投资借贷AI工具的理由

信贷市场具有周期性，我们正接近一个拐点，这将推动借贷技术领域的热情高涨。最好现在就做好准备。

Source: https://shirlawncap.substack.com/p/the-case-for-investing-in-lending

Jerome Powell 作为美联储主席的8年多任期将于明天结束，他将被特朗普总统亲自挑选的候选人 Kevin Warsh 取代。因此，现在正是我撰写一篇与利率相关的 Substack 文章的好时机。作为一名前利率交易员，我对美联储主席的角色以及美联储对美国整体经济的影响深表敬意。我相信，未来回顾这一过渡时，我们会将其视为未来几年利率下降的几个关键原因之一。

我撰写这些 Substack 文章的目的，与其说是说服读者接受我的宏观观点，不如说是更侧重于描述宏观趋势变化所带来的技术影响。这篇文章也不例外——但首先，请允许我简要说明我认为会导致中短期利率下降的假设：

特朗普总统多年来一直公开表示希望美联储降息，现在他终于有机会更换美联储主席。
当前的通胀压力主要源于霍尔木兹海峡的关闭。该海峡将在2026年下半年重新开放，从而缓解通胀担忧。
AI 具有通缩效应。

特朗普总统多年来一直公开表示希望美联储降息，现在他终于有机会更换美联储主席。
当前的通胀压力主要源于霍尔木兹海峡的关闭。该海峡将在2026年下半年重新开放，从而缓解通胀担忧。
AI 具有通缩效应。

如果我们把这些观点视为既定事实，那么信贷市场将迎来重大转变。

利率与借贷趋势

利率与借贷量呈负相关。高利率导致贷款发放量低，反之亦然。一个易于追踪的指标是抵押贷款发放量，它展示了这一现象：

上图来自 CFPB，追踪了自2006年以来的抵押贷款发放数量（经通胀调整，而非总发放量）。贷款发放具有周期性——低利率时期，如2021年的“零利率政策”时代，推动了创纪录的发放量；随后发放量的暴跌与疫情后利率上升相关。

对借贷技术的投资——无论是来自风险投资者，还是购买新技术的贷款机构本身——也具有周期性。下图来自 Tracxn，展示了按年份划分的替代性借贷平台的风险投资情况：

这张图告诉我们，当贷款发放量处于高位时，对借贷技术的需求也最高。

在一个明显具有周期性的市场顶部进行投资，是一种相当糟糕的赚钱方式。但在行业面临逆风的低谷期投资，本身也令人望而生畏。在我看来，投资借贷技术的最佳时机是在拐点——就在贷款发放量回升之前。作为投资者，你可以在获得有吸引力的入场价格的同时，受益于随后3-5年的市场顺风。

而这正是我们目前所处的经济周期阶段。

机会在哪里——以及不在哪里

任何类型的贷款发放过程——无论是消费无抵押贷款、中小企业贷款、抵押贷款还是汽车贷款——都是一项极其量化的学科。大型语言模型是当前流行的“模型”类型——但在它们之前，早已存在经过验证的承销模型，这些模型是我们金融生态系统的支柱。我见过许多关于“AI 如何改变承销”的思考文章，但这种框架过于简单化。承销模型基于数十、数百或数千个数据点来评估交易对手的还款意愿和能力。这些模型经过几代人的经验性微调和回测，以构建最具竞争力的贷款产品。AI 并不能从这些现有数据中得出某种新的、更好的结论。然而，AI 可以在承销前和承销后流程中产生重大影响，从而改善贷款表现和客户体验。

承销前：要正确评估借款人，需要获取大量数据，在某些情况下，这些数据的获取难度各不相同。当消费者申请信用卡时，信用卡提供商会拉取该用户的 FICO 分数以及其他几个简单的数据点——这是一个直接的过程。但收集数据以评估小企业或发放抵押贷款则要复杂得多。Blend 在2010年代建立了一家价值数十亿美元的公司，其核心理念是简化抵押贷款申请流程将提高其贷款合作伙伴的转化率。在 AI 时代，这一理念可以进一步应用（并适用于更多贷款类型），因为 AI 代理可以代表借款人承担更多信息收集的重任。一个例子是：贷款官的角色是引导借款人完成贷款申请、评估和批准流程——这些工作都适合 AI 代理，它们在某些情况下会增强，在其他情况下则会取代贷款官。
承销后：仅在美国，贷款服务就是一个价值数十亿美元的市场——更不用说构成贷后机制的其他市场了。服务商确保客户按时还款，但他们也旨在提供良好的借款人体验——回答问题、提供建议——以便鼓励借款人未来与贷款机构开展更多业务。服务依赖于与借款人的基于规则的沟通——服务商决定在贷款生命周期中何时联系借款人；他们决定沟通的适当语气；他们决定何时是向借款人交叉销售其他产品的最佳时机。AI 代理非常适合与借款人进行基于规则、细致入微的沟通。Valon 和 Haven 都在抵押贷款领域具体执行这一愿景。

承销前：要正确评估借款人，需要获取大量数据，在某些情况下，这些数据的获取难度各不相同。当消费者申请信用卡时，信用卡提供商会拉取该用户的 FICO 分数以及其他几个简单的数据点——这是一个直接的过程。但收集数据以评估小企业或发放抵押贷款则要复杂得多。
Blend 在2010年代建立了一家价值数十亿美元的公司，其核心理念是简化抵押贷款申请流程将提高其贷款合作伙伴的转化率。在 AI 时代，这一理念可以进一步应用（并适用于更多贷款类型），因为 AI 代理可以代表借款人承担更多信息收集的重任。
一个例子是：贷款官的角色是引导借款人完成贷款申请、评估和批准流程——这些工作都适合 AI 代理，它们在某些情况下会增强，在其他情况下则会取代贷款官。
承销后：仅在美国，贷款服务就是一个价值数十亿美元的市场——更不用说构成贷后机制的其他市场了。服务商确保客户按时还款，但他们也旨在提供良好的借款人体验——回答问题、提供建议——以便鼓励借款人未来与贷款机构开展更多业务。
服务依赖于与借款人的基于规则的沟通——服务商决定在贷款生命周期中何时联系借款人；他们决定沟通的适当语气；他们决定何时是向借款人交叉销售其他产品的最佳时机。AI 代理非常适合与借款人进行基于规则、细致入微的沟通。Valon 和 Haven 都在抵押贷款领域具体执行这一愿景。

例如，贷款官或服务商的成本已计入借款人获得的整体利率中。降低发放和维护贷款的成本结构，将为借款人带来实质性的节省。早期（且成功）实施这些策略的贷款机构有望赢得市场份额。

欺诈在借贷中的作用

在更复杂的承销环境下，AI 将在欺诈企图增加和欺诈检测改进方面发挥重要作用。

在攻击方，过去需要数月时间“养号”的合成身份，现在一个下午就能组装完成——在消费者方面，这可能包括驾照、工资单、银行对账单以及匹配的 LinkedIn 个人资料。LLM 将允许单个操作员跨机构同时运行数百个申请，每个申请内部一致且针对特定的承销问题量身定制。这些工具还扩大了身份盗窃的范围：欺诈尝试的成本正在崩溃——这意味着，与过去相比，欺诈者现在更值得花时间窃取更多消费者的身份。

同样的转变正在影响企业贷款和 BNPL（先买后付），其中合成企业现在带有虚假网站、评论和收入仪表板。