■宋露曦（匯豐軟件開發(fā)（廣東）有限公司）

本文利用對大量數(shù)據(jù)建模對市場進(jìn)行了定量分析，發(fā)現(xiàn)利用新風(fēng)控方式能夠為銀行有效解決該問題提供一種新型思路。銀行可以利用數(shù)字化技術(shù)構(gòu)建新型方法論，即“從數(shù)據(jù)分析到價值創(chuàng)造”，逐漸降低金融業(yè)務(wù)涉及的各類風(fēng)險。

一、各商業(yè)銀行涉及消費金融領(lǐng)域的優(yōu)勢分析

各大商業(yè)銀行的存款利率在利率市場的不斷改革和飛速發(fā)展下都出現(xiàn)了一定程度的上升，縮小了銀行的利潤空間。由于個人客戶貸款的利率敏感度相對對公貸款較低，因此為了緩和利率市場對銀行的沖擊，銀行開始重點發(fā)展個人客戶，如此一來也可使銀行收入趨于平衡。通過2018 年報可發(fā)現(xiàn)，在我國國有銀行和全國性質(zhì)股份制銀行中，零售貸款利率高于對公貸款的銀行高達(dá)八家。此外，通過數(shù)據(jù)分析表明零售貸款能夠極大程度節(jié)約銀行資本、提高非息收入。

商業(yè)銀行的消費金融業(yè)務(wù)一般有三部分構(gòu)成，即信用卡、住房按揭貸款及一般消費貸款。自從2017 年國家頒布“房住不炒”政策后，住房按揭貸款業(yè)務(wù)快速回落，與此同時其他消費貸款及信用卡業(yè)務(wù)快速發(fā)展，競爭愈演愈烈，各大產(chǎn)品體系爭相出臺。其中信用卡業(yè)務(wù)經(jīng)過長達(dá)十年的快速發(fā)展，目前已占據(jù)銀行收入的主要增長點。數(shù)據(jù)統(tǒng)計顯示，我國信用卡總額在2018 年末高達(dá)15 億元，比之前增長了23%左右。

二、消費金融市場的發(fā)展趨勢分析

根據(jù)人民銀行統(tǒng)計的數(shù)據(jù)發(fā)現(xiàn)，在我國金融機(jī)構(gòu)中2018 年個人的消費貸款余額較2013 年增加了將近三倍，而且每年的增長速度都超過了18%。隨著金融市場的不斷調(diào)整和產(chǎn)品升級，推動經(jīng)濟(jì)發(fā)展首要途徑就是不斷發(fā)掘居民內(nèi)在需求，刺激居民消費。2018年8 月，中國銀保監(jiān)會辦公廳發(fā)布相關(guān)通知，倡導(dǎo)積極開展金融業(yè)務(wù)，增加居民消費，不斷拉動我國經(jīng)濟(jì)的發(fā)展。由此可見，我國金融市場還有很大的發(fā)展空間。

三、消費金融業(yè)務(wù)的風(fēng)險分析

商業(yè)銀行的消費金融業(yè)務(wù)具有很大的前景，但并不是一個完全成熟期，消費金融業(yè)務(wù)還面臨著許多挑戰(zhàn)和風(fēng)險。之前各大銀行的信貸業(yè)務(wù)都是人工審批模式，近幾年來已經(jīng)逐漸轉(zhuǎn)為自動化審批模式，但現(xiàn)階段的自動化審批模式主要利用打分卡等模型進(jìn)行審批，容易出現(xiàn)違約風(fēng)險。此外，國民的消費意識不斷改變，部分消費者存在“以貸養(yǎng)貸”的行為，這就加大了貸款的風(fēng)險。消費金融業(yè)務(wù)的風(fēng)險主要有欺詐風(fēng)險、套利風(fēng)險、信用風(fēng)險和共債風(fēng)險四類。

（1）欺詐風(fēng)險。銀行無法準(zhǔn)確判別客戶請資料的真實性和身份是欺詐風(fēng)險出現(xiàn)的最主要原因。常見的欺詐風(fēng)險行為主要有以下兩種:第一種是個人欺詐，貸款客戶名義上借著購買某商品，貨品到手后再將其轉(zhuǎn)變?yōu)楝F(xiàn)金，部分場景提供者還會為借款人提供回購服務(wù)；第二種是第三方欺詐，場景提供者制作虛假交易獲得客戶信息，利用客戶信息進(jìn)行信用貸款。這兩種情形在實質(zhì)上就是將貸款轉(zhuǎn)化為“現(xiàn)金貸”，極大程度的增加了逾期率。

（2）信用風(fēng)險。信用風(fēng)險指的是貸款客戶未能按約定進(jìn)行還款或未履行約定所產(chǎn)生經(jīng)濟(jì)損失的風(fēng)險，也稱違約和信貸風(fēng)險。出現(xiàn)信用風(fēng)險的主要原因主要有兩個:一是客戶由于外力原因無法償還債務(wù)。二是金融機(jī)構(gòu)對客戶信息判斷出現(xiàn)了失誤，從而造成一定損失。經(jīng)濟(jì)擴(kuò)張和緊縮對信用風(fēng)險的降低和增加有著重要的影響。比如2008 年的美國，自發(fā)生次貸危機(jī)后，美國的失業(yè)率大幅度增加，從而使拖欠率增長至7%左右，核銷率上升至11.0 左右。

（3）套利風(fēng)險。套利風(fēng)險主要發(fā)生在現(xiàn)金貸業(yè)務(wù)上，客戶申請成功后，銀行將這筆貸款打入客戶賬戶中，對于之后資金的流向和使用缺乏管控。借出資金后部分資金被投入理財產(chǎn)品和股市當(dāng)中，以從中謀取利潤差，如果投資的產(chǎn)品出現(xiàn)問題，客戶就會發(fā)生違約行為。

（4）共債風(fēng)險?？蛻敉瑫r在多家金融機(jī)構(gòu)中存在債務(wù)關(guān)系，稱之為共債風(fēng)險。產(chǎn)生共債風(fēng)險的原因主要是貸款客戶的消費遠(yuǎn)遠(yuǎn)超于收入水平。各大銀行和金融機(jī)構(gòu)的信貸情況已納入央行征信，但許多線上信貸平臺卻未納入，銀行在對客戶進(jìn)行評估時只能通過與第三方對接間接推測客戶的信貸情況及共債情況。

四、數(shù)據(jù)驅(qū)動商業(yè)銀行消費金融風(fēng)險管理實踐

消費金融風(fēng)險管理技術(shù)在客戶數(shù)據(jù)分析能力的不斷提高下逐漸完善。通過數(shù)據(jù)分析和建?？梢宰尭鞔笊虡I(yè)銀行深入了解客戶數(shù)據(jù)，不斷挖掘客戶的潛在信息，從而使銀行的風(fēng)險管理水平得以提升。

（一）拓展數(shù)據(jù)來源，嚴(yán)防欺詐風(fēng)險

防欺詐風(fēng)險的關(guān)鍵在于反欺詐技術(shù)和規(guī)則的使用及大數(shù)據(jù)的分析，比如客戶身份的確定、財務(wù)及收入的準(zhǔn)確和真實性。目前在防欺詐風(fēng)險管理中大數(shù)據(jù)已得到了初步應(yīng)用，主要用于兩個方面:第一，驗證客戶信息是否真實準(zhǔn)確。銀行可以利用大數(shù)據(jù)技術(shù)對客戶在央行及一些三方征信系統(tǒng)的基礎(chǔ)信息進(jìn)行充分挖掘，對客戶申請信息中的矛盾和不符合邏輯部分進(jìn)行交叉對比驗證，如此一來可以很大程度降低欺詐風(fēng)險。比如通過對比客戶注冊的地址信息和設(shè)備端IP 地址，如果相距較遠(yuǎn)，偏差較大，則該地址很有可能是虛假信息。第二，可以驗證客戶提供的申請資料是否真實準(zhǔn)確。部分申請者會刻意將對自己不利的事實隱瞞起來，比如刻意隱瞞其巨額錢款、背負(fù)刑事案件等事實，通過大數(shù)據(jù)連接的互聯(lián)網(wǎng)信息，可以在短時間內(nèi)獲取該人的負(fù)債情況、刑事案件及經(jīng)營信息等，從而確?？蛻羯暾堎Y料的真實性。

（二）強化風(fēng)控模型，防范信用風(fēng)險

各大銀行需要根據(jù)不同的產(chǎn)品制定適合該產(chǎn)品的風(fēng)控模型。初始階段大數(shù)據(jù)會對客戶類型進(jìn)行分析，制定出多種策略，從而讓銀行對客戶的貸款需求有一個更為全面客觀的分析評價，進(jìn)一步對初始制定的策略進(jìn)行優(yōu)化和改善。除此之外，為了保證給予客戶額度的合理性，各大銀行還需引入銀行卡交易流水、線上支付流水等大量外部數(shù)據(jù)以對客戶的還款意愿和能力進(jìn)行更為準(zhǔn)確的判斷。與此同時，銀行要定期關(guān)注客戶的還款情況，分析其還款能力，風(fēng)控模型應(yīng)實時對客戶行為進(jìn)行監(jiān)管，一旦出現(xiàn)異樣行為或?qū)€款不利的行為，應(yīng)立即進(jìn)行反饋并預(yù)警催收，從而降低逾期率。以微眾銀行為例，該銀行創(chuàng)建了6 個風(fēng)控模型，包括公安數(shù)據(jù)模型、央行數(shù)據(jù)模型等傳統(tǒng)模型，還有基于平臺的支付模型和社交模型等，利用其對騰訊的所有客戶進(jìn)行了分類和排序，根據(jù)還款能力和意愿給客戶分配合理的貸款額度。

（三）分析交易流水，預(yù)警套利風(fēng)險

為了降低套利的風(fēng)險，各大銀行應(yīng)利用大數(shù)據(jù)對客戶的整體情況進(jìn)行分析，使風(fēng)險預(yù)警更為智能化，能夠及時發(fā)現(xiàn)是否有不符合其消費水平、虛假用途的情形出現(xiàn)。第一，銀行首先應(yīng)利用大數(shù)據(jù)對客戶進(jìn)行精準(zhǔn)畫像，了解其消費類型、消費水平及消費習(xí)慣，判別其申請額度是否與其特征相符合，從多方面客觀評價其是否存在套現(xiàn)的可能性，計算出與其消費水平相符合的合理額度。第二，對資金的流向進(jìn)行實時監(jiān)控，將以貸還貸、購買基金和理財產(chǎn)品等可疑資金交易篩選出來。第三，銀行在對客戶交易流水進(jìn)行監(jiān)控時，如果發(fā)現(xiàn)其將貸款投入到一些風(fēng)險較高的領(lǐng)域時，風(fēng)控系統(tǒng)應(yīng)及時對其還款日期和貸款額度進(jìn)行相應(yīng)調(diào)整。以交通銀行為例，該銀行風(fēng)險管理部構(gòu)建了一套全新的內(nèi)外部風(fēng)險信息監(jiān)測系統(tǒng)，該系統(tǒng)能夠智能化的對內(nèi)外部風(fēng)險信息數(shù)據(jù)的真實度和嚴(yán)重程度進(jìn)行判別分類。基于此還設(shè)立了全自動檢測規(guī)則庫，加強風(fēng)險的預(yù)判性和前瞻性，還能夠?qū)蛻糍J后信息的預(yù)警信息進(jìn)行有效智能識別，減少客戶經(jīng)理的工作量。

（四）加快數(shù)據(jù)共享，降低共債風(fēng)險

建立數(shù)據(jù)共享平臺是降低共債風(fēng)險的關(guān)鍵。應(yīng)強制互聯(lián)網(wǎng)線上貸款平臺接入央行征信系統(tǒng)，同時大力支持更多的消費金融商接入。當(dāng)前獲取共債信息的渠道主要是通過與第三方對接，但第三方反應(yīng)的數(shù)據(jù)質(zhì)量高低不一，可信度不高。各大商業(yè)銀行通常采用數(shù)據(jù)交叉對比驗證的方法，如此一來大大增加了征信的成本，而且無法保證效果。建立征信數(shù)據(jù)共享平臺，實現(xiàn)平臺與各金融機(jī)構(gòu)信息共享，這能夠極大程度提高銀行評估客戶資質(zhì)的準(zhǔn)確性，從根本上使共債的風(fēng)險降低。

五、結(jié)語

進(jìn)行數(shù)據(jù)建模，對風(fēng)險管理能力進(jìn)行定量分析是各大商業(yè)銀行金融業(yè)務(wù)的核心所在。為了在未來更好地開展消費金融業(yè)務(wù)，各大銀行應(yīng)重視數(shù)據(jù)信息的價值，不斷通過新型技術(shù)提高數(shù)據(jù)采集及分析的能力和準(zhǔn)確率，利用其充分發(fā)掘出客戶的潛在信息及信用情況，從而對客戶進(jìn)行全面綜合評估，使得風(fēng)險管理更具精細(xì)化和智能化。以大數(shù)據(jù)為技術(shù)支撐的風(fēng)險管理機(jī)制儼然成為了各大商業(yè)銀行規(guī)避和降低金融業(yè)務(wù)風(fēng)險的重要措施，同時其也能夠有效的提高各大商業(yè)銀行在數(shù)字時代下的競爭力。