返回目录：理财保险
推荐语：在风险控制这个维度，网络金融是如何促进和以来风险分散的？网络贷款的风险模式本质是什么？盈利模式怎样？这篇文章对这些问题进行了探讨。
摘要：本文总结网络金融在促进小微金融机理方面的作用，提出一种新的风险控制原 则和盈利模式———流量覆盖风险:网络金融以大数据和技术帮助更好实现“大数法则”，网络 贷款应恪守小额、产品简单、贷款分散的原则，以较少的风险控制指标和精简的信贷流程提升 客户贷款体验，以低风险、低成本金融服务普惠更广人群。商业银行的小额贷款数据提示网 络金融从业者去抵押担保化、把握好借款人、低杠杆率、本地化开展个人贷款，有助于在降低 小额贷款的风险前提下，加快业务健康发展。
一、引言
自2013 年以来，互联网金融在中国蓬勃发展， P2P、众筹等新兴互联网金融模式备受 瞩目。同时，网络金融的风险业已严峻， 2016 年上半年累计停业及问题平台数量为515 家，其中良性退出( 停业、转型) 的共有247 家，恶性退出( 跑路、提现困难、经侦介入) 的共 有268 家。巨大的信用风险和经营风险冲击着网络金融中的实践者。为什么会出现这么 大的风险? 有什么关键性的因素应当加以规避?
我们从互联网金融改进小微贷款的机理作用出发，总结现有的基础理论研究，发现在 大数据改进信息来源优势、创新担保方式等改进贷款契约角度以外，尚未有研究对风险控 制这一方面提供新的视角。我们给出了网络贷款风险控制和盈利模式的新思路——— “流 量覆盖风险”。本文利用商业银行的小额信贷数据，给网络金融从业者提示了五个重要 的信用风险，在此基础上详尽阐述了该风险控制方法。我们对比分析了“流量覆盖风险” 的盈利机制，对该方法进行了实证检验。本文研究说明，网络金融需坚守金融的本质，利用技术和大数据的优势建立适合的风控制度和创新贷款模式，使网络贷款普惠更广的人 群，走低风险、低成本的普惠金融之路。
二、理论分析与文献综述
Berger and Gregory ( 2006) 提供了一个小微贷款融资的概念框架。面向信息透明或者 模糊的小微企业，可以有基于财务报表的信贷技术，基于借款人存货和应收账款抵押的信贷 技术等六种。任何一个信贷技术都包括了四个环节:信息的来源，审查和承销过程，贷款合 约和贷后监控。张维等( 2015) 在研究网络金融成为小微贷款服务之必然手段之一的研究中 将上述四个环节看作是两个方向，一是在信息来源方面，金融大数据以及现代信息交互技术 降低了市场信息不对称度。二是在风险控制方面，互联网金融提供了新型的风险控制模式， 因此互联网金融改进了融资可得性。我们基本赞同上述看法，为了文献梳理的方便，本文将 网络金融促进小微贷款的核心要素总结为三个方面:信息、合约设计和风险控制。
在信息方面，前人在三个方面的研究体现了网络金融在改进信息不对称方面的作用。 首先，网络金融更好地帮助形成个人信用等级评分来反映个体的还款意愿和能力，降低信 息不对称性。信用等级是传递资金需求方还款意愿高低的良好信号( 王锦虹， 2015) 。借 款者个人信用等级和信息对借款绩效、借款成功率、借入决策和借出决策均产生重要影响 ( Bachmann et al. ， 2011， Chen et al. ， 2012， Herzenstein et al. ， 2011) 。Lin et al. ( 2013) 发现 在 P2P 平台上借款者信用评级越低，借款成功可能性越小、利率越高，同时违约率也越 高。Duarte et al. ( 2012) 发现外貌忠厚的借款人成功率较高，且他们的信用等级较高，违 约率较低。也有信号传递不准确导致逆向选择的研究，如 Prosper 平台中 A 等级借款人 比 B 等级更容易违约，处于中等信用级别的信用风险最低( Li et al. ， 2014) ; 网贷平台仅 能区分不同信用等级的借款人，无法更精确地区分不同借款人信用风险的大小，这将导致 同一个信用等级区间内的借款人产生逆向选择( Freedman and Jin， 2009) 。
其次，大数据使合理的贷款定价成为可能和必要。Lyer et al. ( 2013) 以 Prosper 平台 的数据为基础，分析了贷款人筛选借款人的能力以及这一能力对债务表现的影响，发现 Prosper 的贷款人会为违约可能性较高的借款人约定更高的利率，从而得出 P2P 网贷平台 能够消除信息不对称的结论。王锦虹( 2015) 通过理论模型推断出网络贷款要保证资金 需求方按时还款，需要合理确定利率，而不是一味地增加贷款利率来覆盖风险，因此，合理 的贷款利率区间应当是在基准利率与低风险项目可接受的利率之间。
第三，大数据提高了信息的真实性，降低获取信息的成本，通过缓解“软信息”约束， 降低违约的风险。传统信贷技术中，小微贷款比较依赖“软信息” ，如查看企业的“三品三表” 等。这是基于属地贷款原则做关系型贷款，即金融机构向当地的贷款申请人发放 贷款。Hotelling( 1929) 首次提出“授信距离”这个名词，认为授信距离可以解释信贷价格 差异。进入二十一世纪， ATM、电话银行、网络的兴起减少了客户对面对面服务的需求，减 少了银行跨地区的交易成本。国外学者开始研究授信距离、信息技术、自动评价系统等与 信用风险的关系。研究发现，授信物理距离与违约风险概率具有正相关关系，而科技因素 与授信距离的交互变量降低了贷款违约概率( Agarwal et al. ， 2007， DeYoung et al. ， 2008， Milani， 2014) ，面对远距离的客户，“硬信息”的加入缓释了“软信息”约束。这为科技有助 于网络金融实现跨地区服务提供了证据。
在贷款合约层面，不少研究发现提供抵押品容易在小微贷款中形成道德风险( Cai， 2012，李星煜， 2008;刘金娟， 2013) 。小微企业的抵押品常常是不足值的，商业银行常常 “唯抵押品”而放贷，造成过度放贷。黄子健和王龑( 2015) 认为网络金融的信息与数据的 收集“共享”传播，形成“信用资本”和“信用抵押”，从而减少甚至杜绝逆向选择和道德风 险问题，帮助缺乏足额抵押品与经营实力的小微企业完成融资。他们提出保险公司可以 建立起“集约投保”和“集团承保”的信贷保险。王锦虹( 2015) 认为建立完善的政策性担 保体系可减少网络贷款逆向选择行为的发生，降低信贷风险。
综上，学者们从信息和贷款合约层面，研究了大数据如何提高信用评级水平、提升信号 传递与甄别、缓解软信息约束、采用新的保险方式来降低信息不对称和缓释逆向选择问题。 但在风险控制这个维度上，对网络金融如何促进和依赖风险分散来提升小微融资绩效缺乏 研究，网络贷款的风险模式本质是什么? 盈利模式怎样? 我们将对这些问题进行探讨。
三、“流量覆盖风险”的网络贷款理念
( 一 ) “大数定律”与网络贷款的基本原则
普惠金融意即让更广大的普通民众享受到实惠的金融产品和服务。我们多年倡导小 微贷款以“收益覆盖风险”，源于相比大中企业贷款，小微贷款的相对高溢价能力。时至 今日，科技水平的提升带来了网络金融的浪潮。网络贷款没有改变贷款业务的本质，但相 比传统小微贷款，它通过互联网技术和工具更好的实现了“大数法则”定律，从而更适宜 “流量覆盖风险”的风险控制模式。具体来看，当量大、额度小、风险分散的贷款投资组合 满足中央极限定理，平均贷款风险趋向于总体预期风险( 损失) ，这是网络金融“不一样的 风险控制” ( 刘明康和梁晓钟， 2014) 。若贷款的利润率大于预期损失率，则可以不提取拨 备和资本金。本质上看，当贷款客户规模无穷大时，坏客户的占比总是一定的，且远小于 好客户的规模。只要总体损失金额不大，正常贷款的回款规模完全可以覆盖坏账损失。
传统小微贷款依靠线下网点、客户经理来获取客户，特别是小微贷款为实现批发式、 批量式增长，常常是按一个经济区域、圈链会、商圈来开发贷款产品，所以贷款投资之间的关联系较强，贷款风险与行业风险、客户经理个人资源、片区风险高度相关，难以做到风险 分散。其次，受制于贷款的固定成本较高( 包含网点、人工成本等) ，传统小微贷款依然有 单笔授信偏好大额的冲动。第三，传统小微贷款依靠人工做贷和贷后管理，难以实现客户 规模的突破。所以，依靠传统贷款技术手段难以实现“小额、分散、量大”的大数法则，拨 备与资本金制度则是用来应对非预期损失和肥尾效应。传统小微贷款更适合“收益覆盖 风险”的定价补偿机制。相反，网络贷款由于没有大块的待摊固定成本，可以做小额的贷 款。互联网金融均在积极布局支付场景入口，这种在线获客方式带来了分散的、相关度低 的个人客户，那么几乎可以看做是“独立”的流量，且实现了客户量大和支付借贷的小金 额。所以，网络贷款实际上趋向了大数法则，遵守“小额”、“产品简单”、“投资分散”的基 本业务原则，使信用风险得以分散，整体违约概率和损失规模得以控制。这也是“流量覆 盖风险”概念的首要要义。
( 二) 小额信贷的主要风险因素
除了趋向“大数定律”实现风险分散外，在无法完全实现理想条件的情况下，网络贷 款还需要做一定程度的风险控制，来规避一些关键的、明显的风险。由于国内 P2P 贷款 信用风险控制的数据基础和方法的有效性可能还要经历一个比较长时间的观察，我们利 用商业银行较为成熟的数据，来探索小额信贷主要信用风险因素和风险控制的要义，给 “流量覆盖风险”这一方法提供参考。我们挑选了三家小型城市商业银行和两家总部分 别位于中国南方和北方的中型股份制商业银行，对这五家中小型银行2007 年1 月1 日至 2014 年6 月30 日100 万以下的部分小微信贷进行了统计。在32841 个样本中，分类为后 三类“次级类”、“可疑类”、“损失类”的不良贷款共有1056 个。我们对小微贷款的变量分 成四组，并建立分类模型，最后建立包含所有变量的综合模型进行检验。所有回归过程均 采用逐步回归法，来筛选重要的变量。
在贷款设计模型( 模型Ⅰ) 中，自变量包括贷款金额变量、担保类型变量、授信距离、 还款来源、贷款用途等( 见表1) 。需要说明的是授信距离变量，我们将样本银行的授信机 构( 包括一二级分行和支行) 所在的省、市和地级县，与客户所在地地址进行匹配。若一、 二级分行所在城市与客户地址一致，则为属地授信，哑变量设计为 0;若不一致，可能有两 种情况，一是因为客户所在地没有开设相应的分支机构，此种情况下，我们观测该地区毗 邻的市区和县域是否有分行或支行网点，若有则视为属地授信。反之存在同省跨市的 异地授信( 哑变量为1) 和跨省的异地授信( 哑变量为2) 。
企业财务特征模型( 模型Ⅱ) 的自变量包括企业的信贷杠杆率( 客户总信贷规模与客 户资本的比率) 、偿债指标、现金流指标。一方面，我们以样本银行的“贷款余额”与“累 积已还本金”之和粗略估计企业客户在本银行的信贷总规模( 称为“本行贷款规模”) ; 另 一方，我们以企业财务报表中“短期借款”与“长期负债”之和( 称为“总债务” ) 来反映一 家企业在所有金融机构信贷融资的总规模。两者与企业净资产之比就是信贷杠杆率。企 业非财务特征模型( 模型Ⅲ) 的自变量包含借款人主体变量、有效决议人数、企业规模、职工人数、企业所有制形式等。其中，借款人主体变量分为借贷给企业法人和自然人两类。企业主特征模型( 模型Ⅳ) 的自变量包括年龄、性别、学历、技术职称等。综合模型 ( 模型Ⅴ) 的自变量是以上所有变量的综合。
本次的被解释变量为小额信贷的信用风险。贷款不良概率一直是重要的因变量。但 对网络信贷来说，我们认为还需要考虑不良贷款余额的整体规模、不良贷款的违约程度 ( 不良占用率) 。因为如果在线小额贷款不良概率较高，但单笔贷款的违约程度不高、违 约额度较小，总体不良规模可控，则以大量的信贷回款量来冲抵不良损失，依然有它运行 的合理性。网络贷款对风险的评估可能需要进行多维度的考虑。
实证检验结果显示( 表2 －4) ，在贷款因素模型中，单笔授信规模与三种计量方式下 的信用风险指标在1%水平上显著正相关;相比信用贷款，担保、抵质押贷款的风险更大; 银行对客户授信的物理距离越远，信用风险越大。在企业客户财务特征模型中，以企业总 债务规模衡量的信贷杠杆率是较为稳定的影响信用风险的因素，杠杆率越高风险越大;在 企业非财务特征模型中，相比借贷给个人，借贷给企业的信用风险更高，在 1%水平上与 各类风险指标呈正相关。这样五个关系在综合模型中也均表现与贷款风险显著正相关。 在企业主特征中，我们发现男性、较低学历( 高中及其以下) 的小企业主容易产生信用风 险，而企业主年龄越大，该小企业发生不良贷款的概率越低( 表2) 。企业有效决议人数越 多违约规模越大，流通型企业和学历较低的企业主产生的违约规模较小。我们认为可能 是与借贷规模有一定的关联( 表3) 。鼓励产业贷款，循环贷款，总资产周转率较快、企业 规模较大、企业主年龄较大的内资企业，不良占用率较低( 表4) 。
上述研究给做线上小微贷款的金融机构一些基本提示。首先，商业银行有拨备和资 本金制度来应对单笔大额授信的不良损失，而网络金融这类去中介化、轻资本的业务形态 决定了它无法承受单笔授信规模过大的信用风险。其次，小微企业和个人的抵质押物常 常存在不足额、重复抵押等问题。当商业银行过分依赖抵押担保时，也出现了对抵押贷款 人过度放款的道德风险，自然增加了贷款的风险，出现逆向选择效应。另外在实践中，担 保贷款的做法也有不少潜在的缺点，比如贷款时拉人联保，但贷款出问题后又不互保，担 保常常失效。所以，我们主张网络小微贷款完全可以忽略抵押担保的要求，实现简单化和 低成本化。第三，信贷杠杆率过高容易形成系统性的风险。信贷从业人员要加强贷前信 息的真实性核查，加强贷后对客户还款能力变化的持续追踪。第四，相比贷给企业，贷给 企业主或个人的风险相对较小。一方面，自然人作为授信主体会更加注重自身的声誉和 信用记录。个人对债务具有无限连带责任。另一方面，个人贷款相比企业贷款风险更为 分散，特别是互联网线上获客的背景下，更趋向独立的贷款“流”。最后，网络金融打破了 地域的限制，但授信机构与客户的物理距离越远，信息不对称越严重，导致尽职调查的全 面性准确性下降。另外，需要警惕一些信用资质过低，诈骗型的客户在当地无法获得贷款 而利用网络渠道。建议网络贷款尽可能在金融机构一定的展业范围内开展。
( 三 ) “流量覆盖风险”的风险控制思路
1.精简的风控指标与流程带来大信贷流量
通过风险模型找到对小额信贷风险指标影响最大的关键因素作为甄选低风险客户的 依据。风险因素指标不宜多，不超过10 个指标。各家银行可以根据自己的风险偏好，选 择对风险解释力度在可接受的水平( 高风险解释度需更多指标) 。根据本文的研究，在控 制五个主要风险因素下，“流量覆盖风险”主张减少审批材料、简化审批流程，提高客户信 贷便捷快速的体验，对银行而言也获得了运营成本的节约。对于总信贷损失不计提大量 拨备，少资本金要求，依靠源源不断的贷款现金流来覆盖额度不大的单笔损失，从而实现 贷款流量覆盖风险并实现收益。
2.重拾被忽视的小客户并提升额度使用效率
“流量覆盖风险”的大信贷流量，还需要商业银行注意重拾过去被旧标准淘汰或忽视 的小客户。在过去，商业银行非常重视央行的个人征信记录，诸多没有央行信用记录的客 户或者信用评分不够高的客户被拒之门外。商业银行可以依据“流量覆盖风险”的风控 方法，找到几个主要风险指标形成新的客户分层参照标准，应用在被拒客户上，筛选出可 以重新被授信的客户。
对传统信贷业务而言，“流量覆盖风险”亦可以通过扩大客户规模分散风险，降低风 险成本。在过去，客户经理常常鼓励客户多使用授信额度。通过对银行单一账户资金使 用效率的研究发现，逾期率与平均资金占用比例⑥呈正相关关系。资金占用比率较低的 客户风险较低，但利润贡献不高。资金占用比率很高的客户，其违约风险较高。统计发现，处于客户平均资金占用比率在30 － 60% 的客户风险可控，是利润贡献的核心客户。 这意味着，一个100 万的信贷，是由对3 －4 个核心客户300 －400 万的授信额度来实现的 ( 假定每个客户的额度是100 万) 。因此，商业银行完全可以激励客户经理寻找更多客户 来使用适当额度的贷款。银行单一账户使用效率的研究支持了“流量覆盖风险”的新 思路。
最后，扩大客户规模的一个重要支持是大数据的支持。第三方征信数据、社交数据、 电商数据、移动运营商数据等外部数据给银行带来了大量新变量，有别于传统的信用、财 产、抵押品证明，这些新变量相对不容易被造假，又可以一定程度刻画描述个人的信用特 征，可以为网络贷款所用。
3. 量与价、风险与收益的动态平衡
较少的风险控制指标在提高客户信贷体验的同时，也意味着潜在的高风险。网络金 融部门可以依据不良率上限和 ＲAＲOC 相对标杆及时( 例如按季调整) 调整业务策略: 若 网络贷款不良率控制在2%左右， ＲAＲOC 不低于传统零售和小企业部门平均水准，则基 本可视为网络贷款运行有效。反之，不良率过高或收益率过低，都需要进行适当的“量” “价”调整，对风险与收益做动态的平衡，如调整贷款定价、调整准入口径、调整授信额度， 采取例如关闭账户、交叉销售等措施进一步降低网络贷款风险，提高盈利空间。
四、“流量覆盖风险”的盈利机制与实证检验
( 一 ) “流量覆盖风险”的盈利机制分析
“流量覆盖风险”不仅是一种风险控制模式，更集中体现了网络小额贷款的盈利机 制。在收入端，网络贷款的客户常常是长尾客户，他们对利率相对不敏感，所以可以假设 一个恒定的贷款利率水平。那么随着贷款人数和贷款总规模的增加，收入呈现一个线性 的增长。现实中，互联网金融机构目前与预期未来的营业收入和净利润收入同比增速均 超过两位数，可见网络贷款收益可以实现指数型的增长。
在成本端，网络金融的运营成本包括资金成本、运营成本、贷款损失成本。资金成本 由市场和金融机构内部的转移定价决定。由于较少的线下人力和网点成本，随着贷款总 规模和客户量的增加，运营成本是边际递减的。在贷款损失成本这块上，我们前述了网络 金融平均贷款风险趋向于稳定的总体预期风险( 损失) 。理论上看，当网络贷款客户数量 足够大时，贷款规模流量带来了收入的大幅增长，形成了稳定的贷款损失成本和边际递减 的运营成本。当收入超越盈亏平衡点后，利润将极大增长。网络贷款技术下，贷款大流量 覆盖了风险( 成本) ，带来了利润。
在定价方面，传统小微贷款对小企业的定价整体利率水平较高，但由于是单笔的做且 银行非常依赖抵押品，对定价利率、贷款规模形成一定影响。所以单笔大额贷款的定价不 一，整体收入的增长不一定是一个线性增长，边际收入递增放缓。现实中，传统商业银行 的净利润同比增长率平均在个位数水平，扣除通胀等因素，其收益曲线趋向对数型增长。
在成本方面，银行愿意做授信金额较大的贷款来分摊人工、网点等运营固定成本，但 一旦发生损失，单笔损失金额也较大，所以需要较多的拨备计提和较高的资本充足率要求 ( 做较多大额信贷的系统性重要银行的资本金要求较高) ; 如果是由客户规模增长来实现 贷款规模增长，那么依靠人工审核的贷款会随着客户量增加而增加人工成本，变动成本带 动整体运营成本上升。所以基于金融机构内在的风险偏好差异性，需要依赖“收益覆盖 风险”的风险补偿机制来抵补成本。两相对比，“流量覆盖风险”下的网络贷款显示了较 强的成本控制和收益优势。
( 二 ) “流量覆盖风险”的检验
我们利用过去两年零售和对公中小微的信贷产品收益数据，对“流量覆盖风险”概念做 简单检验。模型 I 和模型Ⅱ的因变量为贷款产品每月的营业收入⑦，模型Ⅲ和模型Ⅳ为贷款 产品每月扣除业务综合管理成本后的营业收入，模型Ⅴ和模型Ⅵ为贷款产品每月扣除贷款 减值准备成本后的营业收入。相比于短期贷款，中长期贷款视为大额贷款。零售本地贷款 多为房屋装修贷款、车位贷款、助学贷款、短期消费贷款等。相比零售消费贷款，表外授信业 务贷款，公司类的房地产贷款，结构化信贷产品视为复杂类的信贷产品。我们取样本银行 2014 －2015 年24 个月的信贷产品损益样本，零售二级明细贷款产品共521 个样本，零售与 对公一级贷款产品共473 个样本(变量设计见表5) 。
在模型 I、模型Ⅲ和模型Ⅴ中，我们先对本文提到的五个风险因素做检验，如担保、抵 质押大额贷款、授信给企业的产品、授信给本地居民的产品( 负风险因素) 、复杂类产品与 收益的关系。模型Ⅱ、模型Ⅳ和模型Ⅵ控制了上述风险因素之后，检验每月末贷款余额与 当月收益的关系。每月末贷款余额一定程度代表了信贷流量，在控制了这些主要风险之 后，我们认为小额信贷的规模越大，扣除风险成本后的收益越高。
表6 显示了零售明细信贷产品流量与收益的关系。从模型I、模型Ⅲ和模型Ⅴ容易看 到，抵押类贷款产品，保证类贷款产品，大额类贷款产品的各类收益均较低，本地授信产品 产生的各类收益更高。在控制了主要风险因素后，流量与贷款收益在1%水平上正相关。 类似的，表7 显示了零售和对公一级信贷产品流量与贷款收益的关系。抵押类贷款产品， 保证类贷款产品，复杂类产品，给小企业类贷款的产品其拨备后营业收入、扣除业务成本 后的营业收入均较低。在控制了主要风险因素后，模型Ⅱ、模型Ⅳ和模型Ⅵ显示贷款流量 与贷款收益在1%水平上正相关，即流量覆盖了风险，流量创造了利润。
我们还发现，在零售明细贷款样本中，给企业贷款的收益更高，在综合样本中，大额信 贷产品的收益更高。可能的原因是，在外部经济环境较好时，零售贷款有向小企业贷款的 动力，对公贷款依然有做大额贷款的冲动，因为在业务固定成本不变的情况下，这些贷款 规模越大收益越高。但是对网络贷款来说，对企业做贷款、做大额贷款，意味着更多的线 下投入与尽职调研，也意味着更高规模的坏账损失。这部分成本是随着客户量增加而线 性递增的，将吞噬利润空间。总体来看，我们验证了在控制主要风险因素下，小额信贷可 以实现由更高贷款流量带来的高收益。
五、结论
与传统的信贷风险管理有所不同，网络贷款的风险控制将探索新的标准和方法，各家 银行和金融机构会形成自己的风险偏好和口味，而非一刀切。比如，我们强调网络贷款应 做小额，面向本地的个人客群，但小额的范围、授信距离远近依然是相对的，取决于各家机 构的风险偏好和技术水平。再如，是否沿袭银行传统的贷款五级分类和不良率的风险口 径? 是否要用同样的催收力度? 考虑网络贷款额度较小和分散，逾期后不偿还的概率大， 视其为“损失类”，但总量伤害度不大。传统的催收成本较高，性价比低。所以我们主张 适时灵活的原则，做到适时核销但账存。另外， Liu( 2015) 认为一个分层的许可证制度是 解决平台中不同程度金融复杂性和风险的良好办法。网络金融风险管理还应当保持足够 的灵活性，考虑短期风险和长期风险，考虑国内监管和国外制度，适应未来监管的变化与 要求。
我们给在线贷款提供了一套“流量覆盖风险”的风险控制理念。其基本特征，一是利用 互联网技术更好的实现“大数法则”来分散风险，控制整体的违约概率和损失规模，因此网 络贷款需坚持做小额、简单、分散的产品;二是抓关键的风险要素加以规避，弱化过去复杂的 风险控制流程，极大提高贷款效率，降低双方经营成本。总体来看，网络金融没有改变金融 的本质，但技术进步带来了商业模式的颠覆和服务模式的变化。网络金融从业者应当遵守 客观的金融规律， 如“大数法则”、“流量覆盖风险”，努力探索服务手段的创新，提升客户价 值和体验。只有实现低成本低风险运营，网络金融才容易在普惠金融道路上顺畅而行。
资料来源：蔡闽：《流量覆盖风险——网络小额信贷风险控制新思路》，《金融研究》2016年第9期。
免责申明：本文仅用于学术交流，版权归原作者和原发刊所有，转载请注明出处。如果我们的行为侵犯了您的权益，请及时联系我们，我们将会妥善处理该部分内容。