大数据风控那点事儿.pdfVIP

大数据风控那点事儿 中国金融市场供给不平衡，很多人的金融需求不能够被满 足，金融产品的风险定价也不科学，很多合格贷款申请人无法 得到贷款。这些客观情况造成了大数据风控拥有巨大的市场， 只要涉及到风控或征信的公司，必然会吸引资本市场的注意， 获得较高的估值。 普惠金融的发展对金融产品的风险控制提出了较大的挑战， 银行已有的风控方式已经不适合很多年轻的客户。过于保守的 风控方法，在很大程度上，错误地拒绝了很多合格贷款人，同 时又放过了一些不合格的申请人。 大数据风控同传统风控在本质上没有区别，主要区别在于 风控模型数据输入的纬度和数据关联性分析。据统计，目前银 行传统的风控模型对市场上 70%的客户是有效的，但是对另外 30%的用户，其风控模型有效性将大打折扣。 大数据风控作为传统风控方式补充，主要利用行为数据来 实施风险控制，用户行为数据可以作为另外的 30%客户风控的 有效补充。大数据风险控制的作用就是从原来被拒绝的贷款用 户中找到合格用户，识别出已经通过审核的高风险客户和欺诈 客户。 一银行信用风险控制的原理 金融行业常见的风险可以分为市场风险、信用风险、政策 风险、流动性风险、操作风险等。其流动性风险和信用风险对 金融行业自身生存影响最大，操作风险的影响也在增加。 金融行业中，银行是对信用风险依赖最强的一个主体，银行 本质就是经营风险，不同的风险偏好决定了银行的经营水平。 在经济结构调整周期过程中，信用风险管理也是各个银行面临 的巨大挑战。 1. 两种常见的信用风险管理方式 银行信用风险管理有两种方式，第一种方式是从大量申 请人中找到合格的贷款客户，将贷款放给这些人。第二种方式 是从申请人中识别出有潜在风险的贷款客户，不将贷款发给这 些人。可以简单地认为是找到好种子和识别出坏种子 2. 如何找到合格的贷款人？ 银行在找好种子时，一般会对好种子进行一些基本限定， 从贷款人的学历、年龄、收入、职业、资产、负债、消费等几 个方面进行打分，最后综合评级，依据评估分数进行贷款审批， 可以简单地认为是风险定价（RBP）。 贷款销售人员主要的任务是找到好种子的用户，通过 KYC 和风险评估等方式的找到潜在合格客户。这个阶段的风险控制 可以认为是一个基线控制，经过风险评估之后，会得到客户的 评估分数或风险评级。在控制基线之上的客户会被放进来，认 为是潜在合格客户；风险管理部门进一步验证，如果审核通过 之后，就会依据分数和级别发放贷款。 风险评级／评分就是一个简单的风控环节和信用审批环 节，信贷额度也来源于评估分数。中台的风险管理部门的主要 任务是核实这些信息，确保信息是真实可靠的。 3. 识别出潜在风险的人 风险管理部门还有一个任务是利用风控模型从合格的申请 人中识别出具有潜在信用风险的申请人，拒绝用户申请贷款。 这个阶段是银行信用风险控制的核心阶段，过高的通过率，会 放过坏人，增加不良贷款；过低的通过率，会错杀大部分合格 申请人，降低银行收入，增加运营成本。 利用数学模型来识别风险客户，目的是找到欺诈客户和未 来不会还款的用户。在识别坏种子时，数学模型和坏种子是关 键，数学模型决定风控方式是否科学，数据纬度是否全面，结 论是否科学。坏种子是用来修正风控模型参数，提升模型的鲁 邦性，同时让模型可以不断完善自己。在预防欺诈用户时，行 业共享的黑名单也起到了很大的作用。 坏种子对识别出欺诈用户和潜在违约用户十分关键，风控 模型是否有效的一个前提就是是否有足够多的怀种子。 4. 个人消费金融授信的 5P 原则 信用贷款分为抵押贷款和无抵押贷款，其中抵押贷款的风 险相对较低，风险评估过程中主要关注抵押品的自身价值和贷 款覆盖率，贷款用途和还款能力占信用审批权重比例较低。银 行过去大量的个人贷款，都是抵押贷款，其中按揭房贷占了很 大的比重。 无抵押贷款称为信用贷款，时髦的称呼为消费金融。贷款 人无需进行财产抵押，仅仅依靠自身信用分数或还款能力申请 贷款。相对于抵押贷款，其风险较高，也是银行信用风险管理 的重点领域。这几年消费贷款增加较快，预计 2017 年同个人消 费相关的消费贷款，可以达到 27 万亿左右。很多银行、信