论文部分内容阅读
当前，我国居民消费快速增长、消费金融政策红利频出，消费金融以其资本占用低、收益率高的特点，成为诸多商业银行业务转型的重点发展领域。在开展消费金融业务时，银行如何更加前瞻、有效地识别、评价客户的风险水平，进而控制风险，是亟待认真思考、解决的重要问题。基于海量数据建模而实现定量分析的新风控方式为银行解决这一问题提供了全新的思路和手段。银行可借助新兴的数字化技术，尝试构建 “从数据分析到价值创造”的方法论，不断完善消费金融业务的反欺诈模型、风险评估体系、风险预警机制以及信用数据共享。
据人民银行数据显示，我国金融机构个人消费贷款余额从2013年的12.97万亿元增长至2018年的37.79万亿元，增长了2.9 倍多，每年的余额增速始终保持在18%以上（见图1）。随着经济结构调整和产业升级转型，拉动内在需求、刺激居民消费成为推动经济发展的重要途径。2018年8月18日，中国银保监会办公厅下发《关于进一步做好信贷工作提升服务实体经济质效的通知》，提出积极发展消费金融，增强消费对经济的拉动作用。因此，我国消费金融市场未来具有较大的增长空间。
随着利率市场化改革加速发展，商业银行存款利率不同程度上升，资金成本增加，利润空间受到挤压。相对于对公贷款而言，零售贷款利率敏感度较低，银行大力发展面向个人客户的消费金融业务，可以在一定程度上保持收益水平，缓冲利率市场化冲击。根据2018年报显示，六大国有银行及七家全国性股份制银行中，有八家零售贷款平均收益率高于对公贷款。此外，增加客户粘性、节约银行资本、提高非息收入也是零售贷款能够带来的显著益处。（见图2）
商业银行的消费金融产品按贷款用途主要分为住房按揭贷款、信用卡、其他消费贷款三类。然而自2017年“房住不炒”成为调控基调，各地限购限售政策加码，住房按揭贷款增速回落。信用卡及一般性消费贷款市场发展迅速，产品体系日渐丰富、竞争趋于激烈。信用卡业务历时十余年的高速发展，已成为银行中收的重要增长点。截至2018年末，我国银行卡授信总额达15.40 万亿元，同比增长23.40%。此外，随着金融科技高速发展，各家商业银行纷纷利用互联网和大数据技术推出快速申办和放款的消费信贷产品。商业银行推出的这类线上小额信用消费贷款产品以手续简便、时间迅速、移动端随时申请的便利性迅速受到市场欢迎。例如：交通银行2018年推出的“惠民贷”业务，向符合准入条件的个人客户提供线上小额信用消费贷款，该产品推出时间仅一年，授信余额已超68亿元。
商业银行发展消费金融业务潜力巨大，但它的业态尚处逐渐成熟期，面临诸多挑战，需要提高风险意识，识别主要风险点。大中型商业银行在消费信贷业务的审批模式上，正在从不区分客群的人工审批模式向聚焦优质客群的自动化审批模式转变。大规模的消费金融业务高度依赖打分卡等内嵌模型的批量自动化审批机制，容易发生客户违约和集体性违约等风险。此外，消费意识的转变，刺激部分客户“以贷养贷”或者借助“消费贷”加杠杆投资，这种倾向放大了相关消费贷款的风险。消费金融作为新兴业态，银行对此类业务的风险管理意识及管理手段亟待加强。
综合来看，商业银行消费金融业务中普遍存在且较为典型的风险有四类：欺诈风险、信用风险、套利风险、共债风险。
欺诈风险。欺诈风险的出现源于银行无法完全准确判断客户身份及相关信息的真实性。欺诈行为的分类主要有以下三种： 按交易阶段可分为申请阶段欺诈和交易阶段欺诈;按欺诈主体可分为第一方欺诈和第三方欺诈;按交易渠道可分为线上欺诈和线下欺诈。欺诈风险主要存在于基于场景的消费信贷模式中。虽然基于场景的消费信贷可以实现资金、信息、商品的闭环，但无法完全杜绝欺诈。第一种情形是个人的欺诈申请（第一方欺诈）： 借款人假意购买商品，获取商品后再将其变现，实现了定向支付资金的套现过程，有时场景提供方甚至会配合借款人的这种欺诈行为，提供回购服务。第二种情形是场景提供方欺诈（第三方欺诈）：通过批量制造虚假交易，借用消费者身份申请消费贷款， 商家由少积多可以获得金额不菲的低成本纯信用贷款，而且无需占用自身信贷额度。这两种欺诈行为虽然可能不会直接造成贷款损失，但会将这种产品实质转化为“现金贷”，信贷业务的逾期风险将大大增加。
信用风险。信用风险又称之为信贷风险或违约风险，是指交易对手未能履行约定契约中的义务而造成经济损失的风险。个人消费信贷业务的信用风险形成原因：一是消费信贷供给机构对消费者资金、信用、风险状况分析失误而带来的损失。此类消费者部分欠缺按期还款能力，为了获得消费贷款而伪造个人信用记录。二是因种种外在原因而引发消费者现金不足，资金缺乏流动性的无力偿还。包括宏观经济形势的恶化等不可抗力导致消费者收入大幅减少。个人消费信贷的信用风险受经济周期的影响较大：处于经济扩张期时，信用风险降低，因为较强的人均收入能力使总体违约率降低;处于经济紧缩期时，信用风险增加，因为人均收入情况总体恶化，借款人因各种原因不能及时足额还款的可能性增加。近年来我国的经济增长速度放缓，但目前仍处于上升期，总体违约率较低，随着经济周期的变化，如果出现明显的经济危机和大规模失业，会导致违约率的快速上升。以美国信用卡市场为例，2008年次贷危机后，受失业率高速攀升影响，美国信用卡业务大幅受挫，核销率和拖欠率大幅上升至10.97%和6.76%。
套利风险。套利风险主要体现在银行提供的“现金贷”产品上。不同于购物分期贷款，这类消费贷款在客户申请后，将直接把款项打入到客户账户，银行对后续资金的使用、流向等缺乏足够的控制能力。部分资金被以消费的名义借出后，投入到股市、理财产品等处，以套取利差。消费贷款变相成了部分投资者资金加杠杆的手段，一旦投资产品出现风险事件或流动性问題，极易引发违约。 共债风险。共债是指借款人在多家金融机构同时存在债务的现象。典型共债者的产生，源于超出收入能力可负担的消费需求，进而产生借贷需求。金融机构的信贷数据被纳入央行征信， 而大量P2P平台、互联网消费金融平台的借贷数据无法直接获得，因此银行只能间接推测借款人的共债情况。借款人在多家金融机构及平台借债，通常采取“以贷还贷，多头借贷”的方式来偿还借款，其资金链和抗风险能力会变得非常脆弱。
客户数据分析能力的发展孕育了全新的风险管理技术。层出不穷的新技术带来了成本更低、速度更快的计算能力和数据存储。强大的数据分析及建模能力帮助商业银行更深入地利用客户信息数据、挖掘客户数据价值，提升其在消费金融领域的风险管理水平。
拓展数据来源，严防欺诈风险。大数据驱动及反欺诈规则和技术的应用（如身份识别、财务数据真实性识别、收入识别等）是防范欺诈风险的关键所在。大数据在反欺诈风险管理方面，已经有了初步应用。第一，客户申请信息的真实性验证。通过大数据技术的引入，银行可在央行征信系统、第三方征信平台等基础数据基础上，充分发掘客户背景、信贷行为及共性信息等多领域数据，对客户信息进行交叉验证，通过对客户申请信息中不符合关联关系或逻辑的部分进行比对校验，可以排查欺诈风险。例如，客户填写的地址信息与客户终端设备、IP地址距离偏差过大，则该地址信息存在虚假的可能性。第二，申请资质的真实性验证。恶意的申请人往往会隐瞒对其不利的事实。如较大数额的隐形负债、等待处理的法院执行案件等。大数据的应用使得申请人无法掩饰自身真实资质。通过连接公开的互联网信息，可以获取申请人的企业经营信息、法院执行信息;通过金融机构共建的恶意信息共享名单，也能够获知申请人的隐形负债情况和历史违约记录。中信银行信用卡中心自主研发了一款申请欺诈团伙识别模型，该模型基于客户社交图谱，聚合借款人相关的各类数据源，包括借款人的基本信息、日常生活中的消费记录、行为记录、联系人信息，通过关联视角，多维度研究客户潜在的风险传导、交易演化等关系，识别欺诈团伙，实现毫秒级的實时风险防控能力。
强化风控模型，防范信用风险。面对信用风险，银行需要针对不同的消费金融产品设置不同的风控模型。大数据对初始授信模型及策略产生了重大影响。这源于大数据为银行在申请审批阶段就带来了更多的客户行为数据，使银行能够更为全面、客观地评价客户的授信额度需求，从而优化现有初始额度策略。银行在初始授信阶段除了基于客户的征信情况外，也可引入外部数据。如：银联卡交易流水、互联网线上支付数据等，进而准确评估客户的能力及还款意愿，给予客户合理的贷款额度。同时银行需要持续关注客户的还款能力，针对某些对还款有威胁的行为，风控模型应实时进行监控和反馈、预警催收，减少逾期率、降低坏账率。例如，微众银行设计了6个风控和评分模型，对所有腾讯客户做评估和排序，根据结果形成白名单并逐步开放。这六大模块包括公安数据模型、央行征信数据模型、微信社交模型、手机 QQ社交模型、财付通支付数据模型、资金饥渴度模型。上述模块既包含了传统的金融数据比如银行征信、公安数据、教育数据等，也有基于腾讯平台的社交数据和支付数据。这些模型会确定客户的授信额度并持续关注客户的还款意愿和还款能力。
分析交易流水，预警套利风险。针对套利风险，银行应坚持消费金融回归解决收入支出错配问题的本源，而非以消费金融的名义发放纯信用无限制条件的个人贷款，严格打击套利行为。采用大数据分析技术，提高风险监控预警智能化水平，可以及时发现个人消费贷款用途虚假或违规问题，降低套利风险。第一，银行应利用大数据手段对用户画像，了解其消费习惯，在其申请大额消费贷款时关注其是否有购买倾向性，以综合评估其套现可能性，并计算出符合其实际消费需求的授信额度。第二，通过大数据分析方法，持续跟踪贷款资金流向，重点分析贷款借款人及贷款关联人所有相关账户在贷款发放后的海量交易流水，筛选出贷款资金改变约定用途的可疑资金交易。可疑交易可包括，借款人本人挪用贷款资金的交易，使用贷款资金购买理财产品、基金进行投资的交易，将贷款资金投入小贷公司、典当行等限制性机构的交易，贷款资金用来以贷还贷的交易等。第三，银行在贷后监控时发现资金被投入较高风险领域时，风险监控预警可及时提示并动态调整客户的授信额度和期限。交通银行风险管理部全力打造了一套整合内外部风险信息的风险监测系统。该系统通过整合分析内外部风险数据及风险信息的真实性和严重程度，智能化地建立各类风险信号的分级分类。在此基础上建立全自动的监测规则库，提高风险监测规则的前瞻性和预警能力。此外，该系统还可实现贷后报告200余条预警信号的自动化识别，帮助客户经理有效减负，切实开展重点预警和化解工作。
加快数据共享，降低共债风险。针对共债风险，建立信用信息共享平台为当务之急。应鼓励更多的消费金融提供方接入央行征信系统，持牌互联网小贷公司则应要求强制接入。目前共债率的判断主要通过间接方式获取，然而调用第三方的数据，其质量参差不齐，可信度低，商业银行往往需要调用多个数据源进行交叉验证，导致征信成本提升，而效果依然无法保证。打通信息孤岛，实现各个金融机构及平台的征信数据共享，有助于商业银行准确评估客户资质，降低共债风险。
未来消费金融的核心竞争力是基于海量数据建模而实现定量分析的风险管理能力。在开展消费金融业务时，商业银行应充分认识到数据资产的价值，通过提高数据采集、数据分析和数据建模的能力，充分挖掘客户信息、信贷行为等风险数据，对客户进行综合评价和推断，提升风险管理的智能化水平、精细化水平。同时，商业银行应逐步完善风险防范机制：贷前充分搜集客户数据建立欺诈模型、贷中利用数据挖掘方法构建信贷风险评估新模式、贷后利用数据监测系统密切关注贷款资金流向。以庞大的数据信息为支持的综合性、系统化的风险管理机制不但是商业银行防范消费金融业务风险的必要举措，也是商业银行在数字经济时代下提升适应力和竞争力的有效手段。
（作者单位：交通银行北京市分行风险管理部）
消费金融市场发展趋势分析
据人民银行数据显示，我国金融机构个人消费贷款余额从2013年的12.97万亿元增长至2018年的37.79万亿元，增长了2.9 倍多，每年的余额增速始终保持在18%以上（见图1）。随着经济结构调整和产业升级转型，拉动内在需求、刺激居民消费成为推动经济发展的重要途径。2018年8月18日，中国银保监会办公厅下发《关于进一步做好信贷工作提升服务实体经济质效的通知》，提出积极发展消费金融，增强消费对经济的拉动作用。因此，我国消费金融市场未来具有较大的增长空间。
商业银行布局消费金融领域优势分析
随着利率市场化改革加速发展，商业银行存款利率不同程度上升，资金成本增加，利润空间受到挤压。相对于对公贷款而言，零售贷款利率敏感度较低，银行大力发展面向个人客户的消费金融业务，可以在一定程度上保持收益水平，缓冲利率市场化冲击。根据2018年报显示，六大国有银行及七家全国性股份制银行中，有八家零售贷款平均收益率高于对公贷款。此外，增加客户粘性、节约银行资本、提高非息收入也是零售贷款能够带来的显著益处。（见图2）
商业银行的消费金融产品按贷款用途主要分为住房按揭贷款、信用卡、其他消费贷款三类。然而自2017年“房住不炒”成为调控基调，各地限购限售政策加码，住房按揭贷款增速回落。信用卡及一般性消费贷款市场发展迅速，产品体系日渐丰富、竞争趋于激烈。信用卡业务历时十余年的高速发展，已成为银行中收的重要增长点。截至2018年末，我国银行卡授信总额达15.40 万亿元，同比增长23.40%。此外，随着金融科技高速发展，各家商业银行纷纷利用互联网和大数据技术推出快速申办和放款的消费信贷产品。商业银行推出的这类线上小额信用消费贷款产品以手续简便、时间迅速、移动端随时申请的便利性迅速受到市场欢迎。例如：交通银行2018年推出的“惠民贷”业务，向符合准入条件的个人客户提供线上小额信用消费贷款，该产品推出时间仅一年，授信余额已超68亿元。
消费金融业务风险分析
商业银行发展消费金融业务潜力巨大，但它的业态尚处逐渐成熟期，面临诸多挑战，需要提高风险意识，识别主要风险点。大中型商业银行在消费信贷业务的审批模式上，正在从不区分客群的人工审批模式向聚焦优质客群的自动化审批模式转变。大规模的消费金融业务高度依赖打分卡等内嵌模型的批量自动化审批机制，容易发生客户违约和集体性违约等风险。此外，消费意识的转变，刺激部分客户“以贷养贷”或者借助“消费贷”加杠杆投资，这种倾向放大了相关消费贷款的风险。消费金融作为新兴业态，银行对此类业务的风险管理意识及管理手段亟待加强。
综合来看，商业银行消费金融业务中普遍存在且较为典型的风险有四类：欺诈风险、信用风险、套利风险、共债风险。
欺诈风险。欺诈风险的出现源于银行无法完全准确判断客户身份及相关信息的真实性。欺诈行为的分类主要有以下三种： 按交易阶段可分为申请阶段欺诈和交易阶段欺诈;按欺诈主体可分为第一方欺诈和第三方欺诈;按交易渠道可分为线上欺诈和线下欺诈。欺诈风险主要存在于基于场景的消费信贷模式中。虽然基于场景的消费信贷可以实现资金、信息、商品的闭环，但无法完全杜绝欺诈。第一种情形是个人的欺诈申请（第一方欺诈）： 借款人假意购买商品，获取商品后再将其变现，实现了定向支付资金的套现过程，有时场景提供方甚至会配合借款人的这种欺诈行为，提供回购服务。第二种情形是场景提供方欺诈（第三方欺诈）：通过批量制造虚假交易，借用消费者身份申请消费贷款， 商家由少积多可以获得金额不菲的低成本纯信用贷款，而且无需占用自身信贷额度。这两种欺诈行为虽然可能不会直接造成贷款损失，但会将这种产品实质转化为“现金贷”，信贷业务的逾期风险将大大增加。
信用风险。信用风险又称之为信贷风险或违约风险，是指交易对手未能履行约定契约中的义务而造成经济损失的风险。个人消费信贷业务的信用风险形成原因：一是消费信贷供给机构对消费者资金、信用、风险状况分析失误而带来的损失。此类消费者部分欠缺按期还款能力，为了获得消费贷款而伪造个人信用记录。二是因种种外在原因而引发消费者现金不足，资金缺乏流动性的无力偿还。包括宏观经济形势的恶化等不可抗力导致消费者收入大幅减少。个人消费信贷的信用风险受经济周期的影响较大：处于经济扩张期时，信用风险降低，因为较强的人均收入能力使总体违约率降低;处于经济紧缩期时，信用风险增加，因为人均收入情况总体恶化，借款人因各种原因不能及时足额还款的可能性增加。近年来我国的经济增长速度放缓，但目前仍处于上升期，总体违约率较低，随着经济周期的变化，如果出现明显的经济危机和大规模失业，会导致违约率的快速上升。以美国信用卡市场为例，2008年次贷危机后，受失业率高速攀升影响，美国信用卡业务大幅受挫，核销率和拖欠率大幅上升至10.97%和6.76%。
套利风险。套利风险主要体现在银行提供的“现金贷”产品上。不同于购物分期贷款，这类消费贷款在客户申请后，将直接把款项打入到客户账户，银行对后续资金的使用、流向等缺乏足够的控制能力。部分资金被以消费的名义借出后，投入到股市、理财产品等处，以套取利差。消费贷款变相成了部分投资者资金加杠杆的手段，一旦投资产品出现风险事件或流动性问題，极易引发违约。 共债风险。共债是指借款人在多家金融机构同时存在债务的现象。典型共债者的产生，源于超出收入能力可负担的消费需求，进而产生借贷需求。金融机构的信贷数据被纳入央行征信， 而大量P2P平台、互联网消费金融平台的借贷数据无法直接获得，因此银行只能间接推测借款人的共债情况。借款人在多家金融机构及平台借债，通常采取“以贷还贷，多头借贷”的方式来偿还借款，其资金链和抗风险能力会变得非常脆弱。
数据驱动商业银行消费金融风险管理实践
客户数据分析能力的发展孕育了全新的风险管理技术。层出不穷的新技术带来了成本更低、速度更快的计算能力和数据存储。强大的数据分析及建模能力帮助商业银行更深入地利用客户信息数据、挖掘客户数据价值，提升其在消费金融领域的风险管理水平。
拓展数据来源，严防欺诈风险。大数据驱动及反欺诈规则和技术的应用（如身份识别、财务数据真实性识别、收入识别等）是防范欺诈风险的关键所在。大数据在反欺诈风险管理方面，已经有了初步应用。第一，客户申请信息的真实性验证。通过大数据技术的引入，银行可在央行征信系统、第三方征信平台等基础数据基础上，充分发掘客户背景、信贷行为及共性信息等多领域数据，对客户信息进行交叉验证，通过对客户申请信息中不符合关联关系或逻辑的部分进行比对校验，可以排查欺诈风险。例如，客户填写的地址信息与客户终端设备、IP地址距离偏差过大，则该地址信息存在虚假的可能性。第二，申请资质的真实性验证。恶意的申请人往往会隐瞒对其不利的事实。如较大数额的隐形负债、等待处理的法院执行案件等。大数据的应用使得申请人无法掩饰自身真实资质。通过连接公开的互联网信息，可以获取申请人的企业经营信息、法院执行信息;通过金融机构共建的恶意信息共享名单，也能够获知申请人的隐形负债情况和历史违约记录。中信银行信用卡中心自主研发了一款申请欺诈团伙识别模型，该模型基于客户社交图谱，聚合借款人相关的各类数据源，包括借款人的基本信息、日常生活中的消费记录、行为记录、联系人信息，通过关联视角，多维度研究客户潜在的风险传导、交易演化等关系，识别欺诈团伙，实现毫秒级的實时风险防控能力。
强化风控模型，防范信用风险。面对信用风险，银行需要针对不同的消费金融产品设置不同的风控模型。大数据对初始授信模型及策略产生了重大影响。这源于大数据为银行在申请审批阶段就带来了更多的客户行为数据，使银行能够更为全面、客观地评价客户的授信额度需求，从而优化现有初始额度策略。银行在初始授信阶段除了基于客户的征信情况外，也可引入外部数据。如：银联卡交易流水、互联网线上支付数据等，进而准确评估客户的能力及还款意愿，给予客户合理的贷款额度。同时银行需要持续关注客户的还款能力，针对某些对还款有威胁的行为，风控模型应实时进行监控和反馈、预警催收，减少逾期率、降低坏账率。例如，微众银行设计了6个风控和评分模型，对所有腾讯客户做评估和排序，根据结果形成白名单并逐步开放。这六大模块包括公安数据模型、央行征信数据模型、微信社交模型、手机 QQ社交模型、财付通支付数据模型、资金饥渴度模型。上述模块既包含了传统的金融数据比如银行征信、公安数据、教育数据等，也有基于腾讯平台的社交数据和支付数据。这些模型会确定客户的授信额度并持续关注客户的还款意愿和还款能力。
分析交易流水，预警套利风险。针对套利风险，银行应坚持消费金融回归解决收入支出错配问题的本源，而非以消费金融的名义发放纯信用无限制条件的个人贷款，严格打击套利行为。采用大数据分析技术，提高风险监控预警智能化水平，可以及时发现个人消费贷款用途虚假或违规问题，降低套利风险。第一，银行应利用大数据手段对用户画像，了解其消费习惯，在其申请大额消费贷款时关注其是否有购买倾向性，以综合评估其套现可能性，并计算出符合其实际消费需求的授信额度。第二，通过大数据分析方法，持续跟踪贷款资金流向，重点分析贷款借款人及贷款关联人所有相关账户在贷款发放后的海量交易流水，筛选出贷款资金改变约定用途的可疑资金交易。可疑交易可包括，借款人本人挪用贷款资金的交易，使用贷款资金购买理财产品、基金进行投资的交易，将贷款资金投入小贷公司、典当行等限制性机构的交易，贷款资金用来以贷还贷的交易等。第三，银行在贷后监控时发现资金被投入较高风险领域时，风险监控预警可及时提示并动态调整客户的授信额度和期限。交通银行风险管理部全力打造了一套整合内外部风险信息的风险监测系统。该系统通过整合分析内外部风险数据及风险信息的真实性和严重程度，智能化地建立各类风险信号的分级分类。在此基础上建立全自动的监测规则库，提高风险监测规则的前瞻性和预警能力。此外，该系统还可实现贷后报告200余条预警信号的自动化识别，帮助客户经理有效减负，切实开展重点预警和化解工作。
加快数据共享，降低共债风险。针对共债风险，建立信用信息共享平台为当务之急。应鼓励更多的消费金融提供方接入央行征信系统，持牌互联网小贷公司则应要求强制接入。目前共债率的判断主要通过间接方式获取，然而调用第三方的数据，其质量参差不齐，可信度低，商业银行往往需要调用多个数据源进行交叉验证，导致征信成本提升，而效果依然无法保证。打通信息孤岛，实现各个金融机构及平台的征信数据共享，有助于商业银行准确评估客户资质，降低共债风险。
未来消费金融的核心竞争力是基于海量数据建模而实现定量分析的风险管理能力。在开展消费金融业务时，商业银行应充分认识到数据资产的价值，通过提高数据采集、数据分析和数据建模的能力，充分挖掘客户信息、信贷行为等风险数据，对客户进行综合评价和推断，提升风险管理的智能化水平、精细化水平。同时，商业银行应逐步完善风险防范机制：贷前充分搜集客户数据建立欺诈模型、贷中利用数据挖掘方法构建信贷风险评估新模式、贷后利用数据监测系统密切关注贷款资金流向。以庞大的数据信息为支持的综合性、系统化的风险管理机制不但是商业银行防范消费金融业务风险的必要举措，也是商业银行在数字经济时代下提升适应力和竞争力的有效手段。
（作者单位：交通银行北京市分行风险管理部）