普华永道银行业风险管理和巴塞尔新资本协议实施

Size: px

Start display at page:

Download "普华永道银行业风险管理和巴塞尔新资本协议实施"

煊煤公
5 years ago
Views:

1 大数据风控行业实践 - 研究报告上海市互联网金融行业协会普华永道管理咨询 2017 年 7 月

2 内容提要本报告由上海市互联网金融行业协会与普华永道管理咨询公司双方共同组织课题组联合编制来自双方机构的多位专家先后参与了报告的编写工作, 其中凝聚了许多人的智慧和心血报告针对金融机构大数据风控问题进行研究, 对金融机构待引入的外部数据及模型工具开展了深入的调研, 提出了金融机构使用外部数据进行模型开发和模型应用的行业领先实践本报告具有一定的前瞻性, 为金融机构合理有效使用外部数据提供了思路课题组成员 : 上海市互联网金融行业协会相关负责人孟添上海市互联网金融行业协会副秘书长上海大学上海科技金融研究所副所长徐程祥上海市互联网金融行业协会研究中心李颖上海市互联网金融行业协会研究中心普华永道管理咨询 ( 上海 ) 有限公司相关负责人翁涛普华永道管理咨询 ( 上海 ) 有限公司合伙人何冰普华永道管理咨询 ( 上海 ) 有限公司经理蒋艳普华永道管理咨询 ( 上海 ) 有限公司经理杨静普华永道管理咨询 ( 上海 ) 有限公司高级顾问 July 2017

目录 1. 大数据风控行业动态 4 2. 金融行业风控的场景需求 10 2.1. 场景一 : 反申请欺诈与交易欺诈 12 2.2. 场景二 : 申请审批策略 16 2.

3 目录 1. 大数据风控行业动态 4 2. 金融行业风控的场景需求场景一 : 反申请欺诈与交易欺诈场景二 : 申请审批策略场景三 : 存量客户 / 账户管理场景四 : 助力催收场景五 : 增强合规客户案例总论 39 3

4 大数据风控行业动态 Big Data & Risk Management Industry 1 4

5 引言 : 大数据开放与发展有助现代金融机构的风控体系建设金融是信用的商业, 因此信用体系被认为是现代金融业的最重要基础设施之一在互联网金融和大数据的浪潮中, 为了适应消费者多变灵活随时的金融需求, 现代金融机构将大数据风控视为需要构建的重要核心竞争力之一运用大数据风控技术, 将海量用户的网购社交互联网金融等各种数据, 通过强大的技术手段将这些数据进行规范化标准化处理, 转变为信用评估工具, 实现从数据到信息的质变基于互联网大数据和现代金融机构自身积累的数据共同构建的大数据风控体系已成为现代金融机构风控的发展方向目前, 随着互联网技术的蓬勃发展, 更多类型的海量数据正被尝试纳入个人及小微企业的信用风险评分卡模型中个人客户风控体系的快速发展和配套制度体系的完善成熟, 将对提升现代金融机构的管理精细化水平有重要作用同时, 现代金融机构风控体系的建立也推动了我国居民消费水平提高, 从而带动经济发展从 19 世纪中期开始美国就以分月付款的方式来销售大件商品从而大大加速了消费信用的发展, 到目前消费信贷已成为美国人基本的消费方式, 并连续数年出现的居民零储蓄现象, 也表明消费需求成了推动美国经济的决定性力量人人都可以有信用评分的时代, 意味着消费信贷都会被彻底活, 从而刺激经济继续快速发展年建立的个人及企业信用信息基础数据库目前已包括 8 亿个人及 2000 万企业的信用信息目前, 越来越多的互联网金融公司利用互联网大数据丰富信用信息, 力求达到有效控制互联网金融业务风险的目的随着互联网技术的蓬勃发展, 更多类型的海量数据正被尝试纳入个人及微小企业的信用信息及相应信用评级中 5

6 我国大数据风控行业发展状况个人消费的旺盛引发贷款需求的增长, 消费金融核心市场潜力巨大个人贷款风险评估是大数据风控技术在金融领域的最核心应用近年来, 经济和社会稳定发展, 人均收入不断提高, 消费场景日趋丰富, 共同推动了个人消费文化的盛行同时, 整个社会对信贷消费方式的认知和接受程度在不断提升, 极大加强了对于外部数据服务的需求过去五年间, 个人住房抵押贷款经营性贷款和消费贷款余额的年平均增速达到 19 24%, 信用卡余额更是实现了超 50% 的高速增长互联网金融的爆发成长将进一步促进大数据风控体系快步跟上时代发展互联网公司的跨界发展和爆发式增长给金融这个百年长青行业带来了深远的影响 P2P 众筹第三方支付虚拟信用卡互联网保险等创新业务层出不穷无论是以 BAT 为代表的互联网巨头通过搭建生态系统进入金融行业, 还是中小金融科技公司以垂直细分的方式切入某一个金融服务环节, 新的行业参与者正在通过以客户为中心的体验追求和产品创新意识不断填补细分市场的空白微型企业贷款市场上, 银行与互联网起家的小额贷款公司相互竞争互联网融资模式的出现, 去中介化的融资模式, 使得银行逐渐被边缘化互联网支付中, 网银支付比重越来越低, 使得银行越来越难知道客户消费行为若不及时应对, 银行对于客户的了解程度将相对越来越弱 6

7 我国大数据风控行业发展状况银行与零售客户渐行渐远目前, 中国电子商务约占中国零售额的 15%, 预计 2020 年将达到 50% 这个趋势对于银行来说是非常不利的, 银行处于电子商务产业的最末端, 正在逐渐被边缘化电子商务公司和第三方支付厂商紧贴最终用户, 依靠市场优势, 对银行的叫价能力极强第三方支付企业使得客户和银行的关系进一步疏远, 银行无法获知客户消费明细银行系电子商务开展不顺利网贷模式使得客户减少对于银行的依赖图 1 中国电子商务 / 中国零售总额占比数据规模的爆炸式增长, 带来的是银行业对于海量数据信息的理解考验移动互联技术的成熟, 则使银行不再具备以往的不可替代性 ( 预计 ) 15% 50% 微型企业贷款市场逐渐被侵蚀截至 2015 年国内小微企业贷款余额为 17.4 万亿元, 其中民生银行和招商银行分别占 1.7% 和 0.25% 互联网巨头的小贷业务虽然目前所占市场份额小, 但其未来改变小微企业贷款格局的力量不容忽视互联网巨头开展小贷业务的优势 : 流水作业 : 可以承受比银行更低的额度掌握客户更全面的信用情况更大的客户群 7

8 我国大数据风控行业发展状况如果风控体系是一台发动机, 那么数据和应用方案就是燃油如果数据纯度不高质量低劣应用方案过于简单主观或未经验证, 将直接导致风控效率低下甚至出现故障, 进而很容易为金融机构引入劣质资产, 影响资产端质量银行消费金融公司汽车金融公司融资租赁公司小贷公司和 P2P 企业, 希望能够借助第三方数据完成客户资质评估和授信过程, 从而争夺银行尚未覆盖的消费群体同时希望利用大数据风控体系对贷前审核贷中监控贷后管理各环节做到有效的风险控制另一方面, 商业银行在应用内外部数据的过程中, 又面临诸如数据不足数据质量差数据时间跨度不够风险管理人员经验不足等诸多困难对于数据长度更短的消费金融公司汽车金融公司互金平台机构来说更是如此外部数据的优质度往往直接决定金融机构的风控质量与效率用一个简单比喻来讲, 如果风险控制是一台发动机, 那么数据和应用方案就是燃油, 如果数据纯度不高质量低劣应用方案过于简单主观或未经验证, 将直接导致风控效率低下甚至出现故障, 进而很容易为金融机构引入劣质资产, 影响资产端质量在这个层面的意义上, 外部数据的优劣间接决定了金融机构引入优质资产的准确率的高低, 然而对诸多经验不足的金融机构来讲, 获得高质量数据和制定有效的应用方案往往需付出很高的成本必须要做, 做起来又有难度如何解决这两者的矛盾? 普华永道基于多年为国际和国内先进银行多家城商行消费金融公司互金公司开发信用风险管理工具的经验, 建议采取先验后用的原则, 借鉴国际国内先进银行实践, 在采用适当方法开发风险评分卡制定信贷业务策略的过程中, 确定采集哪些第三方征信数据, 尽早开始收集风险数据, 并将内外部数据结合应用于信贷业务流程中, 具体可以从以下方面进行考虑 : 外部数据引入数据平台和风险数据集市外部数据需求覆盖零售非零售敞口数据平台需求数据质量持续提升数据清洗分析与整合反欺诈模型设计反欺诈模型设计反欺诈规则模型建设及风控输出信用评分模型应用方案客制化营销价值分析消费偏好分析产品开发 & 输出 8

9 课题组的行业三方联合研究上海市互联网金融行业协会与普华永道共同撰写此行业研究报告, 探讨金融机构面临的各种问题与需求, 集合我们在行业的专业知识咨询经验及数据能力, 分析可行的解决方案上海市互联网金融行业协会, 是经上海市社会团体管理局批准, 在上海依法登记注册的全市性非盈利社会团体法人, 是上海市辖内互联网金融行业的自律组织协会主管单位为上海市政府金融服务办公室, 业务指导单位为中国人民银行上海总部 ( 分行 ) 协会以促进会员单位实现共同利益为宗旨, 履行行业自律维权协调和服务职能, 引领会员单位遵守国家法律法规和经济金融方针政策, 遵守社会道德风尚维护上海互联网金融行业的健康发展, 为上海国际金融中心建设作出积极贡献多年来, 普华永道致力为我国金融机构解决策略性以至日常营运等诸多问题凭借对金融行业的丰富知识和经验, 加上具备顾问及交易的专才, 普华永道为金融机构订立独特并为其增值的解决方案普华永道在中国拥有众多的金融领域客户, 在风险计量方面拥有超过很高的市场占有率这些客户包括四大国有银行股份制商业银行以及诸多领先城商行双方的行业研究将有利于拉动现代金融机构的风控体系建设, 大数据风控技术的普及, 提高信息主体的用信意识, 促进信用交易的达成和信用产品的创新, 带动信用经济规模的扩张, 并推动整个社会信用文化的建设 8

10 金融行业风控的场景需求 Risk Management Scenarios in the Financial Industry 2 10

11 金融行业风险控制的场景需求课题组根据多年积累的金融行业经验结合外部数据应用的发展方向, 总结出 5 个金融行业风控的场景需求, 分别为 : 降低欺诈提升审批激活客户助力催收增强合规以银行为代表的传统金融机构, 自 2015 年网贷业务的布局和申请审批效率提升的诉求, 而对于大数据在反欺诈和申请审批方面的需求最为强烈自 2010 年首批新兴消费金融公司开业开始, 消费金融公司作为一个新兴的信贷机构为满足不同层次的消费者提供各类消费贷款业务, 由于其开展的消费贷款缺乏第二还款来源以及坏账率较高等因素, 除了对反欺诈和申请审批有强烈的变革需求外, 还需要对催收以及客户管理进行完善而对于新兴的保险公司, 由于保险产品的多元化和信用保证保险等增信措施的创新, 导致其面对的信用风险现状与商业银行和消费金融公司非常类似因此也需要在反欺诈申请审批等业务环节进行大数据风险控制对于传统汽车金融公司来说, 自 2014 年开始, 多家整车厂及与其合作的汽车金融公司在电商平台或官网上推出网上车贷申请和预审批业务, 让客户提前了解合适的贷款方案, 缩短审批周期, 减少消费者在购车过程中前往 4S 店的次数, 但与此同时, 也面临商业银行消费金融公司所面临的欺诈案件防控申请审批需要提高效率等问题课题组总结各类场景需求如下 : 图 2 五环价值链 : 各类场景化需求 Minimize Fraud Improve Adjudication Activate Dormant Customers Empower Collection Efforts Enhance Compliance 降低欺诈提升审批激活客户助力催收增强合规银行消费金融融资租赁汽车金融 11

12 场景一 : 反申请欺诈与交易欺诈 Minimize Fraud 2.1 Minimize Fraud Improve Adjudication Activate Dormant Customers Empower Collection Efforts Enhance Compliance 降低欺诈提升审批激活客户助力催收增强合规 12

13 金融机构的反欺诈需求金融机构的反欺诈需求目前互金平台以及商业银行网贷业务面临的信贷业务风险并非主要随着线上化业务的发集中在信用风险而是主要集中在欺诈案件方面展国内欺诈案件的增大量的欺诈人员及黑灰产业链的存在将互金平台信贷业务当成资金来源长呈爆发趋势反欺诈成为金融机构业务开展过程中所需解决的核心大部分的欺诈来自于平台和欺诈人员的内部勾结互联网金融机构由于时间较短一个风控模型的完整周期验证至少需要2到3年但互联网金融发展太快要急速迭代风控模问题型才能适应发展大量的欺诈群体充斥网络金融和传统金融市场申请欺诈导致的经济损失巨大其破坏力远远大于操作风险造成的损失和违约所造成的损失申请欺诈同时是一种高报酬 - 低风险的犯罪行为是由犯罪团伙或个人施行的非法猎取钱财的行为以商业银行的实际业务经验为例欺诈损失超过正常核销率根据信用卡行业经验大量约7成的申请欺诈是非孤立行为涉及团伙欺诈损失的三倍以上面对花样繁多的申请欺诈和交易欺诈案件金融机构的防控措施则显得较为乏力目前大多数金融机构未建立较为完善的反欺诈不少于6成的团伙欺诈被发现会同时攻击多家机构防控体系图3 全国信用卡欺诈损失亿元随着线上申请的逐步深入欺诈团伙的作案成本也逐渐降低欺诈能力进一步提升年全国信用卡欺诈损失大概1.51亿元该统计存在一定程度的低估信用卡行业申请阶段发现的欺诈客户大概占比5%-10% P2P/小贷业务上述比例不低于10% 线上线下基本都是该水平 13

14 反申请欺诈解决方案反申请欺诈根据金融机构的实际情况应用金融机构内部数据和选择性使用第三方数据可以有效提高欺诈案件的精准识别比率针对以多年养号一朝并发的第一方申请欺诈 (first-party application fraud), 一方面第三方咨询机构可为商业银行提供反欺诈咨询服务, 利用金融机构积累的内部数据和外部数据构建反欺诈规则和模型以协助现代金融机构识别各类申请欺诈案件另一方面第三方征信机构基于海量用户信用及交易行为, 深入研究用户在日常生活中的活跃因子, 对银行等传统金融机构的交易数据与基于电商线上线下支付理财水电煤缴费等多维度数据做交叉规则校验, 在此基础上形成了对传统金融交易规则的深度补充, 从而有效识别用户的真实身份与意图对于第三方欺诈 (third-party fraud), 即犯罪分子盗用他人信息来进行信用服务的申请, 如果仅对申请信息做两两关联判断已经不能满足时代的需求在鉴别第三方申请欺诈时, 最重要的是针对申请者提交的相关信息与申请者本人的身份做多维度实人化的实时打分判断第三方服务机构的数据及建模服务不仅从传统的进件信息 ( 姓名身份证电话地址邮件地址银行卡号等维度 ) 对申请者的信息点强大的底层数据库做拓扑与机器学习分析, 还能够对在线网络信息 (IP Mac 地址 ) 与设备号信息做大规模搜索与实时匹配, 有效拦截日益猖獗的黑灰产业链对被盗贩卖的身份证件信息进行的批量申请图 4 反欺诈信息验证产品欺诈团伙关联关系消费行为分析欺诈团伙黑名单跨行业黑名单合谋作案鉴别押品变动担保人共同申请人设备指纹 IP. 社交网络电商数据欺诈黑名单电信数据押品及担保设备数据准确率 \ 覆盖率多维度综合判断精准寻找欺诈客户反欺诈模型 / 规则节省人力资源 - 可以准确聚焦, 避免了乱撒网式的排查工作灵活性根据风险情况及人力灵活配置欺诈防范策略时效性海量数据寻找信号更早发现欺诈风险提高金融资源配置效率 - 通过退出欺诈客户, 支持优质客户, 可减少资本耗用提高金融资源配置效率, 完善零售金融服务, 支持个贷客户的良性发展 14

15 反交易欺诈解决方案反交易欺诈结合金融机构内部数据与第三方数据可以设计交易反欺诈识别模型, 精准打击交易欺诈案件交易欺诈是利用信用卡当前交易信息和历史交易行为模式对比来预测当前交易为欺诈的概率的模型, 为智能性反交易欺诈授权策略 (Intelligent Anti-fraud Authorization Strategy) 提供科学依据, 对欺诈风险高的交易可以拒绝授权和展开调查由于交易欺诈的识别具有大海捞针的特点, 即大量的交易中只有极少部分是欺诈性交易, 所以交易欺诈风险评分模型往往使用极精细极复杂的模型技术针对个人信贷业务与信用卡交易欺诈风险评分模型的开发及评估, 第三方咨询机构可以结合金融机构内部数据及第三方数据提供有效支持图 5 反欺诈信息验证产品规则判断模型识别分析现有的欺诈模式, 总结现有欺诈的特征规则建立需根据业务特点, 找出 : 关联关系行为特征作为模型的输入动态优化规则欺诈客户识别 : 有监督学习, 机器学习分类算法 ; 欺诈特征识别 : 无监督学习, 机器学习聚类算法名单管理 15

16 场景二 : 申请审批策略 Application Strategy 2.2 Minimize Fraud Improve Adjudication Activate Dormant Customers Empower Collection Efforts Enhance Compliance 降低欺诈提升审批激活客户助力催收增强合规 16

17 金融机构的申请审批策略需求 Application Strategy 结合金融机构内部数据和其他外部数据, 建立深度客制化的申请审批策略, 在提升进件审批效率的同时达到降低坏账率的目标, 起到开源节流的效果传统金融机构的申请审批策略正随着消费群体的偏好及互联网技术的发展发生变化虽然传统的个人信贷业务仍以网点收集资料进件的方式开展, 但是各大商业银行均将自动审批比率纳入了考核体系, 四大国有银行的个人贷款自动审批比率已远超 25% 同时根据普华永道统计持牌消费金融公司的平均消费贷款审批时间为 3.4 小时 / 笔另一方面, 随着越来越多的年轻人在网络上申请信用卡, 网络进件的审批率提升成为新兴金融机构的风控重心因此, 不断提升的申请审批时效性要求以及如何在短时间作出风险控制结论, 就成为传统金融机构面临的主要问题随着商业银行自身信贷数据的积累和技术水平的进步, 国内部分大型银行已开发了零售内部风险评分卡和策略规则, 以评估本行客户或信贷申请人特定信贷行为的信用风险那么, 商业银行开发的零售信用风险评分卡与本次大数据申请审批策略有何区别及联系呢? 结合金融机构内部数据和其他外部数据开发的客制化申请审批解决方案与商业银行已开发的信用风险申请评分卡都具备开发个人信用评分的基本条件, 评分的开发方法和流程也基本一致, 但不同之处主要包括以下两方面 : 开发数据除行内数据外尽量引入外部数据, 数据源更丰富 ; 客制化和策略化的解决方案提升 ; 图 6 模型检验程序资料齐备授信审批放款贷后需求端提升用户体验业务链提高效率释放产能贷后管理高效把控风险信贷标准化业务特点 : 批量化获客标准化审批差异化管理特色化服务 17

18 申请评分卡 Application Scorecard 申请评分卡将充分利用金融机构内部数据和高性能的外部数据进行开发, 以提高模型区分能力除此之外, 单变量分析和相关性分析均可作为决策规则的制定依据风险评分卡是一种用于评估消费者或账户信用风险的统计方法, 是零售信贷风险管理中广泛采用的技术手段信用评分通过统计分析方法对消费者或账户的数据进行系统分析, 挖掘其中蕴含的客群特征行为模式, 同时捕捉历史信息和未来信用表现之间的关系, 最终以一个客观的分数来预测消费者或账户未来的坏账可能性申请评分卡是指通过对消费信贷申请人的资信状况进行评估来预测其未来严重拖欠和坏账概率的模型申请风险评估模型在信贷风险管理中有着非常重要的作用, 因为其评估结果是信贷审批的主要依据之一可以结合金融机构申请表信息传统征信数据第三方征信数据开发申请风险评估模型通过结合内部数据及第三方的用户互联网行为数据, 有效提高审批效率和通过率图 7 模型开发程序 / 开发全景图全部变量稳定性检验区分能力检测业务合理性检测广谱先进丰富数据源多数据源多算法的研究与比较履约能力身份特质数据清洗客户归档原始加工创新方法创新技术逻辑回归梯度提升决策树分群调整技术增量学习技术平滑处理技术随机森林神经网络信用分 + 人脉关系金融行为偏好信用历史生活数据集市变量预筛选, 精细化研究经验 + 衍生其他 18

19 申请审批策略根据申请评分卡对客户未来违约概率进行量化, 并依据风险高低对用户进行分层差异化服务 : 基于风险等级, 为优质客户提供快速审批通道, 提升审批效率与用户体验图 8 申请审批策略流程图示例申请提交政策性排除 ( 不含征信 ) 例外进件流程反欺诈规则风险评估极高自动拒绝风险审查规则政策性净值规则 ( 含征信 )+ 风险审查规则外部数据变量高强连关注中审慎关注申请评分申请评分 Cut_off 外部评分产品 cut_off 低一般关注极低自动通过风险分级风险规则申请评分外部评分审批建议策略输出审批结果风险等级额度建议定价建议还款方式建议决策引擎部署的优势 : 1. 风险管理政策标准化一致化便于执行和监控 ; 2. 提高审批效率, 审贷资源转移至更为复杂的经营性贷款等业务上 ; 3. 较灵活更改审批规则, 适应房贷政策等快速变化的需要, 同时也为分行研究实施更加适当当地的差异化授信政策创造了条件课题组在调研过程中, 积累了大量经营性消费性信用卡房贷 SME 预审批反欺诈风险审查政策性排除预警策略催收策略甚至是市场营销目标客户锁定规则总结了 1000 种以上不同类型规则的策略知识库可结合银行业务经验自由部署至自动决策系统中图 9 限制性规则示例规则名称规则描述适用策略控制力度政策出处备注是否存在抵质押率超限主要担保方式 in( 抵押, 质押 ) 且保证记录数量 =0 且抵押物最高可贷额度 + 质押物最高可贷额度 < 贷款申请金额审批 / 年审限制性业务惯例曾经被拒绝过的客户最近 2 年是否曾经被拒绝过 = 是审批 / 年审限制性业务惯例预留, 目前还没有数据, 决策引擎初始化为否担保授信额度不足保证记录数量 >0 且至少存在 1 条记录, 满足贷款申请金额 > 授信总额 - 已占用授信额度审批 / 年审限制性业务惯例预留, 目前没有数据支持, 决策引擎初始化授信总额 = 贷款申请金额, 已占用授信额度 =0 19

20 额度策略与模型额度策略作为金融借贷机构的策略重要组成部分, 对于提高用户体验活跃率等都有非常重要的作用适当的额度策略对于实现收益最大化至关重要, 其根本点在于根据各个机构的业务目标, 实现风险与收益的平衡课题组结合金融机构内部数据与外部数据, 基于数据挖掘技术的解决方案助力科学高效的额度管理策略初始额度设定临时额度授予关联额度管控固定额度管理对于新用户来说, 建立立体的额度授信管理体系 : 收入限额模型 ( 收入校正策略 2 倍收入限额 ) 信用违约评分 + 收入分段 ( 额度矩阵 ) 场景限额策略 ( 最低限额及最高限额 ) 客户分群 ( 分期场景剔除高循环客户 ) 金融机构需要在此基础上对外部数据进行性能验证与应应用方案设计图 10 应用方案设计准备阶段对金融机构进行数据分析, 识别好坏账户, 确定好 / 坏 / 不确定标识对接阶段由对取数清单进行数据提取并将结果反馈给金融机构验证阶段测试和验证由普华根据结果计算各种性能指标, 给出应用建议试运行阶段数据收集和分析展示该阶段贵方不用做任何操作, 根据查询结果积累数据, 待积累一段时间之后进行逐步过渡到正式使用阶段正式使用阶段 20

21 场景三 : 存量客户 / 账户管理 Existing Customer Management 2.3 Minimize Fraud Improve Adjudication Activate Dormant Customers Empower Collection Efforts Enhance Compliance 降低欺诈提升审批激活客户助力催收增强合规 21

22 金融机构的预警策略需求预警工作可以准确聚焦, 避免了乱撒网式的排查工作, 大量节省了人力资源显著提高预警效率通过退出高风险客户, 支持优质客相比贷前调查和准入手段的翻新, 贷后管理目前在传统金融机构或互联网金融等新兴金融机构, 均未得到行之有效的开展贷后管理是信贷业务中对客户进行预警的一项重要管理手段特别在经济下行期, 金融机构信贷业务的管理质量更多取决于贷后管理的精细化程度和科学性大多数金融机构在贷后管理环节缺乏系统性方法论, 往往采用分支机构报送为主的业务模式, 导致主动程度和效率均比较低因为流程中主要依赖贷后管理人员的人工操作, 因此也存在客户覆盖面低运营方式单一的情况户, 可减少资本耗用提高金融资源配置效率节省人力资源提高金融资源配置效率图 11 预警策略解析预警规则评分卡极高高中低极低收贷止付追踪正常增额 22

贷后预警策略 Existing Customer Management 行为评分卡贷后预警策略在信贷业务中往往能够发挥出节省人力和提高效率的双重作用, 在经济下行阶段对于识别预警客户贷后预警策略也是必不可少的工具实战经验表明, 如果能在潜在风险客户逾期前半年就对其进行预警并尽早压退, 对逾期风险的把控效果会有显著提升此外, 贷后的各类异常行为也是金融机构所需要进行监测的重要指标之一

23 贷后预警策略 Existing Customer Management 行为评分卡贷后预警策略在信贷业务中往往能够发挥出节省人力和提高效率的双重作用, 在经济下行阶段对于识别预警客户贷后预警策略也是必不可少的工具实战经验表明, 如果能在潜在风险客户逾期前半年就对其进行预警并尽早压退, 对逾期风险的把控效果会有显著提升此外, 贷后的各类异常行为也是金融机构所需要进行监测的重要指标之一课题组结合场景化数据, 在项目中针对多维度的异常行为进行了以下识别 : 评分 + 规则的贷后管理框架依托系统自动计算, 实现事件触发式预警系统与人工充分结合, 实现全流程闭循环管理图 12 行为评分追踪预警线每月报表追踪行为评分低于预警线的客户 2016Q1 2016Q2 2016Q3 2016Q4 图 13 异常行为识别 23

24 金融机构的市场营销策略需求金融机构的市场营销策略需求无论是否场景化或线上化, 究其本源信贷业务市场营销需要解决的是客户需求的识别问题市场营销策略可协助金融机构精准识别客群归属完成精准营销广义的消费金融业务涵盖持牌消费金融公司的业务信用卡业务综合消费贷款等无论业务模式是线上还是线下, 渠道是场景化还是非场景化, 对于金融机构来说, 如何有效识别客户群体的消费需求, 并将该需求转化为流量, 是市场营销活动的核心内容客户群体的消费偏好有精准识别的手段市场营销模型开展差异化营销基于业务与数据为客户提供差异化的产品服务定价促销方式和渠道, 提高客户的满意度忠诚度, 提高客户管理水平, 建立与客户之间的长期稳固关系图 14 消费客群分布无明显偏好 7% 汽车控 2% 商旅控 11% 娱乐控 2% 超市控 23% 美丽控 11% 消费客群分布家居控 7% 百货控 9% 保健控 4% 批发控 5% 家居控 7% 家居控 7% 24

25 贷后客户管理激活客户解决方案第三方征信机构, 可配置使用的数据变量服务, 从五大维度抽象客户信息, 可用于各类模型和策略, 方便机构更有效的管理客户外部数据如具有高 IV 值高覆盖度的特性将有效提高金融机构的风险精细化管理水平, 性能较强的外部数据在贷后管理场景中 IV 值高于 0.1 的外部数据变量有 21 个, 高于 0.5 的有 4 个, 且变量含义符合业务逻辑其中支付类和流动资产类字段的排序效果非常好, 这两个类别的字段可以有效评价申请人的历史消费水平和资产情况, 对线下信用卡申请的资信评估有很强补充作用图 15 外部数据类型身份特质就业类信息稳定性指标信用历史信用查询数据信用还款历史逾期历史行为特质消费行为履约能力固定资产流动资产流水数据人脉关系社交影响力人脉稳定性 25

26 营销评分模型与策略 Marketing Strategy 客户画像与消费行为分析应用金融机构内部数据及第三方外部数据对零售财富管理业务或信贷与财富管理交叉营销业务中开发零售市场营销模型, 建立精准客户画像, 助力数据库营销客户财富指标模型 : 基于客户的收入存款理财产品购买等数据综合评估客户的财富能力 ; 客户分群模型 : 基于客户的身份特质消费历史财富能力信贷历史等数据对客户进行打标和分群, 支持对用户的画像和深刻了解 ; Next Best Offer (NBO) 模型 : 帮助企业从产品为中心转向以客户为中心的战略, 基于客户标签历史行为当前兴趣与行为倾向等数据, 向顾客提供个性化的产品建议, 在合适的时刻以合适的价格, 通过合适的渠道, 引导顾客购买合适的商品或服务, 提升客户满意度与客户粘性 ; 客户生命周期价值 (Customer Lifetime Value) 模型 : 帮助企业了解客户, 在营销和客户服务环节最大化客户利润基于用户标签历史交易等大数据的 CLV 模型, 将客户分为导入期快速增长期稳定期和衰退期算出精确的顾客终生价值 (CLV), 帮助企业更加聚焦在高价值客户, 制定更合理的客户维系计划图 16 营销评分卡模型类型解决问题模型案例产品交叉销售模型 0 1, 从未购买过某产品的客户, 未来买该产品的可能性? 基金保险受托理财黄金信用卡目标客户响应类模型产品提升销售模型 1 2, 已买过某产品的客户, 再次买该产品的可能性? 股票型基金分红险等再次购买目标客户相应类模型客户流失预警模型最近没有发生资产流失的客户, 未来几个月资产大规模流失的可能性金卡客群流失预警资产大规模转入第三方存管流失预警客户提升模型客户未来几个月资产提升的可能性潜力金卡客户提升模型 26

27 场景四 : 助力催收 Empower Collections 2.4 Minimize Fraud Improve Adjudication Activate Dormant Customers Empower Collection Efforts Enhance Compliance 降低欺诈提升审批激活客户助力催收增强合规 27

28 金融机构的催收策略需求 Empower Collections 催收评分模型 Collection Scoring Model 根据客户在金融体系内外的综合行为信息, 建立客观准确的催收评分模型, 助力金融机构根据分数高低区分客户, 以采取不同的催收策略催收模型除了预测负债可被修复的几率外, 还可预测风险程度损失程度响应可能性还款可能性, 从多个维度对客户进行分类, 近一步提高坏账管理的精细化程度图 17 Collection Scoring Model 未引入催收评分卡等量化工具前催收力度 :!!!! 委外催收策略能够助力金融机构提高催收效率, 精准识别具备还款能力和还款意愿的客户, 提高金融机构的催收效率高风险早期逾期客户由于不良与预期天数的增长之间的相关关系, 催收策略主要根据客户逾期情况制定, 但是这样容易造成催收资源的分配不均 ; 高风险早期逾期客户的催收资源分配不足 ; 大量催收资源用于接近违约但还款能力低的客户 ; 晚期逾期客户完全基于委外渠道催收, 没有利用好集中催收资源由于催收工作得不到较好的效果, 容易被认为是资源投入不足而造成的结果, 常常会因此扩充团队, 造成团队配置不合理引入催收评分卡后接近违约但还款能力极低的客户晚期催收客户!! 催收力度 : 委外!! 高风险早期逾期客户高风险晚期逾期客户低风险晚期催收客户对催收客群进行分层, 将客群分成高中低风险并配以强度不同的催收策略 ; 从而达到催收资源的合理配置, 而此时催收团队已具备一定规模的银行往往交易发生人员冗余等问题 28

29 助力催收 Empower Collections 在信贷周期的尾端, 科学严谨地开展催收工作是管理好坏账资产包的有效途径对申请者联系方式的修图 18 Skip Tracing 复与追踪 : Skip Tracing 解决方案通过测试表明, 失联信息修复在业界有精准可靠的口碑与领先行业的修复水平基于外部数据的失联信息修复可为金融机构开展失联信息修复与追踪成效分析, 协助金融机构甄选外部数据助力催收 4139 个失联测试客户其他信息 : 匹配 891 个客户地址 906 个邮箱地址 374 个 QQ 号 532 个微博账号手机匹配 : 536 个手机号 277 个新增号固定电话匹配 : 576 个固定电话 269 个新增号关联电话匹配 : 1703 个关联电话 505 个新增号成功联系到 : 客户本人 55 户客户联系人 87 户成功联系到 : 客户本人 21 户客户联系人 115 户成功联系到 : 客户本人 71 户客户联系人 198 户 LGD 估计模型损失程度模型 : 根据客户的历史行为或其他特征信息, 预测客户未来可能还款金额, 进而估算预期损失水平测试案件总量 4139 信息总匹配率 41.62% 手机 12.94% 邮箱 21.88% 固话 13.91% 地址 21.52% QQ 9.03% 微博 12.85% 社会关系 41.14% 成功触达率 ( 本人 ) 3.55% 成功触达率 ( 联系人 ) 9.60% 28

30 助力催收 Empower Collections 基于催收评分的策略管理 Collection Score Based Strategy 失联信息修复与催收评分模型均为科学管理催收工作的工具根据有效的催收评分, 按照客户风险进行分类结合催收评分和余额, 从高中低三个风险维度对客户进行分类同时制定不同的催收频率与采用的催收手段 30

31 场景五 : 增强合规 Enhance Compliance 2.5 Minimize Fraud Improve Adjudication Activate Dormant Customers Empower Collection Efforts Enhance Compliance 降低欺诈提升审批激活客户助力催收增强合规 31

增强合规 Enhance Compliance 资金存管 :2017 年 2 月, 银监会发布网络借贷资金存管业务指引, 网贷平台资金存管汇总账户为专用账户, 与平台自有资金隔离, 防止挪用 ; 银行端子账户端与平台端账户一一对应, 日终对账, 确保账实相符各类新型民营银行积极开展网贷资金存管业务如华瑞银行新网银行等电子合同存证 : 各地颁布的网贷备案管理办法中,

32 增强合规 Enhance Compliance 资金存管 :2017 年 2 月, 银监会发布网络借贷资金存管业务指引, 网贷平台资金存管汇总账户为专用账户, 与平台自有资金隔离, 防止挪用 ; 银行端子账户端与平台端账户一一对应, 日终对账, 确保账实相符各类新型民营银行积极开展网贷资金存管业务如华瑞银行新网银行等电子合同存证 : 各地颁布的网贷备案管理办法中, 都对网贷平台电子合同及业务数据存证合规性的要求, 多家专业服务提供商积极布局例如为中小企业提供电子合同缔约证据托管等服务, 提供一站式电子数据存证与公证方案, 各方建立和运营的证据记录和保存系统的电子存证区块链联盟法链等第三方报告 : 网贷平台须聘请律师事务所出具法律意见书会计师事务所出具审计报告实人认证 : 相关咨询机构可根据金融机构的系统现状提供切实可行的系统业务需求, 帮助金融机构将客户认证无缝嵌入信贷业务流程中, 搭建安全易用的互联网实人认证平台 : 图 19 实人认证平台全流程安全机制通过人脸识别与眼纹识别等生物识别技术, 提供对用户进行实人验证的产品有效地识别用户身份, 防止身份冒用欺诈等风险 32

33 案例分析 Case Studies 3 33

34 案例分析一 : 大数据反欺诈某信用卡公司挑战近年来该信用卡公司在网络端的信用卡申请量在其总体申请占比超过 70%, 这一趋势在互联网消费金融的热潮下只会愈加凸显, 对银行及时识别并处理申请反欺诈提出了新的挑战申请欺诈又可分为中介办卡与个体欺诈两大类, 每一类都有特定的表征与背后的原因在历史数据积累不足缺乏相关反欺诈模型的情况下, 如何快速提升反欺诈能力是该客户面临的巨大挑战解决方案 1. 构建基于外部信用评分反欺诈信息验证以及标记欺诈客户为目标的规则集根据银行提供的百万级存量客户样本, 从外部信用数据中筛选出可用变量, 并按照规则的性质将其划分为中介办卡类和本人欺诈类在制定规则时, 模型团队考虑了决策树与规则集两种方案, 每种方法各有利弊但互为补充决策树性能优先, 表述清晰, 但会由于信息节点的先后顺序排布丢失掉部分信息 ; 另一种选项是根据规则的业务含义整理归集, 这样更具可解释性和指导意义, 其性能可参照决策树结果加以评估 2. 建立以预测首刷逾期客户为目标的申请欺诈评分卡模型首刷逾期表明虽然用户在申卡时声称会履约, 但已经心存恶意, 与长期用卡后才暴露的信用风险客户应区分对待根据银行提供的首刷逾期的黑样本, 结合底层信用及行为变量在百万级客群上建立逻辑回归模型, 有效构建了高区分性能的反欺诈评分卡 34

35 案例分析一 : 大数据反欺诈某信用卡公司 3. 结合使用规则集和反欺诈模型在审批阶段给出决策建议规则集便捷灵敏地给好坏用户达标, 在此基础上, 首刷反欺诈模型进一步将申请欺诈者进行预测两步筛选策略的叠加效应可以将整体反申请欺诈效果提升至最佳状态成果总体自动拒绝策略可降低 30% 的首刷损失和 48% 的欺诈风险图 21 信审策略信用风险角度 : 首刷逾期客户外部信用分明显偏低, 后两类客户差别较小 50% 40% 30% 20% 首刷逾期标记欺诈正常用卡 10% 0% < 欺诈风险角度 : 首刷逾期和标记欺诈客户 IVS 评分明显偏低 [90,100] [80,90) [70,80) [60,70) [50,60) [40,50) [30,40) [20,30) [10,20) 正常用卡标记欺诈首刷逾期 0% 5% 10% 15% 20% 25% 30% 35% 40% 35

36 案例分析二 : 零售内评模型全面优化某大型国有银行挑战近年来随着征信数据的积累和该银行风险控制制度的完善, 信用风险评分卡分池模型申请审批策略预警策略催收策略的优化已刻不容缓解决方案针对数据来源的可扩展性融合内外部风控数据, 设计内外部数据相结合的申请评分卡具备预警及时性的行为评分卡, 提升零售风险管理的精细化水平成果纳入税务数据的申请评分卡以及具备提前半年识别风险的行为评分卡图 22 零售新型模型数据体系合同数据信贷档案核心系统数据仓库个人征信催收系统外部数据信审系统税务数据数据分析汇总数据分析集市信用评分建模 PD LGD EAD 估算建模模型持续监控策略优化市场营销模型开发 36

37 总论 Conclusion 4 37

38 总论 Conclusion 如课题组在金融行业大数据风控的实践表明, 降低欺诈提升审批激活客户助力催收增强合规是每一家金融机构必需增强的五个核心能力在此背景下, 金融机构在自身积累的基础上如何借助外力完成转型升级, 共建完善的大数据风控体系将成为未来竞争的重点 Minimize Fraud Improve Adjudication Activate Dormant Customers Empower Collection Efforts Enhance Compliance 降低欺诈提升审批激活客户助力催收增强合规 38

39 联系我们上海市互联网金融行业协会 Tel: 普华永道合伙人翁涛 Tel: 普华永道经理蒋艳 Tel: 普华永道经理何冰 Tel: 本文仅为提供一般性信息之目的, 不应用于替代专业咨询者提供的咨询意见本刊物中的内容是根据当时可获得的资料于 2016 年 12 月编制而成的 2016 普华永道管理咨询 ( 上海 ) 有限公司版权所有普华永道系指普华永道网络中国成员机构, 有时也指普华永道网络每家成员机构各自独立详情请进入 39

普华永道管理咨询 2017 年金融行业研讨会个人信用报告数字解读及其他增值服务主讲人 : 赵勃

普华永道管理咨询 2017 年金融行业研讨会个人信用报告数字解读及其他增值服务主讲人 : 赵勃 www.pwccn.com 普华永道管理咨询 2017 年金融行业研讨会个人信用报告数字解读及其他增值服务主讲人 : 赵勃目录个人信用报告数字解读简介重要信息提示其他增值服务普华永道管理咨询 2017 年金融行业研讨会 2 个人信用报告数字解读简介普华永道管理咨询 2017 年金融行业研讨会 3 评分类型信用评分非信用评分风险评分非风险评分征信评分申请评分行为评分流失响应收入

普华永道 银行业风险管理 和巴塞尔新资本协议实施

普华永道银行业风险管理和巴塞尔新资本协议实施