3月25日， 「刺殺辱母者」一事， 毫無徵兆的引爆了整個互聯網圈， 其背後的關於民間借貸的「灰產鏈」再次被曝光。
這不是民間借貸第一次產生負面消息。
早在2012年， 浙江省東陽市女企業家吳英通過借貸關係非法集資， 金額達7.7億， 此事在當時也引發了廣泛的關注。 此後， 浙江省錯綜複雜的民間借貸逐漸被公眾所熟知。 根據浙江省高級人民法院提供的資料， 從2012年至2015年， 浙江法院民間借貸糾紛案收案數量逐年上升， 高居全國第一。
根植民間的借貸行業在「互聯網化」上的進度與負面新聞「幾乎同步」。 2016年11月30日， 大學生裸貸風波餘波猶在：出借人收取借款女學生的裸照作為抵押， 同時收取極高的利息， 通過高利貸和裸照誘使借款人一步一步走向賣淫的深淵。
雖然多次被爆負面新聞， 輿論也不止一次對其進行口誅筆伐， 但是借貸這種古老的人際關係並沒有因此沉寂。
從2015年開始， 現金貸作為消費金融的一個重要分支開始強勢崛起， 現正在以熊熊燎原的趨勢， 席捲而來。
現金貸， 是小額現金貸款業務的簡稱， 具有方便靈活的借款與還款方式，
國內外現金貸發展簡史
自上世紀90年代， 美國出現現金貸（Payday Loan）至今， 「現金貸」業務不但沒有消亡， 反進入了一個穩定期， 成為了底層人民常用的一種金融服務。 90年代的美國， 大約有20%的居民面臨融資困難， 他們有小額借款周轉的需求， 但又難以獲得傳統金融機構的服務， 巨大的市場需求成為了現金貸興起的土壤。
早期現金貸的風控又完全依靠人工審核， 行業壞賬率極高， 當時美國現金貸機構不良貸款率在10%至20%左右。 這使得現金貸機構不得不以極高的利率去填補壞賬帶來的損失，
這樣的惡性循環直到直到ZestFinance等以大資料為手段的金融科技公司出現之後才有了好轉。 這些公司通過大資料和機器學習， 為現金貸機構建立了技術化的風控體系， 將壞賬率顯著地降低， 同時也使得借款人承受的利率降低了很多。
然而， 雖然需求量很大， 風險控制也日益完善， 現金貸在歐美依然受到嚴厲的管制。 美國為現金貸劃定了36%的利率天花板， 而英國在此前也規定現金貸的利率不得超過每天0.8%。 2016年5月11日， 穀歌官方博客發佈公告稱， 今年7月13日起， 穀歌將禁止所有60天短期貸款產品廣告以及年利率在36%以上的貸款產品廣告， 因為這些產品”可能導致使用者無法負擔或高違約率”。 穀歌此舉意在規避公司存在道德風險， 然而對此類產品的需求依舊是存在的。
國內現金貸：起步晚、快速完善中
不同于國外系統完善的征信體系， 脫胎于民間的現金貸在互聯網化到一定程度才開始陸續興起， 而隨著移動互聯時代的大資料風控技術的成熟，國內的現金貸終於開始走上「正規軍」之路。
（1）第一個階段2006-2013年，從線下債權轉讓模式開始，再發展為線上+線下模式(O2O模式)，中期現金貸業務模式興起
2007年拍拍貸成立，現金貸開始線上運營模式中國首次引進P2P概念。2012年，宜信推出網路借貸平臺宜人貸。另外，這期間陸續出現的比較知名的P2P平臺有人人貸、陸金所、你我貸等。此類業務最典型的特徵就是線下獲取借款人，線上募集資金，中期現金貸業務模式興起。
在P2P網貸火熱之時，新的業務模式悄然興起，線上獲取借款人成為趨勢，比如短期現金貸和隨借隨還類現金貸，基本上是隨著互聯網理財的興起而逐步普及，銀行也順勢推出此類業務，而大型互聯網公司更是利用自身流量，輕而易舉地開展了現金貸業務。如螞蟻金服的借唄，騰訊的微粒貸，中騰信的小花錢包等。
2015年左右，國外的發薪日貸款模式被帶進中國，隨後很快開始了「本土化」落地，中國特色模式的現金貸迅速湧現。
國外發薪日貸款主要為線下設立營業網點，後來也逐步開始線上化，其主要是用發薪日的工資來還前期的借款。國內的超短期現金貸機構一開始就以線上為主，通過線上進行風控。不僅可以節省運營費用，也可以覆蓋更多的人群，而且借款目的不特定，跟發薪日關聯度不高。超短期現金貸典型代表有手機貸、2345貸款王、現金巴士等。但是，目前此類現金貸機構壞賬率依然偏高，風控水準還有待提高。
（2）2013-2015，隨著移動支付的興起、大資料風控的完善，現金貸開始野蠻生長。
隨借隨還類、短期、超短期現金貸開始發力，標誌著純線上現金貸業務興起。
可以看出，2013年開始，由於移動支付的大面積普及，借貸類項目的融資開始了爆發式增長，直到2016年有所回落。而北京和上海作為中國的金融中心，大部分的融資事件都發生在這兩座城市。
現金貸業務模型
現金貸的直接參與方為投資人、現金貸機構和借款人。除此之外，在業務過程中機構還會受到監管機構的監管，也會接受征信、催收以及其他機構的服務。
產品的分類與目標客戶群密切相關，30天以內的短期現金貸週期短、金額低、利率高，與國外的payday loan極為相似，目標客戶也以藍領為主。白領和學生由於信用等級更高，機構也願意為他們提供週期更長、金額更高且利率更優惠的貸款。
按借款額和借款週期分類：30天以內，借款額小於1500，一次性還本付息；30天以上，借款額超過3000，可分期。
按借款人畫像（藍領、白領、學生）
成本結構：
風控成本主要集中於技術和催收的人力成本
目前現金貸領域成熟的玩家基本都需要組建技術主導的風控團隊，通過大資料和機器學習不斷為借款人做更精確的定位，從而將壞賬風險降到最低。根據業內人士透露，維持一個成熟的技術型風控團隊的成本大約為每年600萬到700萬之間。而從無到有地搭建風控模型，至少需要半年時間。這對很多新玩家來說都是一筆非常大的支出，如果規模沒有達到一定程度，貿然搭建風控團隊甚至會拖累機構的發展。
現金貸由於具有筆均貸款金額低以及壞賬率高的特徵，導致同等的貸款規模，現金貸機構需要催收的人數要比其他金融機構多得多。這就使得催收成本在其成本結構中的占比上升。業內人士分析指出：如果機構月貸款金額1億元，壞賬率5%，則每月會產生5000-10000個待催收的用戶。而實際壞賬率可能遠高於此，這就需要機構維護一個幾十人甚至上百人的催收團隊。
壞帳成本，視壞賬率而定，目前沒有普遍應用的不良資產處理；壞帳成本和風控成本是反相關的
壞賬成本是指機構確認無法追回的借款，是現金貸業務最主要的成本，目前正常運轉的機構壞賬率一般在5%－10％。有效的風控和催收可以顯著地降低壞賬成本，所以每個機構都必須面對如何分配成本低的決策。
稅務成本
金融業一般納稅人稅額為6%，對於機構而言這是一筆無法規避的成本。機構必須嚴格處理帳務，避免因稅務導致的虧損，同時也需遠離稅務可能引起的法律風險。
一圖看懂現金貸與P2P和消費分期間的區別
現金貸和P2P最大的區別在於現在的現金貸的資金主要來源於機構而非個人投資者。現金貸的資產端十分聚焦，就是短期貸款產品。P2P的資產端很複雜，既有2B也有2C，有無抵押貸也有抵押貸，甚至包括沒有資產端的非法集資。
2015年開始，創業者包括原先的P2P平臺，都開始把目光轉向了現金貸。對此，業內分析人士指出，這是大趨勢使然：因為與P2P的模式相比，現金貸在資產端具有很大的優勢。車貸、房貸以及企業貸都是傳統金融機構耕耘多年的領域，與之相比互聯網平臺並沒有任何競爭優勢。而現金貸業務是傳統金融機構鮮有涉及的藍海，同時互聯網平臺可以更快地審批並放款，這是傳統金融機構所不具備的能力。
現金貸業務集中線上上，參與者僅限機構和借款人，不可預料的風險更少。消費分期有線下場景，利益關係更為複雜，機構需要支出大量的成本搭建並維護管道。
人工智慧、區塊鏈或將成為現金貸的「標配」
征信體系不完善，各機構間競爭激烈，同時資料互不相通，導致一人多貸情況十分普遍，使得全行業風險更高，只是目前現金貸領域的「行業通病」。
綜上分析，智投雲認為：「未來現金貸，得風控者贏未來」，這也十分接近金融的本質——風險定價。目前中國經濟下行趨勢明顯，這將導致整個金融體系中不良資產的積累。而作為金融業中風險相對較高的分類，如何以可承受的成本投入構建一個適合自身業務的風控體系，是每個現金貸機構必須面對的問題。未來的現金貸，每個環節的風險控制都會被綜合納入到風控模型裡去考慮。
貸前：雖然目前大多機構都和芝麻信用等征信平臺達成合作，然而從業者坦言，對於相當一部分借款人，他們的征信記錄是一片空白的，這將使得機構承擔更高的風險。同時，機構之間的資料通道目前尚未打開，很多借款人在其他機構的信用記錄並未被其他機構利用。未來隨著征信體系的不斷完善和機構間資料的共用，機構在貸款前可以獲得更完善的用戶畫像，將大部分不合格的借款人篩選掉。
貸後：目前現金貸機構並沒有特別優質的不良資產處理管道，但這其實是一筆很可觀的資產。如果機構能適當地處理不良資產，挽回部分損失，可以使得企業更加健康地周轉。現在已經有諸如催天下等催收公司可代為處置不良資產，相信未來還將有更多資產管理公司服務于現金貸機構的不良資產處理。
除了風控，新興技術的應用也將是現金貸機構競爭的領域。現金貸行業本身就是伴隨著新興的互聯網技術走向繁榮的，現階段大資料的應用已經成為了行業的標配。未來人工智慧和區塊鏈等技術的應用將會推動現金貸進一步發展。
伴隨著行業資料的不斷沉澱，人工智慧的應用場景將不斷擴大。目前部分機構已實現機器智慧審核放款，為機構省下了大量的人工審核成本，未來這一應用必將擴展到全行業。同時，隨著人工智慧的不斷加強，今後或許在催收端也會由人工智慧替代部分人力。
現金貸機構運營資料的不斷積累，使得機構越來越重視它們的資料安全。尤其是我們對未來機構間資訊共用懷有想像，機構資料安全的保障必不可少。區塊鏈是一種去中心化的資訊技術，可以使機構間在共用資料的時候更加安全。
但由於長期政策風險的不確定性和可預見的充分競爭市場，使得現金貸類項目適合早期佈局。政策長期不確定性將是此類項目最大風險，道德風險、獲客競爭、資金競爭、系統穩定性風險等都會引起經營風險，二級市場估值較低導致投資人退出管道更偏向於分紅和收購。最終，風險集中爆發時，等待行業的將是嚴厲的監管。只有同時擁有強大技術能力和產品能力的團隊將在這一競爭中率先勝出。
而隨著移動互聯時代的大資料風控技術的成熟，國內的現金貸終於開始走上「正規軍」之路。（1）第一個階段2006-2013年，從線下債權轉讓模式開始，再發展為線上+線下模式(O2O模式)，中期現金貸業務模式興起
2007年拍拍貸成立，現金貸開始線上運營模式中國首次引進P2P概念。2012年，宜信推出網路借貸平臺宜人貸。另外，這期間陸續出現的比較知名的P2P平臺有人人貸、陸金所、你我貸等。此類業務最典型的特徵就是線下獲取借款人，線上募集資金，中期現金貸業務模式興起。
在P2P網貸火熱之時，新的業務模式悄然興起，線上獲取借款人成為趨勢，比如短期現金貸和隨借隨還類現金貸，基本上是隨著互聯網理財的興起而逐步普及，銀行也順勢推出此類業務，而大型互聯網公司更是利用自身流量，輕而易舉地開展了現金貸業務。如螞蟻金服的借唄，騰訊的微粒貸，中騰信的小花錢包等。
2015年左右，國外的發薪日貸款模式被帶進中國，隨後很快開始了「本土化」落地，中國特色模式的現金貸迅速湧現。
國外發薪日貸款主要為線下設立營業網點，後來也逐步開始線上化，其主要是用發薪日的工資來還前期的借款。國內的超短期現金貸機構一開始就以線上為主，通過線上進行風控。不僅可以節省運營費用，也可以覆蓋更多的人群，而且借款目的不特定，跟發薪日關聯度不高。超短期現金貸典型代表有手機貸、2345貸款王、現金巴士等。但是，目前此類現金貸機構壞賬率依然偏高，風控水準還有待提高。
（2）2013-2015，隨著移動支付的興起、大資料風控的完善，現金貸開始野蠻生長。
隨借隨還類、短期、超短期現金貸開始發力，標誌著純線上現金貸業務興起。
可以看出，2013年開始，由於移動支付的大面積普及，借貸類項目的融資開始了爆發式增長，直到2016年有所回落。而北京和上海作為中國的金融中心，大部分的融資事件都發生在這兩座城市。
現金貸業務模型
現金貸的直接參與方為投資人、現金貸機構和借款人。除此之外，在業務過程中機構還會受到監管機構的監管，也會接受征信、催收以及其他機構的服務。
產品的分類與目標客戶群密切相關，30天以內的短期現金貸週期短、金額低、利率高，與國外的payday loan極為相似，目標客戶也以藍領為主。白領和學生由於信用等級更高，機構也願意為他們提供週期更長、金額更高且利率更優惠的貸款。
按借款額和借款週期分類：30天以內，借款額小於1500，一次性還本付息；30天以上，借款額超過3000，可分期。
按借款人畫像（藍領、白領、學生）
成本結構：
風控成本主要集中於技術和催收的人力成本
目前現金貸領域成熟的玩家基本都需要組建技術主導的風控團隊，通過大資料和機器學習不斷為借款人做更精確的定位，從而將壞賬風險降到最低。根據業內人士透露，維持一個成熟的技術型風控團隊的成本大約為每年600萬到700萬之間。而從無到有地搭建風控模型，至少需要半年時間。這對很多新玩家來說都是一筆非常大的支出，如果規模沒有達到一定程度，貿然搭建風控團隊甚至會拖累機構的發展。
現金貸由於具有筆均貸款金額低以及壞賬率高的特徵，導致同等的貸款規模，現金貸機構需要催收的人數要比其他金融機構多得多。這就使得催收成本在其成本結構中的占比上升。業內人士分析指出：如果機構月貸款金額1億元，壞賬率5%，則每月會產生5000-10000個待催收的用戶。而實際壞賬率可能遠高於此，這就需要機構維護一個幾十人甚至上百人的催收團隊。
壞帳成本，視壞賬率而定，目前沒有普遍應用的不良資產處理；壞帳成本和風控成本是反相關的
壞賬成本是指機構確認無法追回的借款，是現金貸業務最主要的成本，目前正常運轉的機構壞賬率一般在5%－10％。有效的風控和催收可以顯著地降低壞賬成本，所以每個機構都必須面對如何分配成本低的決策。
稅務成本
金融業一般納稅人稅額為6%，對於機構而言這是一筆無法規避的成本。機構必須嚴格處理帳務，避免因稅務導致的虧損，同時也需遠離稅務可能引起的法律風險。
一圖看懂現金貸與P2P和消費分期間的區別
現金貸和P2P最大的區別在於現在的現金貸的資金主要來源於機構而非個人投資者。現金貸的資產端十分聚焦，就是短期貸款產品。P2P的資產端很複雜，既有2B也有2C，有無抵押貸也有抵押貸，甚至包括沒有資產端的非法集資。
2015年開始，創業者包括原先的P2P平臺，都開始把目光轉向了現金貸。對此，業內分析人士指出，這是大趨勢使然：因為與P2P的模式相比，現金貸在資產端具有很大的優勢。車貸、房貸以及企業貸都是傳統金融機構耕耘多年的領域，與之相比互聯網平臺並沒有任何競爭優勢。而現金貸業務是傳統金融機構鮮有涉及的藍海，同時互聯網平臺可以更快地審批並放款，這是傳統金融機構所不具備的能力。
現金貸業務集中線上上，參與者僅限機構和借款人，不可預料的風險更少。消費分期有線下場景，利益關係更為複雜，機構需要支出大量的成本搭建並維護管道。
人工智慧、區塊鏈或將成為現金貸的「標配」
征信體系不完善，各機構間競爭激烈，同時資料互不相通，導致一人多貸情況十分普遍，使得全行業風險更高，只是目前現金貸領域的「行業通病」。
綜上分析，智投雲認為：「未來現金貸，得風控者贏未來」，這也十分接近金融的本質——風險定價。目前中國經濟下行趨勢明顯，這將導致整個金融體系中不良資產的積累。而作為金融業中風險相對較高的分類，如何以可承受的成本投入構建一個適合自身業務的風控體系，是每個現金貸機構必須面對的問題。未來的現金貸，每個環節的風險控制都會被綜合納入到風控模型裡去考慮。
貸前：雖然目前大多機構都和芝麻信用等征信平臺達成合作，然而從業者坦言，對於相當一部分借款人，他們的征信記錄是一片空白的，這將使得機構承擔更高的風險。同時，機構之間的資料通道目前尚未打開，很多借款人在其他機構的信用記錄並未被其他機構利用。未來隨著征信體系的不斷完善和機構間資料的共用，機構在貸款前可以獲得更完善的用戶畫像，將大部分不合格的借款人篩選掉。
貸後：目前現金貸機構並沒有特別優質的不良資產處理管道，但這其實是一筆很可觀的資產。如果機構能適當地處理不良資產，挽回部分損失，可以使得企業更加健康地周轉。現在已經有諸如催天下等催收公司可代為處置不良資產，相信未來還將有更多資產管理公司服務于現金貸機構的不良資產處理。
除了風控，新興技術的應用也將是現金貸機構競爭的領域。現金貸行業本身就是伴隨著新興的互聯網技術走向繁榮的，現階段大資料的應用已經成為了行業的標配。未來人工智慧和區塊鏈等技術的應用將會推動現金貸進一步發展。
伴隨著行業資料的不斷沉澱，人工智慧的應用場景將不斷擴大。目前部分機構已實現機器智慧審核放款，為機構省下了大量的人工審核成本，未來這一應用必將擴展到全行業。同時，隨著人工智慧的不斷加強，今後或許在催收端也會由人工智慧替代部分人力。
現金貸機構運營資料的不斷積累，使得機構越來越重視它們的資料安全。尤其是我們對未來機構間資訊共用懷有想像，機構資料安全的保障必不可少。區塊鏈是一種去中心化的資訊技術，可以使機構間在共用資料的時候更加安全。
但由於長期政策風險的不確定性和可預見的充分競爭市場，使得現金貸類項目適合早期佈局。政策長期不確定性將是此類項目最大風險，道德風險、獲客競爭、資金競爭、系統穩定性風險等都會引起經營風險，二級市場估值較低導致投資人退出管道更偏向於分紅和收購。最終，風險集中爆發時，等待行業的將是嚴厲的監管。只有同時擁有強大技術能力和產品能力的團隊將在這一競爭中率先勝出。