大數(shù)據(jù)發(fā)現(xiàn)銀行貸款風險

大數(shù)據(jù)發(fā)現(xiàn)銀行貸款風險

Uncovering the Risk in Bank Loans by Big Data

曾偉，男，電子科技大學副教授，研究內容包括機器學習、推薦系統(tǒng)、鏈路預測、國家進出口貿易等。發(fā)表學術論文14篇，以第一作者發(fā)表學術論文10篇，其中6篇SCI檢索論文和4篇國際會議論文。主持兩項國際項目（Sino Swiss Science and Technology Cooperation No.EG57-092011和No.TE-70382）和一項國內項目（優(yōu)秀博士生學術支持計劃No.YBXSZC2013029），參與多個國家科學自然基金項目。

孔新川，男，浙江大學經濟學碩士，杭州邁寧數(shù)據(jù)科技有限公司創(chuàng)始人、CEO，擁有多年的企業(yè)管理及TMT領域投資經驗，對傳統(tǒng)金融機構貸后管理有深刻的理解和認識。

陳威，男，電子科技大學互聯(lián)網(wǎng)科學中心碩士生，主要研究方向為推薦系統(tǒng)、數(shù)據(jù)挖掘及流行性預測等。

周濤，男，電子科技大學大數(shù)據(jù)研究中心主任、教授、博士生導師，主要關注統(tǒng)計物理與信息科學、社會學、經濟學等領域的交叉科學問題，發(fā)表SCI論文200余篇，引用10 000余次，H指數(shù)超過50。

最近幾年，大數(shù)據(jù)的商業(yè)化應用開始逐步落地[1]，其中，金融方面的大數(shù)據(jù)應用是被投資人最看好的大數(shù)據(jù)產業(yè)化方向，在個人征信、企業(yè)征信、客戶畫像與精準營銷等方面都有成熟的應用。例如花旗銀行通過挖掘信用卡數(shù)據(jù)，實現(xiàn)交叉營銷。當客戶每次刷卡時，銀行根據(jù)時間、地點以及過往的購物記錄，篩選并推送給客戶周邊商店、餐廳的折扣優(yōu)惠，從而獲得第二次交易價值。富國銀行運用大數(shù)據(jù)識別欺詐行為，通過研究客戶之間發(fā)生的歷史交易，檢測是否存在背離常規(guī)操作模式的資金異動，通過綜合觀察多個數(shù)據(jù)來源，總結出用戶典型的交易習慣，實現(xiàn)實時的可疑交易甄別。在國內，許多商業(yè)銀行也在大數(shù)據(jù)領域不斷地探索和嘗試，例如中國銀行的“中銀沃金融”利用大數(shù)據(jù)技術，整合電商平臺共享數(shù)據(jù)、征信數(shù)據(jù)以及客戶經理面談獲取的信息，利用授信審批模型實現(xiàn)自動審批。本文介紹大數(shù)據(jù)在金融風險管理方面的實際案例。對于以銀行為代表的金融機構而言，風險管理貫穿它們的全業(yè)務過程，越早發(fā)現(xiàn)風險越早采取措施，風險管理的成本越低，給金融機構帶來的損失越小。

貸款的風險管理對于傳統(tǒng)銀行業(yè)和新興的互聯(lián)網(wǎng)金融行業(yè)都起著至關重要的作用。不良資產問題長期困擾著國有銀行，成為國有銀行面臨的主要金融風險，直接威脅國有銀行的生存和發(fā)展。根據(jù)銀監(jiān)會對外公開報告，為改善資產質量，我國政府于1999年和2000年為四大國有商業(yè)銀行分別成立資產管理公司，剝離不良資產1.3萬億元，使其不良貸款比率平均下降10個百分點。但是，進行資產剝離只能緩解已有不良貸款帶來的沖擊，剝離后的不良貸款比率仍然遠高于中國人民銀行的監(jiān)管水平。對于互聯(lián)網(wǎng)金融企業(yè)，尤其是通過P2P或者分期付款等方式，以高息貸款為實質性業(yè)務的企業(yè)，風險的控制是成敗的關鍵。無論線上有多大流量，每月有多少流水，風險投資有多大規(guī)模，如果貸款違約率控制不了，最終都必然走向失敗[2]。因此，建立和完善風險管理體系，提高自身的風險管理水平和管理效率，是商業(yè)銀行和互聯(lián)網(wǎng)金融企業(yè)持續(xù)發(fā)展的重要基礎。

一方面隨著貸款客戶數(shù)量的增多（來源于個人信用貸款和中小微企業(yè)貸款數(shù)量的增長），傳統(tǒng)的人工管理手段（如業(yè)務經理管理自己的客戶）已經無法滿足目前風險管理在成本和效率上的需求；另一方面，銀行系統(tǒng)（數(shù)據(jù)庫）中包含了大量的客戶交易轉賬、存款取款、信用卡消費等多個維度的數(shù)據(jù)，同時隨著互聯(lián)網(wǎng)的普及，客戶在互聯(lián)網(wǎng)（如微信、QQ等）上會產生大量的外部數(shù)據(jù)，這為大數(shù)據(jù)在貸款風險管理方面發(fā)揮作用提供了基礎。目前，越來越多的銀行和互聯(lián)網(wǎng)金融機構開始探索如何利用大數(shù)據(jù)的方法進行風險預警的工作，并希望建立一個高度自動化、智能化與銀行其他系統(tǒng)密切配合的風險預警系統(tǒng)。

電子科技大學和杭州邁寧數(shù)據(jù)科技有限公司的聯(lián)合研究小組，基于銀行系統(tǒng)中客戶的貸款協(xié)議信息、交易流水信息等內部信息以及工商局、法院等外部信息來設計風險預警模型。這里主要針對已放貸款進行貸后風險的管理和預警。對于每筆已放貸款，銀行會要求客戶在每月或者每個季度（視貸款規(guī)定的還款間隔而定）規(guī)定的還款日期之前還款，若客戶在還款日期前沒有還款，則該客戶為逾期客戶（計算入違約率），否則為正常客戶。研究小組希望能夠利用客戶的當前數(shù)據(jù)，預測其下個月或者下個季度是否為逾期客戶。

客戶的貸款協(xié)議信息包含了每個客戶的基本信息，其中包括貸款筆數(shù)、貸款金額、還款卡號余額、本月應還金額等；另外，貸款協(xié)議信息還包含客戶所在的行業(yè)類別、注冊公司的規(guī)模等信息。客戶的交易流水信息包含每個客戶的交易對手、交易金額和交易時間等基本信息。另外，筆者團隊也計算了每個客戶每月交易金額的平均值、方差和交易時間間隔、收入和支出比例等，并將這些信息作為客戶的特征。

進一步地，通過網(wǎng)絡爬蟲爬取客戶的工商數(shù)據(jù)、法院訴訟和房產抵押等外部數(shù)據(jù)。工商數(shù)據(jù)包含了客戶實體企業(yè)的注冊資金、企業(yè)規(guī)模、法人代表等信息。法院訴訟數(shù)據(jù)包含了最近客戶是否存在訴訟記錄，房產抵押數(shù)據(jù)包含了客戶及配偶的房產信息。將這些外部數(shù)據(jù)也作為客戶的特征。

基于以上數(shù)據(jù)，利用機器學習的方法對客戶進行初篩選。采用了線性回歸、Logistic回歸、SVM、神經網(wǎng)絡、決策樹等分類器，將每一個單模型都看作一個弱分類器，然后再進行融合[3,4]。通過集成學習，獲得更好的分類效果。進一步地，利用復雜網(wǎng)絡方法和時間序列分析技術篩選剩下的客戶。不斷地迭代以上兩個步驟，直到算法達到最優(yōu)，其整體思路如圖1所示。

圖1 貸后風險預警模型

以復雜網(wǎng)絡方法為例[5]，如果有N個違約客戶，完全隨機抽樣N個節(jié)點所形成的網(wǎng)絡幾乎全都是孤立節(jié)點或者非常小的連通片，客戶之間基本沒有資金往來關系。但是所有違約客戶形成的網(wǎng)絡卻要比同規(guī)模的隨機抽樣網(wǎng)絡連邊密集得多。這說明違約是有網(wǎng)絡效應的：一方面金融風險本身具有傳遞性，客戶A如果資金出現(xiàn)問題，無法按時還款，則客戶A對應的應付客戶有可能因為沒有收到A的錢，導致資金鏈出現(xiàn)問題，從這個意義上講，如果上一個月A向B流入了資金，且上個月A出現(xiàn)了違約或者這個月預測A違約風險很高，都會提高B的預測風險；另一方面，違約還具有社會效應，譬如A違約之后，因為違約額度不高，銀行沒有及時處理，A就有可能將此消息傳播給自己的商業(yè)伙伴，從而使得其他人也出現(xiàn)違約的行為。從這個意義上講，只要A和B有資金關系，不管是流入或者流出，鑒于A的違約行為或者高違約風險，也會提高對B的風險預測。把“因為網(wǎng)絡效應而產生的違約風險”做成若干個特征，也放入了客戶特征庫中進行迭代學習。

主要通過兩個指標來刻畫預測的效果。一是用召回率（recall，可參考參考文獻[6]）來度量準確性，即預測出來的高風險客戶能夠包含銀行真實違約客戶的比例，這個比例越高越好，最高是100%。二是用查找范圍，即預測的高風險客戶占整個客戶總量的比例，在相同準確性的情況下，查找范圍越小越好。如圖2所示，與合作銀行原有的方法相比（基于Logistic回歸和其他單一模型的機器學習方法，未進行特征挖掘和特征學習），研究小組采用的方法使準確性從46.7%上升到88.0%。而銀行原來的方法把大約20%的客戶判斷為高風險客戶，研究小組采用的方法則只需要篩查11.2%的客戶，相比銀行傳統(tǒng)的方法有了跨越性的提高。

圖2 風險模型預測能力對比結果

在中央大力建設信用社會的過程中，中國仍然有很大一段時間是一個信用成本很低的國家，大家不以違約為恥，反以違約不被追究為榮！在這種情況下，以信用為“擔保”的針對個人和中小微企業(yè)的貸款風險格外大——而這恰好是很多互聯(lián)網(wǎng)金融企業(yè)的主營業(yè)務。大數(shù)據(jù)的方法通過整合內外數(shù)據(jù)，并引入深度的特征挖掘和大規(guī)模的集成學習，有望在信用機制尚未健全的時候，為金融機構的風險管理提供一架高效的“預警機”。

[1] Schoenberg V M, Cukier K. 大數(shù)據(jù)時代：生活、工作、思維的大變革. 盛楊燕, 周濤譯.杭州: 浙江人民出版社, 2013 Schoenberg V M, Cukier K. Big Data: A Revolution that Will Transform How We Live, Work, and Think. Translated by Sheng Y Y, Zhou T. Hangzhou: Zhejiang People’s Publishing House, 2013

[2] 李平, 陳林, 李強等.互聯(lián)網(wǎng)金融的發(fā)展與研究綜述. 電子科技大學學報, 2015, 44(2): 245～253 Li P, Chen L, Li Q,et al. Review of research and industry development of internet finance. Journal of University of Electronic Science and Technology of China, 2015, 44(2): 245～253

[3] Friedman J. Greedy function approximation: agradient boosting machine.The Annals of Statistics, 2001, 29(5): 1189～1232

[4] Ridgeway G. Generalized Boosted Models: A Guide to The GBMPackage, http:// cran. r-project.org/web/packages/gbm/ vignettes/gbm.pdf,2007

[5] 汪小帆, 李翔, 陳關榮. 網(wǎng)絡科學導論. 北京:高等教育出版社, 2012 Wang X F, Li X, Chen G R. Network Science: An Introduction. Beijing: Higher Education Press, 2012

[6] Lü L, Zhou T. Link prediction in complex networks: a survey. Physica A Statistical Mechanics & Its Applications, 2011, 390(6): 1150～1170 □