶的一个参数了，F较大时，表示经济情况较小Ui也较大，所以折算回去的违约概率也就小。F较小时就反馈了极端的情况下Ui所承受的违约概率，另一个因素则是该笔贷款违约概率和宏观经济因子F的相关性，也就是AlphaI，当Alpha和F确定后，Ui的分布也就确定了。具体的推理过程贴在文末了。最终就能确定WCDR了：

我们再来看看那道小学生的计算题，按照相关性系数

估计，3%逾期的情况下，我们有

=99.9%的把握，其最差情况下的违约概率不会大于30%，然后对于消费贷款没有抵押物支撑，所以LGD为%，因此监管资本金要求为30%.

但是即便是这样，这个算法还是出了问题，最终在10多年前次贷危机中产生了大量的损失。原因在于两点:

分位点映射成标准正态分布的过程中对尾部极端情况下的估计不足,在金融危机期间违约事件的相关性显著增加超过了模型估计

现代Fintech企业通常认为自己有了一系列AI/ML的能力，这些能力用在了什么地方呢？为什么监管层还是认为你不行呢。其实每家都大同小异，就是一个信用评分模型,所以什么大豆分并不是啥金融创新，已经出现在市场上很多年了。本质上这些东西也非常的简单，首先样本肯定是极端不平衡的，坏人毕竟是少数，而且数据采集期通常是在过去黄金的十年，因此负例需要使用SMOTE等方法过采样。另一方面就是特征工程，例如采用WOE(WeightofEvidence)和IV(InformationValue)编码

然后GBDT一类的模型做就行了，当然各家在这里面都有一些自己取巧的地方，比如嵌入一些其它模型，例如深度学习做部分的编码特征工程等，或者采用最近的图深度学习提升特征维度等，方法就这些，但是最终这些一定程度上可以缓释不良贷款和恶意贷款发放率，同时也通过消费行为对偿债能力可以更好的预估，总而言之:

这一类的模型说实话能解决一些贷前的评分，但是对于贷后极端情况违约的估计就无能为力了,因此国家需要这些机构有更高的监管资本需求是无可厚非的，但这就又降低了金融科技高估值的抓手了.

按理说像我这样的人，数学系毕业、OI获奖保送名校、进入股市20年、又设计了几乎国内所有证券交易所和主要银行的网络，搞点金融科技不是天经地义理所当然么？几乎国内外知名的几家机构都找过我，但是最终还是没有下场去果泳，因为做人还是要点底裤的。诚然我能够通过工作了解很多交易所的撮合机制，包括纽交所、纳斯达克等,而对于高频交易又非常精通底层网络传输以及上层的orderflow的算法，但是介入这个市场本质上和内幕交易没有任何区别，没必要去这个市场上割韭菜，落得一个蝗虫、蛀虫的名声自然不好。

对于信贷类的金融科技也是同样的态度，不愿意成为导致金融危机的那只蛀虫。

现有Fintech的解决方案本质上的缺失是未能衡量底层资产之间的违约相关性，信用分模型都是基于孤立的个体。

例如小微贷款，我把钱贷给某个贫困村的村民，他用这笔钱种植出售某种当地特产水果脱贫了，但是接下来我的信贷模型显示这个村的所有村民或者周边所有村都可以用这个模式集体致富。最后贷款发放完了过了两年，全村又因为产量过剩全体入贫了..

而马老师需要给监管层的答案就是在这个地方，WCDR的计算中，如果马老师说蚂蚁有模型能够使得极端情况下的资产相关性显著下降，那么我相信我们开明睿智的老年人肯定会给你降低监管资本需求的。因此这份答卷的关键就是降低资产的相关性了。

十多年前的毕业设计研究的就是基于图网络的风险相关性算法，后来一直在间歇着做这方面的工作。

预测底层资产的相关性结构来预估市场系统性风险，并针对交易订单的相关性结构构建RegTech等大数据内幕交易监管研究，同时指导国家机构在金融危机时在合适的节点注入流动性。

例如其中一个研究成果就是股灾时的国家队注入流动性应从中小盘股票入手而不是权重股入手，这个预测结论在年股灾的时候得到了验证。

另外，很有趣的事情是这个模型稍微改了一下应用到了园区网内异常主机行为检测的算法分析上，再一次证明了数学真好玩~

这是我最近几天躺平在床上思考的问题，金融危机本身具有传染性的话，那么是否可以借助一些抗疫的经验？其实我党玩的特别溜了，例如隔离措施对应的就是锁定一些高危资产的流动性，然后可以根据底层资产的贷款人情况和消费流水构建这样的一个基于相关性的图，在图中一方面我们可以利用一些传导模型在逾期违约发生初期做周围相关性的资产的限额隔离，其实疫情控制中也是用了类似的算法，在构建好的相关性网络上做SIER仿真计算，本质上违约风险也是一种传染病。因此采用这样的“流调”措施就可以预先的基于复杂网络算法的聚类分析可以分割各个资产，隔离开来按照资产相关性矩阵最低的方式构建ABS，这样不就显著的降低了底层资产包的相关性了么？

基于相关性视角的ABS构建，这才是金融科技可以做的地方，只可惜风控这种岗位在一个以KPI驱动的企业肯定是活的不好的，管多了说你影响业务规模，出了事全是你背锅。这一点上跟网工很类似啊，一旦系统有问题肯定是网络不给力。

最后要谈论的一个话题,以前我调侃某个互联网巨头，当然渗入到生活的方方面面，它离一个政权只差公检法了。事实上这些互联网巨头不知道是不是被西方市场经济体制洗脑太久了，忘记了我国为什么叫社会主义市场经济？

人民就是江山，这是社会主义市场经济体制和西方市场经济体制的本质区别。但是好几个互联网巨头都忘记了这句话，资本运作下的逐利和大而不倒的猖狂，总觉得自己给国家解决了多少就业问题，大而不倒，老百姓又有刚需的行业你国家不敢把我怎么样，就像以前发罚款就完事了。当违法成本如此低廉的时候，想不犯罪都难。可惜这次让你明白了利益和汉奸好像还是有那么点联系的，毕竟国安都进驻的某事件，刑期应该不会短。

而最关键的问题是，这些所谓的新经济忘了一个最低的门槛，什么叫人民就是江山，你至少要给人民交社保才能让江山永续吧？最基础的社会保障通过一系列灵活用工手段绕过监管，另几个企业迟早也要进入到被调查的境地.推荐一本书：西方市场经济讲究的是Stateinmarket，而我国社会主义市场经济讲究的是MarketinState.

高收益通常由三种形式呈现：第一种就是诈骗、第二种来自于新技术带来的效率提升、第三种来自于产能受限。如今金融产量早就远远过剩，消费金融、小微贷、普惠金融，本质上就是包装着次贷的旧酒，然后再套个金融科技的新瓶。以科技将次级贷增信到近似优质贷真是一个可笑的事情。然后另一方面，二级市场也因为ETF导致大量的次级公司隐藏在ETF权重之中，接下来的一场金融界的去产能可能会变得比以往任何一次金融危机都大，年的侥幸让很多人忘记了教训。

过剩的资金又一次重复着2年时的傻逼事情，诚然科学技术的快速发展必须要在金融市场的大量泡沫时期才会出现，因为有足够的资金如让任何一个人获得试错的机会，但是试错的债务终究是要人承担的。OpenAI关闭机器人部门，强化学习的模式似乎到头了，那么那些号称L4、L5自动驾驶的公司呢？或许还是降级到L2.5L3比较现实。

更多的是基于深度学习的AI风口已经快到头了，暴力算力几乎快到了天花板，到有一天烧不起估值了，自然就会果泳了。

但是为什么不乐观点呢？至少有些被深度学习判了死刑的风口，又会迎来死缓或者无罪释放,对未来满怀着希望~

转载请注明：http://www.xiongqiangjiyea.com/xqyz/8325.html