消费金融公司扩容，再次印证了业界对消费金融市场前景的认可。

从政策层面看，中国银保监会在日前发布的《关于进一步做好信贷工作提升服务实体经济质效的通知》中明确提出，积极发展消费金融，增强消费对经济的拉动作用。其中，有3方面备受市场关注：一是提供和改进“差异化”金融产品和服务，提出要适应多样化多层次消费需求；二是“支持发展消费信贷”，满足人民群众日益增长的美好生活需要；三是“创新金融服务方式”，提出要积极满足旅游、教育、文化、健康、养老等升级型消费的金融需求。

从实践层面看，实力较强的银行系消费金融公司风头正劲。

从机制层面看，多家商业银行早已开展“个人消费信贷”，并将其视为提高零售利润水平的重要抓手，那么为何还要专门成立消费金融公司？业内人士表示，在个人贷款业务领域，商业银行更擅长房贷、车贷等业务，而消费信贷则专注于满足3个月到1年的短期消费资金需求，如买家电、服装、旅行、装修等，此类需求要深度嵌入消费场景之中。

由此，商业银行发起设立消费金融公司，一方面可借助其发起人的场景优势，实现精准获客；一方面也可发挥自身资金成本低优势。因为按照监管要求，消费金融公司不得吸收公众存款，其资金来源以股东为主。此外，商业银行还可发挥消费金融公司独立法人的体制机制优势，更加灵活、高效地开展业务。

行业的快速发展也伴随着“成长的烦恼”——传统的风险控制手段遭遇瓶颈，提升风控能力、加强风控创新成为消费金融公司的必然选择。

目前，纯线上互联网放贷已成为多家消费金融公司的运营模式，在此背景下，其面临的风险突出表现为两方面：一是外在欺诈和信用风险，造成逾期、骗贷和坏账压力，二是公司内在的合规风险和金融服务流程优化压力。

此外，由网络黑产主导的消费金融欺诈频发，已渗透到消费金融的营销、注册、借贷、支付等多个环节。金融城和麻袋研究院联合发布的《消费金融风控创新白皮书》显示，2017年黑产从业人员超150万人，年产值达千亿元级别，其主要攻击对象之一，就是用数据分析手段开展金融业务的消费金融平台。

面对上述问题，传统的风控手段局限性日益凸显。首先，消费金融业务中的欺诈行为和消费场景紧密结合，呈现出跨界特征，而传统风控手段信息维度单一，如往往只是依靠资产、现金流、职业属性来判断借款人的收入情况，却无法了解借款人在不同互联网场景中的行为信息。其次，互联网消费金融业务客群下沉、交易频繁、实时性强、数据量大，风险行为也相应呈现出小额、高频的特征。传统风控手段虽然能依靠线下面签来降低欺诈风险，但却便捷度较低，无法应对高发并发的风险事件。再次，传统风控手段下的客群局限性较大，将信用信息不足的蓝领消费者等排除在外。据不完全统计，我国目前不使用信用卡和没有其他借贷记录的信用“白户”约为4亿人。

随着金融科技的发展和应用的落地，创新风控手段，重视用“技术+数据”开展风险管理已成为消费金融公司的共识。

具体来看，生物特征识别、机器学习与模型训练、大数据抓取与数据处理这3项技术受到业内普遍重视，有望得到深度挖掘与应用。

针对生物识别，其可细分为指纹、人脸、虹膜识别，以及笔迹、声音、步态等行为特征识别。其中，指纹识别应用最广，占市场份额的58%，人脸识别份额为18%，新兴的虹膜识别市场份额为7%，掌纹识别、声纹识别、静脉识别份额较小，尚处在探索阶段。

据了解，下一步虹膜识别有望在消费金融市场进一步“大展身手”。多家消费金融公司相关负责人表示，每个人的虹膜都具有唯一性，这个“身体密码”比指纹、密钥的安全系数更高，虹膜识别具有超高的精准性和便捷性，可在防欺诈领域发挥重要作用。

目前，该技术主要应用于支付和商业银行的金库、保险箱等防盗系统，如民生银行用虹膜支付替代短信验证码，用户在支付环节只需“交易密码+虹膜验证”即可完成。

所谓“机器学习与模型训练”，则是指计算机通过模拟人类的学习行为，获得新知识和技能，并重新组织已学习到的知识技能，使之在应用中不断修复自身缺陷，其在消费金融领域主要应用于欺诈检测、客户关系管理、客服机器人。

此外，大数据抓取与处理手段将在“反欺诈模型”建设中发挥更加突出的作用。“对于反欺诈，要采用多种策略综合验证的方法来打击欺诈攻击。”蚂蚁金服相关负责人说，例如，设立“黑名单”，拦截有不良欺诈记录的申请人，数据可包含央行征信系统、公安联网系统、专业从事反欺诈的第三方数据。对于群体性欺诈攻击，可进行集群分析，利用链式聚类技术，实现无限层次申请链分析。另外，还可开展逻辑违规算法，将多个弱相关变量放在一起，由于反欺诈变量多，可以综合建模来判断整体有效性。