智能化對(duì)公信貸客戶風(fēng)險(xiǎn)監(jiān)測審計(jì)模型研究

于威 戴龍龍 張偉青 陳小其

[摘要]近年來，對(duì)公信貸一直是銀行資產(chǎn)投放的重要領(lǐng)域，規(guī)模和客戶數(shù)量穩(wěn)定增加。隨著內(nèi)外部經(jīng)濟(jì)、經(jīng)營環(huán)境的日趨嚴(yán)峻，銀行內(nèi)部人員、信貸流程及內(nèi)部控制等管理日趨復(fù)雜，審計(jì)部門利用傳統(tǒng)抽樣方法、規(guī)則模型監(jiān)測方法等已不能滿足風(fēng)險(xiǎn)前瞻預(yù)判和日常監(jiān)督的要求。本文結(jié)合審計(jì)經(jīng)驗(yàn)，從商業(yè)銀行海量經(jīng)營、管理等信息中選取風(fēng)險(xiǎn)因子，運(yùn)用XGBoost等人工智能算法，輔助進(jìn)行對(duì)公信貸客戶風(fēng)險(xiǎn)監(jiān)測，以提升審計(jì)效能。

[關(guān)鍵詞]商業(yè)銀行? ?內(nèi)部審計(jì)? ?信貸風(fēng)險(xiǎn)? ?人工智能

從各家銀行披露的年報(bào)看，信貸穩(wěn)則業(yè)績穩(wěn)、信貸優(yōu)則業(yè)績優(yōu)，信貸規(guī)模和信貸資產(chǎn)質(zhì)量直接影響商

業(yè)的盈利能力，尤其是信貸資產(chǎn)質(zhì)量直接影響銀行利潤，對(duì)公信貸資產(chǎn)是商業(yè)銀行內(nèi)部審計(jì)重點(diǎn)關(guān)注對(duì)象。大數(shù)據(jù)、人工智能等技術(shù)的發(fā)展，為銀行審計(jì)解決人力資源不足、發(fā)現(xiàn)問題滯后、風(fēng)險(xiǎn)識(shí)別能力不足等問題提供新的手段。銀行內(nèi)部審計(jì)人員充分應(yīng)用科技能力不斷擴(kuò)大審計(jì)覆蓋廣度和深度，從而全面監(jiān)控客戶，前瞻預(yù)判潛在風(fēng)險(xiǎn)，從事后逐步向事中、事前延伸分析，提高審計(jì)效能。

一、研究概述

（一）以往研究情況

近幾年，商業(yè)銀行數(shù)字化轉(zhuǎn)型探索日益向深處、實(shí)處發(fā)展，智能風(fēng)控、智慧營銷、精細(xì)管理等方面成果豐富、成效明顯，以風(fēng)險(xiǎn)識(shí)別領(lǐng)域?yàn)槔斯ぶ悄芎痛髷?shù)據(jù)技術(shù)運(yùn)用從嘗試走向主流，正成為一家銀行科技軟實(shí)力的重要表現(xiàn)。很多學(xué)者和專家在智能風(fēng)控、智能審計(jì)領(lǐng)域有著很多獨(dú)特見解。秦榮生指出審計(jì)要想實(shí)現(xiàn)全覆蓋就必須利用大數(shù)據(jù)挖掘技術(shù)，實(shí)現(xiàn)由單一審計(jì)向批量審計(jì)轉(zhuǎn)變。張昊楠倡導(dǎo)在銀行信貸風(fēng)險(xiǎn)管控上應(yīng)拓寬銀行數(shù)據(jù)緯度，增強(qiáng)信貸風(fēng)險(xiǎn)管控能力。黃薷丹則嘗試邏輯回歸、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等多種機(jī)器學(xué)習(xí)算法應(yīng)用于商業(yè)銀行企業(yè)客戶信貸風(fēng)險(xiǎn)評(píng)價(jià)，提升風(fēng)險(xiǎn)評(píng)估的效率和準(zhǔn)確率。榮欣和劉紅生倡導(dǎo)引入機(jī)器學(xué)習(xí)技術(shù)，通過大數(shù)據(jù)模型的迭代學(xué)習(xí)，準(zhǔn)確識(shí)別業(yè)務(wù)運(yùn)行中出現(xiàn)的風(fēng)險(xiǎn)。沈燕兵提出創(chuàng)新構(gòu)建商業(yè)銀行審計(jì)分析模型體系的構(gòu)想，以大數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、人工智能技術(shù)為主，運(yùn)用監(jiān)督分類學(xué)習(xí)、自然語言文本挖掘、社交網(wǎng)絡(luò)圖挖掘、關(guān)聯(lián)規(guī)則挖掘等方法，深入挖掘各類不良貸款的形成原因。

審計(jì)部門作為商業(yè)銀行風(fēng)險(xiǎn)的最后一道防線，要發(fā)揮守底作用同樣需要推進(jìn)信息化、數(shù)字化變革，信用風(fēng)險(xiǎn)作為銀行主要風(fēng)險(xiǎn)類型，也是審計(jì)重點(diǎn)關(guān)注對(duì)象。以審計(jì)視角看商業(yè)銀行對(duì)公信貸客戶風(fēng)險(xiǎn)，一般面臨著分支機(jī)構(gòu)與總行信息不對(duì)稱、經(jīng)營管理部門掌握信息與審計(jì)部門信息不對(duì)稱、銀行內(nèi)部信息與外部信息不對(duì)稱等問題。這導(dǎo)致審計(jì)對(duì)信貸客戶風(fēng)險(xiǎn)難識(shí)別、耗時(shí)間、拿不準(zhǔn)等表現(xiàn)突出，亟需進(jìn)行研究思考并加以解決。

（二）研究重點(diǎn)和方向

本文將信貸客戶風(fēng)險(xiǎn)審計(jì)監(jiān)測和識(shí)別難題進(jìn)行過程升維和結(jié)果降維，通過對(duì)銀行內(nèi)外部信息進(jìn)行收集、整理、融合、分析，并構(gòu)建特征工程，利用人工智能算法，以審計(jì)視角轉(zhuǎn)化為二元分類分析判斷問題，實(shí)現(xiàn)科學(xué)預(yù)測客戶風(fēng)險(xiǎn)下遷的概率，更好輔助內(nèi)部審計(jì)部門開展信貸客戶風(fēng)險(xiǎn)日常監(jiān)測、客戶風(fēng)險(xiǎn)畫像、審計(jì)抽樣等工作，并在此基礎(chǔ)上，通過客戶所處行業(yè)、上下游風(fēng)險(xiǎn)傳導(dǎo)關(guān)系等在信貸客戶準(zhǔn)入的事前環(huán)節(jié)釋放價(jià)值。

二、智能化信貸客戶風(fēng)險(xiǎn)監(jiān)測模型設(shè)計(jì)

（一）體系架構(gòu)設(shè)計(jì)

信貸客戶風(fēng)險(xiǎn)一般從三個(gè)維度進(jìn)行分析，分別為宏觀維度、客戶維度和銀行維度，本體系將涉及客戶從申請準(zhǔn)入、審查審批、貸款發(fā)放、貸后管理等全流程的信息，以及系統(tǒng)操作信息、統(tǒng)計(jì)信息等進(jìn)行梳理，形成特征近400個(gè)。具體如表1所示。

（二）建模流程

數(shù)據(jù)建模過程嚴(yán)格按照SEMMA流程體系要求，強(qiáng)化過程質(zhì)量管控，突出模型參數(shù)優(yōu)化和算法選擇迭代方式，同時(shí)根據(jù)數(shù)據(jù)質(zhì)量特點(diǎn)對(duì)流程進(jìn)行細(xì)化，做到更加有針對(duì)性。總體流程如圖1所示。

（三）算法選擇

對(duì)公客戶風(fēng)險(xiǎn)識(shí)別的實(shí)質(zhì)是判斷客戶貸款是否已經(jīng)不良，是數(shù)據(jù)挖掘中典型的二分類問題。本文通過客戶相鄰季度信用等級(jí)的下遷進(jìn)行標(biāo)簽化處理，從而可以進(jìn)行有監(jiān)督學(xué)習(xí)。在客戶風(fēng)險(xiǎn)識(shí)別領(lǐng)域，傳統(tǒng)有監(jiān)督算法像Logistic、SVM等已有較多的應(yīng)用先例，但模型擬合能力相對(duì)不足，易過擬合。決策樹算法因擬合能力強(qiáng)、運(yùn)算速度快、具有可解釋性等特點(diǎn)，在當(dāng)前分類算法場景中逐步得到應(yīng)用。因此，本文嘗試選用XGBoost（Extreme Gradient Boosting）和LightGBM（Light Gradient Boosting Machine）兩種算法，由于LightGBM相比XGBoost更易過擬合，本文最終使用XGBoost算法建立智能化信貸客戶風(fēng)險(xiǎn)審計(jì)監(jiān)測模型。

三、模型研發(fā)實(shí)踐路徑

（一）數(shù)據(jù)獲取與數(shù)據(jù)處理

1.數(shù)據(jù)獲取。根據(jù)對(duì)公貸款客戶數(shù)據(jù)判斷其是否存在信用等級(jí)下遷的可能性，即預(yù)測客戶貸款出現(xiàn)不良的可能性。本文以季度為最小時(shí)間單位對(duì)客戶信息進(jìn)行切片，并按照單季度、雙季度、四季度進(jìn)行跨時(shí)間風(fēng)險(xiǎn)預(yù)測。選取從2018年第四季度至2021年第四季度對(duì)公客戶樣本數(shù)據(jù)集，數(shù)據(jù)按照表1范圍進(jìn)行收集、整理，其中客戶相鄰季度的信用等級(jí)由“關(guān)注及以上”下遷至“次級(jí)及以下”為正樣本，而未下遷客戶數(shù)據(jù)為負(fù)樣本。

2.數(shù)據(jù)預(yù)處理。一是缺失值。將所有選取的特征項(xiàng)進(jìn)行缺失值統(tǒng)計(jì)，得到空值率。由于空值率較高的特征在模型擬合過程中起到的作用較小，因此可以直接刪除。對(duì)于空值率較低的特征項(xiàng)，通常采用均值插補(bǔ)、最大自然估計(jì)、多重插補(bǔ)等方法進(jìn)行填補(bǔ)。本文使用XGBoost自帶缺失值處理方法，即在計(jì)算分割點(diǎn)時(shí)，不會(huì)遍歷統(tǒng)計(jì)丟失特征數(shù)據(jù)的樣本，通過這個(gè)技巧減少為稀疏離散特征尋找分割點(diǎn)的時(shí)間開銷，從而提升效率。二是噪音數(shù)據(jù)。特征項(xiàng)中通常存在噪音數(shù)據(jù)，如亂碼、中英文等數(shù)據(jù)，因不符合建模要求，因而無法參與模型訓(xùn)練。本文通過賦值、離散化等方式對(duì)噪音數(shù)據(jù)進(jìn)行處理，發(fā)現(xiàn)異常值，消除異常離群點(diǎn)影響，降低數(shù)據(jù)復(fù)雜度，加快模型迭代速度，提升特征表達(dá)能力，增加模型魯棒性。為降低變量的復(fù)雜性，減少變量噪音對(duì)模型的影響，提高自變量和因變量的相關(guān)度，本文還采用決策樹、卡方、等距等多種方法進(jìn)行分箱處理，從而使模型更加穩(wěn)定高效。

3.特征因子選取。特征數(shù)據(jù)預(yù)處理完畢后，通常先采用WOE和IV值初步篩選特征，IV值通常用來評(píng)估特征的分類能力，通常IV值大于0.02時(shí)具有較好的區(qū)分能力，其評(píng)價(jià)標(biāo)準(zhǔn)如表2所示。

以對(duì)“最近一次貸款利率”特征進(jìn)行分析，該特征項(xiàng)IV值為2.23，大于0.30，具有明顯的區(qū)分風(fēng)險(xiǎn)表達(dá)能力。數(shù)據(jù)分析發(fā)現(xiàn)信用等級(jí)下遷客戶主要集中于貸款利率在6%—10%，低利率或超過利率出現(xiàn)不良的可能性相對(duì)較低，差別較為明顯。

經(jīng)過特征初篩后，驗(yàn)證特征自相關(guān)性，特征相關(guān)性較高則可視同為同一特征，不應(yīng)重復(fù)參與模型訓(xùn)練。通過計(jì)算剩余特征兩兩之間線性相關(guān)性，若相關(guān)性高于0.6，則剔除IV值較低的特征。

通過上述空缺或噪音數(shù)據(jù)分析、IV值分析、線性相關(guān)性分析等，從而形成最終入模特征變量。

（二）模型訓(xùn)練

根據(jù)模型目標(biāo)，定義包含n個(gè)對(duì)公客戶和m個(gè)特征因子屬性的數(shù)據(jù)集D={（Xi，yi）}（|D|=n，XiRm，yi{0，1}），其中Xi表示對(duì)公客戶的特征向量，yi代表該客戶是否已經(jīng)不良（0為正常客戶，1為不良客戶）。一棵回歸樹可以對(duì)一個(gè)客戶進(jìn)行預(yù)測得到分值f（Xi），將多棵回歸樹所得的結(jié)果進(jìn)行相加即可得到最終預(yù)測結(jié)果，如式（1）所示：

（1）

其中，F(xiàn)={f（x）=q（x）}（q：Rm→T，RT）表示回歸樹空間，q代表單棵樹的結(jié)構(gòu)，T代表該樹葉子節(jié)點(diǎn)的數(shù)量，代表每個(gè)葉子節(jié)點(diǎn)的權(quán)重，每一棵樹都是獨(dú)立存在的。對(duì)于一個(gè)對(duì)公客戶通過K棵樹，將其映射到對(duì)應(yīng)的葉子節(jié)點(diǎn)后，相加所有映射葉子節(jié)點(diǎn)的分?jǐn)?shù)即可得到該樣本的最終分?jǐn)?shù)結(jié)果。模型的目標(biāo)函數(shù)如式（2）所示：

（2）

由該公式得知，目前共分為兩部分，第一部分代表預(yù)測值與真實(shí)值的yi之間的訓(xùn)練誤差，通過不斷優(yōu)化訓(xùn)練誤差使得預(yù)測分布接近于真實(shí)分布；第二部分則代表模型復(fù)雜度的懲罰項(xiàng)，該部分有利于葉子節(jié)點(diǎn)權(quán)重更加平滑，模型更為簡潔，防止過擬合，增強(qiáng)模型魯棒性。

運(yùn)用迭代的方式對(duì)模型求解，每經(jīng)過一輪迭代增加一個(gè)函數(shù)到模型中，如式（3）所示：

（3）

其中為第t次迭代時(shí)的預(yù)測分?jǐn)?shù)，為加快目標(biāo)函數(shù)迭代速度，對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化得到，如式（4）所示：

（4）

利用泰勒公式對(duì)目標(biāo)函數(shù)進(jìn)行二次展開，加快迭代速率，最終可得第t次迭代簡化目標(biāo)函數(shù)，如式（5）所示：

（5）

采用樹形結(jié)構(gòu)的方式對(duì)函數(shù)進(jìn)行優(yōu)化，根據(jù)葉子節(jié)點(diǎn)的權(quán)重和數(shù)量的L2范數(shù)定義復(fù)雜度懲罰項(xiàng)，其中F={f（x）=q（x）}（q：Rm→T，RT），如式（6）所示：

（6）

其中和為懲罰系數(shù)，用以控制正則化程度，最后定義每個(gè)葉子中包含的樣本集合為：Ij={i|q（Xi）=j}，最終改寫為式（7）：

（7）

最終得到目標(biāo)函數(shù)，如式（8）所示：

（8）

由式（8）等于0得到葉子最優(yōu)權(quán)重以及最優(yōu)函數(shù)如下：

（9）

式（9）可以作為一個(gè)評(píng)價(jià)數(shù)結(jié)構(gòu)好壞的標(biāo)準(zhǔn)，利用貪婪算法，從深度為0的樹開始進(jìn)行迭代分裂，通過信息增益（Gain）的方式，選擇信息增益最大的特征及其最佳分裂點(diǎn)進(jìn)行分割，直至信息增益<=0或者迭代到預(yù)先設(shè)定的閾值時(shí)停止分裂，得到最終的分類樹結(jié)構(gòu)，信息增益計(jì)算如式（10）所示：

（10）

四、模型效果評(píng)估

1.模型評(píng)估指標(biāo)。本次模型評(píng)估指標(biāo)主要利用混淆矩陣和基于混淆矩陣形成結(jié)果和圖形指標(biāo)。混淆矩陣（Confusion Matrix）是一種評(píng)判模型分類結(jié)果的指標(biāo)，屬于模型評(píng)估的一部分，如表3所示：

（1） TP （True Positive） 指的是實(shí)際為正樣本，預(yù)測結(jié)果恰好為正樣本的個(gè)數(shù)。

（2） TN （True Negative） 指的是實(shí)際為負(fù)樣本，預(yù)測結(jié)果恰好為負(fù)樣本的個(gè)數(shù)。

（3） FP （False Positive） 指的是實(shí)際為負(fù)樣本，預(yù)測結(jié)果卻為正樣本的個(gè)數(shù)。

（4） FN （False Negative） 指的是實(shí)際為正樣本，預(yù)測結(jié)果卻為負(fù)樣本的個(gè)數(shù)。

（5） TPR （True Positive Rate） 指的是本身為正樣本的所有結(jié)果中，模型預(yù)測為正樣本的比率，如式（11）所示：

（11）

（6） FPR （False Positive Rate） 指的是本身為負(fù)樣本的所有結(jié)果中，被錯(cuò)誤預(yù)測為正樣本的比率，如式（12）所示：

（12）

（7） ROC （Receiver Operating Characteristic Curve） 曲線，其中FPR是橫坐標(biāo)，TPR是縱坐標(biāo)，描述的是TPR-FPR的關(guān)系。

（8） AUC （Area Under the Curve）是指ROC曲線下面積，通常面積越趨近于1，分類效果越好。

2.模型效果分析。OOT（Out Of Time）是指跨時(shí)間窗預(yù)測，即用非訓(xùn)練樣本時(shí)間范圍內(nèi)的數(shù)據(jù)進(jìn)行測試，一般使用訓(xùn)練樣本之后的時(shí)間窗口數(shù)據(jù)進(jìn)行測試，可更好驗(yàn)證模型魯棒性。比如，時(shí)間窗口切片為單季度時(shí)，采用訓(xùn)練樣本時(shí)間窗口為當(dāng)前季度的前四個(gè)季度，OOT測試樣本時(shí)間窗口為當(dāng)前季度。

使用訓(xùn)練樣本完成模型訓(xùn)練，并進(jìn)行樣本測試，樣本集的ROC曲線如圖2、3、4所示。

按照閾值Y=0.5進(jìn)行樣本分類，相關(guān)模型指標(biāo)計(jì)算如表4所示。

從ROC曲線上看，模型整體收斂較好，曲線上凸明顯，已接近填充完整個(gè)空間。經(jīng)計(jì)算，OOT樣本AUC值為0.917，KS=0.735。與訓(xùn)練集樣本指標(biāo)差值不大，模型整體擬合較好。召回率和精確率指標(biāo)雖有一定的下降，但仍具備較好的分類能力。

模型訓(xùn)練完畢后，將模型特征因子按照重要性進(jìn)行排列，數(shù)據(jù)分析顯示，重要性較高的為賬戶余額、欠息信息、利率信息等特征，這些特征在進(jìn)行樣本分類時(shí)起的作用更大。通過特征重要性，可對(duì)樣本預(yù)測的結(jié)果進(jìn)行解釋，對(duì)后續(xù)審計(jì)中樣本核查具有一定的指導(dǎo)作用。

將模型預(yù)測結(jié)果與隨機(jī)樣本結(jié)果進(jìn)行對(duì)比，單季度模型提升能力最強(qiáng)，整體提升在40—50倍左右，可提前一個(gè)季度完成客戶風(fēng)險(xiǎn)預(yù)測。四季度模型預(yù)測提升在20—30倍，可提前一年完成客戶風(fēng)險(xiǎn)預(yù)測。

五、結(jié)語

在當(dāng)前新冠肺炎疫情嚴(yán)重沖擊下，內(nèi)部審計(jì)急需借助技術(shù)手段迎接挑戰(zhàn)。運(yùn)用大數(shù)據(jù)、人工智能等技術(shù)大大提升海量數(shù)據(jù)的處理能力，從而改變傳統(tǒng)審計(jì)作業(yè)形式，實(shí)現(xiàn)降低成本、提高效率、控制風(fēng)險(xiǎn)、增加價(jià)值四大目標(biāo)，加速推動(dòng)審計(jì)進(jìn)入數(shù)字化轉(zhuǎn)型快車道。

基于此，本文借助銀行對(duì)公客戶信息數(shù)據(jù)，運(yùn)用集成學(xué)習(xí)XGBoost算法構(gòu)建智能化信貸客戶風(fēng)險(xiǎn)審計(jì)監(jiān)測模型，該模型OOT樣本集AUC=0.917，KS=0.735，對(duì)客戶風(fēng)險(xiǎn)具有較好的識(shí)別能力，并且該模型根據(jù)公有數(shù)據(jù)測試集實(shí)際效果，風(fēng)險(xiǎn)分值0.5以上客戶下遷精確率、召回率可以達(dá)到40%左右，符合模型投產(chǎn)和實(shí)際應(yīng)用目標(biāo)。同時(shí)，模型特征重要性排序?qū)蛻麸L(fēng)險(xiǎn)預(yù)測風(fēng)險(xiǎn)具有較好的表達(dá)能力，便于審計(jì)人員了解客戶風(fēng)險(xiǎn)量化結(jié)果和定性原因，可以在現(xiàn)場查證、模型共享時(shí)，與一二道防線了解或交流客戶風(fēng)險(xiǎn)原因。

在實(shí)踐應(yīng)用中，該模型為審計(jì)將有限資源投放到重要風(fēng)險(xiǎn)領(lǐng)域指明了方向，輔助在傳統(tǒng)審計(jì)項(xiàng)目全面覆蓋，助力客戶持續(xù)監(jiān)測、行業(yè)及地域風(fēng)險(xiǎn)監(jiān)測等發(fā)揮重要作用。同時(shí)，隨著審計(jì)職能由事后向事中、事前轉(zhuǎn)型，該模型可以在客戶準(zhǔn)入、關(guān)聯(lián)客戶風(fēng)險(xiǎn)傳導(dǎo)、擔(dān)保圈（鏈）風(fēng)險(xiǎn)傳導(dǎo)等方面形成風(fēng)險(xiǎn)的提前預(yù)判和提前揭示，有效降低風(fēng)險(xiǎn)，避免形成實(shí)際損失。

（作者單位：中信銀行股份有限公司，郵政編碼：100020，電子郵箱：wuyufenfei123@163.com）

主要參考文獻(xiàn)

[1]黃薷丹.基于大數(shù)據(jù)算法的商業(yè)銀行企業(yè)客戶信貸風(fēng)險(xiǎn)評(píng)價(jià)模型建立與實(shí)證研究[J].當(dāng)代經(jīng)濟(jì)， 2018（22）：3

[2]秦榮生.大數(shù)據(jù)、云計(jì)算技術(shù)對(duì)審計(jì)的影響研究[J].審計(jì)研究， 2014（6）：6

[3]榮欣，劉紅生.商業(yè)銀行的多維度大數(shù)據(jù)風(fēng)險(xiǎn)挖掘?qū)徲?jì)技術(shù)應(yīng)用研究[J].中國內(nèi)部審計(jì)， 2021（12）：5

[4]張昊楠.大數(shù)據(jù)背景下銀行信貸風(fēng)險(xiǎn)管控與審計(jì)[J].財(cái)務(wù)管理研究， 2020（4）：5