商業銀行互聯網貸款風險管控體系化建設研究

方婧

商業銀行相比互聯網金融公司，在互聯網貸款風險管控方面存在天然的劣勢，面對海量商業銀行未曾介入過的風險客群，由于信息不對稱，風險管控難度大。但由于市場競爭日益激烈，商業銀行又不得不廣泛開展普惠小微業務的互聯網貸款。本文根據商業銀行的風險偏好，系統梳理了互聯網貸款開展所需的風險管控體系，為商業銀行互聯網貸款風險管控體系建設提供借鑒，以促進商業銀行互聯網貸款穩健發展，更好地服務實體經濟。

一、商業銀行互聯網貸款風險管控體系化建設的重要性及困境

隨著全球金融一體化進程加快，銀行的經營環境日益復雜，面臨的風險進一步加大，對風險管理能力也提出了更高的要求。同時互聯網企業呈現出高速發展的趨勢，商業銀行將在這一過程中面臨互聯網的多種沖擊。商業銀行的競爭更加激烈，互聯網貸款是破局的重點，也是商業銀行未來重要增長極，屬于戰略轉軌升級的重點領域。

互聯網貸款的發展始于互聯網公司，商業銀行由于缺乏相關客群的風險特征數據，同時受限于渠道、獲客等不利因素，聯合貸、助貸模式是商業銀行互聯網貸款發展的必經之路。

由于互聯網貸款客群的流量屬于賣方市場，商業銀行議價談判能力弱，加上對合作模式不熟悉，對互聯網貸款的客群不了解，往往不能談好推送客群特征、風險數據共享機制、催收管理、雙方權責以及違約責任等涉及風險及收益等核心合作條件，如果迫于業務規模迅速擴大的壓力，沒有充足風險觀察期就積累一定規模，易埋下后續處置的風險隱患，容易造成對合作方管理不到位、追責困難等不利局面。

二、商業銀行互聯網貸款風險管控體系化建設的階段性目標

商業銀行建立互聯網貸款風險管控體系，應通過金融科技手段，分階段實現以下兩個戰略目的：一是對聯合貸、助貸產品具備完整有效的合作機構管理機制與獨立的二道風控能力；二是持續提升互聯網貸款產品的自營風控能力，從而達到具備既可通過行內自營，又可利用合作方渠道發展業務的能力，最終實現互聯網貸款的資產質量管控目標。

階段一，由于合作的互聯網公司與商業銀行的收益不對等，定位不同，導致風險偏好的差異，商業銀行需提升二道風控能力，根據銀行的風險偏好選擇客群，進行風險定價和風險策略的調整，從根本上管好聯合貸、助貸的資產質量。階段二，商業銀行需在階段一的基礎上，通過學習借鑒合作互聯網公司的風控流程、技術、手段，搭建適應銀行自身發展階段的風險管控體系，從系統與數據上提升自主風控能力。

三、 商業銀行互聯網貸款風險管控體系化建設的思路

互聯網貸款管理的總體思路：首先，每年根據銀行發展戰略，制定互聯網貸款的風險偏好，明確不良容忍度。其次，建議以利潤考核為導向，明確每個產品的利潤要求，結合風險偏好與計提撥備要求，確定各互聯網貸款的收益底線。根據風險收益匹配原則，收益要求高則可適當接受高風險客群；收益要求低則要嚴控準入關，篩選低風險客群。據此調整合作的互聯網公司與客群篩選標準并設定風險收益閾值，在產品運營過程中定期監測，對于達到閾值的產品及時干預。第三，由于互聯網貸款具有量大、額小、分散、基本為信用貸款等特點，司法資源無法保證全覆蓋，催收效率差，與公司業務貸前貸中貸后流程環節缺一不可的管理理念不同，應把日常風險管理的重點放在貸前準入，做到風控手段的前瞻前置：將重點風險把控的關口往合作方篩選和引流客群風險識別方向前移，一是在入口處主動識別篩選優秀合作方，二是加強對其引流客群的風險評估，做到風險客戶早識別、早篩選；在貸中管理環節，從客戶維度和風險收益維度兩方面入手，強化監控和管理，做到早識別、早預警、早干預；最后通過多元化催收與處置手段，盡可能挽回損失。此外，還需從制度建設、人員組織、數據積累以及金融科技等方面做好有力的保障。據此，構建互聯網貸款資產風險管控體系如圖2所示：

四、商業銀行互聯網貸款風險管控體系化建設的內容

（一）貸前風險管控體系的建設

前瞻前置是商業銀行在全行統一互聯網貸款風險偏好的前提下，主動前移風險把控關口，強化貸前風險管控。首先是加強與合作方的準入談判要求。具體包括：根據監管要求，加強合作方準入資質核查。核查的內容包括但不限于注冊資本金、是否具備跨省展業資格、控股股東財務狀況、杠桿倍數等方面，將監管要求提煉后將其標準化，固定至合作方協議中。同時由于監管對合作方的出資比例，以及最低注冊資本金的要求，可能會使其對銀行的分潤提出更高要求，使銀行的收益難以覆蓋風險，需要在準入時嚴把收益測算底線，并在合作過程中定期測算風險收益情況，對達到閾值的產品堅決暫停甚至退出。

在對合作的互聯網公司進行盡職調查時，商業銀行應要求風險條線人員共同參與，借此機會爭取數據字段、風控措施、證據保存、違約清收措施等對商業銀行更為有利的條件；同時加強對合作方底層客群的調查，要求合作機構提供相應的客群風險篩選規則、額度確定和定價邏輯，有運營數據的，還需提供相應客群或業務近年還原核銷后的歷史運營數據相應風險如vintage 報告，驗證引流客群質量與其披露給商業銀行的數據一致，從源頭上降低客群風險，降低業務不良的可能性。合作之后，也要定期通過行內資產質量與合作機構大盤資產質量的對比，行內客戶資信評級的變化等數據，檢查合作方推送的客群質量是否發生變化。

在談判過程中，商業銀行應以是否能按照本行的風險偏好及管理要求提供相應信用風控數據為基本的要求，基于合作互聯網公司提供的數據，分析商業銀行需要額外引入的外部數據，通過數據結合，在既定的風險偏好與風險收益要求下，構建評分模型和風險策略，對其推送的客群進行精準的風險評判，設定準入閾值，以系統機控的方式，批量化、自動化地審批進件申請。

在合作階段，商業銀行應基于外部數據設計底線規則，開發通用準入機器學習模型，要求所有互聯網貸款產品的客群都需經過底線規則與通用準入機器學習模型的篩選。在自營階段，則需在各產品數據積累達到一定條件后，設計產品規則并開發產品準入機器學習模型，與底線規則及通用準入機器學習模型配合使用。

（二）貸中風險管控體系的建設

貸中管理階段應及早識別風險，做好預判，及時干預控制。由于互聯網貸款小額分散的特點，無法逐戶地跟蹤管理，貸中需及早識別高風險客群，對這類客戶進行提前干預，抓住早期的時間窗口加強管理及清理。

更為重要的是，在合作期間，商業銀行應做好各個產品各個分層客群的風險收益監測工作，對風險收益偏離設定目標的產品及客群及時熔斷。首先是潛在高風險客群的早預警。商業銀行應在成本可控的前提下，有選擇地使用內外部數據，多角度分析客戶的貸后行為特征。首先應復用貸前準入底線規則，即貸中與貸前保持一致的風險偏好，對違反這類規則的客戶直接定義為高風險客戶；其次構建貸后預警規則、行為評分模型，定期掃描存量客戶，盡早識別貸中高風險客戶，采取包括凍結未使用額度、提醒還款日期與金額等手段進行干預。最后是建立合作互聯網公司的預警監測與管理體系。商業銀行應在運營過程中監測客群特征、地域特征、整體利率與額度水平、貸款期限、輿情等方面的變化情況，若某個時點或時段發生了明顯變化，需強化與合作互聯網公司的溝通，及時調整客群結構。

（三）貸后風險管控體系的建設

互聯網貸款貸后風險管控主要是催收管理與快速處置，商業銀行應在把住準入關口的前提下，對逾期貸款及時、分策略催收，對小額貸款進行委外催收，對大額貸款進行司法催收，還需通過核銷、轉讓等多種手段快速處置不良資產，減輕資產質量包袱壓力。

在合作階段，商業銀行應細化合作機構催收合規、效率的管理指標，從逾期貸款金額的變動測算其催回效率，盡可能接入合作方的催收系統，實現所有機構的催收管理統一化。如按機構、按渠道、按客群跟蹤催收生命周期的效率，實現催收提醒、催收策略管理、催收任務管理、催收執行、催收監控統計全流程自動化管理，實現從被動接收合作機構的催收結果到主動管控合作機構的催收過程。在自營階段，商業銀行則需建立催收機制、流程與系統。結合貸前貸中相關數據，對逾期貸款的客群進行分類，并依據分類結果，采取不同的催收策略。對于高風險資產，尤其要抓住有效催收的早期時間窗口，提升催收效率。其次，商業銀行應不僅僅依賴傳統的委外催收公司或僅依靠行內自催，需提前布局司法催收所需的完整證據鏈材料，同時密切關注跨行業的不良貸款處置渠道，如電子支付令、線上人民調解、線上仲裁、線上賦強公證等渠道，在構建完整的電子證據存證基礎上，實現商業銀行與當地法院、互聯網仲裁等司法機構專線互通，通過系統一鍵訴訟、提交司法案件，提高逾期貸款清收效率。同時商業銀行還應通過對應的系統，監測不同渠道的清收執行效率及投訴率水平，對外部清收渠道進行評價與考核。最后，商業銀行應對催收與處置的客戶進行分析總結，提煉有效特征修正申請準入與貸中管理的策略與模型，形成正向效果的閉環。除了清收管理，商業銀行還需建設風險收益閾值管理體系，根據不同產品的風險收益情況設置不同的熔斷預警閾值，在此基礎上，針對不同的閾值偏離度設計有針對性的解決措施方案，做好風險收益測算基礎上的閾值管理工作。

（四）商業銀行互聯網貸款風險管控體系化建設的基礎保障

互聯網貸款的特點決定了其在風險管理數字化、批量化、自動化、智能化方面的高度要求。商業銀行互聯網貸款風險管控體系化建設離不開制度、人、數據、系統的基礎保障。

在制度建設方面，商業銀行應基于發展戰略目標，每年確定統一的互聯網貸款風險偏好，明確互聯網貸款整體風險容忍度，根據風險偏好作為客戶篩選閾值、各產品熔斷點的依據，以此作為業務發展的風控底線準繩，并以此預測指導每年不良核銷的規模。同時根據收益覆蓋風險原則，設定風險收益閾值管理制度，以預期損失為基礎衡量業務的風險收益，設立風險收益閾值，作為業務收放的標準。

在人員組織方面，商業銀行應打破部門壁壘，建立混合型人才共存的敏捷組織。如將風險條線人員以小組方式嵌入產品項目組，與業務條線建立相互制衡又共同合作的運作模式。項目組應借助自動化系統，做好互聯網貸款產品系統性的監測，發現問題及時采取預案措施，做到監控敏捷、反應敏捷。

在數據積累方面，商業銀行應先明確互聯網貸款風險管理所需外部數據的維度，比如反欺詐、征信、司法、多頭借貸、社保、消費行為、第三方信用分、行為分等；其次應要求風險條線與業務條線建立統一的數據采購規劃，有序、批量地推進外部數據引入。接下來，在合規獲取的前提下，商業銀行應根據數據驗證結果，從確定的風險維度中明確具體主用廠商以及備份廠商。引入數據之后，商業銀行應定期監控數據源的穩定性、覆蓋度、區分能力，對于效果明顯下降的數據，及時做好切換。

在系統支持方面，互聯網貸款以數字化、批量化、自動化、智能化為特征，高度依賴科技手段的支撐。風控策略與模型需要有大數據分析、風險計量、人工智能等金融科技手段的應用，商業銀行應在外部數據引入的基礎上通過大數據分析、機器學習算法，提煉線上貸款客群特征，自主開發風控策略與模型，應用于貸前準入，貸中預警以及貸后催收。風控流程與風險監測依賴于系統平臺的服務，商業銀行應開發相應的風險數據集市、模型訓練平臺、催收管理系統、電子存證系統、風險收益的視圖等相關系統，提高互聯網貸款管理的效率。

參考文獻：

［1］ 劉剛.大數據時代智能風控體系建設實踐［J］.中國金融電腦.2018（8）.

［2］ 劉嘉琪，關宏.互聯網金融創新風控體系研究［J］.廣西質量監督導報. 2018（12）.

作者單位：廈門國際銀行股份有限公司風險管理部，經理，中級經濟師，碩士研究生。