2018中国智能风控报告

1.前言

        风控管理是金融活动的核心,我国的金融产业的发展表现出很强的信贷驱动属性。亿欧智库预测2020年金融科技市场规模将达到245亿元,其中智能风控75.9亿元,占比31%。智能风控市场规模巨大,是未来金融科技公司集中发力的市场。

2.智能风控发展现状及背景

        金融科技产业经历了电子化、信息化、网络化、移动化时代,随着机器学习等技术的发展,各类智能金融应用出现,金融科技逐步进入智能阶段。电子化和信息化为金融科技的基础设施升级提供了条件,网络化和移动化为金融科技的渠道及实现带了革新。央行2011年颁发第三方支付牌照是金融网络化的标志事件。
        传统的风控环节存在信息部队称、成本高、时效性差、效率低等问题,已经无法满足旺盛的信贷增长。金融科技极大促进了智能风控的发展,目前,贷前审核、贷中监控、贷后管理等环节存在不同的痛点。
        智能风控与传统风控的互补与革新主要体现在两个方面:1)技术:运用互联网、大数据、人工智能等技术手段,通过数据驱动实现智能化风控;2)应用:实现贷前、贷中、贷后全链条自动化的同时,促进风控管理差异化和信贷业务的人性化,实现降本增能提效。

3.风控业务--个人篇

        个人信贷单笔数额小,数量大,需要投入大量的人力物力。传统风控主要通过客户历史信用信息和个人消费情况进行风险评分,而金融数据一般呈现分散化、碎片化等特定,真实有效的信息往往难以获取,信息不对称性难以消除。

        智能风控依托智能化技术与传统风控互补,实现贷前、贷中、贷后三个阶段全链条自动化管理。个人信贷业务流程一般如下图所示:
个人信贷业务流程图

智能风控流程图

3.1 贷前

        贷前风控是整个信贷流程的基础,直接影响信贷业务质量。信贷风控旨在解决信息不对称性,首先体现在贷前的信息收集与整合过程,收集的信息越充分,越有利于做出正确的决策。贷前风险管理主要包括审核、身份认证、反欺诈、征信、授信五个环节。
        审核:传统的贷前审核依赖人工审核和专家经验,在特征工程上重劳力,而当下高维、非结构化、高度分散的数据环境下,知识图谱等技术的应用可以加速筛选,甚至完全实现自动化审核和评估,有效减少风险。
        身份认证:传统线下身份认证依据提供的身份资料进行实名制认证,随着线上信贷业务发展,基于生物特征识别等技术模型的应用,实现身份的自动识别。
        反欺诈:贷前欺诈主要是案件欺诈,利用人工难以实现规避。反欺诈已成为金融机构待解决的核心问题,通过与数据商或第三方机构合作,实现数据与技术的互补,提高欺诈案件的识别率。
        征信:按照一定规则合法采集企业、个人的信用信息,加工整理成个人的信用报告。国外个人征信企业启示:数据、技术和分析能力会成为影响征信机构的核心竞争力;技术是企业商业模式能否成立和获利的决定性因素,甚至成为企业壁垒;将有限的资源利用到特定的市场中,以减少不必要的损失。国内个人征信机构发展困难:央行征信报告获取难度大:目前主要是银行和一些持牌金融机构能够查询,非持牌金融机构不能查询;互联网金融公司客群与银行的差异较大,这些用户没有征信报告;小额分散的信贷需求需要快速响应,传统风控技术无法支持你,失效性差和手续复杂严重影响用户体验。
        授信:依据征信信息,信贷机构为借贷人提供信用担保,按期限分为短期授信和长期授信。

3.2 贷中

        贷中风控实现对在线交易进行防冒和欺诈识别,对借款人进行实时监控,有效防范和控制欺诈交易等贷中风险威胁。贷中风险控制主要包括信用评分、风险定价、审批、交易监控和交易反欺诈五个环节。
        信用评分:以一套相关指标体系为考量基础,标示出个人偿付贷款能力和意愿的过程。传统金融机构使用FICO评分衡量用户信用风险,随着大数据对征信体系的补充,信用评分模型实现差异化。FICO评分卡通过申请人消费表现,对未来可能出现的违约行为进行预测,主要用于信贷审批和额度确定。信用评分>680分,认为借款人信用卓著,可以立即放款;信用评分<620分,贷款方可以要求借款人增加担保或者拒绝贷款;信用评分在620分与680分之间,需要进一步调查核实或采用其他信用分析工具。
        风险定价:通过放贷成本和基准利差建立风险定价体系。传统风险定价主要参考征信、流水等线下数据,智能风控应用可以线上线下相结合,个性化定价,提升边际效益。
        审批:依据借款人信息、放贷机构的贷前审批意见和信用报告等报告决定是否放款。
        交易监控:对贷款流程中潜在或者已经发生的风险进行监控,以预防坏账和交易欺诈。
        交易反欺诈:交易欺诈是针对信贷业务发生时的第三方欺诈,以往交易反欺诈系统由于数据库技术限制,只能实现事后风险识别和管控,时效性差。利用机器学习等技术构建反欺诈模型,可以识别可疑交易、降低欺诈损失。

3.3 贷后

        贷后风控是信贷管理的最终环节,有效防范和控制贷后环节风险是促进信贷业务持续健康发展的必要因素。贷后风险控制主要包括贷后监控、存量客户管理和催收三个环节。
        贷后监控:从贷款发放后到本息收回或信用结束的信贷监控行为:通过扫描借款人新增风向,帮助信贷机构动态监控借款人信息变更,及时发现不利于贷款按时归还的问题,调整相应催收策略。
        存量客户管理:存量客户既包括当前未结清的借款人也包括结清的历史客户,通过经营存款客户和贷款之间交叉营销,是金融机构常见的管理过程,其主要目标是提高客户价值。人口红利消失,获客成本的增加意味着存量客户的开拓将成为企业竞争发力点。为了适应经济提质增效对金融服务的
新要求,需要推动信贷经营从“重增量”向“增量与存量并重”转变。
        催收:逾期贷款回收的一种方式。通常把逾期M3+称为不良,逾期M6+称为坏账。

4.风控业务--企业篇

企业信贷业务全流程

        传统企业信贷风控基于整合企业工商信息、合规情况、经营能力等指标评测企业信用等级状况,企业信贷尤其是小微企业信贷大多会以供应链金融或者抵押贷款的形式进行。区别于个人信贷,企业信贷单笔数额大、数量少,需要人工参与整个业务流程,评估复杂,难以实现完全的自动化,因此形成了借贷的门槛效应。在智能风控逻辑层面,不同于个人人群画像和预测规则,小微企业的多样化往往不具有统计学规律,无法用其他企业或者某些企业的样本特征作为依据;在逾期水平和坏账率等指标的判断上,基于大数据的预测模型同样不具有代表性,因此现阶段智能风控布局对于企业信贷风控的效果提升较小。
(如有不同见解,望不吝赐教。。。)

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,864评论 6 494
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,175评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,401评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,170评论 1 286
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,276评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,364评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,401评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,179评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,604评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,902评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,070评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,751评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,380评论 3 319
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,077评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,312评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,924评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,957评论 2 351

推荐阅读更多精彩内容