數(shù)據(jù)時代商業(yè)銀行消費金融業(yè)務(wù)風(fēng)險管理實踐

曾憲濤 曹琪

當(dāng)前，我國居民消費快速增長、消費金融政策紅利頻出，消費金融以其資本占用低、收益率高的特點，成為諸多商業(yè)銀行業(yè)務(wù)轉(zhuǎn)型的重點發(fā)展領(lǐng)域。在開展消費金融業(yè)務(wù)時，銀行如何更加前瞻、有效地識別、評價客戶的風(fēng)險水平，進(jìn)而控制風(fēng)險，是亟待認(rèn)真思考、解決的重要問題。基于海量數(shù)據(jù)建模而實現(xiàn)定量分析的新風(fēng)控方式為銀行解決這一問題提供了全新的思路和手段。銀行可借助新興的數(shù)字化技術(shù)，嘗試構(gòu)建 “從數(shù)據(jù)分析到價值創(chuàng)造”的方法論，不斷完善消費金融業(yè)務(wù)的反欺詐模型、風(fēng)險評估體系、風(fēng)險預(yù)警機(jī)制以及信用數(shù)據(jù)共享。

消費金融市場發(fā)展趨勢分析?

據(jù)人民銀行數(shù)據(jù)顯示，我國金融機(jī)構(gòu)個人消費貸款余額從2013年的12.97萬億元增長至2018年的37.79萬億元，增長了2.9 倍多，每年的余額增速始終保持在18%以上（見圖1）。隨著經(jīng)濟(jì)結(jié)構(gòu)調(diào)整和產(chǎn)業(yè)升級轉(zhuǎn)型，拉動內(nèi)在需求、刺激居民消費成為推動經(jīng)濟(jì)發(fā)展的重要途徑。2018年8月18日，中國銀保監(jiān)會辦公廳下發(fā)《關(guān)于進(jìn)一步做好信貸工作提升服務(wù)實體經(jīng)濟(jì)質(zhì)效的通知》，提出積極發(fā)展消費金融，增強(qiáng)消費對經(jīng)濟(jì)的拉動作用。因此，我國消費金融市場未來具有較大的增長空間。

商業(yè)銀行布局消費金融領(lǐng)域優(yōu)勢分析?

隨著利率市場化改革加速發(fā)展，商業(yè)銀行存款利率不同程度上升，資金成本增加，利潤空間受到擠壓。相對于對公貸款而言，零售貸款利率敏感度較低，銀行大力發(fā)展面向個人客戶的消費金融業(yè)務(wù)，可以在一定程度上保持收益水平，緩沖利率市場化沖擊。根據(jù)2018年報顯示，六大國有銀行及七家全國性股份制銀行中，有八家零售貸款平均收益率高于對公貸款。此外，增加客戶粘性、節(jié)約銀行資本、提高非息收入也是零售貸款能夠帶來的顯著益處。（見圖2）

商業(yè)銀行的消費金融產(chǎn)品按貸款用途主要分為住房按揭貸款、信用卡、其他消費貸款三類。然而自2017年“房住不炒”成為調(diào)控基調(diào)，各地限購限售政策加碼，住房按揭貸款增速回落。信用卡及一般性消費貸款市場發(fā)展迅速，產(chǎn)品體系日漸豐富、競爭趨于激烈。信用卡業(yè)務(wù)歷時十余年的高速發(fā)展，已成為銀行中收的重要增長點。截至2018年末，我國銀行卡授信總額達(dá)15.40 萬億元，同比增長23.40%。此外，隨著金融科技高速發(fā)展，各家商業(yè)銀行紛紛利用互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)推出快速申辦和放款的消費信貸產(chǎn)品。商業(yè)銀行推出的這類線上小額信用消費貸款產(chǎn)品以手續(xù)簡便、時間迅速、移動端隨時申請的便利性迅速受到市場歡迎。例如：交通銀行2018年推出的“惠民貸”業(yè)務(wù)，向符合準(zhǔn)入條件的個人客戶提供線上小額信用消費貸款，該產(chǎn)品推出時間僅一年，授信余額已超68億元。

消費金融業(yè)務(wù)風(fēng)險分析?

商業(yè)銀行發(fā)展消費金融業(yè)務(wù)潛力巨大，但它的業(yè)態(tài)尚處逐漸成熟期，面臨諸多挑戰(zhàn)，需要提高風(fēng)險意識，識別主要風(fēng)險點。大中型商業(yè)銀行在消費信貸業(yè)務(wù)的審批模式上，正在從不區(qū)分客群的人工審批模式向聚焦優(yōu)質(zhì)客群的自動化審批模式轉(zhuǎn)變。大規(guī)模的消費金融業(yè)務(wù)高度依賴打分卡等內(nèi)嵌模型的批量自動化審批機(jī)制，容易發(fā)生客戶違約和集體性違約等風(fēng)險。此外，消費意識的轉(zhuǎn)變，刺激部分客戶“以貸養(yǎng)貸”或者借助“消費貸”加杠桿投資，這種傾向放大了相關(guān)消費貸款的風(fēng)險。消費金融作為新興業(yè)態(tài)，銀行對此類業(yè)務(wù)的風(fēng)險管理意識及管理手段亟待加強(qiáng)。

綜合來看，商業(yè)銀行消費金融業(yè)務(wù)中普遍存在且較為典型的風(fēng)險有四類：欺詐風(fēng)險、信用風(fēng)險、套利風(fēng)險、共債風(fēng)險。

欺詐風(fēng)險。欺詐風(fēng)險的出現(xiàn)源于銀行無法完全準(zhǔn)確判斷客戶身份及相關(guān)信息的真實性。欺詐行為的分類主要有以下三種： 按交易階段可分為申請階段欺詐和交易階段欺詐;按欺詐主體可分為第一方欺詐和第三方欺詐;按交易渠道可分為線上欺詐和線下欺詐。欺詐風(fēng)險主要存在于基于場景的消費信貸模式中。雖然基于場景的消費信貸可以實現(xiàn)資金、信息、商品的閉環(huán)，但無法完全杜絕欺詐。第一種情形是個人的欺詐申請（第一方欺詐）： 借款人假意購買商品，獲取商品后再將其變現(xiàn)，實現(xiàn)了定向支付資金的套現(xiàn)過程，有時場景提供方甚至?xí)浜辖杩钊说倪@種欺詐行為，提供回購服務(wù)。第二種情形是場景提供方欺詐（第三方欺詐）：通過批量制造虛假交易，借用消費者身份申請消費貸款， 商家由少積多可以獲得金額不菲的低成本純信用貸款，而且無需占用自身信貸額度。這兩種欺詐行為雖然可能不會直接造成貸款損失，但會將這種產(chǎn)品實質(zhì)轉(zhuǎn)化為“現(xiàn)金貸”，信貸業(yè)務(wù)的逾期風(fēng)險將大大增加。

信用風(fēng)險。信用風(fēng)險又稱之為信貸風(fēng)險或違約風(fēng)險，是指交易對手未能履行約定契約中的義務(wù)而造成經(jīng)濟(jì)損失的風(fēng)險。個人消費信貸業(yè)務(wù)的信用風(fēng)險形成原因：一是消費信貸供給機(jī)構(gòu)對消費者資金、信用、風(fēng)險狀況分析失誤而帶來的損失。此類消費者部分欠缺按期還款能力，為了獲得消費貸款而偽造個人信用記錄。二是因種種外在原因而引發(fā)消費者現(xiàn)金不足，資金缺乏流動性的無力償還。包括宏觀經(jīng)濟(jì)形勢的惡化等不可抗力導(dǎo)致消費者收入大幅減少。個人消費信貸的信用風(fēng)險受經(jīng)濟(jì)周期的影響較大：處于經(jīng)濟(jì)擴(kuò)張期時，信用風(fēng)險降低，因為較強(qiáng)的人均收入能力使總體違約率降低;處于經(jīng)濟(jì)緊縮期時，信用風(fēng)險增加，因為人均收入情況總體惡化，借款人因各種原因不能及時足額還款的可能性增加。近年來我國的經(jīng)濟(jì)增長速度放緩，但目前仍處于上升期，總體違約率較低，隨著經(jīng)濟(jì)周期的變化，如果出現(xiàn)明顯的經(jīng)濟(jì)危機(jī)和大規(guī)模失業(yè)，會導(dǎo)致違約率的快速上升。以美國信用卡市場為例，2008年次貸危機(jī)后，受失業(yè)率高速攀升影響，美國信用卡業(yè)務(wù)大幅受挫，核銷率和拖欠率大幅上升至10.97%和6.76%。

套利風(fēng)險。套利風(fēng)險主要體現(xiàn)在銀行提供的“現(xiàn)金貸”產(chǎn)品上。不同于購物分期貸款，這類消費貸款在客戶申請后，將直接把款項打入到客戶賬戶，銀行對后續(xù)資金的使用、流向等缺乏足夠的控制能力。部分資金被以消費的名義借出后，投入到股市、理財產(chǎn)品等處，以套取利差。消費貸款變相成了部分投資者資金加杠桿的手段，一旦投資產(chǎn)品出現(xiàn)風(fēng)險事件或流動性問題，極易引發(fā)違約。

共債風(fēng)險。共債是指借款人在多家金融機(jī)構(gòu)同時存在債務(wù)的現(xiàn)象。典型共債者的產(chǎn)生，源于超出收入能力可負(fù)擔(dān)的消費需求，進(jìn)而產(chǎn)生借貸需求。金融機(jī)構(gòu)的信貸數(shù)據(jù)被納入央行征信， 而大量P2P平臺、互聯(lián)網(wǎng)消費金融平臺的借貸數(shù)據(jù)無法直接獲得，因此銀行只能間接推測借款人的共債情況。借款人在多家金融機(jī)構(gòu)及平臺借債，通常采取“以貸還貸，多頭借貸”的方式來償還借款，其資金鏈和抗風(fēng)險能力會變得非常脆弱。

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

客戶數(shù)據(jù)分析能力的發(fā)展孕育了全新的風(fēng)險管理技術(shù)。層出不窮的新技術(shù)帶來了成本更低、速度更快的計算能力和數(shù)據(jù)存儲。強(qiáng)大的數(shù)據(jù)分析及建模能力幫助商業(yè)銀行更深入地利用客戶信息數(shù)據(jù)、挖掘客戶數(shù)據(jù)價值，提升其在消費金融領(lǐng)域的風(fēng)險管理水平。

拓展數(shù)據(jù)來源，嚴(yán)防欺詐風(fēng)險。大數(shù)據(jù)驅(qū)動及反欺詐規(guī)則和技術(shù)的應(yīng)用（如身份識別、財務(wù)數(shù)據(jù)真實性識別、收入識別等）是防范欺詐風(fēng)險的關(guān)鍵所在。大數(shù)據(jù)在反欺詐風(fēng)險管理方面，已經(jīng)有了初步應(yīng)用。第一，客戶申請信息的真實性驗證。通過大數(shù)據(jù)技術(shù)的引入，銀行可在央行征信系統(tǒng)、第三方征信平臺等基礎(chǔ)數(shù)據(jù)基礎(chǔ)上，充分發(fā)掘客戶背景、信貸行為及共性信息等多領(lǐng)域數(shù)據(jù)，對客戶信息進(jìn)行交叉驗證，通過對客戶申請信息中不符合關(guān)聯(lián)關(guān)系或邏輯的部分進(jìn)行比對校驗，可以排查欺詐風(fēng)險。例如，客戶填寫的地址信息與客戶終端設(shè)備、IP地址距離偏差過大，則該地址信息存在虛假的可能性。第二，申請資質(zhì)的真實性驗證。惡意的申請人往往會隱瞞對其不利的事實。如較大數(shù)額的隱形負(fù)債、等待處理的法院執(zhí)行案件等。大數(shù)據(jù)的應(yīng)用使得申請人無法掩飾自身真實資質(zhì)。通過連接公開的互聯(lián)網(wǎng)信息，可以獲取申請人的企業(yè)經(jīng)營信息、法院執(zhí)行信息;通過金融機(jī)構(gòu)共建的惡意信息共享名單，也能夠獲知申請人的隱形負(fù)債情況和歷史違約記錄。中信銀行信用卡中心自主研發(fā)了一款申請欺詐團(tuán)伙識別模型，該模型基于客戶社交圖譜，聚合借款人相關(guān)的各類數(shù)據(jù)源，包括借款人的基本信息、日常生活中的消費記錄、行為記錄、聯(lián)系人信息，通過關(guān)聯(lián)視角，多維度研究客戶潛在的風(fēng)險傳導(dǎo)、交易演化等關(guān)系，識別欺詐團(tuán)伙，實現(xiàn)毫秒級的實時風(fēng)險防控能力。

強(qiáng)化風(fēng)控模型，防范信用風(fēng)險。面對信用風(fēng)險，銀行需要針對不同的消費金融產(chǎn)品設(shè)置不同的風(fēng)控模型。大數(shù)據(jù)對初始授信模型及策略產(chǎn)生了重大影響。這源于大數(shù)據(jù)為銀行在申請審批階段就帶來了更多的客戶行為數(shù)據(jù)，使銀行能夠更為全面、客觀地評價客戶的授信額度需求，從而優(yōu)化現(xiàn)有初始額度策略。銀行在初始授信階段除了基于客戶的征信情況外，也可引入外部數(shù)據(jù)。如：銀聯(lián)卡交易流水、互聯(lián)網(wǎng)線上支付數(shù)據(jù)等，進(jìn)而準(zhǔn)確評估客戶的能力及還款意愿，給予客戶合理的貸款額度。同時銀行需要持續(xù)關(guān)注客戶的還款能力，針對某些對還款有威脅的行為，風(fēng)控模型應(yīng)實時進(jìn)行監(jiān)控和反饋、預(yù)警催收，減少逾期率、降低壞賬率。例如，微眾銀行設(shè)計了6個風(fēng)控和評分模型，對所有騰訊客戶做評估和排序，根據(jù)結(jié)果形成白名單并逐步開放。這六大模塊包括公安數(shù)據(jù)模型、央行征信數(shù)據(jù)模型、微信社交模型、手機(jī) QQ社交模型、財付通支付數(shù)據(jù)模型、資金饑渴度模型。上述模塊既包含了傳統(tǒng)的金融數(shù)據(jù)比如銀行征信、公安數(shù)據(jù)、教育數(shù)據(jù)等，也有基于騰訊平臺的社交數(shù)據(jù)和支付數(shù)據(jù)。這些模型會確定客戶的授信額度并持續(xù)關(guān)注客戶的還款意愿和還款能力。

分析交易流水，預(yù)警套利風(fēng)險。針對套利風(fēng)險，銀行應(yīng)堅持消費金融回歸解決收入支出錯配問題的本源，而非以消費金融的名義發(fā)放純信用無限制條件的個人貸款，嚴(yán)格打擊套利行為。采用大數(shù)據(jù)分析技術(shù)，提高風(fēng)險監(jiān)控預(yù)警智能化水平，可以及時發(fā)現(xiàn)個人消費貸款用途虛假或違規(guī)問題，降低套利風(fēng)險。第一，銀行應(yīng)利用大數(shù)據(jù)手段對用戶畫像，了解其消費習(xí)慣，在其申請大額消費貸款時關(guān)注其是否有購買傾向性，以綜合評估其套現(xiàn)可能性，并計算出符合其實際消費需求的授信額度。第二，通過大數(shù)據(jù)分析方法，持續(xù)跟蹤貸款資金流向，重點分析貸款借款人及貸款關(guān)聯(lián)人所有相關(guān)賬戶在貸款發(fā)放后的海量交易流水，篩選出貸款資金改變約定用途的可疑資金交易?？梢山灰卓砂ǎ杩钊吮救伺灿觅J款資金的交易，使用貸款資金購買理財產(chǎn)品、基金進(jìn)行投資的交易，將貸款資金投入小貸公司、典當(dāng)行等限制性機(jī)構(gòu)的交易，貸款資金用來以貸還貸的交易等。第三，銀行在貸后監(jiān)控時發(fā)現(xiàn)資金被投入較高風(fēng)險領(lǐng)域時，風(fēng)險監(jiān)控預(yù)警可及時提示并動態(tài)調(diào)整客戶的授信額度和期限。交通銀行風(fēng)險管理部全力打造了一套整合內(nèi)外部風(fēng)險信息的風(fēng)險監(jiān)測系統(tǒng)。該系統(tǒng)通過整合分析內(nèi)外部風(fēng)險數(shù)據(jù)及風(fēng)險信息的真實性和嚴(yán)重程度，智能化地建立各類風(fēng)險信號的分級分類。在此基礎(chǔ)上建立全自動的監(jiān)測規(guī)則庫，提高風(fēng)險監(jiān)測規(guī)則的前瞻性和預(yù)警能力。此外，該系統(tǒng)還可實現(xiàn)貸后報告200余條預(yù)警信號的自動化識別，幫助客戶經(jīng)理有效減負(fù)，切實開展重點預(yù)警和化解工作。

加快數(shù)據(jù)共享，降低共債風(fēng)險。針對共債風(fēng)險，建立信用信息共享平臺為當(dāng)務(wù)之急。應(yīng)鼓勵更多的消費金融提供方接入央行征信系統(tǒng)，持牌互聯(lián)網(wǎng)小貸公司則應(yīng)要求強(qiáng)制接入。目前共債率的判斷主要通過間接方式獲取，然而調(diào)用第三方的數(shù)據(jù)，其質(zhì)量參差不齊，可信度低，商業(yè)銀行往往需要調(diào)用多個數(shù)據(jù)源進(jìn)行交叉驗證，導(dǎo)致征信成本提升，而效果依然無法保證。打通信息孤島，實現(xiàn)各個金融機(jī)構(gòu)及平臺的征信數(shù)據(jù)共享，有助于商業(yè)銀行準(zhǔn)確評估客戶資質(zhì)，降低共債風(fēng)險。

未來消費金融的核心競爭力是基于海量數(shù)據(jù)建模而實現(xiàn)定量分析的風(fēng)險管理能力。在開展消費金融業(yè)務(wù)時，商業(yè)銀行應(yīng)充分認(rèn)識到數(shù)據(jù)資產(chǎn)的價值，通過提高數(shù)據(jù)采集、數(shù)據(jù)分析和數(shù)據(jù)建模的能力，充分挖掘客戶信息、信貸行為等風(fēng)險數(shù)據(jù)，對客戶進(jìn)行綜合評價和推斷，提升風(fēng)險管理的智能化水平、精細(xì)化水平。同時，商業(yè)銀行應(yīng)逐步完善風(fēng)險防范機(jī)制：貸前充分搜集客戶數(shù)據(jù)建立欺詐模型、貸中利用數(shù)據(jù)挖掘方法構(gòu)建信貸風(fēng)險評估新模式、貸后利用數(shù)據(jù)監(jiān)測系統(tǒng)密切關(guān)注貸款資金流向。以龐大的數(shù)據(jù)信息為支持的綜合性、系統(tǒng)化的風(fēng)險管理機(jī)制不但是商業(yè)銀行防范消費金融業(yè)務(wù)風(fēng)險的必要舉措，也是商業(yè)銀行在數(shù)字經(jīng)濟(jì)時代下提升適應(yīng)力和競爭力的有效手段。

（作者單位：交通銀行北京市分行風(fēng)險管理部）