從審計視角分析互聯網線上銀行信貸風險防控

何榮梅 毛亮 周芝林

摘要：隨著金融行業的快速發展，信貸業務的興起，隨之而來的風險也在不斷增加。信貸業務的審核本身就比較復雜，而網上信貸結構更加復雜，使得風險管控面臨嚴峻的挑戰。

關鍵詞：風險防控 信貸業務 審計

一、互聯網信貸的發展現狀

（一）行業背景

目前開展互聯網個人信貸業務主要有商業銀行和非銀行系的互聯網金融企業，互聯網技術逐步擴展并逐漸滲透到消費者的日常生活中，隨之影響了消費者的消費習慣和消費需求，對個人融資產生了深遠影響。商業銀行的互聯網個人信貸業務主要以信用卡及其他能夠觸網的個人消費貸款為主，通過網上銀行、手機銀行等自助服務體系，為客戶提供綜合化的金融服務，滿足客戶多樣化的金融服務需求，提升客戶對商業銀行互聯網產品的認可度。

互聯網行業本身作為一個新興行業，其輕資產公司云集，經營模式不同于傳統行業，而互聯網上的信貸業務作為近年來的新興業務，發展迅猛，但由于各種內外不確實性因素的增多，也給信貸的風險預判和管控增加了難度。

2013年之前互聯網的第三方支付還主要分布在銀行卡收據、在線付款、以及預付卡發行和受理。而2013年-2018年，互聯網金融迅速發展，互聯網規模持續增長。2018年，中國第三方互聯網支付交易規模達到29.1萬億元。截至2019年5月，共有110家公司獲得了在全國開展互聯網支付服務的資格。從互聯網支付應用場景的角度來看，互聯網金融服務（包括金融銷售、網上借貸等）已逐步發展成為互聯網支付市場的最高份額，約占44.5%。

（二）發展現狀

何謂互聯網銀行信貸呢？是指通過互聯網模式建立的新型銀行，進行信貸服務、信息處理和風險評估通過網絡化方式進行，用戶從授權到借款、還款都依托互聯網完成。互聯網貸款包括互聯網消費貸款和互聯網個人經營性貸款兩大類，一邊是包括商業銀行、民營銀行、消費金融公司在內的金融業機構，另一邊是360金融、京東數科等在內的科技業巨頭，而這個產業鏈的周圍，還圍繞著包括外呼、催收、數據、AI公司等服務商。

其中，很多金融業機構都推出了自己的貸款產品，比如，工行的“融e借”、建行的“快e貸”等;另一部分則是通過“助貸”的模式與擁有流量、數據、技術的科技巨頭分工協作。近幾年，以網商銀行、微眾銀行、招聯消費金融等為代表的金融業機構，它們從設立之初便完全基于線上布局，沒有線下網點，所有的業務都屬于互聯網貸款的范疇。

2017年初，隨著全國網貸人數的快速增長，多頭借貸人數急劇上升，在2017年年末出現陡增現象，與此同時，銀監會首次將“現金貸”納入整治范圍，并提出嚴格執行最高法院關于民間借貸的有關規定，不得進行高利貸以及暴力催收等違法行為。

二、線上銀行信貸審計的主要方法

（一）FICO信用分評分卡模型

FICO信用分評分卡模型是網上信貸最常用的一種普通信用分模型，主要是依靠信用分數來評判貸款用戶的信用分。信用分達到680分以上，貸款方就認為借款人的信用卓著，可以直接發放貸款;信用評分低于620分，貸款方可以要求借款人增加擔保，或者拒絕貸款;如果是借款方的評分介于620-680分，貸款方會作進一步的調查核實，采用其他的信用分析工具來處理。

FICO信用分的評判標準：第一，信用償還歷史（占影響因素的35%）各種信用賬戶的還款記錄、公開記錄及存款記錄、逾期償還的具體情況;第二，信用賬戶數（占影響因素的30%）分析一個借款人究竟有多少信用賬戶，從而能夠判斷出賬戶的還款能力;第三，信用賬齡（占影響因素的15%），借款用戶的信用歷史越長，FICO信用分越高。該項影響因素主要指信用賬戶的賬齡，也包括新開立的信用賬戶的賬齡以及平均信用賬戶的賬齡;第四，新開立的賬戶（占影響因素的10%）在很短時間內開立多個信用賬戶的借款人具有更高的信用風險，尤其是那些信用歷史不長的借款人;第五，在使用的信用類型（占影響因素的10%），主要分析借款人的信用卡賬戶、零售賬戶、金融公司賬戶和抵押貸款賬戶的混合使用情況。

（二）評分卡模型

其實評分卡模型大部分應用了機器策略的評分卡生產方式，然而評分卡不是簡單地的某一種機器算法，而是一種通用的建模框架，將原始數據通過分箱后進行特征工程變換，從而評估借款方的信用風險。

首先是模型自動篩選出最合適的離散化方式，用到的就是IV值得劃分。

、IV=*WOEi

從上可以看出，IV其實就是WOE的加權求和，所謂WOEi的下標i就指代了某一連續特征中的第i個分段位的WOE值，其中一種分段方式WOE的計算方式如下所示：

Age good bad WOE

<18 50 40

18-30 100 60

18-60 100 80

>60 80 40

All 330 220

其中關于IV值相關描述如下所示，值越大代表特征和目標相關性越強：

IV 預測能力

<0.03 無預測能力

0.03-0.09 低

0.1-0.29 中

0.3-0.49 高

>=0.5 極高

具體計算方法為：odds=，評分卡設置的分值刻度可以通過將分值表示為比率對數的線性表達式來定義，公式為Scoretotal=A+B*In（odds）設定比率為θ0的特定點分值為P0，比率為2θ0的點的分值為P0+PDD，帶入上式就可以求出A和B的值。一般來說，銀行會采用Logistic Regression來表征對于P值得估計，公式為，則有odd==θTx，故有Scoretotal= A+B*θTx=A+B*（W0+W1X1+...WnXn）=（A+B*W0）+B*W1X1+...B*WnXn，其中A、B在之前的布置中已經計算出來了，Xn是特征數據的WOE編碼。這樣就可以根據評分卡得出最終用戶的信用得分，進而決定是否接受用戶的借貸申請。另外，不一定要針對全部用戶用一張評分卡模型，可以按照類似決策樹的方式對用戶進行分類，針對每一個子類的用戶生成一份具有針對性的評分卡模型。

（三）信貸大數據審核

傳統信貸審核主要關注的是收入證明、銀行流水等，根據這些數據去評判個人的負債比或者貸款償還能力。但現在在用戶授權的前提下能看到更多的一些個人金融信息。比如用戶在社交網絡上的數據、手機網購行為數據以及出行數據等。這些數據對于傳統信貸決策是新事物，能較好地反應個人信用水平。

大數據審核的流程較長，需要調用40多個數據源中的數據，通過數據湖，再經由中間層篩選字段，進行機器學習、特征提取，再通過模型進行評分，最終輸出結果。

三、線上銀行信貸風險原因分析

（一）信息獲取不對稱

互聯網貸款主要存在借款人的信用風險，由于信息不對稱，借款人可能會產生客戶逆向選擇和道德風險的行為，為商業銀行帶來損失，更為嚴重的是部分借款人可能會通過偽造相關信息造成欺詐行為，例如某線上貸款產品，為某客戶授權信貸200萬元，企業法定代表人可以在手機端口進行自助借款，但是如果該企業法人線下還有其他大額信貸，在個人沒有書面授權的情況下，銀行無法查詢征信獲得客戶的實際負債情況，一旦其他的大額貸款出現逾期，將會直接影響到企業此次線上貸款200萬，這就存在隱性風險。另外互聯網貸款主要借助于互聯網平臺開展業務，所以，可能會遭遇黑客攻擊、程序漏洞以及數據泄露等問題，這會對銀行資金的安全帶來一定的風險。

（二）金融風險的不確定性

不確定性是金融風險的本質，風險和收益一直處于并存狀態，由于國家監管部門出臺相關法律法規滯后，所以網貸一直都處于“放養狀態”，中國金融行業的風險構造因此產生了重大風險。隨著金融創新的不斷加快，目前銀行互聯網的貸款速度也越來越快，創新方式也日益增加，這為商業銀行的風險管理帶來很大的挑戰。目前中國商業互聯網貸款的風險，由原先的資產不夠的風險銜接到透明度不夠的風險與資產不夠的風險并舉的時期。比如，為了逐利，就會產生貸前審核不嚴、貸中跟進不足等問題，一旦出現大規模的壞賬，這對商業銀行來說很容易引發金融危機。以往監管的關鍵主要是對金融企業開展監管，如今除開對金融企業監管之外，更關鍵的是要對貸款銷售市場的透明度、信息公開開展監管。

（三）信貸制度不完善

由于國內金融科技仍處于發展初步階段，互聯網金融基礎設施尚不完善，對商業銀行互聯網貸款的發展存在一定的制約性。為了提高競爭力，不少商業銀行選擇與大型互聯網公司合作。利用大數據、云計算、移動互聯網等技術手段，運用互聯網平臺積累的客戶經營、網絡消費、網絡交易等內生數據信息以及通過合法渠道獲取的其他數據信息，分析評定借款客戶信用風險，確定貸款方式和額度，并在線上完成貸款申請、風險審核、貸款審批、貸款發放和貸款回收等流程的小額貸款業務。商業銀行如果沒有對貸款方進行嚴格審核，那么當互聯網公司的累計放款額達到一定程度而出現“兜不住”的現象，就會引發銀行系統性風險。

（四）信息來源受限制

目前，所有的信貸產品都明確規定“禁止挪用貸款”。人民銀行、銀保監局也出臺了多項對應措施來控制資金的流向，但受限制于現有的技術手段，銀行對借款人按照約定用途付款后，商業銀行互聯網貸款無法追蹤貸款去向，而且跨行后的資金流向也無法進行準確的查詢。由于資金流向監管難度大，所以近年來，企業貸款、個人貸款違規流向股市、樓市、投資私募基金、參與小貸、購買互聯網理財產品的情況比比皆是，給各家銀行的信貸風險帶來了挑戰。

四、信貸風險審計應對策略

（一）充分挖掘數據

以2017年出臺的141號文件為代表，多項對互聯網消費金融業務進行規范的政策出臺，互聯網金融消費、業務監管政策密集出臺，可對暴力催收、房貸資金流向房地產、金融等從業機構越界經營進行監管，控制整體個人杠桿率持續上升。相關政策的出臺能實現將互聯網信貸業務的情況納入監管從而實現風險可控。

一款優秀的線上貸款產品必須要有一個嚴格、縝密的風控模型。風控模型決定著貸款產品的生命周期，是保證信貸資產質量的生命線。而好的風控模型必須要有充分、多樣的客戶信息數據來支撐。擁有豐富的數據，銀行可以構建清晰的客戶畫像，還原客戶真實的還款能力。所以海量的數據是一筆寶貴的財富，對審計而言同樣如此。通過對已有數據進行充分的挖掘，銀行不僅可以了解該產品的風控規則，還可對已授信客戶中的異常數據進行逆程序分析，倒推風險模型中的規則漏洞，而這也是線上貸款審計工作的重中之重。

（二）建立快速高效的數據風險評估機制

風控是重要的，但這樣孤立地看待風險在商業上是無法成立的。智能信貸全流程不僅是風控一個方面，智能信貸必須從各個方面都進行精細化的管控、從商業邏輯上實現可行，才有可能在商業上取勝。不同信用水平的用戶需要差異化的定價。粗略而言，借貸人群可以用風險水平和借貸需求劃分為四個象限。顯然低風險高需求的用戶是最佳客戶，但若在收益能夠覆蓋損失的情況下，較高風險高需求和低風險低需求申請者也可以帶來較好的收入。通過不斷測試找到最佳的用戶分層方式，從科學的角度找到損失和收益的平衡點，幫助金融機構進行差異化定價，由模型篩選出的客戶才能夠帶來更大的商機。客戶信息主要來自于大數據，難以掌握其實際收入波動情況，風險信息存在不對稱性，風險預判難度較大。還款周期較短，多采用“分期付息，到期還本”的還款方式，借款人到期還款壓力較大，易受收入波動性的影響，后續資產質量管控仍存較大壓力。引入外部有效合規數據，構建與客戶消費融資需求和風險承擔能力真正相吻合的主動授信決策模型，探索建立自有個人信用體系，讓消費信貸產品能夠覆蓋更多客群。

（三）嚴格把關，加強風險管控

風險，始終貫穿金融工作信貸業務中，防范和控制風險是金融工作永恒的主題，政策性銀行也不例外。當前，受國際經濟不景氣的影響，國內經濟發展增速放緩，銀行風險管理顯得尤為重要。細化信用風險管控，做細做實貸前、貸中、貸后管理，貸前嚴格審查，尤其是貸款用途調查和審查，要切實了解貸款真實交易背景。其中消費貸用途不得統一的表述為個人消費，要有明確的消費目標及相關證明材料;經營貸不得統一的表達為經營流資，要有具體的經營項目、詳盡的資金使用計劃以及相關證明材料、對于用途不真實的貸款，不得受理代發;貸后觀察，著重于對信貸資金流向監控。對貸款人的結算賬戶，以及交易流水進行定期的、不定期的抽查，發現可疑資金的流向要及時進行核查。加強對風險的系統性分析，加強各類風險的關聯性分析，建立配套的信用模型，加強對風險的識別、預警、監控。

五、結語

由于“互聯網+”金融呈爆發式增長，借款主體的融資渠道多元化，融資產品也愈加豐富，實體銀行調查借款主體的實際融資情況也不容樂觀，很容易出現企業或者個人多頭融資、過度融資的風險。對信貸風險防范管理來說，堅持穩健審慎經營是前提、構筑以人為本體制是保證、明確業務市場定位是方向、調整信貸資產結構是手段，達到安全性、流動性和效益性相統一結合，轉移和規避信貸風險是目的。要打破現狀，必須制定一整套信用履約國家政策，由社會各方面推動信用貸款建設。與此同時，商業銀行在線上貸款時也要嚴格執行貸前、貸中、貸后相關的審計規定，審計作為商業銀行的獨立職能部門，對風險管控起著至關重要的作用。

參考文獻：

[1]詹向勇.商業銀行互聯網線上信貸業務反欺詐與舞弊內部審計—基于部分典型案例的分析與思考[J].中國內部審計2020.09期.

[2]李昕.我國民間借貸法律規制研究[D].中國石油大學[華東]2013.

[3]樂輝.商業銀行類信貸業務內部審計探析[J].冶金財會.2020.08期.

[4]劉柏松.商業銀行信貸業務內部審計相關探究[J].中國科技投資.2020.08期.

[5]祝玉芬.探究商業銀行信貸業務持續審計[J].經貿實踐.2019.19期.

[6]郭鵬程、李霄.從審計視角看商業銀行信貸風險防控[J].財會學習.2019.29期.

作者單位：四川輕化工大學