I. Tổng quan về P2P lending
Dịch vụ cho vay ngang hàng (P2P lending) là một trong những mô hình Fintech mới trên thế giới, mô hình kinh doanh online nhằm mục đích kết nối người cho vay và người đi vay. Về cơ bản các công ty P2P lending không trực tiếp cho vay tiền mà chỉ kết nối giữa 2 bên có nhu cầu cho vay và đi vay. Các mô hình P2P lending hiện tại thường bao gồm các bước đơn giản như hình 1.
Quy trình nghiệp vụ của một sàn P2P lending có thể chia ra làm 3 giai đoạn chính và các nghiệp vụ quan trọng như sau:
1. Giai đoạn đầu: giai đoạn trước khi phát sinh khoản vay, các sàn P2P lending thực hiện thu thập dữ liệu, từ đó xây dựng các view tổng quan về các nhà đầu tư và người đi vay tiềm năng (KYC). Dựa vào các dữ liệu này, các sàn P2P sẽ xây dựng các mô hình chấm điểm tín dụng của người đi vay (Credit scoring). Lưu ý ở giai đoạn này, điểm tín dụng mang ý nghĩa tham khảo để hệ thống kết nối người đi vay và nhà đầu tư.
2. Giai đoạn phát sinh khoản vay: trong giai đoạn này, khoản vay đã phát sinh giữa người đi vay và nhà đầu tư. Các nghiệp vụ phát sinh trong giai đoạn này gồm có: (i) theo dõi khoản vay và (ii) kiểm soát và đo lường rủi ro.
3. Giai đoạn kết thúc khoản vay: giai đoạn này bao gồm các nghiệp vụ như (i) theo dõi tất toán khoản vay và (ii) đánh giá chất lượng mô hình chấm điểm tín dụng và mô hình rủi ro
II. Giai đoạn 1
1. Quy trình nhận biết khách hàng:
Đa số các công ty P2P lending đang hoạt động trên thị trường sử dụng KYC thông qua việc thu thập dữ liệu cá nhân của người dùng, bao gồm: Họ tên, Ngày tháng năm sinh, số CMTND/ Passport, số điện thoại, địa chỉ email, địa chỉ nhà. Ngoài ra ở bước xác minh hồ sơ vay, các sàn thường yêu cầu khách hàng tải lên hóa đơn điện nước hoặc các chứng từ chứng minh để bổ sung vào hồ sơ cá nhân của khách hàng. Các dữ liệu này hay phải đối mặt với rủi ro lừa đảo khi người dùng upload hình ảnh CMTND/ Passport hoặc các chứng từ giả mạo mà hệ thống không nhận dạng được. Tổng quan lại các nguồn dữ liệu phục vụ cho giai đoạn KYC bao gồm:
– Dữ liệu cá nhân người dùng khai báo: Các dữ liệu này được thu thập thông qua quá trình KYC và xác minh thông tin người dùng. Việc xác minh thông tin có thể thông qua phỏng vấn trực tiếp hoặc tìm hiểu thông qua nhiều nguồn thông tin liên quan đến người dùng. Dữ liệu bao gồm các thông tin như tình trạng sở hữu nhà, số lượng người phụ thuộc, kinh tế, tình trạng hôn nhân, cơ quan đang công tác, thời gian làm việc, tính chất công việc,… Các công ty thường có bước đối chiếu chéo các thông tin cá nhân người dùng cung cấp với các nguồn thông tin khác để kiểm tra tính trung thực của dữ liệu khai báo.
– Dữ liệu mạng xã hội: Các công ty tự xây dựng hệ thống quét mạng xã hội (thường là facebook) hoặc mua lại dữ liệu của các công ty có công cụ social listening. Các dữ liệu này thường gồm các trường thông tin như: Họ tên, số điện thoại, địa chỉ thường lui tới, bạn bè, sở thích, trình độ học vấn, số lượng tương tác,… Dữ liệu mạng xã hội giúp cho các công ty vẽ ra được một hồ sơ online cơ bản của khách hàng. Thông thường các dữ liệu dạng này được dùng để chấm điểm tin cậy (trusting score) cho một người dùng. Lý thuyết của điểm số này là người nào có nhiều bạn bè với điểm số tin cậy cao, được nhiều người tương tác thì chỉ số tin cậy cũng sẽ cao hơn.
– Dữ liệu viễn thông: Các sàn giao dịch P2P lending có thể mua dữ liệu từ các nhà mạng điện thoại. Các nhà mạng nắm giữ lượng dữ liệu rất lớn của người sử dụng như địa chỉ nhà, số lượng thuê bao thường xuyên liên hệ, thời gian các cuộc gọi, số tiền thuê bao trả hàng tháng, số lượng các lần nợ quá hạn (đối với thuê bao trả sau),…
– Dữ liệu CIC: Nguồn dữ liệu mua của CIC được dùng để tham khảo đối với đối tượng người đi vay là các doanh nghiệp, cá nhân đã có lịch sử tínt dụng tại CIC. Tuy nhiên vì loại hình P2P lending nhắm đến các khoản vay tài chính vi mô (dưới 10 triệu VNĐ) nên đối tượng người đi vay trong loại hình này thường không có lịch sử tín dụng lưu tại CIC.
– Dữ liệu lịch sử tín dụng tự xây dựng: Bản thân các công ty hoạt động trong lĩnh vực P2P lending cũng phải tự xây dựng kho dữ liệu tín dụng khách hàng riêng thông qua lịch sử cho vay của mỉnh. Tuy nhiên một số công ty mới hoạt động sẽ không có đủ dữ liệu cho nguồn này.
– Các nguồn dữ liệu khác: Một số công ty hoạt động trong hệ sinh thái có thể sử dụng dữ liệu từ các nguồn khác như nguồn thương mại điện tử, nguồn từ các bên giao vận,… Các nguồn dữ liệu này thể hiện thói quen mua sắm, số tiền khách hàng bỏ ra, địa chỉ giao hàng, thói quen thanh toán (sử dụng tiền mặt hay qua thẻ ngân hàng, cổng thanh toán), số lần không nhận hàng,…
2. Quy trình chấm điểm tín dụng:
Hệ thống Credit scoring (chấm điểm tín dụng) dùng để phục vụ cho việc xác định rủi ro tín dụng của một khách hàng vay. Mô hình chấm điểm được xây dựng từ các dữ liệu được thu thập và cập nhật liên tục để phản ánh tình trạng của khách hàng, các sàn P2P thực hiện phân tích và áp dụng các thuật toán như logistic regression (Hồi quy logic) để đưa ra được điểm số tín nhiệm cho khách hàng. Các chỉ tiêu chấm điểm được sử dụng theo nhóm, sau đó đưa vào mô hình để tính điểm theo trọng số và quy đổi điểm nhận sang một biểu tượng xếp hạng tương ứng.
Tuy nhiên, các dữ liệu đầu vào của các mô hình này vẫn mang tính rời rạc, không chính thống. Việc một hệ thống tự nhận dạng được giấy tờ do người sử dụng đăng tải lên là giả mạo khá khó khăn do không có dữ liệu giấy tờ thật để đào tạo cho trí tuệ nhân tạo (các dữ liệu thật này như CMTND/ Passport, nhận dạng khuôn mặt,… do Bộ Công an sở hữu).
III. Giai đoạn 2
Các hệ thống theo dõi khoản vay và kiểm soát và đo lường rủi ro bao gồm các hệ thống theo dõi rủi ro danh mục đầu tư (Risk Portfolio) và Lợi nhuận điều chỉnh rủi ro/ rủi ro vốn (Risk Adjusted Return Capital – RAROC).
Các hệ thống này cần xác định các biến số như PD – Probability of Default: xác suất khách hàng không trả được nợ; LGD: Loss Given Default – tỷ trọng tổn thất ước tính; EAD: Exposure at Default – tổng dư nợ của khách hàng tại thời điểm khách hàng không trả được nợ. Thông qua các biến số trên, ngân hàng sẽ xác định được EL: Expected Loss – tổn thất có thể ước tính. Để từ đó tính toán ra được:
EL = PD x EAD x LGD (tổn thất có thể ước tính)
Ngoài ra còn một loạt các chỉ số tài chính khác cần theo dõi như Chi phí hoạt động, Thu nhập ước tính, Vốn chủ sở hữu,… hay danh sách cảnh báo sớm (Watch list), nợ xấu,…
III. Giai đoạn 3
1. Việc theo dõi tất toán khoản vay là nghiệp vụ đánh giá kết quả trả nợ của người đi vay. Tại một số sàn P2P có thêm nghiệp vụ bảo lãnh hay bảo hiểm khoản vay cho nhà đầu tư.
2. Dựa vào kết quả của quy trình tất toán khoản vay, sàn P2P lending thực hiện đánh giá, kiểm định lại chất lượng mô hình chấm điểm tín dụng đã xây dựng tại Giai đoạn 1, thông thường là bằng cách sử dụng đường cong Receiver Operating Characteristics (ROC) và hệ số Gini (đánh giá độ chính xác của mô hình chấm điểm tín dụng so với thực tế) (Hình 2)
(Hệ số Gini từ 0.8-1 cho biết mô hình rất tốt; từ 0.6-0.8 là mô hình tốt; từ 0.4-0.6 là mô hình khá; từ 0.2-0.4 là mô hình trung bình; từ 0.0-0.2 là mô hình yếu)
IV. Kết luận
Như vậy, quy trình hoạt nghiệp vụ của một sàn P2P lending có độ phức tạp cao do nhiều tính chất của thị trường cho vay tiêu dùng, vay cá nhân hay tài chính vi mô ở Việt Nam. Do đó để triển khai một cách thành công, tránh được rủi ro nợ xấu, các sàn cần định hình rõ ràng về quy trình nghiệp vụ theo 3 giai đoạn trên.
Ngoải ra, hệ thống chấm điểm tín dụng sẽ không quyết định độ chính xác của Xác suất khách hàng không trả được nợ (Probability of Default) của khách hàng do hai yếu tố: Khả năng và sự sẵn sàng trả nợ. Một khách hàng vay tiền có điểm số tín dụng cao có thể có khả năng nhưng không sẵn sàng trả nợ thì chỉ số PD vẫn sẽ cao. Điều này dẫn đến rủi ro tín dụng và tỷ lệ nợ xấu cao.
————***————
