商业银行互联网贷款风险管控体系化建设研究

方婧

商业银行相比互联网金融公司，在互联网贷款风险管控方面存在天然的劣势，面对海量商业银行未曾介入过的风险客群，由于信息不对称，风险管控难度大。但由于市场竞争日益激烈，商业银行又不得不广泛开展普惠小微业务的互联网贷款。本文根据商业银行的风险偏好，系统梳理了互联网贷款开展所需的风险管控体系，为商业银行互联网贷款风险管控体系建设提供借鉴，以促进商业银行互联网贷款稳健发展，更好地服务实体经济。

一、商业银行互联网贷款风险管控体系化建设的重要性及困境

随着全球金融一体化进程加快，银行的经营环境日益复杂，面临的风险进一步加大，对风险管理能力也提出了更高的要求。同时互联网企业呈现出高速发展的趋势，商业银行将在这一过程中面临互联网的多种冲击。商业银行的竞争更加激烈，互联网贷款是破局的重点，也是商业银行未来重要增长极，属于战略转轨升级的重点领域。

互联网贷款的发展始于互联网公司，商业银行由于缺乏相关客群的风险特征数据，同时受限于渠道、获客等不利因素，联合贷、助贷模式是商业银行互联网贷款发展的必经之路。

由于互联网贷款客群的流量属于卖方市场，商业银行议价谈判能力弱，加上对合作模式不熟悉，对互联网贷款的客群不了解，往往不能谈好推送客群特征、风险数据共享机制、催收管理、双方权责以及违约责任等涉及风险及收益等核心合作条件，如果迫于业务规模迅速扩大的压力，没有充足风险观察期就积累一定规模，易埋下后续处置的风险隐患，容易造成对合作方管理不到位、追责困难等不利局面。

二、商业银行互联网贷款风险管控体系化建设的阶段性目标

商业银行建立互联网贷款风险管控体系，应通过金融科技手段，分阶段实现以下两个战略目的：一是对联合贷、助贷产品具备完整有效的合作机构管理机制与独立的二道风控能力；二是持续提升互联网贷款产品的自营风控能力，从而达到具备既可通过行内自营，又可利用合作方渠道发展业务的能力，最终实现互联网贷款的资产质量管控目标。

阶段一，由于合作的互联网公司与商业银行的收益不对等，定位不同，导致风险偏好的差异，商业银行需提升二道风控能力，根据银行的风险偏好选择客群，进行风险定价和风险策略的调整，从根本上管好联合贷、助贷的资产质量。阶段二，商业银行需在阶段一的基础上，通过学习借鉴合作互联网公司的风控流程、技术、手段，搭建适应银行自身发展阶段的风险管控体系，从系统与数据上提升自主风控能力。

三、 商业银行互聯网贷款风险管控体系化建设的思路

互联网贷款管理的总体思路：首先，每年根据银行发展战略，制定互联网贷款的风险偏好，明确不良容忍度。其次，建议以利润考核为导向，明确每个产品的利润要求，结合风险偏好与计提拨备要求，确定各互联网贷款的收益底线。根据风险收益匹配原则，收益要求高则可适当接受高风险客群；收益要求低则要严控准入关，筛选低风险客群。据此调整合作的互联网公司与客群筛选标准并设定风险收益阈值，在产品运营过程中定期监测，对于达到阈值的产品及时干预。第三，由于互联网贷款具有量大、额小、分散、基本为信用贷款等特点，司法资源无法保证全覆盖，催收效率差，与公司业务贷前贷中贷后流程环节缺一不可的管理理念不同，应把日常风险管理的重点放在贷前准入，做到风控手段的前瞻前置：将重点风险把控的关口往合作方筛选和引流客群风险识别方向前移，一是在入口处主动识别筛选优秀合作方，二是加强对其引流客群的风险评估，做到风险客户早识别、早筛选；在贷中管理环节，从客户维度和风险收益维度两方面入手，强化监控和管理，做到早识别、早预警、早干预；最后通过多元化催收与处置手段，尽可能挽回损失。此外，还需从制度建设、人员组织、数据积累以及金融科技等方面做好有力的保障。据此，构建互联网贷款资产风险管控体系如图2所示：

四、商业银行互联网贷款风险管控体系化建设的内容

（一）贷前风险管控体系的建设

前瞻前置是商业银行在全行统一互联网贷款风险偏好的前提下，主动前移风险把控关口，强化贷前风险管控。首先是加强与合作方的准入谈判要求。具体包括：根据监管要求，加强合作方准入资质核查。核查的内容包括但不限于注册资本金、是否具备跨省展业资格、控股股东财务状况、杠杆倍数等方面，将监管要求提炼后将其标准化，固定至合作方协议中。同时由于监管对合作方的出资比例，以及最低注册资本金的要求，可能会使其对银行的分润提出更高要求，使银行的收益难以覆盖风险，需要在准入时严把收益测算底线，并在合作过程中定期测算风险收益情况，对达到阈值的产品坚决暂停甚至退出。

在对合作的互联网公司进行尽职调查时，商业银行应要求风险条线人员共同参与，借此机会争取数据字段、风控措施、证据保存、违约清收措施等对商业银行更为有利的条件；同时加强对合作方底层客群的调查，要求合作机构提供相应的客群风险筛选规则、额度确定和定价逻辑，有运营数据的，还需提供相应客群或业务近年还原核销后的历史运营数据相应风险如vintage 报告，验证引流客群质量与其披露给商业银行的数据一致，从源头上降低客群风险，降低业务不良的可能性。合作之后，也要定期通过行内资产质量与合作机构大盘资产质量的对比，行内客户资信评级的变化等数据，检查合作方推送的客群质量是否发生变化。

在谈判过程中，商业银行应以是否能按照本行的风险偏好及管理要求提供相应信用风控数据为基本的要求，基于合作互联网公司提供的数据，分析商业银行需要额外引入的外部数据，通过数据结合，在既定的风险偏好与风险收益要求下，构建评分模型和风险策略，对其推送的客群进行精准的风险评判，设定准入阈值，以系统机控的方式，批量化、自动化地审批进件申请。

在合作阶段，商业银行应基于外部数据设计底线规则，开发通用准入机器学习模型，要求所有互联网贷款产品的客群都需经过底线规则与通用准入机器学习模型的筛选。在自营阶段，则需在各产品数据积累达到一定条件后，设计产品规则并开发产品准入机器学习模型，与底线规则及通用准入机器学习模型配合使用。

（二）贷中风险管控体系的建设

贷中管理阶段应及早识别风险，做好预判，及时干预控制。由于互联网贷款小额分散的特点，无法逐户地跟踪管理，贷中需及早识别高风险客群，对这类客户进行提前干预，抓住早期的时间窗口加强管理及清理。

更为重要的是，在合作期间，商业银行应做好各个产品各个分层客群的风险收益监测工作，对风险收益偏离设定目标的产品及客群及时熔断。首先是潜在高风险客群的早预警。商业银行应在成本可控的前提下，有选择地使用内外部数据，多角度分析客户的贷后行为特征。首先应复用贷前准入底线规则，即贷中与贷前保持一致的风险偏好，对违反这类规则的客户直接定义为高风险客户；其次构建贷后预警规则、行为评分模型，定期扫描存量客户，尽早识别贷中高风险客户，采取包括冻结未使用额度、提醒还款日期与金额等手段进行干预。最后是建立合作互联网公司的预警监测与管理体系。商业银行应在运营过程中监测客群特征、地域特征、整体利率与额度水平、贷款期限、舆情等方面的变化情况，若某个时点或时段发生了明显变化，需强化与合作互联网公司的沟通，及时调整客群结构。

（三）贷后风险管控体系的建设

互联网贷款贷后风险管控主要是催收管理与快速处置，商业银行应在把住准入关口的前提下，对逾期贷款及时、分策略催收，对小额贷款进行委外催收，对大额贷款进行司法催收，还需通过核销、转让等多种手段快速处置不良资产，减轻资产质量包袱压力。

在合作阶段，商业银行应细化合作机构催收合规、效率的管理指标，从逾期贷款金额的变动测算其催回效率，尽可能接入合作方的催收系统，实现所有机构的催收管理统一化。如按机构、按渠道、按客群跟踪催收生命周期的效率，实现催收提醒、催收策略管理、催收任务管理、催收执行、催收监控统计全流程自动化管理，实现从被动接收合作机构的催收结果到主动管控合作机构的催收过程。在自营阶段，商业银行则需建立催收机制、流程与系统。结合贷前贷中相关数据，对逾期贷款的客群进行分类，并依据分类结果，采取不同的催收策略。对于高风险资产，尤其要抓住有效催收的早期时间窗口，提升催收效率。其次，商业银行应不仅仅依赖传统的委外催收公司或仅依靠行内自催，需提前布局司法催收所需的完整证据链材料，同时密切关注跨行业的不良贷款处置渠道，如电子支付令、线上人民调解、线上仲裁、线上赋强公证等渠道，在构建完整的电子证据存证基础上，实现商业银行与当地法院、互联网仲裁等司法机构专线互通，通过系统一键诉讼、提交司法案件，提高逾期贷款清收效率。同时商业银行还应通过对应的系统，监测不同渠道的清收执行效率及投诉率水平，对外部清收渠道进行评价与考核。最后，商业银行应对催收与处置的客户进行分析总结，提炼有效特征修正申请准入与贷中管理的策略与模型，形成正向效果的闭环。除了清收管理，商业银行还需建设风险收益阈值管理体系，根据不同产品的风险收益情况设置不同的熔断预警阈值，在此基础上，针对不同的阈值偏离度设计有针对性的解决措施方案，做好风险收益测算基础上的阈值管理工作。

（四）商业银行互联网贷款风险管控体系化建设的基础保障

互联网贷款的特点决定了其在风险管理数字化、批量化、自动化、智能化方面的高度要求。商业银行互联網贷款风险管控体系化建设离不开制度、人、数据、系统的基础保障。

在制度建设方面，商业银行应基于发展战略目标，每年确定统一的互联网贷款风险偏好，明确互联网贷款整体风险容忍度，根据风险偏好作为客户筛选阈值、各产品熔断点的依据，以此作为业务发展的风控底线准绳，并以此预测指导每年不良核销的规模。同时根据收益覆盖风险原则，设定风险收益阈值管理制度，以预期损失为基础衡量业务的风险收益，设立风险收益阈值，作为业务收放的标准。

在人员组织方面，商业银行应打破部门壁垒，建立混合型人才共存的敏捷组织。如将风险条线人员以小组方式嵌入产品项目组，与业务条线建立相互制衡又共同合作的运作模式。项目组应借助自动化系统，做好互联网贷款产品系统性的监测，发现问题及时采取预案措施，做到监控敏捷、反应敏捷。

在数据积累方面，商业银行应先明确互联网贷款风险管理所需外部数据的维度，比如反欺诈、征信、司法、多头借贷、社保、消费行为、第三方信用分、行为分等；其次应要求风险条线与业务条线建立统一的数据采购规划，有序、批量地推进外部数据引入。接下来，在合规获取的前提下，商业银行应根据数据验证结果，从确定的风险维度中明确具体主用厂商以及备份厂商。引入数据之后，商业银行应定期监控数据源的稳定性、覆盖度、区分能力，对于效果明显下降的数据，及时做好切换。

在系统支持方面，互联网贷款以数字化、批量化、自动化、智能化为特征，高度依赖科技手段的支撑。风控策略与模型需要有大数据分析、风险计量、人工智能等金融科技手段的应用，商业银行应在外部数据引入的基础上通过大数据分析、机器学习算法，提炼线上贷款客群特征，自主开发风控策略与模型，应用于贷前准入，贷中预警以及贷后催收。风控流程与风险监测依赖于系统平台的服务，商业银行应开发相应的风险数据集市、模型训练平台、催收管理系统、电子存证系统、风险收益的视图等相关系统，提高互联网贷款管理的效率。

参考文献：

［1］ 刘刚.大数据时代智能风控体系建设实践［J］.中国金融电脑.2018（8）.

［2］ 刘嘉琪，关宏.互联网金融创新风控体系研究［J］.广西质量监督导报. 2018（12）.

作者单位：厦门国际银行股份有限公司风险管理部，经理，中级经济师，硕士研究生。