消費(fèi)金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)應(yīng)用現(xiàn)狀分析

周云梅

摘? ?要：近年來(lái)，隨著互聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用，我國(guó)消費(fèi)金融發(fā)展迅速，迫切需要加大風(fēng)險(xiǎn)預(yù)警系統(tǒng)研究力度，監(jiān)督和遏制潛在金融風(fēng)險(xiǎn)，降低消費(fèi)金融機(jī)構(gòu)損失。文章通過(guò)分析國(guó)內(nèi)和國(guó)外消費(fèi)金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)應(yīng)用現(xiàn)狀，提出基于大數(shù)據(jù)平臺(tái)加強(qiáng)對(duì)客戶信用風(fēng)險(xiǎn)的全面、深入管理，具有重要的理論和現(xiàn)實(shí)意義。

關(guān)鍵詞：消費(fèi)金融;風(fēng)險(xiǎn)預(yù)警;系統(tǒng)應(yīng)用;現(xiàn)狀分析

近年來(lái)，隨著國(guó)內(nèi)國(guó)債到期，收益率逐步降低、央行多次降息、銀行房貸收緊等多重因素疊加影響，互聯(lián)網(wǎng)消費(fèi)金融消費(fèi)持續(xù)走高，互聯(lián)網(wǎng)消費(fèi)金融從2012—2018年交易規(guī)模由60億元發(fā)展為97 737.3億元。隨之而來(lái)的是風(fēng)險(xiǎn)的增長(zhǎng)、風(fēng)險(xiǎn)爆發(fā)概率大幅增加、金融市場(chǎng)風(fēng)險(xiǎn)的防控壓力大幅攀升。因此，研究分析當(dāng)前國(guó)內(nèi)外消費(fèi)金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)是互聯(lián)網(wǎng)金融時(shí)代的必然要求。

1? ? 國(guó)內(nèi)消費(fèi)金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)應(yīng)用現(xiàn)狀

我國(guó)從20世紀(jì)80年代開(kāi)始研究金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)。與其他國(guó)家相比，我國(guó)起步較晚、研究成果較少、研究過(guò)程落后，目前基本處于探索和引進(jìn)國(guó)外先進(jìn)經(jīng)驗(yàn)階段。

國(guó)內(nèi)銀行風(fēng)險(xiǎn)預(yù)警體系建設(shè)從2005年開(kāi)始逐步發(fā)展，較為典型的是阿里巴巴旗下的互聯(lián)網(wǎng)消費(fèi)金融產(chǎn)品阿里小貸。其主要依托于自平臺(tái)數(shù)據(jù)，通過(guò)剖析和梳理風(fēng)險(xiǎn)與弊端，構(gòu)建信用風(fēng)險(xiǎn)指標(biāo)與預(yù)警評(píng)價(jià)系統(tǒng)，制定信用風(fēng)險(xiǎn)管控與預(yù)警的有效措施方案，實(shí)現(xiàn)了風(fēng)險(xiǎn)有效防控，形成了金融產(chǎn)品的競(jìng)爭(zhēng)優(yōu)勢(shì)。光大銀行從2015年開(kāi)始研發(fā)一款大數(shù)據(jù)風(fēng)險(xiǎn)預(yù)警產(chǎn)品，主要通過(guò)挖掘和識(shí)別風(fēng)險(xiǎn)關(guān)聯(lián)體—集團(tuán)客戶、上下游供應(yīng)商、聯(lián)保聯(lián)貸戶等之間的資金往來(lái)關(guān)系，建立資金復(fù)雜網(wǎng)絡(luò)，達(dá)到風(fēng)險(xiǎn)預(yù)判目標(biāo)。國(guó)內(nèi)其他不少銀行也逐步把包括資產(chǎn)監(jiān)測(cè)體系納入日常業(yè)務(wù)處理中，不僅提高了金融機(jī)構(gòu)工作人員的效率，而且提升了機(jī)構(gòu)的服務(wù)水平 。

目前，我國(guó)消費(fèi)金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)主要使用傳統(tǒng)的抽樣數(shù)據(jù)，主要采用批量計(jì)算與人工處理相結(jié)合的方法。大數(shù)據(jù)時(shí)代，采用傳統(tǒng)抽樣數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)預(yù)警的管理系統(tǒng)弊端凸顯，迫切需要采用實(shí)時(shí)采集互聯(lián)網(wǎng)大樣本數(shù)據(jù)和動(dòng)態(tài)監(jiān)測(cè)信息變化，通過(guò)抽取其中隱藏的聯(lián)系，并以此為依據(jù)進(jìn)行預(yù)測(cè)。隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，風(fēng)控難度與要求日益增長(zhǎng)，當(dāng)數(shù)據(jù)達(dá)到千萬(wàn)級(jí)別時(shí)，傳統(tǒng)處理模式的處理速度和查詢能力無(wú)法滿足互聯(lián)網(wǎng)技術(shù)、大數(shù)據(jù)技術(shù)和云計(jì)算的要求。

現(xiàn)在，我國(guó)金融機(jī)構(gòu)市場(chǎng)化改革的步伐正在加速，但受外部因素及內(nèi)部傳統(tǒng)的制約，許多已經(jīng)完成改制的銀行，依然沿用了其原先的預(yù)警數(shù)據(jù)采集渠道，不能與時(shí)俱進(jìn)與拓展創(chuàng)新，無(wú)法應(yīng)對(duì)互聯(lián)網(wǎng)時(shí)代高速變化的風(fēng)險(xiǎn)形勢(shì)，在實(shí)際運(yùn)行中受到較多限制。此外，很多商業(yè)銀行從業(yè)者缺乏大數(shù)據(jù)理念，在經(jīng)營(yíng)過(guò)程中沒(méi)有遵循市場(chǎng)化規(guī)則，缺少風(fēng)險(xiǎn)防控的先制權(quán)。綜上可以看出，基于大數(shù)據(jù)的風(fēng)險(xiǎn)預(yù)警系統(tǒng)優(yōu)勢(shì)明顯，傳統(tǒng)風(fēng)險(xiǎn)預(yù)警模式弊端凸顯。為此，互聯(lián)網(wǎng)時(shí)代下的消費(fèi)金融機(jī)構(gòu)，迫切需要順應(yīng)時(shí)代潮流，對(duì)“互聯(lián)網(wǎng)+大數(shù)據(jù)”時(shí)代消費(fèi)金融的特點(diǎn)、發(fā)展模式、風(fēng)險(xiǎn)等情況進(jìn)行全面剖析，創(chuàng)建新型風(fēng)險(xiǎn)預(yù)警體系，提升金融監(jiān)管水平，維護(hù)金融市場(chǎng)秩序，最終促進(jìn)我國(guó)消費(fèi)金融行業(yè)的持續(xù)健康發(fā)展。

2? ? 國(guó)外消費(fèi)金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)應(yīng)用現(xiàn)狀

世界上越來(lái)越多的金融機(jī)構(gòu)認(rèn)識(shí)到風(fēng)險(xiǎn)預(yù)警管理的重要作用，逐步從事后監(jiān)督審查向全面風(fēng)險(xiǎn)管理轉(zhuǎn)變，并通過(guò)風(fēng)險(xiǎn)預(yù)警實(shí)現(xiàn)了簡(jiǎn)化處理過(guò)程、降低處理成本、提高信貸資產(chǎn)質(zhì)量。

國(guó)外尤其是歐美發(fā)達(dá)國(guó)家的金融機(jī)構(gòu)早已建立了一套比較科學(xué)、有效的信貸管理體系和制度，對(duì)客戶評(píng)級(jí)、貸款預(yù)審、貸款審批、風(fēng)險(xiǎn)預(yù)警、風(fēng)控體系、催收體系等內(nèi)容進(jìn)行了明確，各層次工作人員嚴(yán)格按規(guī)定流程和制度工作。不管是制度還是系統(tǒng)，國(guó)外的設(shè)計(jì)理念和技術(shù)都遠(yuǎn)超國(guó)內(nèi)，其系統(tǒng)開(kāi)發(fā)動(dòng)力主要基于金融機(jī)構(gòu)自身發(fā)展的需求，在設(shè)計(jì)思路上主要采取面向?qū)ο蠓绞綄?duì)體系各功能模塊進(jìn)行相應(yīng)編碼，在數(shù)據(jù)庫(kù)體系上較多的采用SQLServer數(shù)據(jù)庫(kù)，實(shí)現(xiàn)海量信息的高效存儲(chǔ)調(diào)用。

在欺詐行為識(shí)別方法上，國(guó)外起點(diǎn)和研究比我國(guó)早很多。其中Sidney Tsang等通過(guò)在線數(shù)據(jù)挑選關(guān)聯(lián)性、解釋性最好的變量，建立神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)較高準(zhǔn)確率的識(shí)別決策。Milad Malekipirbazari則使用了SVM，KNN等模型，對(duì)社交借貸客戶進(jìn)行準(zhǔn)確評(píng)分。2017年，美國(guó)的Gartner公司率先提出人工智能運(yùn)行與維護(hù)（Algorithmic IT Operations，AIOPS）概念，即通過(guò)大數(shù)據(jù)和機(jī)器學(xué)習(xí)實(shí)現(xiàn)高效、精準(zhǔn)的業(yè)務(wù)處理。AIOPS的提出明確了金融風(fēng)險(xiǎn)防范未來(lái)發(fā)展的趨勢(shì)。不久，國(guó)內(nèi)外許多金融機(jī)構(gòu)開(kāi)始進(jìn)行了有益探索和實(shí)踐。

3? ? 加強(qiáng)基于大數(shù)據(jù)平臺(tái)下的消費(fèi)金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)研究的重要意義

近年來(lái)，我國(guó)消費(fèi)金融業(yè)發(fā)展迅速，以風(fēng)險(xiǎn)控制為目的的風(fēng)險(xiǎn)機(jī)制不斷完善。為了實(shí)現(xiàn)有效的客戶細(xì)分，金融機(jī)構(gòu)需要結(jié)合大數(shù)據(jù)對(duì)客戶信用風(fēng)險(xiǎn)進(jìn)行全面深入風(fēng)險(xiǎn)管理，風(fēng)險(xiǎn)預(yù)警系統(tǒng)是保證金融機(jī)構(gòu)安全和業(yè)務(wù)發(fā)展的重要手段。進(jìn)一步探索和研究風(fēng)險(xiǎn)預(yù)警系統(tǒng)對(duì)金融機(jī)構(gòu)健康有序發(fā)展，具有重要的理論和現(xiàn)實(shí)意義。

（1）這是互聯(lián)網(wǎng)金融時(shí)代的必然要求?！盎ヂ?lián)網(wǎng)+金融”時(shí)代產(chǎn)生的海量數(shù)據(jù)，使客戶消費(fèi)行為數(shù)據(jù)產(chǎn)生了質(zhì)的飛躍，使得金融機(jī)構(gòu)既有數(shù)據(jù)信息應(yīng)用的環(huán)境，更有數(shù)據(jù)信息應(yīng)用的強(qiáng)烈需求。推動(dòng)金融機(jī)構(gòu)經(jīng)營(yíng)模式的轉(zhuǎn)變以及風(fēng)險(xiǎn)管理模式變革，亟需在風(fēng)險(xiǎn)識(shí)別、風(fēng)險(xiǎn)評(píng)估、風(fēng)險(xiǎn)控制和防控效率等方面進(jìn)行多維度提升。作為金融風(fēng)險(xiǎn)機(jī)構(gòu)，只有順應(yīng)互聯(lián)網(wǎng)時(shí)代發(fā)展，高效采集、傳輸、分析、處理各種大數(shù)據(jù)信息，才能最大限度避免信息不對(duì)稱問(wèn)題，客觀準(zhǔn)確地為客戶畫(huà)像，揭示隱性風(fēng)險(xiǎn)和潛在風(fēng)險(xiǎn)，實(shí)現(xiàn)對(duì)虛假信息、欺詐行為的準(zhǔn)確識(shí)別和實(shí)時(shí)預(yù)警。

（2）這是風(fēng)險(xiǎn)防控能級(jí)提升的必然選擇。風(fēng)險(xiǎn)防控能力核心取決于金融機(jī)構(gòu)對(duì)數(shù)據(jù)信息的采集、整合與挖掘分析能力，這種能力的強(qiáng)弱也一定程度上決定了金融機(jī)構(gòu)的競(jìng)爭(zhēng)力。只有把數(shù)據(jù)信息擺在金融機(jī)構(gòu)風(fēng)險(xiǎn)管理中的重要位置，實(shí)現(xiàn)各類(lèi)信息的有效整合，才能實(shí)現(xiàn)客戶的信息流、資金流、物流的多流合一，在此基礎(chǔ)上弱化以往以主觀判斷和定性因素在風(fēng)險(xiǎn)防控管理中的比重，使信貸行為更加客觀、理性、精準(zhǔn)。因此，探索基于大數(shù)據(jù)平臺(tái)的消費(fèi)金融風(fēng)險(xiǎn)預(yù)警方法，是金融機(jī)構(gòu)風(fēng)險(xiǎn)管理能級(jí)提升的內(nèi)在要求。

（3）這是風(fēng)險(xiǎn)防控機(jī)制優(yōu)化的源動(dòng)力。消費(fèi)金融公司現(xiàn)有系統(tǒng)無(wú)法全面覆蓋和實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)風(fēng)險(xiǎn)變化，研究設(shè)計(jì)并開(kāi)發(fā)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，能夠幫助全面、及時(shí)監(jiān)控貸前申請(qǐng)、貸中額度管控、貸后逾期風(fēng)險(xiǎn)等方面的異常信號(hào)，有效提升風(fēng)險(xiǎn)預(yù)警效能。特別是可以建立風(fēng)險(xiǎn)策略規(guī)則、預(yù)警信息的后評(píng)價(jià)機(jī)制，對(duì)其有效性進(jìn)行全面分析，實(shí)現(xiàn)與業(yè)務(wù)系統(tǒng)的交互，為未來(lái)大風(fēng)控系統(tǒng)架構(gòu)優(yōu)化做好準(zhǔn)備，打下堅(jiān)實(shí)基礎(chǔ)。

[參考文獻(xiàn)]

[1]陳麗汀.大數(shù)據(jù)背景下的互聯(lián)網(wǎng)消費(fèi)金融創(chuàng)新的幾個(gè)趨勢(shì)分析[J].金融經(jīng)濟(jì)，2019（14）：51-52.

[2]彭紅楓，葉永剛.基于還款能力和還款意愿的貸款定價(jià)模型研究[J].中國(guó)管理科學(xué)，2011（6）：40-47.

[3]陳曉暉.阿里小貸信用風(fēng)險(xiǎn)預(yù)警研究[D].長(zhǎng)沙：湖南大學(xué)，2016.

[4]尹劍，陸程敏，楊貴軍.判別分析與Logistic回歸組合分類(lèi)[J].數(shù)理統(tǒng)計(jì)與管理，2014（2）：255-257.

[5]趙宇.民生銀行零售資產(chǎn)風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].濟(jì)南：山東大學(xué)，2018.

[6]石慶焱，靳云匯.個(gè)人信用評(píng)分的主要模型與方法綜述[J].統(tǒng)計(jì)研究，2003（8）：36-39.