銀行風險轉型下的智慧型個人貸款風險預警探究

鐘輝 吳樹德 臧國華 李慧

[摘 要]文章針對商業銀行個人貸款的人工識別、事后管控的傳統風險管理模式嚴重影響風險防控效果的問題，提出立足大數據分析、建立智慧型風險預警機制的解決問題思路。詳細闡明建立風險預警機制的具體方法，即建立涵蓋“假個貸”、集中違約風險、貸款用途虛假、客戶潛在信用風險等的全面預警機制，并通過建立實時、智能、全流程自動化預警系統使預警產生實效。同時，文章對商業銀行未來個人貸款風險預警趨勢進行判斷與展望。

[關鍵詞]商業銀行；風險預警；業務轉型

[DOI]10.13939/j.cnki.zgsc.2018.16.042

1 國內銀行業個人貸款風險管理普遍存在且亟待解決的問題

近年來，國內銀行業個人貸款業務迅猛發展，個人貸款規模和客戶數量快速擴大，與此同時，“假個貸”、貸款用途違規等關鍵風險問題持續暴露。面對不斷增長的業務量和始終存在的風險頑疾，國內銀行業普遍僅依靠有限的貸后管理人員，由人工在海量貸款中盲目抽查、人工盲目尋找風險點的傳統風險管理模式。持續提升的風險控制要求與有限的貸后人力資源、手段的矛盾不斷加深，嚴重影響風險防控效果，導致銀行往往在重大風險徹底暴露后才能發現，早已錯失風險化解良機，因此銀行業風險管理模式迫切需要轉型。

2 解決問題的思路——轉變個人貸款風險管理模式，建立智慧型風險預警機制

大數據技術的廣泛發展，為銀行業轉變風險管理模式提供良好契機，銀行業應充分依托大數據分析成果，加強系統科技支持，建立自動化的智慧型風險預警體系。

具體來說，銀行業解決問題的思路應是，在加強科技支持方面下功夫，利用系統提供精準、有效的手段防控風險。將提升“機防機控”水平作為提升個貸風險監測預警能力、加強個貸業務基礎管理、節約貸后人力資源的重要手段。即，將個貸業務多年積累的風險管理經驗納入系統工具，運用大數據分析方法，系統篩選并提供風險數據，解決人工無法解決的問題。

3 建立智慧型個人貸款風險預警的具體方法

3.1 建立個人貸款風險全覆蓋的預警機制

3.1.1 針對“假個貸”等騙貸套貸問題建立自動預警機制

采用大數據分析技術，對房地產商、汽車經銷商、中介機構等利用虛假交易套取銀行貸款的貸款真實性問題及時觸發預警。監測預警方法主要是，以首付款繳納、按揭還款、貸款資金轉出等交易的相關賬戶交易流水為分析重點，以貸款發放機構、合作樓盤、合作機構等合作方信息，貸款金額、貸款發放時間等貸款基本信息，貸款客戶逾期記錄等征信信息，以及客戶收入、職業、聯系方式等客戶基本信息為輔助信息，通過對上述所有數據綜合分析，篩選出首付款集中繳納、按揭款集中或連續支付、他人代還按揭款、合作項目履約保證金代償、相同客戶群體集中購房、貸款資金被集中歸集使用、大量貸款或客戶信息雷同等具有“假個貸”特征的疑點。對系統自動識別發現的疑點在第一時間進行人工確認，及時對問題房地產商、汽車經銷商、中介機構以及問題貸款借款人進行準入限制，并及時開展問題項目和貸款清收等風險緩釋措施。

3.1.2 針對個人貸款群發性集中違約風險隱患建立自動預警機制

采用大數據分析，對房地產商等個人貸款合作機構本身出現風險所導致的個人貸款集中違約風險隱患自動觸發預警。第一種方法是，建立基于銀行內部信息的個人貸款合作機構黑名單庫，大數據分析抓取出現個人貸款集中拖欠風險或出現虛假套貸問題的合作機構，以及出現管理風險、財務風險、履約風險及對公貸款形成實質性違約的合作機構，及時自動納入個貸黑名單庫中。第二種方法是，建立個人貸款合作方的銀行外部風險信息監測庫，動態抓取社交媒體、網絡新聞、環保、工商、稅務、海關等外部信息，通過文本分析及內部挖掘技術，對涉及個人貸款合作方的關鍵詞和負面新聞進行識別，將識別后的信息轉換成標準分類，建立黑名單信息索引庫。銀行應充分利用個貸合作機構黑名單庫，將黑名單信息及時預警傳導至在貸前環節，及時終止與合作機構的合作關系；同時，對合作機構所有已發放個人貸款進行風險預警并及早啟動風險化解措施，防止風險在合作機構的合作項目間進一步擴大。第三種方法是，充分利用個人貸款合作方的房地產開發貸款等對公信貸信息，充分利用個人貸款合作方的關聯自然人的個人征信信息，分析發現個貸合作方信用風險苗頭，對個貸合作方所開發所有樓盤項目的存量個貸風險進行及時關注。

3.1.3 針對個人消費貸款用途虛假或違規問題建立預警機制

對于個人消費貸款用途虛假或違規問題監測預警的主要方法是，以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為分析的重中之重，通過大數據分析方法，持續跟蹤貸款資金流向，篩選出貸款資金改變約定用途的可疑資金交易?？梢山灰卓砂?，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，將貸款資金最終小貸公司、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。只有跟蹤貸款資金從第一手到最后一手交易流轉的完整交易鏈條，才能從貸款資金流轉清晰的鏈條中，發現確認貸款資金用途問題，及時開展清收處置。

3.1.4 針對個人貸款客戶經理違規操作問題建立自動預警機制

針對個人貸款客戶經理串通客戶違規套取銀行貸款，客戶經理違規挪用客戶貸款、虛假偽造貸款資料騙取銀行貸款、違規放寬貸款準入條件等客戶經理違規問題自動觸發預警。主要方法是，一方面，抓取銀行內部信息以及公安、工商、稅務、征信等海量外部信息，重點抓取貸款客戶經理和客戶的身份信息、聯系方式信息、相互交易信息，大數據分析發現客戶經理和客戶、客戶經理和貸款關聯關系的蛛絲馬跡；另一方面，獲取貸款辦理地點、貸款辦理流程等貸款操作方面信息，發現客戶經理異常操作情況。結合兩方面分析，識別發現客戶經理違規問題。

3.1.5 針對個人貸款客戶自身潛在信用風險建立自動預警機制

銀行應多角度預警客戶自身潛在信用風險的影響因素。一是，銀行可以引入先進建模技術預測客戶信用風險發生概率。銀行可以根據內、外部客戶征信等大量數據，提煉出個人貸款借款人信用表現的普遍性規律。并運用關聯規則挖掘、遺傳算法、神經網絡、預測模型等可用于大數據分析的先進建模技術，準確地預測個人貸款借款人出現違約等風險狀況的概率。最終，建立起涵蓋代表各個信息維度的多個預測變量、準確預測規則以及由計算機系統自動實施的風險預測模型。銀行可根據模型結果，及時預警長期履約不正?；蚪谶€款行為出現異動的客戶，進行重點關注。二是，銀行可以根據大數據分析，進行風險傳染（關聯風險）預警。分析發現銀行各類風險敞口向個人貸款領域的風險傳播規律，及早發現影響個人貸款客戶償債能力的問題，及時止損。如可以根據小微企業主企業貸款風險情況，分析企業法人代表或實際控制人等的個人貸款風險狀況變化，及時調整個人貸款風險敞口，減少風險向個貸領域傳導。三是，銀行可以挖掘個人貸款借款人的內外部風險信息，提示借款人信用風險問題。充分利用司法、工商、稅務、生活繳費等廣泛社會信息，挖掘預警出現牽涉司法訴訟、出現經濟糾紛、欠費欠稅等具有特殊風險的客戶。

3.2 建立實時、智能、全流程自動化的預警系統

3.2.1 建立實時的監控系統

傳統的風險監控系統往往數據時效性不強、信息共享不及時等，對風險識別和控制表現出一定滯后性。銀行客戶經理日常貸后管理中無暇收集大量的內外部相關數據，從個人貸款或借款人信息變動到被獲取并錄入業務系統要經過一段時間，此時個人貸款風險情況等可能已發生實質性變化。同時銀行內部系統較多，且分屬不同部門管理，不同系統間數據的交互和共享不夠，影響數據及時使用。因此，一是，銀行不僅要通過多種技術手段提高數據收集效率，縮短數據從接入、加工到可使用的時間，并且數據要進一步融入業務流程和決策過程中。二是，銀行應在數據及時更新的基礎上，提高監控靈敏度，不再局限于傳統的固定頻率的報表式監控，根據不同管理目的設定差異化監控頻率，個人貸款業務一經發生即納入監控范圍，通過科技手段全天候掃描貸款業務流程各環節狀況及風險特征，以達到實時監控的目的。三是，銀行應將全面的風險預警規則全部納入預警系統中，在系統中合理設置風險預警閾值，一旦觸發預先設置的規則，系統自動實施批量預警。確保能在第一時間發現潛在風險，第一時間發揮監控價值。

3.2.2 建立全流程自動化的預警系統

第一，銀行業應開發覆蓋風險預警數據全部處理流程的信息系統，信息系統應支持生成數據，數據風險分級、數據任務分派、數據任務核查、風險確認等各個業務流程環節。并通過在系統中設置規則，由系統實現所有環節的自動化處理，即實現預警數據自動生成、預警數據高中低風險分級自動劃分，數據任務向機構和客戶經理自動分派、任務完成后風險認定結論自動生成等。第二，更重要的是，由系統將風險預警信息第一時間融入個人貸款業務流程和決策中。應由系統將生成或確認的預警信息傳導至個人貸款放款之前的所有業務流程中，使得銀行客戶經理在貸款調查時、貸款發放前得以及時獲知風險，避免不必要的損失。

3.2.3 實現預警模型自我優化

采取“模型篩查+專家判斷”的形式，結合模型效率優勢和專家經驗，提高風險識別效果。實施預警模型全生命周期管理，不斷對模型進行調試和優化，提高預警模型準度和精度。

4 趨勢判斷與展望

4.1 內外部海量信息數據全面應用，實現更全面的風險監控預警

當前各類數據爆炸式增長，在銀行內部，銀行涉及存款、貸款、匯款、理財等方方面面業務，不僅存在海量金融交易數據以及衍生的消費習慣、投資偏好、日常生活規律等消費信息，還存在著銀行客戶接觸中產生的郵件、圖像等非直接交易的數據等；在銀行外部，不僅有互聯網絡、移動終端、運營商等各種渠道不斷提供著交易、社交、投資、違法、欺詐等海量的寶貴數據資源，而且有房地產開發商、房產中介公司、房產交易平臺等也不斷提供各類個人貸款相關的房地產交易信息。

因此，銀行要進一步深入應用各種渠道的客戶數據，進一步豐富個人貸款風險預警模型內容。將銀行風險預警數據分析對象由靜態信息向交互信息擴展，由交互信息向非交互信息擴展，由銀行內部信息向全面外部信息擴展，然后通過各種新技術精準分析風險發展的規律，更全面地識別和預警風險。如當前分析最多的客戶賬務信息、客戶特征信息等靜態信息大多是滯后的，未來可進一步對交互信息進行分析，包括對手機短信、通話記錄、銀行貸后催收交互信息等客戶行為數據等交互信息進行分析，對手機是否安裝博彩類、期貨類、現貨類、原油黃金買賣類App等投資行為數據進行分析，對借款人通迅錄情況等社交關系數據等進行分析；以及可未來對更高層次的郵件、語音等信息非直接交易的數據進行處理分析，以便第一時間了解客戶具體想法和行為，反映客戶的風險苗頭。通過靜態、交互、內外部信息的全面分析，構建客戶全面行為檔案，對客戶歷史交易信息進行特征的分析與歸納，通過比對當前交易信息和歷史行為信息，找出正常和異常的信息，實現實時預警功能。

4.2 應用人工智能技術實現風險問題的自動最終確認，進一步解放人力資源

對于個人貸款風險預警提示的風險疑點，當前仍需要依靠專家人工判斷，需由人工對相關疑點貸款做進一步檢查才能最終確認存在問題，確認風險問題的工作仍需要耗費大量人力資源。未來可應用人工智能技術，直接自動完成風險疑點的最終判斷，完全擺脫對專家人工判斷的依賴，進一步解放人力資源。首先，針對各類預警模型分別建立輔助模型，總結專家人工檢查確認問題時所使用的具體方法和具體內容，將相關經驗納入系統，由系統按照檢查步驟自動抓取信息，自動確認是否存在問題。其次，通過對風險預警所提示疑點貸款風險和客戶行為的后續表現進行跟蹤分析，并通過對不同類型的風險預警疑點進行交叉分析，明確貸款風險變化趨勢并最終確認問題。

參考文獻：

[1]黃昶君，王林.大數據助推銀行零售業務量化經營[J].經營管理，2014（1）：66-69.

[2]張翎.創新農戶貸款信用風險預警監控體系研究[J].農村金融研究，2017（4）：65-68.