關(guān)于通訊數(shù)據(jù)在金融風(fēng)控領(lǐng)域的應(yīng)用研究

◎易紅 吳鳳輝

一、綜述

隨著互聯(lián)網(wǎng)金融的異軍突起以及傳統(tǒng)金融向互聯(lián)網(wǎng)+的集體轉(zhuǎn)向，伴隨著金融業(yè)蒸蒸日上的發(fā)展的同時(shí)，我國(guó)金融風(fēng)險(xiǎn)也正逐步擴(kuò)大，如信用卡逾期率、信貸壞賬率、互聯(lián)網(wǎng)借貸壞賬率等皆出現(xiàn)了明顯的增幅。為保證我國(guó)金融體系穩(wěn)定，強(qiáng)化金融業(yè)的風(fēng)控能力，通過(guò)探究通訊大數(shù)據(jù)對(duì)金融風(fēng)控的作用從而將通訊數(shù)據(jù)引入金融行業(yè)，促進(jìn)金融行業(yè)的大數(shù)據(jù)風(fēng)控發(fā)展。

二、我國(guó)金融風(fēng)險(xiǎn)的現(xiàn)狀

1.互聯(lián)網(wǎng)發(fā)展進(jìn)一步加快了金融風(fēng)險(xiǎn)的增長(zhǎng)。

互聯(lián)網(wǎng)發(fā)展促使了金融業(yè)務(wù)可以服務(wù)于更廣大的群體，擁有更多的受眾，但與此同時(shí)也進(jìn)一步加快了金融風(fēng)險(xiǎn)的增長(zhǎng)。其主要原因便是因?yàn)榛ヂ?lián)網(wǎng)的便利、快捷和隱秘等特點(diǎn)。便利的互聯(lián)網(wǎng)可以讓高風(fēng)險(xiǎn)客戶(hù)輕易的去嘗試各家銀行的不同業(yè)務(wù)，通過(guò)更換信息去觸碰規(guī)則、識(shí)別規(guī)則、躲避規(guī)則?？旖莸幕ヂ?lián)網(wǎng)會(huì)縮短業(yè)務(wù)審慎周期，讓業(yè)務(wù)規(guī)模與風(fēng)險(xiǎn)控制失衡，雖然提高了業(yè)務(wù)量，但同時(shí)也增加了風(fēng)險(xiǎn)。互聯(lián)網(wǎng)的隱秘性也使得金融機(jī)構(gòu)無(wú)法對(duì)客戶(hù)進(jìn)行準(zhǔn)確和全面的了解，從而導(dǎo)致高風(fēng)險(xiǎn)的產(chǎn)生。

2.數(shù)字化欺詐提高了金融風(fēng)控難度。

隨著金融業(yè)務(wù)的不斷線上化拓展，在增加金融服務(wù)便利性的同時(shí)也降低了金融欺詐的操作難度。一是純線上業(yè)務(wù)拓展方式無(wú)法100%真實(shí)確認(rèn)客戶(hù)的信息和需求。許多欺詐團(tuán)隊(duì)會(huì)采用包括技術(shù)欺詐、包裝公司、信息不全等問(wèn)題，規(guī)避銀行現(xiàn)有風(fēng)控規(guī)則，進(jìn)行欺詐操作，如冒用個(gè)人信息、杜撰個(gè)人信息、試探風(fēng)控規(guī)則并修改重要信息等。二是數(shù)字化欺詐比傳統(tǒng)欺詐更容易形成規(guī)模效應(yīng)。傳統(tǒng)欺詐需要由人員進(jìn)行人工的包裝和處置，而數(shù)字化欺詐抓準(zhǔn)了金融機(jī)構(gòu)的漏洞。通過(guò)了解金融機(jī)構(gòu)的系統(tǒng)漏洞、規(guī)則漏洞、信息漏洞等問(wèn)題使用某種技術(shù)手段即可實(shí)現(xiàn)批量的欺詐交易。三是數(shù)字化欺詐的實(shí)時(shí)性。因?yàn)榛ヂ?lián)網(wǎng)金融業(yè)務(wù)的發(fā)展使得金融交易時(shí)效性大大提升，純線上的金融服務(wù)可能僅需幾秒或幾分鐘即可完成，大大的提高了對(duì)數(shù)字化欺詐的防控難度。許多金融機(jī)構(gòu)往往只能在大規(guī)模發(fā)現(xiàn)欺詐后再進(jìn)行相關(guān)系統(tǒng)、規(guī)則、信息的優(yōu)化。

3.金融服務(wù)的下沉加速了金融風(fēng)險(xiǎn)敞口。

銀行業(yè)的互聯(lián)網(wǎng)化發(fā)展正在拓寬銀行機(jī)構(gòu)的客戶(hù)群體，由傳統(tǒng)的高質(zhì)量低風(fēng)險(xiǎn)客戶(hù)不斷向低質(zhì)量高風(fēng)險(xiǎn)客戶(hù)進(jìn)行拓展，從而加速了風(fēng)險(xiǎn)敞口的擴(kuò)寬速度。傳統(tǒng)銀行業(yè)務(wù)主要集中在為高資質(zhì)客戶(hù)提供抵、質(zhì)押業(yè)務(wù)，該類(lèi)業(yè)務(wù)金額較大且需本人到場(chǎng)簽約，總體風(fēng)險(xiǎn)較低。隨著線上線下業(yè)務(wù)的融合，銀行機(jī)構(gòu)在滿(mǎn)足高質(zhì)量客戶(hù)的業(yè)務(wù)需求的同時(shí)，也逐步推出了更多便捷的中等額度和中等風(fēng)險(xiǎn)的新型業(yè)務(wù)，不過(guò)整體風(fēng)險(xiǎn)仍屬于可控范圍。但為了進(jìn)一步擴(kuò)大客戶(hù)量，挖掘新客戶(hù)，許多銀行機(jī)構(gòu)也陸續(xù)開(kāi)展了純互聯(lián)網(wǎng)的業(yè)務(wù)，向高風(fēng)險(xiǎn)客戶(hù)進(jìn)行金融服務(wù)，從而提高了整體金融風(fēng)險(xiǎn)水平。

4.大數(shù)據(jù)金融風(fēng)險(xiǎn)缺少優(yōu)質(zhì)數(shù)據(jù)源。

互聯(lián)網(wǎng)金融業(yè)務(wù)風(fēng)險(xiǎn)主要依靠大數(shù)據(jù)風(fēng)控，而大數(shù)據(jù)風(fēng)控則主要依賴(lài)優(yōu)質(zhì)的數(shù)據(jù)源和科學(xué)的建模技術(shù)來(lái)完成。目前在數(shù)據(jù)源端主要存在官方數(shù)據(jù)不完善、科技巨頭壟斷等問(wèn)題。以我國(guó)央行征信中心為例，雖然征信中心披露其收錄了約10 億人的信息，但其中具有信貸記錄等金融信息的人群滲透率不足一半且多為銀行機(jī)構(gòu)判定為低風(fēng)險(xiǎn)的客戶(hù)為主，相較于發(fā)達(dá)國(guó)家的100%覆蓋仍有很大差距。

三、通訊數(shù)據(jù)在金融風(fēng)控領(lǐng)域的應(yīng)用研究

本次研究將通過(guò)邏輯回歸技術(shù)對(duì)通訊數(shù)據(jù)和外部金融機(jī)構(gòu)數(shù)據(jù)進(jìn)行有效的樣本分析，研究分析通訊數(shù)據(jù)對(duì)金融風(fēng)險(xiǎn)的有效性。

（1）樣本情況。本次研究所用樣本為某銀行提供的消費(fèi)信貸樣本，樣本平均額度為25 萬(wàn)元，申請(qǐng)時(shí)間為2019 年6 月至2019 年8 月，其中有手機(jī)號(hào)的共446 條，匹配申請(qǐng)前3 個(gè)月通訊客戶(hù)數(shù)據(jù)，匹配445 條。

我們定義成功借款且未逾期的客戶(hù)為好客戶(hù)，占比78.56%，逾期超過(guò)30 天的為逾期客戶(hù)，占比21.35%分析技術(shù)

本次樣本研究將主要采用邏輯回歸分析方式，通過(guò)對(duì)樣本通訊數(shù)據(jù)的清洗、特征篩選、回歸建模等方式建立相關(guān)數(shù)學(xué)模型并測(cè)試通訊數(shù)據(jù)在金融風(fēng)險(xiǎn)領(lǐng)域的應(yīng)用有效性。

（2）分析結(jié)果。本次對(duì)該行的樣本分析累計(jì)建立相關(guān)風(fēng)險(xiǎn)預(yù)測(cè)模型3 個(gè)，模型包括包括風(fēng)控綜合模型、疑似套現(xiàn)模型和多頭借貸模型，風(fēng)險(xiǎn)預(yù)測(cè)模型詳情如下：

（3）風(fēng)控綜合模型。風(fēng)險(xiǎn)綜合模型是通過(guò)整合通訊數(shù)據(jù)中的入網(wǎng)信息、月賬單信息、通話(huà)詳單、位置信息和上網(wǎng)信息的綜合模型，旨在辨識(shí)金融欺詐與預(yù)期風(fēng)險(xiǎn)的強(qiáng)弱。通過(guò)樣本分布可以看出風(fēng)控綜合平臺(tái)越高，用戶(hù)預(yù)期情況越低。

（4）疑似套現(xiàn)模型。目前比較主流的APP 套現(xiàn)方式之一是通過(guò)申請(qǐng)MPOS 并以虛假消費(fèi)的形式進(jìn)行套現(xiàn)。疑似套現(xiàn)模型則是通過(guò)對(duì)采集的市面上絕大多數(shù)MPOS 所涉及的APP 進(jìn)行相關(guān)分析并建模判斷用戶(hù)是否存在疑似套現(xiàn)行為。根據(jù)驗(yàn)證，存在疑似套現(xiàn)行為的用戶(hù)逾期人數(shù)占比較高，存在更高的金融風(fēng)險(xiǎn)。

（5）多頭借貸模型。由于單個(gè)用戶(hù)的償還能力是有限的，向多方借貸必然蘊(yùn)含著較高的風(fēng)險(xiǎn)，所以在申請(qǐng)時(shí)提前了解用戶(hù)目前的多頭借貸情況，可以有效防范客戶(hù)未來(lái)的還款風(fēng)險(xiǎn)。我們憑借自身的APP識(shí)別能力，從海量的上網(wǎng)日志數(shù)據(jù)和話(huà)單數(shù)據(jù)中，將使用貸款類(lèi)APP 的行為逐一識(shí)別并進(jìn)行區(qū)分，最終形成多頭借貸分，用以衡量手機(jī)用戶(hù)最近三個(gè)月內(nèi)使用的貸款類(lèi)APP 平臺(tái)家數(shù)（分值越高說(shuō)明使用貸款平臺(tái)家數(shù)越多）。

四、研究結(jié)果

通過(guò)對(duì)通訊數(shù)據(jù)的分析可以發(fā)現(xiàn)通訊數(shù)據(jù)對(duì)于金融風(fēng)險(xiǎn)識(shí)別和控制具有較強(qiáng)的區(qū)分能力。雖然通訊數(shù)據(jù)不是金融屬性數(shù)據(jù)，但是行為習(xí)慣數(shù)據(jù)同樣可以反映用戶(hù)金融業(yè)務(wù)習(xí)慣，從而規(guī)避金融風(fēng)險(xiǎn)。一方面通過(guò)簡(jiǎn)單的行為習(xí)慣標(biāo)簽既可以識(shí)別用戶(hù)信貸逾期可能性，如工作穩(wěn)定性、手機(jī)欠費(fèi)停機(jī)情況、終端品牌情況等。另一方面，通過(guò)對(duì)用戶(hù)行為數(shù)據(jù)的綜合建模分析，也可以發(fā)現(xiàn)通訊數(shù)據(jù)對(duì)用戶(hù)的整體金融風(fēng)險(xiǎn)有著較高區(qū)分度，可以廣泛應(yīng)用于金融風(fēng)控領(lǐng)域。

五、總結(jié)

在我國(guó)金融風(fēng)險(xiǎn)日益擴(kuò)大以及大數(shù)據(jù)風(fēng)控?cái)?shù)據(jù)缺失的情況下，通訊數(shù)據(jù)覆蓋高、維度廣、周期長(zhǎng)、信息準(zhǔn)等特點(diǎn)可以較好貼合金融機(jī)構(gòu)對(duì)大數(shù)據(jù)金融的需求，讓金融機(jī)構(gòu)安全、加速的完成互聯(lián)網(wǎng)業(yè)務(wù)的拓展，隨著5G 和移動(dòng)互聯(lián)網(wǎng)產(chǎn)業(yè)的不斷迭代滲透，通訊數(shù)據(jù)的規(guī)模和周期也都將進(jìn)行巨大增長(zhǎng)，幫助金融機(jī)構(gòu)降低金融風(fēng)險(xiǎn)。