本文轉(zhuǎn)載自未央網(wǎng)僚匆。
一微渠、我國互聯(lián)網(wǎng)信貸發(fā)展概況
我國的信貸市場潛力是巨大的，從近幾年的信貸數(shù)據(jù)來看咧擂，我國信貸的數(shù)量都是在不斷增長的逞盆。互聯(lián)網(wǎng)信貸作為傳統(tǒng)信貸的補(bǔ)充松申，在網(wǎng)絡(luò)借貸云芦、消費(fèi)金融、供應(yīng)鏈金融等方面都展現(xiàn)了強(qiáng)勁的勢頭贸桶。從下面兩張表格可以看出舅逸，網(wǎng)絡(luò)信貸成交量自2010年的13.7億增長到2016年的28049.38億，增長突破2000多倍皇筛；互聯(lián)網(wǎng)消費(fèi)信貸規(guī)模從2010年的3.2億元增長到2016年的720.7億元琉历，實(shí)現(xiàn)了200多倍的增長；供應(yīng)鏈融資從銀行規(guī)模和電商巨頭報(bào)表統(tǒng)計(jì)數(shù)據(jù)來看融資總額已經(jīng)達(dá)到了萬億規(guī)模水醋。
由于消費(fèi)升級(jí)旗笔、供給側(cè)改革的不斷深化，互聯(lián)網(wǎng)消費(fèi)信貸迎來了井噴式的發(fā)展拄踪，然而與此同時(shí)蝇恶，風(fēng)險(xiǎn)問題也伴隨著其規(guī)模的快速增長而日益突出」互聯(lián)網(wǎng)消費(fèi)信貸既有與傳統(tǒng)消費(fèi)信貸一樣的風(fēng)險(xiǎn)共性艘包，也有其創(chuàng)新性業(yè)務(wù)模式帶來的風(fēng)險(xiǎn)特性，它的風(fēng)險(xiǎn)既是互聯(lián)網(wǎng)消費(fèi)信貸公司自身業(yè)務(wù)模式、風(fēng)控舀射、管理等原因造成的艰躺，也是我國目前法律監(jiān)管體系的滯后和不完備、征信體系不健全等客觀原因造成的应结。如何在監(jiān)管日益完善的環(huán)境下，加強(qiáng)風(fēng)險(xiǎn)體系建設(shè)是很多機(jī)構(gòu)開展消費(fèi)信貸業(yè)務(wù)的關(guān)鍵保障。
二忿薇、如何構(gòu)建互聯(lián)網(wǎng)消費(fèi)信貸風(fēng)險(xiǎn)管理框架
(一) 貸前風(fēng)險(xiǎn)管理
貸前風(fēng)控主要包括兩部分內(nèi)容裙椭，一是客戶反欺詐管理，二是客戶還款能力和還款意愿評(píng)估署浩。
1. 反欺詐管理
目前常見的欺詐類型包括三種：第一方欺詐揉燃、第三方欺詐以及團(tuán)伙欺詐，其中團(tuán)伙欺詐已經(jīng)存在龐大黑產(chǎn)集團(tuán)筋栋。因此炊汤，在審核借貸申請(qǐng)時(shí)，從業(yè)機(jī)構(gòu)需通過數(shù)據(jù)分類管理弊攘、身份認(rèn)證管理抢腐、洗黑產(chǎn)管理等方式對(duì)客群的大數(shù)據(jù)進(jìn)行分析從而識(shí)別客戶的欺詐行為。
a) 數(shù)據(jù)分類管理
對(duì)客群數(shù)據(jù)進(jìn)行多維度的分類管理襟交，便于區(qū)別迈倍、查找、歸類捣域。
√ 用戶主動(dòng)授權(quán)：個(gè)人基本信息啼染、聯(lián)系人信息、銀行卡信息等焕梅。
√ 系統(tǒng)抓取數(shù)據(jù)：如設(shè)備號(hào)提完、IP地址、通話記錄丘侠、用戶瀏覽數(shù)據(jù)徒欣、運(yùn)營商/京東/淘寶賬號(hào)授權(quán)后爬蟲爬取數(shù)據(jù)等。
√ 用戶交易數(shù)據(jù)：如用戶在平臺(tái)的歷史借款蜗字、還款情況打肝。
√ 第三方獲得數(shù)據(jù)：征信數(shù)據(jù)、各類黑名單挪捕、欺詐數(shù)據(jù)等粗梭。
b) 身份認(rèn)證管理
身份認(rèn)證管理主要涵蓋提交信息環(huán)節(jié)和借款申請(qǐng)環(huán)節(jié)。
提交信息環(huán)節(jié)：
實(shí)名認(rèn)證：是指姓名和身份證是否匹配级零，是否在公安網(wǎng)是否備案断医。主要通過直連公安網(wǎng)實(shí)名接口或通過第三方代理完成。
本人申請(qǐng)校驗(yàn)：主要通過OCR+活體檢測來完成奏纪。OCR的目的主要是獲得身份證上可信照片鉴嗤，活體檢測是獲得申請(qǐng)人現(xiàn)場照片，然后通過對(duì)比可信照片和現(xiàn)場照片序调，來判斷操作的是否為本人醉锅。可信照片除了可通過活體檢測獲得发绢，也可以通過調(diào)用公安網(wǎng)網(wǎng)紋照硬耍。
借款申請(qǐng)環(huán)節(jié)：
銀行卡四要素校驗(yàn)：通過輸入姓名垄琐、身份證號(hào)、銀行卡號(hào)经柴、銀行卡預(yù)留手機(jī)號(hào)來驗(yàn)證該銀行卡是否屬于申請(qǐng)人本人狸窘。銀行卡四要素校驗(yàn)時(shí)，也需要實(shí)名認(rèn)證校驗(yàn)坯认。
運(yùn)營商三要素校驗(yàn)：根據(jù)姓名朦前、身份證號(hào)、手機(jī)號(hào)鹃操，核驗(yàn)姓名身份證號(hào)與該手機(jī)號(hào)開戶時(shí)實(shí)名登記的姓名身份證號(hào)是否一致韭寸，來判斷是否為本人的手機(jī)號(hào)。
c) 洗黑產(chǎn)管理
黑產(chǎn)有幾個(gè)模式：一是中介購買個(gè)人信息進(jìn)行欺詐荆隘，二是中介和客戶合謀進(jìn)行欺詐恩伺，三是為了薅羊毛注冊(cè)小號(hào)進(jìn)行欺詐，四是盜號(hào)之后撞庫脫庫洗庫椰拒。平臺(tái)在管理過程中可以從用戶注冊(cè)晶渠、登錄、申請(qǐng)燃观、提現(xiàn)等幾個(gè)環(huán)節(jié)進(jìn)行管控褒脯，同時(shí)可借助外部數(shù)據(jù)來強(qiáng)化自身的反欺詐管理。
2. 還款能力和還款意愿評(píng)估
目前對(duì)還款能力和還款意愿的評(píng)估工作基本分三個(gè)階段缆毁，第一階段是數(shù)據(jù)準(zhǔn)備階段番川，第二階段是模型構(gòu)建，第三階段是量化授信脊框。
a) 數(shù)據(jù)準(zhǔn)備
數(shù)據(jù)是征信建模中的靈魂颁督，模型置信度的高低跟所依賴的數(shù)據(jù)源有著密切的關(guān)系，平臺(tái)首先需基于目前行業(yè)現(xiàn)狀對(duì)可獲得的數(shù)據(jù)進(jìn)行分類管理浇雹。
內(nèi)部數(shù)據(jù)：
√ 客戶基礎(chǔ)數(shù)據(jù)
√ 財(cái)務(wù)數(shù)據(jù)
√ 業(yè)務(wù)數(shù)據(jù)
√ 違約數(shù)據(jù)
外部數(shù)據(jù)：
√ 政府部門
√ 螞蟻金服
√ 證通公司
√ 其他第三方征信數(shù)據(jù)
√ 輿情數(shù)據(jù)
b) 構(gòu)建模型
目前比較常用的客戶評(píng)級(jí)模型工具有兩類：打分卡和統(tǒng)計(jì)模型沉御。當(dāng)然建模的方式有很多，除此之外還有KMV昭灵、Creditmetrics等吠裆。
打分卡 (常用推薦)：
打分卡目前比較常用的是采用AHP層次分析法，這是一種定量與定性相結(jié)合烂完，將人的主觀判斷用數(shù)量形式表達(dá)和處理的方法试疙。該方法將問題層次化，按照因素間相互影響以及隸屬關(guān)系將它們按不同層次聚集組合窜护。然后效斑，通過兩兩比較的方式確定層次中諸因素的相對(duì)重要性。最后柱徙，將系統(tǒng)分析歸結(jié)最低層（供決策的方案缓屠、措施等）相對(duì)于最高層（總目標(biāo)）的權(quán)重確定。
打分卡的步驟可依照以下幾步：
第一步：構(gòu)建層次分析結(jié)構(gòu)模型护侮，根據(jù)所準(zhǔn)備數(shù)據(jù)源敌完，將數(shù)據(jù)按照不同類別，不同主題進(jìn)行分類羊初，構(gòu)建數(shù)據(jù)層次分析結(jié)構(gòu)模型滨溉。
第二步：構(gòu)造兩兩比較矩陣，在建立了遞階層次結(jié)構(gòu)后长赞，分別對(duì)層次的各方案內(nèi)部每個(gè)因素進(jìn)行重要性比較晦攒。決策者所有的賦值構(gòu)成一個(gè)指標(biāo)集矩陣，該指標(biāo)集的每一個(gè)元素aij 的含義是因素i 比因素j 的重要程度得哆。整體上該指標(biāo)集被稱為判斷矩陣脯颜，即
第三步：相對(duì)權(quán)重計(jì)算和絕對(duì)權(quán)重確定，判斷矩陣的最大特征值所對(duì)應(yīng)的單位化的特征向量即為本層次因素相對(duì)于上層次某一因素的相對(duì)重要性權(quán)重值贩据。用方根法求解步驟如下：計(jì)算判斷矩陣A 每行所有元素的幾何平均數(shù)栋操，得到列向量V=(V1,V2,...,Vn)T 。計(jì)算權(quán)重向量 饱亮，即對(duì)V 進(jìn)行歸一化處理矾芙。同時(shí)計(jì)算判斷矩陣A 的最大特征根λmax ，目的是用于一致性檢驗(yàn)近上。由于判斷矩陣是人為賦予的剔宪，帶有一定的主觀性，實(shí)際建立的判斷矩陣往往不具有完全一致性壹无，所以需要進(jìn)行一致性檢驗(yàn)來評(píng)價(jià)判斷矩陣的可靠性歼跟。一致性常用公式：
第四步：多專家群決策權(quán)重的確定，通常采用聚類分析的方法格遭，聚類分析本質(zhì)上是將研究的對(duì)象進(jìn)行分類哈街，以確定個(gè)體在群體意見中所占權(quán)重的方法。其基本思想是通過定義樣本之間的距離拒迅，將相近的樣本歸為一類骚秦，直至所有類之間的距離滿足某種條件。
統(tǒng)計(jì)模型—邏輯回歸：
邏輯回歸(Logistic Regression, LR)又稱為邏輯回歸分析璧微，是分類和預(yù)測算法中的一種作箍。通過歷史數(shù)據(jù)的表現(xiàn)對(duì)未來結(jié)果發(fā)生的概率進(jìn)行預(yù)測。Logistic模型一個(gè)顯著的特點(diǎn)就是其因變量一般使用二分類變量（即0前硫，1變量）胞得，模型預(yù)測的結(jié)果則對(duì)應(yīng)因變量取0或1的概率。該模型可以用以下公式進(jìn)行表示：
其中P(y=0)就表示因變量取值為0的概率屹电。為了簡化模型參數(shù)估計(jì)的步驟阶剑，提高模型解釋性跃巡，可以對(duì)模型進(jìn)行適當(dāng)?shù)臄?shù)學(xué)變化，如下式所示：
在logistic模型中牧愁，P(y=0)/[1-P(y=0)]被稱為發(fā)生比或優(yōu)勢率（ODDS）素邪，一般情況下“0”代表的是占比較高的群體。例如信用評(píng)分模型中猪半，“0”一般用于表示未違約的客戶兔朦，而“1”表示違約客戶。
該信用評(píng)分模型具有較好的置信度度和效度磨确，可根據(jù)用戶數(shù)據(jù)預(yù)測用戶非違約率沽甥，綜合預(yù)測正確率可達(dá)近八九成，充分說明邏輯回歸可以應(yīng)用于信用卡風(fēng)險(xiǎn)評(píng)估模型構(gòu)建乏奥。此外摆舟，在實(shí)際應(yīng)用中還需注意細(xì)分模型的構(gòu)建及新變量引入等工作。
c) 量化授信
根據(jù)評(píng)分結(jié)果對(duì)不同得分進(jìn)行分類進(jìn)而得到動(dòng)態(tài)授信額度英融。
授信額度=MIN（Y申請(qǐng)額度盏檐，MAX（金融資產(chǎn)，風(fēng)險(xiǎn)限額*信用等級(jí)系數(shù)））
(二) 貸中風(fēng)險(xiǎn)管理
貸中風(fēng)險(xiǎn)管理主要包含風(fēng)險(xiǎn)監(jiān)控管理和風(fēng)險(xiǎn)計(jì)量驶悟。風(fēng)險(xiǎn)監(jiān)控管理基于各自公司制定的風(fēng)險(xiǎn)偏好與限額的基礎(chǔ)上對(duì)指標(biāo)進(jìn)行實(shí)時(shí)監(jiān)控胡野，主要包括異常交易監(jiān)控、集中度監(jiān)控等痕鳍。
1. 風(fēng)險(xiǎn)監(jiān)控管理
a) 集中度監(jiān)控：
√ 行業(yè)集中度監(jiān)控硫豆。
√ 地域集中度監(jiān)控。
√ 年齡集中度監(jiān)控笼呆。
√ 時(shí)間集中度監(jiān)控
b) 異常交易監(jiān)控：
√ 短期內(nèi)大量新增用戶監(jiān)控熊响。
√ 關(guān)聯(lián)人借款信息監(jiān)控。
√ 異常行為監(jiān)控诗赌。
√ 短期內(nèi)高頻借款監(jiān)控汗茄。
√ 不同時(shí)間段借款監(jiān)控
2. 風(fēng)險(xiǎn)計(jì)量
對(duì)消費(fèi)信貸類風(fēng)險(xiǎn)計(jì)量我們采用基于決策樹模型的零售資產(chǎn)分池。
（PD表示：未來一段時(shí)間內(nèi)借款人發(fā)生違約的可能性）
未違約風(fēng)險(xiǎn)暴露的風(fēng)險(xiǎn)加權(quán)資產(chǎn)：
已違約風(fēng)險(xiǎn)暴露的風(fēng)險(xiǎn)加權(quán)資產(chǎn)：
其中铭若，LGD為違約損失率的估計(jì)值洪碳；EL為考慮經(jīng)濟(jì)環(huán)境、法律地位等條件下已違約風(fēng)險(xiǎn)暴露的預(yù)期損失最大估計(jì)值叼屠。
通過實(shí)時(shí)監(jiān)控構(gòu)建公司風(fēng)險(xiǎn)管理的實(shí)施預(yù)警機(jī)制瞳腌，能夠及時(shí)發(fā)現(xiàn)異常、處理風(fēng)險(xiǎn)事件镜雨，以便對(duì)業(yè)務(wù)進(jìn)行及時(shí)修正嫂侍。
(三) 貸后風(fēng)險(xiǎn)管理
貸后管理主要包括催收管理和提高違約成本管理。
1. 催收管理
催收也是一個(gè)學(xué)習(xí)風(fēng)險(xiǎn)把控的過程，從逾期客戶的共同特點(diǎn)出發(fā)避免后續(xù)出現(xiàn)重復(fù)原因逾期挑宠。對(duì)不同逾期期限菲盾、不同客戶類型（強(qiáng)硬型、陰謀型痹栖、合作型亿汞、感情型瞭空、固執(zhí)型揪阿、虛榮型等）進(jìn)行分類管理，提高催收效率咆畏。
2. 通過提高違約成本進(jìn)而降低客戶的違約率和違約損失
通過提高客戶的違約成本能夠在一定程度上降低違約率南捂，如：增加征信上報(bào)通道；提供聯(lián)系人（親戚旧找、朋友）協(xié)同還款溺健；通過仲裁決議限制借款主體出行自由等；通過行政官方途徑進(jìn)行追償?shù)扰ブ搿o論以何種方式鞭缭，守住合規(guī)法律的底線才是業(yè)務(wù)長久合規(guī)發(fā)展的前提。
(四) 信貸業(yè)務(wù)中常用的工具——壓力測試工具
壓力測試工具通過測算公司遇到假定的小概率極端不利情況時(shí)可能發(fā)生的損失魏颓，分析這些損失對(duì)公司盈利能力和資本的負(fù)面影響岭辣，進(jìn)而評(píng)估和判斷公司承擔(dān)資本損失和維持核心業(yè)務(wù)的能力，并據(jù)此采取相應(yīng)措施甸饱。
在開展壓力測試的過程中通常分兩種方式沦童，敏感性測試和情景分析。
敏感性測試是測量單個(gè)重要風(fēng)險(xiǎn)因素或少數(shù)幾項(xiàng)關(guān)系密切的因素假設(shè)變動(dòng)造成公司盈利能力的下降以及評(píng)估公司風(fēng)險(xiǎn)承受能力叹话。
情景分析測試是假設(shè)分析多個(gè)風(fēng)險(xiǎn)因素同時(shí)發(fā)生變化以及某些極端不利事件發(fā)生造成公司盈利能力的下降以及評(píng)估公司風(fēng)險(xiǎn)承受能力偷遗。
文/曹智，融都科技副總裁驼壶，曾就職于恒生電子氏豌，擁有近10年傳統(tǒng)金融機(jī)構(gòu)及新金融機(jī)構(gòu)產(chǎn)品規(guī)劃、信息系統(tǒng)建設(shè)热凹、風(fēng)險(xiǎn)管理工作經(jīng)驗(yàn)泵喘。
