数据时代商业银行消费金融业务风险管理实践

■宋露曦（汇丰软件开发（广东）有限公司）

本文利用对大量数据建模对市场进行了定量分析，发现利用新风控方式能够为银行有效解决该问题提供一种新型思路。银行可以利用数字化技术构建新型方法论，即“从数据分析到价值创造”，逐渐降低金融业务涉及的各类风险。

一、各商业银行涉及消费金融领域的优势分析

各大商业银行的存款利率在利率市场的不断改革和飞速发展下都出现了一定程度的上升，缩小了银行的利润空间。由于个人客户贷款的利率敏感度相对对公贷款较低，因此为了缓和利率市场对银行的冲击，银行开始重点发展个人客户，如此一来也可使银行收入趋于平衡。通过2018 年报可发现，在我国国有银行和全国性质股份制银行中，零售贷款利率高于对公贷款的银行高达八家。此外，通过数据分析表明零售贷款能够极大程度节约银行资本、提高非息收入。

商业银行的消费金融业务一般有三部分构成，即信用卡、住房按揭贷款及一般消费贷款。自从2017 年国家颁布“房住不炒”政策后，住房按揭贷款业务快速回落，与此同时其他消费贷款及信用卡业务快速发展，竞争愈演愈烈，各大产品体系争相出台。其中信用卡业务经过长达十年的快速发展，目前已占据银行收入的主要增长点。数据统计显示，我国信用卡总额在2018 年末高达15 亿元，比之前增长了23%左右。

二、消费金融市场的发展趋势分析

根据人民银行统计的数据发现，在我国金融机构中2018 年个人的消费贷款余额较2013 年增加了将近三倍，而且每年的增长速度都超过了18%。随着金融市场的不断调整和产品升级，推动经济发展首要途径就是不断发掘居民内在需求，刺激居民消费。2018年8 月，中国银保监会办公厅发布相关通知，倡导积极开展金融业务，增加居民消费，不断拉动我国经济的发展。由此可见，我国金融市场还有很大的发展空间。

三、消费金融业务的风险分析

商业银行的消费金融业务具有很大的前景，但并不是一个完全成熟期，消费金融业务还面临着许多挑战和风险。之前各大银行的信贷业务都是人工审批模式，近几年来已经逐渐转为自动化审批模式，但现阶段的自动化审批模式主要利用打分卡等模型进行审批，容易出现违约风险。此外，国民的消费意识不断改变，部分消费者存在“以贷养贷”的行为，这就加大了贷款的风险。消费金融业务的风险主要有欺诈风险、套利风险、信用风险和共债风险四类。

（1）欺诈风险。银行无法准确判别客户请资料的真实性和身份是欺诈风险出现的最主要原因。常见的欺诈风险行为主要有以下两种:第一种是个人欺诈，贷款客户名义上借着购买某商品，货品到手后再将其转变为现金，部分场景提供者还会为借款人提供回购服务；第二种是第三方欺诈，场景提供者制作虚假交易获得客户信息，利用客户信息进行信用贷款。这两种情形在实质上就是将贷款转化为“现金贷”，极大程度的增加了逾期率。

（2）信用风险。信用风险指的是贷款客户未能按约定进行还款或未履行约定所产生经济损失的风险，也称违约和信贷风险。出现信用风险的主要原因主要有两个:一是客户由于外力原因无法偿还债务。二是金融机构对客户信息判断出现了失误，从而造成一定损失。经济扩张和紧缩对信用风险的降低和增加有着重要的影响。比如2008 年的美国，自发生次贷危机后，美国的失业率大幅度增加，从而使拖欠率增长至7%左右，核销率上升至11.0 左右。

（3）套利风险。套利风险主要发生在现金贷业务上，客户申请成功后，银行将这笔贷款打入客户账户中，对于之后资金的流向和使用缺乏管控。借出资金后部分资金被投入理财产品和股市当中，以从中谋取利润差，如果投资的产品出现问题，客户就会发生违约行为。

（4）共债风险。客户同时在多家金融机构中存在债务关系，称之为共债风险。产生共债风险的原因主要是贷款客户的消费远远超于收入水平。各大银行和金融机构的信贷情况已纳入央行征信，但许多线上信贷平台却未纳入，银行在对客户进行评估时只能通过与第三方对接间接推测客户的信贷情况及共债情况。

四、数据驱动商业银行消费金融风险管理实践

消费金融风险管理技术在客户数据分析能力的不断提高下逐渐完善。通过数据分析和建模可以让各大商业银行深入了解客户数据，不断挖掘客户的潜在信息，从而使银行的风险管理水平得以提升。

（一）拓展数据来源，严防欺诈风险

防欺诈风险的关键在于反欺诈技术和规则的使用及大数据的分析，比如客户身份的确定、财务及收入的准确和真实性。目前在防欺诈风险管理中大数据已得到了初步应用，主要用于两个方面:第一，验证客户信息是否真实准确。银行可以利用大数据技术对客户在央行及一些三方征信系统的基础信息进行充分挖掘，对客户申请信息中的矛盾和不符合逻辑部分进行交叉对比验证，如此一来可以很大程度降低欺诈风险。比如通过对比客户注册的地址信息和设备端IP 地址，如果相距较远，偏差较大，则该地址很有可能是虚假信息。第二，可以验证客户提供的申请资料是否真实准确。部分申请者会刻意将对自己不利的事实隐瞒起来，比如刻意隐瞒其巨额钱款、背负刑事案件等事实，通过大数据连接的互联网信息，可以在短时间内获取该人的负债情况、刑事案件及经营信息等，从而确保客户申请资料的真实性。

（二）强化风控模型，防范信用风险

各大银行需要根据不同的产品制定适合该产品的风控模型。初始阶段大数据会对客户类型进行分析，制定出多种策略，从而让银行对客户的贷款需求有一个更为全面客观的分析评价，进一步对初始制定的策略进行优化和改善。除此之外，为了保证给予客户额度的合理性，各大银行还需引入银行卡交易流水、线上支付流水等大量外部数据以对客户的还款意愿和能力进行更为准确的判断。与此同时，银行要定期关注客户的还款情况，分析其还款能力，风控模型应实时对客户行为进行监管，一旦出现异样行为或对还款不利的行为，应立即进行反馈并预警催收，从而降低逾期率。以微众银行为例，该银行创建了6 个风控模型，包括公安数据模型、央行数据模型等传统模型，还有基于平台的支付模型和社交模型等，利用其对腾讯的所有客户进行了分类和排序，根据还款能力和意愿给客户分配合理的贷款额度。

（三）分析交易流水，预警套利风险

为了降低套利的风险，各大银行应利用大数据对客户的整体情况进行分析，使风险预警更为智能化，能够及时发现是否有不符合其消费水平、虚假用途的情形出现。第一，银行首先应利用大数据对客户进行精准画像，了解其消费类型、消费水平及消费习惯，判别其申请额度是否与其特征相符合，从多方面客观评价其是否存在套现的可能性，计算出与其消费水平相符合的合理额度。第二，对资金的流向进行实时监控，将以贷还贷、购买基金和理财产品等可疑资金交易筛选出来。第三，银行在对客户交易流水进行监控时，如果发现其将贷款投入到一些风险较高的领域时，风控系统应及时对其还款日期和贷款额度进行相应调整。以交通银行为例，该银行风险管理部构建了一套全新的内外部风险信息监测系统，该系统能够智能化的对内外部风险信息数据的真实度和严重程度进行判别分类。基于此还设立了全自动检测规则库，加强风险的预判性和前瞻性，还能够对客户贷后信息的预警信息进行有效智能识别，减少客户经理的工作量。

（四）加快数据共享，降低共债风险

建立数据共享平台是降低共债风险的关键。应强制互联网线上贷款平台接入央行征信系统，同时大力支持更多的消费金融商接入。当前获取共债信息的渠道主要是通过与第三方对接，但第三方反应的数据质量高低不一，可信度不高。各大商业银行通常采用数据交叉对比验证的方法，如此一来大大增加了征信的成本，而且无法保证效果。建立征信数据共享平台，实现平台与各金融机构信息共享，这能够极大程度提高银行评估客户资质的准确性，从根本上使共债的风险降低。

五、结语

进行数据建模，对风险管理能力进行定量分析是各大商业银行金融业务的核心所在。为了在未来更好地开展消费金融业务，各大银行应重视数据信息的价值，不断通过新型技术提高数据采集及分析的能力和准确率，利用其充分发掘出客户的潜在信息及信用情况，从而对客户进行全面综合评估，使得风险管理更具精细化和智能化。以大数据为技术支撑的风险管理机制俨然成为了各大商业银行规避和降低金融业务风险的重要措施，同时其也能够有效的提高各大商业银行在数字时代下的竞争力。