继率先全裸晒数据之后，钱来网于3月22日在深圳宣布推出全口径风险定价。据悉，这是国内房产金融细分领域首家推出风险定价的网贷平台。

据了解，这是钱来网在率先响应行业信批监管后，再次率先响应两会“规范发展互联网金融，大力发展普惠金融”的号召成为行业的先行者。在掀起这场通过风险定价合理降低利息的战役中，钱来网的底气来自于通过风险定价打破刚兑，但又完成了“刚兑”：钱来网的主要业务模式是流动性较好的红本抵押贷款，一旦出现了违约情况，只需要通过延长兑付时间对不良资产进行处置就可以完成“刚兑”。

基础资产收益率和融资利率倒挂是绝大部分网络借贷平台崩盘的根源。据钱来网披露，通过其独家开发的风险定价体系评测，借款人的最低年化费率能到12%，钱来网的这一举动或将成为网贷行业的利率屠夫，并加速推动网贷行业利率的合理化。

如果说钱来网在2016年初率先全裸晒数据的信披解决了网贷行业不规范平台坑蒙拐骗的问题，那么这次推出的风险定价机制则解决了规范网贷平台健康长远发展的问题。

网贷行业隐忧

所谓风险定价，是指对风险资产的价格确定，它所反映的是资本资产所带来的未来收益与风险的一种关系。

钱来网CEO华猛做了一个有趣的类比：“AlphaGo下围棋是通过计算每一步棋以及对手的每一步棋来进行判断，而我们的风险定价器的风险定价算法是利用科学技术有效识别风险、量化风险并根据风险大小来计算和制定相应利率，从而达到给风险定价的效果。”通俗来讲就是，让优质借款人以较低的利率借款，质量较差的借款人以风险溢价作为补充，借款利率相应提高。

在监管新规实施后，业内一般认为网贷行业的合规三大新标准是信息披露、资金托管、牌照获取。但华猛认为，钱来网希望能树立起新的三大合规标准，即：信息披露、资金托管、风险定价。通过这三大合规新标准重塑行业规范。

尽管风险定价作为网贷行业的核心，也是大部分市场化机构的通行规则，但国内网贷平台却普遍持回避态度。

据业内人士透露，国内网贷行业普遍回避的原因有四点：一是不想定价，传统金融机构的运作模式是利用高利差覆盖风险，只要能够兜住底，就没有必要做风险定价；二是不同定价，不少平台是采用信用定价的方式，长期累积的风险极大；三是不用定价，以e租宝为代表的平台，设资金池、立虚假标，这类平台的运营根本不涉及风控；四是不能定价，很多平台没有能力完成风险定价。受各重因素困扰，风险定价迟迟未被推出。

事实上，迟迟未能推出的风险定价是大部分规范化运营网贷平台崩盘的根源：由于网贷平台借钱利率高企，资产端就会存在逆向选择问题，真正优质的资产不愿高成本地去网贷平台上借钱，愿意花高成本借钱的很大一部分是借不到钱的劣质资产。劣质资产和高利率之间形成了一个负循环，最终网贷平台必将崩盘。

在网贷平台整体资产荒的背景下，劣质资产和高利率之间行形成的负循环已经成为行业的地雷，随时会爆炸而引起行业雪崩。

大数据风控下的利率屠夫

有效的风控对借款人最终呈现的结果就是较低的借款利率。据钱来网披露，通过其独家开发的风险定价体系评测，借款人的最低年化费率能到12%。钱来网的这一举动或将成为网贷行业的利率屠夫，并逆向推动网贷行业利率加速合理化。

对国内的网络借贷行业来说，由于引入中国之后，为了适应国内市场，便由英美原始的纯线上模式演变为线上线下相结合的模式。这就导致国内P2P行业难以效仿西方国家以数据分析来建立风险模型，同时又没有英美国家成熟的社会信用环境和民间征信体系。

华猛表示，钱来网致力于建立国内房产金融定价标准，风险定价系统对于整个网贷行业是一大促进，只有让风险始终处在可控的范围才能保障投资者的权益，才能保证网贷行业的健康发展。

公开信息显示，钱来网评分卡系统以基础信用评分和抵押率为两个主要维度，对客户的信用等级进行了AAA、A、BB三个等级的划分，其中AAA对应定价的基础借款费率为12%。信用等级越高，抵押率越低，利率越低，反之则抵押率越高，利率越高。

低成本的核心是钱来网风控的大数据模型。据了解，钱来网风险定价体系的开发重点及难点在于评分卡模型和风险定价器。钱来网的创新评分卡系统是一个房押借款的信用评级系统，它是基于数据的建模回归和传统的“5C”审核技术相结合产生的，既有大数据的基因，同时兼顾了经验的认知和判断。

基于风险定价模式和评分卡模型，钱来网还开发了H5版本的风险定价器，类似平安的车险定价器，嵌入在微信公众号“易借”中。易借接入了由全国各地优秀的房地产评估机构共同建设运营的专业性房地产信息数据服务的估价平台，根据云数据，能对房屋进行初步估价，这为钱来网的房产抵押借款准确估价提供了基础。“易借”由于提高了借款业务的贷前审核效率，加快了放款速度，一经推出就得到了市场的追捧。

“钱来网的风险定价体系是在对十几个城市上万份案例做了分析，结合多年来在行业积累的经验，采用科技手段，并经过多轮的实践验证，率先在行业内独创大数据风控模型即“白匣子”评分卡模型。评分卡模型一方面大大降低了人为主观因素对于审批的误判，同时极大的调动了客户的诚信积极性。”华猛认为，“通过借款人信息的采集、通过金融各项大数据指标的验证，我们能很好地刻画个人画像与违约之间的关系，降低融资成本，对贷后管理、催收、信息披露也起到积极作用，并大大推进行业发展。”

2016年3月，一个叫做AlphaGo的机器人战胜了世界围棋冠军。AlphaGo依靠人工智能强大的数据分析能力战胜了人脑最强大脑。钱来网也正在挑起大数据风险定价的重担，做中国网贷行业AlphaGo并力争成为房产金融细分领域的FICO，为优化行业的风控模式目标加速前行。