大數(shù)據(jù)在傳統(tǒng)貸款風(fēng)控中的應(yīng)用

劉揚(yáng)+姬建華

摘 要 當(dāng)前互聯(lián)網(wǎng)金融高速發(fā)展的背景下，在地區(qū)性貸款主體中，始終存在無(wú)法準(zhǔn)確應(yīng)用大數(shù)據(jù)提升自身經(jīng)營(yíng)發(fā)展的現(xiàn)象，制約著自身的業(yè)務(wù)規(guī)模和風(fēng)控質(zhì)量。大數(shù)據(jù)在傳統(tǒng)貸款中的應(yīng)用，重點(diǎn)在于第三方反欺詐準(zhǔn)入、信用風(fēng)險(xiǎn)規(guī)范、貸中預(yù)警管理等方面。除了構(gòu)建傳統(tǒng)信貸模型，還要構(gòu)建非金融數(shù)據(jù)的風(fēng)控模型，多種強(qiáng)弱變量結(jié)合進(jìn)行風(fēng)險(xiǎn)建模，降低變量缺失給模型帶來(lái)影響，同時(shí)最大程度解決傳統(tǒng)貸款存在的制約問(wèn)題。

關(guān)鍵詞 傳統(tǒng)貸款風(fēng)控；大數(shù)據(jù)風(fēng)控

中圖分類號(hào) G2 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1674-6708（2018）204-0119-02

1 傳統(tǒng)貸款風(fēng)控模型缺點(diǎn)

1）傳統(tǒng)貸款風(fēng)控模型基于人行征信數(shù)據(jù)建立，構(gòu)建了客戶與金融機(jī)構(gòu)間的借貸關(guān)系，包括信用額度、逾期記錄、還款記錄、使用額度比例、壞賬記錄、記錄時(shí)間等，其中最為重要的變量是各種還款逾期、不良及壞賬的數(shù)據(jù)。但是金融數(shù)據(jù)模型中僅有十幾項(xiàng)變量，任何變量的缺失，可能都會(huì)導(dǎo)致模型失效。

2）截至2015年4月底，人行征信系統(tǒng)已經(jīng)收錄的自然人數(shù)達(dá)到8.64億，企業(yè)及其他組織數(shù)量達(dá)到2 068萬(wàn)戶，其中有信貸記錄的自然人有3.61億人，有中征碼的企業(yè)及商戶組織有1 023萬(wàn)戶，全國(guó)仍有近10億無(wú)借貸記錄的個(gè)人無(wú)法進(jìn)行有效信用評(píng)估。

所以，需要通過(guò)大數(shù)據(jù)將消費(fèi)、日常閱讀、娛樂(lè)、社交等相對(duì)較強(qiáng)或較弱的變量相結(jié)合，進(jìn)行風(fēng)險(xiǎn)建模，延伸征信數(shù)據(jù)的廣度，以及降低部分變量的缺失或失真對(duì)模型的穩(wěn)定性影響。

2 數(shù)據(jù)來(lái)源與存儲(chǔ)

2.1 大數(shù)據(jù)的來(lái)源

數(shù)據(jù)獲取的類別包含3類，分別是客戶黑名單數(shù)據(jù)、客戶行為數(shù)據(jù)、客戶基本社會(huì)特征數(shù)據(jù)。其中客戶黑名單數(shù)據(jù)包含了客戶的風(fēng)險(xiǎn)名單信息、多頭借貸信息、黑產(chǎn)信息、黑中介信息、第三方信用評(píng)分以及失信被執(zhí)行和人行征信的數(shù)據(jù)，客戶行為數(shù)據(jù)通過(guò)分析客戶的運(yùn)營(yíng)商數(shù)據(jù)、社交數(shù)據(jù)及消費(fèi)數(shù)據(jù)判斷客戶行為狀況，客戶基本社會(huì)特征數(shù)據(jù)將通過(guò)公開(kāi)可查詢到的社保信息、公積金信息、公檢法公開(kāi)數(shù)據(jù)等方面獲取。

其中在客戶黑名單數(shù)據(jù)獲取方面，結(jié)合企業(yè)自身切實(shí)的科技實(shí)力，采用對(duì)接第三方大數(shù)據(jù)風(fēng)控平臺(tái)及申報(bào)對(duì)接人行征信系統(tǒng)的方式，快速、全面、集中的查詢客戶黑名單信息；在客戶行為數(shù)據(jù)方面，可通過(guò)運(yùn)營(yíng)商、電商數(shù)據(jù)爬取授權(quán)，分析客戶的還款能力與消費(fèi)習(xí)慣，同時(shí)也以此確定客戶的生活圈、真實(shí)住址、緊急聯(lián)系人等數(shù)據(jù)；在客戶基本社會(huì)特征數(shù)據(jù)方面，采用對(duì)接已實(shí)現(xiàn)爬取不同地區(qū)政府公開(kāi)數(shù)據(jù)的服務(wù)商，快捷滿足政府公開(kāi)數(shù)據(jù)的收集。

在上述這些數(shù)據(jù)來(lái)源獲取和合作的同時(shí)，要注意只能通過(guò)合規(guī)的手段獲取數(shù)據(jù)，并與客戶之間建立清晰的權(quán)利義務(wù)說(shuō)明，保護(hù)客戶隱私以及正確使用合作來(lái)源的數(shù)據(jù)。當(dāng)線上數(shù)據(jù)獲取受限時(shí)，通過(guò)線下由客戶主動(dòng)提供數(shù)據(jù)的方式仍是有效的一種，此時(shí)盡職調(diào)查、外訪核實(shí)、資料鑒真工作將是重點(diǎn)。

2.2 客戶唯一標(biāo)識(shí)與標(biāo)簽化存儲(chǔ)

在數(shù)據(jù)獲取之后，如何合理組織客戶數(shù)據(jù)與建立存儲(chǔ)模型是大數(shù)據(jù)存儲(chǔ)過(guò)程中的關(guān)鍵。該過(guò)程中，客戶唯一標(biāo)識(shí)、數(shù)據(jù)整合規(guī)則是首先要確定的。一般以客戶的名稱、證件類型、證件號(hào)碼的組合為關(guān)鍵識(shí)別屬性，通過(guò)關(guān)鍵識(shí)別屬性的對(duì)比確定唯一客戶或者相似客戶，之后結(jié)合信息覆蓋與歸并的規(guī)則，將客戶信息更新與整合。除此之外，黑名單的建立與舊數(shù)據(jù)標(biāo)識(shí)要同步進(jìn)行，只有這樣才能在數(shù)據(jù)整合過(guò)程中保證客戶信息的時(shí)效與健全。

當(dāng)客戶數(shù)據(jù)增長(zhǎng)以千的單位時(shí)，對(duì)客戶的標(biāo)簽化分類是精準(zhǔn)管理客戶的必經(jīng)階段?？梢酝ㄟ^(guò)設(shè)置維度的不同分值，系統(tǒng)自動(dòng)評(píng)判部分維度分值，如消費(fèi)能力、收入、社交偏好、家庭結(jié)構(gòu)等。最終會(huì)成總分值，比對(duì)模型分值的區(qū)間特點(diǎn)預(yù)測(cè)用戶的還款能力與消費(fèi)需求。

3 實(shí)際應(yīng)用

3.1 反欺詐準(zhǔn)入

一旦審批通過(guò)惡意欺詐的借款，那么該筆借款的不良逾期風(fēng)險(xiǎn)極高，還款意愿也極低。通常情況下，因?yàn)檫`約成本的存在，以惡意欺詐為出發(fā)點(diǎn)的客戶，提交的資料不是與自己相關(guān)、真實(shí)的。并且現(xiàn)在貸款進(jìn)件中的欺詐行為，往往是多人配合、有計(jì)劃進(jìn)行。所以，通過(guò)大數(shù)據(jù)識(shí)別惡意欺詐客戶，是大數(shù)據(jù)建立風(fēng)控模型的重中之重，也是進(jìn)件準(zhǔn)入標(biāo)準(zhǔn)的重要組成部分。

3.1.1 客戶唯一標(biāo)識(shí)是反欺詐的前提

因?yàn)橘J款違約成本的存在，客戶填寫(xiě)自身的真實(shí)資料，再將欺詐作為目的的借款只占到極少數(shù)，畢竟國(guó)家在社會(huì)信用體系的建設(shè)越來(lái)越完善，自身的信用重要程度越來(lái)越高，沒(méi)有人會(huì)不關(guān)心自身的信用狀況。所以通過(guò)大數(shù)據(jù)識(shí)別出進(jìn)件信息是借用、偽造他人的信息是先行條件，以此過(guò)濾掉絕大多數(shù)的欺詐申請(qǐng)。因?yàn)榭蛻粑ㄒ粯?biāo)識(shí)是反欺詐的前提。

3.1.2 客戶唯一標(biāo)識(shí)在反欺詐中的運(yùn)用

客戶唯一標(biāo)識(shí)初級(jí)的組合是客戶名稱、證件類型、證件號(hào)碼的搭配，之后通過(guò)實(shí)名手機(jī)號(hào)、銀行卡號(hào)或人臉數(shù)據(jù)等其他唯一ID擴(kuò)展客戶唯一標(biāo)識(shí)，豐富客戶唯一識(shí)別的屬性，這樣將在識(shí)別客戶欺詐時(shí)增加唯一識(shí)別的成功率，及時(shí)發(fā)現(xiàn)及拒絕準(zhǔn)入，設(shè)置風(fēng)控的第一層防火墻。

另外，在客戶唯一識(shí)別后，客戶相關(guān)的動(dòng)態(tài)信息將為準(zhǔn)入提供判斷。比如一段時(shí)期內(nèi)多次申請(qǐng)貸款，通過(guò)同一設(shè)備向多家貸款機(jī)構(gòu)申請(qǐng)貸款，在一段時(shí)期內(nèi)更換過(guò)多部手機(jī)或地址，貸款填寫(xiě)個(gè)人的地址與實(shí)際地址間隔極遠(yuǎn)等等這些情況，都將通過(guò)客戶相關(guān)聯(lián)的動(dòng)態(tài)信息知悉，拒絕該客戶的進(jìn)件，并加入系統(tǒng)黑名單中。

在業(yè)內(nèi)的統(tǒng)計(jì)中，四要素、三要素屬實(shí)提供的客戶，欺詐的概率不到1/3。短期內(nèi)多次申請(qǐng)超過(guò)5次的客戶，欺詐率將是正常群體的3.2倍之多。申請(qǐng)時(shí)填寫(xiě)的地址與實(shí)際住址距離超過(guò)22公里以上的客戶，欺詐的概率是最高的。

3.2 信用風(fēng)險(xiǎn)防范規(guī)范

經(jīng)過(guò)業(yè)內(nèi)統(tǒng)計(jì)數(shù)據(jù)顯示，因?yàn)橛衅墼p行為的客戶都是相對(duì)固定的，所以，在欺詐客戶黑名單積累過(guò)程中，數(shù)量將越來(lái)越趨向于穩(wěn)定，這部分人的欺詐成功率將降到最低。但是因?yàn)榧彝プ児省⒐ぷ鞑环€(wěn)定等個(gè)人情況的出現(xiàn)，原先沒(méi)有欺詐風(fēng)險(xiǎn)的客戶出現(xiàn)欺詐傾向，這部分的預(yù)防將需要時(shí)效性更強(qiáng)、行為數(shù)據(jù)更廣的數(shù)據(jù)來(lái)擴(kuò)充客戶數(shù)據(jù)維度，完善更全面的風(fēng)控模型系統(tǒng)。endprint

所以，風(fēng)控模型要控制的階段不僅僅是貸前進(jìn)件的階段，同時(shí)要在貸中與貸后兩個(gè)環(huán)節(jié)都要參與，并且提供更深層次的數(shù)據(jù)挖掘與動(dòng)態(tài)分析，降低因信用風(fēng)險(xiǎn)造成的企業(yè)損失，鞏固企業(yè)穩(wěn)定發(fā)展、盈利的目標(biāo)。這也是信用風(fēng)險(xiǎn)防范規(guī)范要說(shuō)明的核心內(nèi)容。

3.2.1 行為數(shù)據(jù)的深層挖掘

進(jìn)件時(shí)風(fēng)控審批時(shí)，都要對(duì)客戶本身的信用風(fēng)險(xiǎn)做分析，就是對(duì)客戶的還款能力與還款意愿做評(píng)估。因?yàn)樾庞蔑L(fēng)險(xiǎn)將會(huì)隨著時(shí)間的變化出現(xiàn)波動(dòng)，所以貸后中要重點(diǎn)把控客戶信用風(fēng)險(xiǎn)的變化，最有效的手段就是對(duì)客戶行為數(shù)據(jù)的更深的挖掘與分析。一般的做法會(huì)通過(guò)分析客戶較全面的行為數(shù)據(jù)，從中挖掘歸納出主要的規(guī)律，以此判斷客戶近期的信用風(fēng)險(xiǎn)波動(dòng)是否會(huì)達(dá)到這一規(guī)律，發(fā)生信用風(fēng)險(xiǎn)。

3.2.2 行為數(shù)據(jù)的動(dòng)態(tài)監(jiān)測(cè)

動(dòng)態(tài)檢測(cè)客戶行為數(shù)據(jù)，可以通過(guò)以下幾方面進(jìn)行，比如用戶的通話記錄、消費(fèi)、收支變化、出行路線、社交動(dòng)態(tài)等，保證分析數(shù)據(jù)的真實(shí)、客觀、全面，生成客戶信用風(fēng)險(xiǎn)波動(dòng)報(bào)告。

業(yè)內(nèi)分析數(shù)據(jù)表明，有以下特征的客戶違約出現(xiàn)信用風(fēng)險(xiǎn)的幾率低，包括出行方式選擇商務(wù)類座位，飛機(jī)、高鐵為主且次數(shù)一年超過(guò)4次以上，在居住地消費(fèi)高，對(duì)財(cái)經(jīng)信息關(guān)注高，使用固定手機(jī)號(hào)等特征。而有以下特征的客戶違約出現(xiàn)信用風(fēng)險(xiǎn)的幾率高，包括短期內(nèi)頻繁信用卡取現(xiàn)，網(wǎng)絡(luò)游戲花費(fèi)接近收入等特征。

總體來(lái)看，還款意愿較強(qiáng)的客戶大多受教育程度高、道德水平也較高，而消費(fèi)水平與收入不匹配，且消費(fèi)方向并非用于提升收入水平的客戶還款能力有風(fēng)險(xiǎn)。大數(shù)據(jù)在貸中管理階段的重要性已經(jīng)超過(guò)了貸前進(jìn)件審批，所以信用風(fēng)險(xiǎn)防范規(guī)范中重要的一部分在于利用大數(shù)據(jù)監(jiān)控客戶信用風(fēng)險(xiǎn)變化。

3.3 貸中預(yù)警管理及催收處理

3.3.1 建立風(fēng)險(xiǎn)識(shí)別預(yù)警機(jī)制

利用大數(shù)據(jù)及時(shí)監(jiān)測(cè)客戶信用風(fēng)險(xiǎn)的變化，監(jiān)測(cè)收支變化、負(fù)債新增、社交狀態(tài)異常等維度變動(dòng)，建立自動(dòng)信用風(fēng)險(xiǎn)識(shí)別與預(yù)警機(jī)制，信用風(fēng)險(xiǎn)發(fā)生前完成預(yù)警，及早進(jìn)行風(fēng)險(xiǎn)處理，減少人工參與，提高貸中管理效率。

3.3.2 建立客戶緊急聯(lián)系人庫(kù)

貸款業(yè)務(wù)中壞賬的出現(xiàn)通常是由于客戶的失聯(lián)導(dǎo)致的。在貸前進(jìn)件時(shí)，對(duì)客戶緊急聯(lián)系人庫(kù)的建立應(yīng)當(dāng)已經(jīng)開(kāi)始進(jìn)行。在這個(gè)過(guò)程中，大數(shù)據(jù)發(fā)揮的最大作用，是構(gòu)成緊急聯(lián)系人交叉關(guān)聯(lián)網(wǎng)狀模型，對(duì)無(wú)法直接聯(lián)系到客戶通過(guò)多人的轉(zhuǎn)接建立再聯(lián)系，重新建立起與客戶的聯(lián)系，之后進(jìn)行催還借款，降低失聯(lián)帶來(lái)的損失。而且，根據(jù)業(yè)內(nèi)的數(shù)據(jù)統(tǒng)計(jì)，電話聯(lián)系借款人的觸達(dá)率遠(yuǎn)高于其他通訊方式，仍然是最重要的催收手段。

3.3.3 不良債權(quán)的處理

催收效果不明顯或者沒(méi)有合適的催收機(jī)構(gòu)，且企業(yè)有資產(chǎn)出表需求時(shí)，一般貸款機(jī)構(gòu)會(huì)將這些不良債權(quán)進(jìn)行轉(zhuǎn)賣或者證券化。此類做法的核心就是風(fēng)險(xiǎn)的定價(jià)模型，但當(dāng)前行業(yè)標(biāo)準(zhǔn)中風(fēng)險(xiǎn)定價(jià)體系仍舊是一片空白，不能在這一點(diǎn)上企業(yè)的需求，在大數(shù)據(jù)風(fēng)控的運(yùn)用中，可以嘗試去進(jìn)行原型的建立。

參考文獻(xiàn)

[1]中國(guó)人民銀行調(diào)查統(tǒng)計(jì)司 http：//www.pbc.gov.cn/ diaochatongjisi/116219/index.html

[2]全國(guó)集中統(tǒng)一的企業(yè)和個(gè)人征信系統(tǒng)簡(jiǎn)介http：//www. pbccrc.org.cn/zxzx/zxzs/201506/d708068ce66c4cd6bbd 5c37884b93c05.shtml.endprint