中國(guó)互聯(lián)網(wǎng)銀行消費(fèi)貸信用風(fēng)險(xiǎn)管理研究

摘要：隨著人群代際的變遷、消費(fèi)觀念的轉(zhuǎn)變、居民收入的持續(xù)增長(zhǎng)、消費(fèi)金融產(chǎn)品的不斷豐富，消費(fèi)信貸的滲透正在加速實(shí)現(xiàn)?；ヂ?lián)網(wǎng)銀行依托電商平臺(tái)或互聯(lián)網(wǎng)公司的大數(shù)據(jù)背景，依靠精準(zhǔn)的客戶定位、小額靈活的經(jīng)營(yíng)方式獲得了爆發(fā)式增長(zhǎng)，然而，隨著授信人群的逐步擴(kuò)大，行業(yè)風(fēng)險(xiǎn)也逐漸暴露。本文通過(guò)研究規(guī)模最大的消費(fèi)貸產(chǎn)品“微粒貸”，為全行業(yè)的信用風(fēng)險(xiǎn)管理所借鑒。

關(guān)鍵詞：互聯(lián)網(wǎng)銀行；信用風(fēng)險(xiǎn)管理；消費(fèi)貸；微粒貸

隨著經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型升級(jí)，銀行業(yè)進(jìn)入調(diào)整轉(zhuǎn)型期，互聯(lián)網(wǎng)金融加速滲透信貸市場(chǎng)，既給傳統(tǒng)金融業(yè)帶來(lái)了挑戰(zhàn)，也為其踐行普惠金融提供了思路與方法。互聯(lián)網(wǎng)銀行因其高效便捷、創(chuàng)新普惠及社交和消費(fèi)類大數(shù)據(jù)等優(yōu)勢(shì)，專注長(zhǎng)尾市場(chǎng)金融服務(wù)，彌補(bǔ)了傳統(tǒng)金融機(jī)構(gòu)的不足，構(gòu)成錯(cuò)位競(jìng)爭(zhēng)?；ヂ?lián)網(wǎng)銀行在攜手傳統(tǒng)銀行共同發(fā)展的同時(shí)，也在倒逼傳統(tǒng)銀行進(jìn)行科技創(chuàng)新，推動(dòng)銀行業(yè)向更高層次完善并發(fā)展。

消費(fèi)貸是指為個(gè)人和家庭提供以消費(fèi)為目的的無(wú)抵押、無(wú)擔(dān)保的小額貸款，金額一般在30萬(wàn)以下，信貸期限在1至20個(gè)月。典型的消費(fèi)貸產(chǎn)品如前海微眾銀行“微粒貸”、網(wǎng)商銀行個(gè)人貸款，四川新網(wǎng)銀行“好人貸”、蘇寧銀行 “升級(jí)貸”等。作為第一家踐行普惠金融的互聯(lián)網(wǎng)銀行，微眾銀行自開(kāi)業(yè)以來(lái)倚靠互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等在信用風(fēng)險(xiǎn)管理方面卓有成就，與此同時(shí)，拳頭產(chǎn)品“微粒貸”也開(kāi)始暴露出相應(yīng)問(wèn)題，案例具有一定的代表性和前瞻性，本文將深入探索“微粒貸”卓有成效的風(fēng)控方法供其他相繼成立的互聯(lián)網(wǎng)銀行借鑒，同時(shí)，挖掘其尚存的不足之處，最后，上升到全行業(yè)層次提出些許建議。

一、關(guān)于“微粒貸”

“微粒貸”定位于長(zhǎng)尾用戶，是微眾銀行基于社交大數(shù)據(jù)風(fēng)控的自助小額、循環(huán)使用類貸款，依托互聯(lián)網(wǎng)平臺(tái)提供與傳統(tǒng)銀行錯(cuò)位的差異化金融服務(wù)。其利用股東背后龐大的大數(shù)據(jù)資源、以及高流量的微信、QQ等獲客渠道來(lái)充當(dāng)傳統(tǒng)銀行和用戶之間的中介，一方連接長(zhǎng)尾用戶，另一方連接金融機(jī)構(gòu)，完成資金的輸送和創(chuàng)新科技的共享，從而賺取利差?！拔⒘ＹJ”額度為500—30萬(wàn)，5秒出額度，借錢最快1分鐘到賬，提前還款無(wú)罰金，提供7×24小時(shí)服務(wù)。自2015年5月，“微粒貸”上線以來(lái)，放款總量幾乎呈指數(shù)級(jí)增長(zhǎng)。

二、“微粒貸”信用風(fēng)險(xiǎn)管控措施

由于互聯(lián)網(wǎng)金融虛擬性的特點(diǎn)，交易雙方只是通過(guò)網(wǎng)絡(luò)發(fā)生聯(lián)系，增大了交易雙方在身份確認(rèn)、信用評(píng)價(jià)方面的信息不對(duì)稱。因此，對(duì)于一款互聯(lián)網(wǎng)信貸產(chǎn)品來(lái)說(shuō)，風(fēng)控是首要的核心的能力。在信用風(fēng)險(xiǎn)的管控方面，微眾銀行的微粒貸有以下獨(dú)到之處。

第一，將聲紋識(shí)別、人臉識(shí)別等生物識(shí)別技術(shù)運(yùn)用于實(shí)際業(yè)務(wù)場(chǎng)景，實(shí)現(xiàn)“傳統(tǒng)銀行風(fēng)控”與“互聯(lián)網(wǎng)風(fēng)控”相結(jié)合?！叭四樅松怼奔夹g(shù)，是基于C端用戶環(huán)境、業(yè)務(wù)場(chǎng)景、用戶行為的多維核身風(fēng)控模型，識(shí)別并采集多因子（人臉、唇動(dòng)、聲音），通過(guò)逐步添加的“在線視頻補(bǔ)充核身”和“異步審核”流程建立高準(zhǔn)確度的閉環(huán)“遠(yuǎn)程人臉核身”服務(wù)，差錯(cuò)率低于人工識(shí)別差錯(cuò)率8‰?！拔⒘ＹJ”利用生物識(shí)別技術(shù)進(jìn)行視頻身份驗(yàn)證運(yùn)用可自動(dòng)化實(shí)現(xiàn)客戶身份識(shí)別和反欺詐，降低風(fēng)險(xiǎn)。

第二，“白名單”邀請(qǐng)制。白名單是“微粒貸”風(fēng)控的第一環(huán)，結(jié)合了傳統(tǒng)信用評(píng)級(jí)方式和AI風(fēng)控體系?！鞍酌麊巍毖?qǐng)制在貸前進(jìn)行反欺詐識(shí)別，即時(shí)預(yù)測(cè)風(fēng)險(xiǎn)、實(shí)時(shí)調(diào)整風(fēng)控模型，扭轉(zhuǎn)“微粒貸”被動(dòng)風(fēng)控的局面，有效降低了小額貸款服務(wù)中的信用風(fēng)險(xiǎn)和欺詐風(fēng)險(xiǎn)。雖然白名單未像螞蟻借唄直接標(biāo)出硬條件（芝麻信用分600以上），但“微粒貸”采用了央行個(gè)人征信數(shù)據(jù)和騰訊信用評(píng)分兩種數(shù)據(jù)，其中，騰訊信用評(píng)分來(lái)自于騰訊的用戶互聯(lián)網(wǎng)行為數(shù)據(jù)，包括在線使用、財(cái)產(chǎn)、消費(fèi)支付、理財(cái)行為等。

第三，用戶畫像。信用風(fēng)險(xiǎn)的識(shí)別運(yùn)用了社交大數(shù)據(jù)與央行征信的數(shù)據(jù)，在騰訊征信的大數(shù)據(jù)模型中提取233500個(gè)數(shù)據(jù)項(xiàng)，云計(jì)算進(jìn)行分析歸檔后利用10個(gè)預(yù)測(cè)分析模型，從基本社會(huì)特征、交易網(wǎng)、社交圈、行為特征、人行征信5個(gè)維度對(duì)客戶綜合評(píng)級(jí)，以快速識(shí)別信用風(fēng)險(xiǎn)，得到最終的消費(fèi)者信用評(píng)分，從而真實(shí)地了解客戶的過(guò)去，分析未來(lái)。

第四，“微粒貸”以大數(shù)據(jù)為核心，構(gòu)建風(fēng)險(xiǎn)規(guī)則，創(chuàng)建新型風(fēng)控體系，引入決策樹(shù)、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)方法，建成包括征信、互聯(lián)網(wǎng)、反欺詐等七大類風(fēng)險(xiǎn)模型，以及信用風(fēng)險(xiǎn)策略、反欺詐、撥備、征信、風(fēng)險(xiǎn)參數(shù)等五大工具箱；將人行征信和公安等傳統(tǒng)數(shù)據(jù)，與互聯(lián)網(wǎng)和行為等新型數(shù)據(jù)相結(jié)合，更全面地評(píng)估信用風(fēng)險(xiǎn)；引入第三方電子存證管理、機(jī)器人客服和機(jī)器人催收、數(shù)據(jù)訪問(wèn)安全體系，控制全流程線上操作的潛在風(fēng)險(xiǎn)，有效地發(fā)揮了風(fēng)險(xiǎn)防控作用。

三、“微粒貸”信用風(fēng)險(xiǎn)管理存在的問(wèn)題

（1）目標(biāo)客戶下沉加劇信用風(fēng)險(xiǎn)

“微粒貸”目標(biāo)客戶群體包括自由職業(yè)者、工薪階層、進(jìn)城務(wù)工人員及普羅大眾，近65%的客戶為25-35歲，近71%的用戶為藍(lán)領(lǐng)服務(wù)業(yè)、制造業(yè)等，70%的提款客戶是大專以下學(xué)歷，“微粒貸”目標(biāo)客戶下沉到三、四線，甚至農(nóng)村市場(chǎng)，客戶越是下沉，征信數(shù)據(jù)越缺乏，客戶資信情況越弱，微粒貸所面臨的信用風(fēng)險(xiǎn)越高。

（2）大數(shù)據(jù)風(fēng)控需長(zhǎng)時(shí)間實(shí)踐檢驗(yàn)

截至2017年年末，微眾銀行撥備覆蓋率912.74%、資本充足率16.74%和不良貸款率0.64%，具有較高資產(chǎn)質(zhì)量，遠(yuǎn)高于同業(yè)水平和一般標(biāo)準(zhǔn)。微眾銀行如此優(yōu)秀的數(shù)據(jù)不可否認(rèn)受益于大數(shù)據(jù)風(fēng)控，但由于目前業(yè)務(wù)只開(kāi)展了3年，部分潛在的不良貸款還未體現(xiàn)。隨著用戶基數(shù)增大，微眾銀行的不良貸款率由2015年0.12%，到2016年0.32%，2017年0.64%，其資產(chǎn)質(zhì)量有逐年下滑的趨勢(shì)。

（3）缺乏貸后資金用途追蹤

微粒貸依托網(wǎng)絡(luò)平臺(tái)進(jìn)行用戶資料審核，完成用戶開(kāi)戶操作，并進(jìn)行信貸發(fā)放，但并未對(duì)用戶的貸款資金用途進(jìn)行明確的規(guī)定限制，同時(shí)缺乏相應(yīng)的機(jī)構(gòu)人員對(duì)貸后的資金流向進(jìn)行追蹤。微粒貸貸款審批過(guò)程中雖然都有電話核實(shí)的步驟，但是具體貸款資金用途并沒(méi)有嚴(yán)格限制與監(jiān)控，所以在客戶后續(xù)貸款資金使用的風(fēng)險(xiǎn)上，大數(shù)據(jù)風(fēng)控則愛(ài)莫能助。

（4）社交大數(shù)據(jù)金融屬性較低

騰訊為微眾銀行天然帶來(lái)良好的群眾基礎(chǔ)，為其開(kāi)展個(gè)人金融業(yè)務(wù)帶來(lái)顯著優(yōu)勢(shì)。但社交數(shù)據(jù)本身而言金融屬性較低，面對(duì)龐大的數(shù)據(jù)庫(kù)存提取征信信息具備復(fù)雜性和困難度。微眾銀行目前正在完善數(shù)據(jù)轉(zhuǎn)化平臺(tái)，但依據(jù)社交大數(shù)據(jù)建立起的征信體系是否可信可靠，使用社交數(shù)據(jù)確定個(gè)人征信信息的效率究竟多高，這是微眾銀行在進(jìn)行風(fēng)控過(guò)程中需要考慮的問(wèn)題。

四、對(duì)互聯(lián)網(wǎng)銀行的一般建議

本文由典型個(gè)例的信用風(fēng)險(xiǎn)管理上升到全行業(yè)的風(fēng)險(xiǎn)啟示，對(duì)于互聯(lián)網(wǎng)銀行提出以下建議。

第一，擴(kuò)充信用數(shù)據(jù)獲取途徑，持續(xù)積累央行、公安、學(xué)歷和法院四大征信數(shù)據(jù)，實(shí)現(xiàn)與核心數(shù)據(jù)源直連，以降低信用風(fēng)險(xiǎn)，彌補(bǔ)央行征信不完善帶來(lái)的影響。還可選擇與“信聯(lián)”合作，打破現(xiàn)金類貸款“弱風(fēng)控、高不良、高利率”的惡性循環(huán)，減少信息孤島構(gòu)成的平臺(tái)間“共債”發(fā)生，降低放貸成本。另外，應(yīng)積極與合作銀行及第三方電商平臺(tái)實(shí)現(xiàn)客戶信息共享，充分利用對(duì)方的客戶資源，拓寬信用數(shù)據(jù)來(lái)源，而非僅僅充當(dāng)連接者。

第二，利用股東的大數(shù)據(jù)優(yōu)勢(shì)，將電商平臺(tái)積累的金融屬性較高的消費(fèi)數(shù)據(jù)、信貸數(shù)據(jù)、社交數(shù)據(jù)庫(kù)進(jìn)行轉(zhuǎn)化，獲取目標(biāo)群體的信息，創(chuàng)造高質(zhì)量?jī)?nèi)部“白名單”列表，控制貸前信用風(fēng)險(xiǎn)。

第三，吸納金融創(chuàng)新、金融工程領(lǐng)域人才，嘗試創(chuàng)建新型風(fēng)控體系，引入決策樹(shù)、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)方法，建立健全風(fēng)險(xiǎn)模型、信用風(fēng)險(xiǎn)策略、反欺詐、撥備、征信、風(fēng)險(xiǎn)參數(shù)等工具。同時(shí)，建立全鏈條線上風(fēng)控模型，將其應(yīng)用于信貸產(chǎn)品的貸前、貸中、貸后全周期以及交易支付等領(lǐng)域，實(shí)現(xiàn)全流程的信用風(fēng)險(xiǎn)管理。力求授信，借款、還款過(guò)程全交由機(jī)器完成，無(wú)人工干預(yù)。利用大數(shù)據(jù)、AI等技術(shù)，創(chuàng)造一種高固定成本、低變動(dòng)成本的結(jié)構(gòu)模式，得以實(shí)現(xiàn)快速?gòu)?fù)制和規(guī)模效應(yīng)，降低操作風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)等。

參考文獻(xiàn)：

[1] 羅玉輝，侯亞景.我國(guó)互聯(lián)網(wǎng)銀行發(fā)展戰(zhàn)略及政策監(jiān)管——基于微眾銀行和網(wǎng)商銀行的案例分析[J].現(xiàn)代經(jīng)濟(jì)探討，2016（07）：42-46.

[2] 陸岷峰，虞鵬飛.互聯(lián)網(wǎng)金融背景下商業(yè)銀行“大數(shù)據(jù)”戰(zhàn)略研究——基于互聯(lián)網(wǎng)金融在商業(yè)銀行轉(zhuǎn)型升級(jí)中的運(yùn)用[J].經(jīng)濟(jì)與管理，2015，29（03）：31-38.

[3] 龐淑娟.大數(shù)據(jù)在銀行信用風(fēng)險(xiǎn)管理中的應(yīng)用[J].征信，2015，33（03）：12-15.

[4] 張智，傅曉軍，王騰飛.對(duì)征信中心個(gè)人信用評(píng)分產(chǎn)品開(kāi)發(fā)的思考[J].征信，2012，30（03）：25-28.

[5] 中國(guó)金融四十人論壇互聯(lián)網(wǎng)銀行課題組，張曉樸，姚勇.互聯(lián)網(wǎng)銀行風(fēng)險(xiǎn)管理：基于傳統(tǒng)銀行的比較研究[J].新金融評(píng)論，2017（02）：95-118.

作者簡(jiǎn)介：

林燁晗，女，1994年3月23日出生—，四川成都人，漢族，碩士，研究方向：風(fēng)險(xiǎn)管理，工作單位：四川天府金融租賃有限公司，郵政編碼：610011。