數據時代商業銀行消費金融業務風險管理實踐

曾憲濤 曹琪

當前，我國居民消費快速增長、消費金融政策紅利頻出，消費金融以其資本占用低、收益率高的特點，成為諸多商業銀行業務轉型的重點發展領域。在開展消費金融業務時，銀行如何更加前瞻、有效地識別、評價客戶的風險水平，進而控制風險，是亟待認真思考、解決的重要問題。基于海量數據建模而實現定量分析的新風控方式為銀行解決這一問題提供了全新的思路和手段。銀行可借助新興的數字化技術，嘗試構建 “從數據分析到價值創造”的方法論，不斷完善消費金融業務的反欺詐模型、風險評估體系、風險預警機制以及信用數據共享。

消費金融市場發展趨勢分析?

據人民銀行數據顯示，我國金融機構個人消費貸款余額從2013年的12.97萬億元增長至2018年的37.79萬億元，增長了2.9 倍多，每年的余額增速始終保持在18%以上（見圖1）。隨著經濟結構調整和產業升級轉型，拉動內在需求、刺激居民消費成為推動經濟發展的重要途徑。2018年8月18日，中國銀保監會辦公廳下發《關于進一步做好信貸工作提升服務實體經濟質效的通知》，提出積極發展消費金融，增強消費對經濟的拉動作用。因此，我國消費金融市場未來具有較大的增長空間。

商業銀行布局消費金融領域優勢分析?

隨著利率市場化改革加速發展，商業銀行存款利率不同程度上升，資金成本增加，利潤空間受到擠壓。相對于對公貸款而言，零售貸款利率敏感度較低，銀行大力發展面向個人客戶的消費金融業務，可以在一定程度上保持收益水平，緩沖利率市場化沖擊。根據2018年報顯示，六大國有銀行及七家全國性股份制銀行中，有八家零售貸款平均收益率高于對公貸款。此外，增加客戶粘性、節約銀行資本、提高非息收入也是零售貸款能夠帶來的顯著益處。（見圖2）

商業銀行的消費金融產品按貸款用途主要分為住房按揭貸款、信用卡、其他消費貸款三類。然而自2017年“房住不炒”成為調控基調，各地限購限售政策加碼，住房按揭貸款增速回落。信用卡及一般性消費貸款市場發展迅速，產品體系日漸豐富、競爭趨于激烈。信用卡業務歷時十余年的高速發展，已成為銀行中收的重要增長點。截至2018年末，我國銀行卡授信總額達15.40 萬億元，同比增長23.40%。此外，隨著金融科技高速發展，各家商業銀行紛紛利用互聯網和大數據技術推出快速申辦和放款的消費信貸產品。商業銀行推出的這類線上小額信用消費貸款產品以手續簡便、時間迅速、移動端隨時申請的便利性迅速受到市場歡迎。例如：交通銀行2018年推出的“惠民貸”業務，向符合準入條件的個人客戶提供線上小額信用消費貸款，該產品推出時間僅一年，授信余額已超68億元。

消費金融業務風險分析?

商業銀行發展消費金融業務潛力巨大，但它的業態尚處逐漸成熟期，面臨諸多挑戰，需要提高風險意識，識別主要風險點。大中型商業銀行在消費信貸業務的審批模式上，正在從不區分客群的人工審批模式向聚焦優質客群的自動化審批模式轉變。大規模的消費金融業務高度依賴打分卡等內嵌模型的批量自動化審批機制，容易發生客戶違約和集體性違約等風險。此外，消費意識的轉變，刺激部分客戶“以貸養貸”或者借助“消費貸”加杠桿投資，這種傾向放大了相關消費貸款的風險。消費金融作為新興業態，銀行對此類業務的風險管理意識及管理手段亟待加強。

綜合來看，商業銀行消費金融業務中普遍存在且較為典型的風險有四類：欺詐風險、信用風險、套利風險、共債風險。

欺詐風險。欺詐風險的出現源于銀行無法完全準確判斷客戶身份及相關信息的真實性。欺詐行為的分類主要有以下三種： 按交易階段可分為申請階段欺詐和交易階段欺詐;按欺詐主體可分為第一方欺詐和第三方欺詐;按交易渠道可分為線上欺詐和線下欺詐。欺詐風險主要存在于基于場景的消費信貸模式中。雖然基于場景的消費信貸可以實現資金、信息、商品的閉環，但無法完全杜絕欺詐。第一種情形是個人的欺詐申請（第一方欺詐）： 借款人假意購買商品，獲取商品后再將其變現，實現了定向支付資金的套現過程，有時場景提供方甚至會配合借款人的這種欺詐行為，提供回購服務。第二種情形是場景提供方欺詐（第三方欺詐）：通過批量制造虛假交易，借用消費者身份申請消費貸款， 商家由少積多可以獲得金額不菲的低成本純信用貸款，而且無需占用自身信貸額度。這兩種欺詐行為雖然可能不會直接造成貸款損失，但會將這種產品實質轉化為“現金貸”，信貸業務的逾期風險將大大增加。

信用風險。信用風險又稱之為信貸風險或違約風險，是指交易對手未能履行約定契約中的義務而造成經濟損失的風險。個人消費信貸業務的信用風險形成原因：一是消費信貸供給機構對消費者資金、信用、風險狀況分析失誤而帶來的損失。此類消費者部分欠缺按期還款能力，為了獲得消費貸款而偽造個人信用記錄。二是因種種外在原因而引發消費者現金不足，資金缺乏流動性的無力償還。包括宏觀經濟形勢的惡化等不可抗力導致消費者收入大幅減少。個人消費信貸的信用風險受經濟周期的影響較大：處于經濟擴張期時，信用風險降低，因為較強的人均收入能力使總體違約率降低;處于經濟緊縮期時，信用風險增加，因為人均收入情況總體惡化，借款人因各種原因不能及時足額還款的可能性增加。近年來我國的經濟增長速度放緩，但目前仍處于上升期，總體違約率較低，隨著經濟周期的變化，如果出現明顯的經濟危機和大規模失業，會導致違約率的快速上升。以美國信用卡市場為例，2008年次貸危機后，受失業率高速攀升影響，美國信用卡業務大幅受挫，核銷率和拖欠率大幅上升至10.97%和6.76%。

套利風險。套利風險主要體現在銀行提供的“現金貸”產品上。不同于購物分期貸款，這類消費貸款在客戶申請后，將直接把款項打入到客戶賬戶，銀行對后續資金的使用、流向等缺乏足夠的控制能力。部分資金被以消費的名義借出后，投入到股市、理財產品等處，以套取利差。消費貸款變相成了部分投資者資金加杠桿的手段，一旦投資產品出現風險事件或流動性問題，極易引發違約。

共債風險。共債是指借款人在多家金融機構同時存在債務的現象。典型共債者的產生，源于超出收入能力可負擔的消費需求，進而產生借貸需求。金融機構的信貸數據被納入央行征信， 而大量P2P平臺、互聯網消費金融平臺的借貸數據無法直接獲得，因此銀行只能間接推測借款人的共債情況。借款人在多家金融機構及平臺借債，通常采取“以貸還貸，多頭借貸”的方式來償還借款，其資金鏈和抗風險能力會變得非常脆弱。

數據驅動商業銀行消費金融風險管理實踐?

客戶數據分析能力的發展孕育了全新的風險管理技術。層出不窮的新技術帶來了成本更低、速度更快的計算能力和數據存儲。強大的數據分析及建模能力幫助商業銀行更深入地利用客戶信息數據、挖掘客戶數據價值，提升其在消費金融領域的風險管理水平。

拓展數據來源，嚴防欺詐風險。大數據驅動及反欺詐規則和技術的應用（如身份識別、財務數據真實性識別、收入識別等）是防范欺詐風險的關鍵所在。大數據在反欺詐風險管理方面，已經有了初步應用。第一，客戶申請信息的真實性驗證。通過大數據技術的引入，銀行可在央行征信系統、第三方征信平臺等基礎數據基礎上，充分發掘客戶背景、信貸行為及共性信息等多領域數據，對客戶信息進行交叉驗證，通過對客戶申請信息中不符合關聯關系或邏輯的部分進行比對校驗，可以排查欺詐風險。例如，客戶填寫的地址信息與客戶終端設備、IP地址距離偏差過大，則該地址信息存在虛假的可能性。第二，申請資質的真實性驗證。惡意的申請人往往會隱瞞對其不利的事實。如較大數額的隱形負債、等待處理的法院執行案件等。大數據的應用使得申請人無法掩飾自身真實資質。通過連接公開的互聯網信息，可以獲取申請人的企業經營信息、法院執行信息;通過金融機構共建的惡意信息共享名單，也能夠獲知申請人的隱形負債情況和歷史違約記錄。中信銀行信用卡中心自主研發了一款申請欺詐團伙識別模型，該模型基于客戶社交圖譜，聚合借款人相關的各類數據源，包括借款人的基本信息、日常生活中的消費記錄、行為記錄、聯系人信息，通過關聯視角，多維度研究客戶潛在的風險傳導、交易演化等關系，識別欺詐團伙，實現毫秒級的實時風險防控能力。

強化風控模型，防范信用風險。面對信用風險，銀行需要針對不同的消費金融產品設置不同的風控模型。大數據對初始授信模型及策略產生了重大影響。這源于大數據為銀行在申請審批階段就帶來了更多的客戶行為數據，使銀行能夠更為全面、客觀地評價客戶的授信額度需求，從而優化現有初始額度策略。銀行在初始授信階段除了基于客戶的征信情況外，也可引入外部數據。如：銀聯卡交易流水、互聯網線上支付數據等，進而準確評估客戶的能力及還款意愿，給予客戶合理的貸款額度。同時銀行需要持續關注客戶的還款能力，針對某些對還款有威脅的行為，風控模型應實時進行監控和反饋、預警催收，減少逾期率、降低壞賬率。例如，微眾銀行設計了6個風控和評分模型，對所有騰訊客戶做評估和排序，根據結果形成白名單并逐步開放。這六大模塊包括公安數據模型、央行征信數據模型、微信社交模型、手機 QQ社交模型、財付通支付數據模型、資金饑渴度模型。上述模塊既包含了傳統的金融數據比如銀行征信、公安數據、教育數據等，也有基于騰訊平臺的社交數據和支付數據。這些模型會確定客戶的授信額度并持續關注客戶的還款意愿和還款能力。

分析交易流水，預警套利風險。針對套利風險，銀行應堅持消費金融回歸解決收入支出錯配問題的本源，而非以消費金融的名義發放純信用無限制條件的個人貸款，嚴格打擊套利行為。采用大數據分析技術，提高風險監控預警智能化水平，可以及時發現個人消費貸款用途虛假或違規問題，降低套利風險。第一，銀行應利用大數據手段對用戶畫像，了解其消費習慣，在其申請大額消費貸款時關注其是否有購買傾向性，以綜合評估其套現可能性，并計算出符合其實際消費需求的授信額度。第二，通過大數據分析方法，持續跟蹤貸款資金流向，重點分析貸款借款人及貸款關聯人所有相關賬戶在貸款發放后的海量交易流水，篩選出貸款資金改變約定用途的可疑資金交易。可疑交易可包括，借款人本人挪用貸款資金的交易，使用貸款資金購買理財產品、基金進行投資的交易，將貸款資金投入小貸公司、典當行等限制性機構的交易，貸款資金用來以貸還貸的交易等。第三，銀行在貸后監控時發現資金被投入較高風險領域時，風險監控預警可及時提示并動態調整客戶的授信額度和期限。交通銀行風險管理部全力打造了一套整合內外部風險信息的風險監測系統。該系統通過整合分析內外部風險數據及風險信息的真實性和嚴重程度，智能化地建立各類風險信號的分級分類。在此基礎上建立全自動的監測規則庫，提高風險監測規則的前瞻性和預警能力。此外，該系統還可實現貸后報告200余條預警信號的自動化識別，幫助客戶經理有效減負，切實開展重點預警和化解工作。

加快數據共享，降低共債風險。針對共債風險，建立信用信息共享平臺為當務之急。應鼓勵更多的消費金融提供方接入央行征信系統，持牌互聯網小貸公司則應要求強制接入。目前共債率的判斷主要通過間接方式獲取，然而調用第三方的數據，其質量參差不齊，可信度低，商業銀行往往需要調用多個數據源進行交叉驗證，導致征信成本提升，而效果依然無法保證。打通信息孤島，實現各個金融機構及平臺的征信數據共享，有助于商業銀行準確評估客戶資質，降低共債風險。

未來消費金融的核心競爭力是基于海量數據建模而實現定量分析的風險管理能力。在開展消費金融業務時，商業銀行應充分認識到數據資產的價值，通過提高數據采集、數據分析和數據建模的能力，充分挖掘客戶信息、信貸行為等風險數據，對客戶進行綜合評價和推斷，提升風險管理的智能化水平、精細化水平。同時，商業銀行應逐步完善風險防范機制：貸前充分搜集客戶數據建立欺詐模型、貸中利用數據挖掘方法構建信貸風險評估新模式、貸后利用數據監測系統密切關注貸款資金流向。以龐大的數據信息為支持的綜合性、系統化的風險管理機制不但是商業銀行防范消費金融業務風險的必要舉措，也是商業銀行在數字經濟時代下提升適應力和競爭力的有效手段。

（作者單位：交通銀行北京市分行風險管理部）