銀行運用大數據風控技術開展信貸自動化審批的行與思
充分利用金融科技創新成果豐富監管工具和手段，確保各類線上創新業務「看得見」「看得懂」「看得住」，提升對金融風險甄別、防控和化解的能力
當前，大數據、雲計算、人工智慧等新技術正對金融領域產生廣泛而深刻的影響，重慶轄內部分機構抓住金融科技發展帶來的新機遇，積極應對互聯網金融企業的新挑戰，在信貸領域運用大數據風控技術，推動自動化審批。
運用大數據風控開展自動化審批的探索
個人消費金融領域。利用大數據風控技術，通過整合第三方數據和央行徵信數據，形成客戶身份信息、消費信息、社交信息、行為信息等信息資料庫，藉助機器學習演算法構建身份驗證、防欺詐、還款能力、還款意願等大數據風控模型，實現貸款全流程自動化審批。轄內多個持牌金融機構在大數據自動化審批方面進行了有效探索，與外部數據實現對接並開展業務審批建模應用；轄內民營銀行、部分城商行等也正在搭建互聯網業務平台，探索自動化審批的消費金融業務。
小微企業貸款領域。轄內多家銀行業金融機構利用「銀稅互動」，以小微企業稅務數據為基礎，綜合市場監管部門、司法部門、專利部門和央行徵信等各類數據，藉助機器學習演算法構建自動化審批的大數據風控模型。例如，重慶銀行「好企貸」產品開展的全流程自動化審批，截至2017年年底已累計放款3621筆、總金額16.78億元，不良率0.94%。
聯合貸款領域。建立風險分擔機制，實施聯合放貸。一方面，轄內多家法人銀行與有大數據風控技術的微眾銀行、平安普惠等線上放貸機構開展合作，通過接收合作方信息完成放款環節的自動化審批。例如，重慶銀行2016年7月開辦聯合貸款業務，截至2017年年底已累計發放貸款金額近600億元。另一方面，轄內具有大數據風控技術和大量客戶群的消費金融公司也正與資金充沛的銀行業金融機構開展合作，通過自動化審批實現聯合放貸。
運用大數據風控開展自動化審批的特點
服務長尾客戶，踐行普惠金融。2016年G20峰會正式提出數字普惠金融的概念，並發布了《G20數字普惠金融高級原則》，其中利用大數據技術發展普惠金融成為廣泛、有益、可行的方案。運用大數據風控技術開展自動化審批，更多服務於沒有被傳統徵信體系覆蓋，或者缺少抵押擔保增信的長尾客戶群。例如，轄內消費金融公司馬上消費金融公司的客戶約60%未持有信用卡、31%無任何信貸記錄，平均貸款額度在3000～4000元；重慶銀行「好企貸」小微企業客戶全部採用信用放款模式，平均貸款額度約45萬元。這些客戶群體在傳統的信貸盡職調查與審批方式下，存在辦貸時間長、手續繁、成本高的難題，難以獲得信貸金融服務，而依託大數據風控開展貸款自動化審批則是更優的選擇。
依賴外部數據，數據來源多維。傳統的信貸審批模式下，央行徵信數據一直是最為關鍵的數據來源，但是也長期存在著無法獲取並使用數量龐大的無貸戶信息的問題。基於大數據的消費金融公司除了依靠傳統的央行徵信數據外，更廣泛藉助公積金、社保等公共信息以及銀聯、移動運營商、融360、芝麻信用、前海徵信等第三方商業數據，從眾多的數據項中抽取多達6萬餘個變數。銀行業金融機構則以稅務部門近三年的指標為基礎，並綜合工商、司法、專利以及宏觀經濟等大量外部數據。這些數據在類型上除了傳統的結構化數據，也包括非結構化數據。在獲取方式上除了免費數據源，更多地要按查詢量進行商業付費。
模型數量更多，審批效率極高。相對於傳統信用評分技術利用一個預測分析模型作出風險量化評估，運用大數據風控技術構建基於人工智慧機器學習的分析模型可貫穿到自動化審批的全過程，模型數量大幅增加。例如，馬上消費金融公司僅反欺詐領域就包括身份異常、套現、地址評分、線上高危、惡意操作等20個分析模型，對借款人可信關係、可信位置、可信設備和可信行為作出判斷，還有全流程信用風控模型25個。在模型演算法方面，除了傳統的邏輯回歸，更多地引入決策樹分析、神經網路、隨機森林等。同時，自動化審批還極大地縮短了審批時間，提供了更好的客戶體驗。
規制配置靈活，應用快速迭代。利用大數據技術的自動化審批，可通過靈活配置規則和參數等，針對不同應用場景和細分客戶群，迅速構建差異化的風控策略和流程，克服傳統風控系統審批路徑固定單一、無法配合審批策略快速調整、無法滿足大數據應用快速迭代等問題。此外，差異化的風控策略和流程還能夠有效降低審批成本。在眾多數據源中，消費金融公司可優先調用免費、低成本的數據源，根據結果決定是否繼續使用成本更高的數據源，這樣既能保障風控的效果，又能有效節約成本。
開展自動化審批面臨的挑戰
外部數據可得性和充分性的挑戰。隨著國家對公民個人信息和企業商業秘密保護的加強，是否能夠持續、合規獲取外部數據，數據敏感性的邊界劃分，可獲取外部數據的粒度大小，被用戶遺忘數據是否可被加工、利用和提供等，都會對大數據挖掘和建模形成制約。例如，移動運營商對外提供的「手機號碼與身份證號是否一致」「手機號在網時長」等2個標籤化數據，在網路安全法正式實施前就曾一度被關停，現在雖繼續開放，但未來依然存在被關停的可能。
海量數據處理能力及安全性的挑戰。出於對高並發請求、模型運行效率、系統穩定性和業務連續性的需要，利用大數據開展自動化審批對後台支撐的要求高，發力線上業務的機構大多將系統架構由集中式轉向分散式，並招聘包括大數據專家在內的大量科技人員，存在信息系統改造和項目失敗的風險。海量數據的採集、存儲、加工也面臨著信息防泄露的壓力。
市場充分競爭帶來的挑戰。當前，次級貸款市場客戶雖然數量龐大，但大數據風控對反欺詐技術要求極高，轄內機構目前還具有拒貸率高、貸款利率高的風控特點，隨著市場參與者的增多，相對於互聯網企業依託自身平台和生態圈開展主動授信，未來對持牌機構被動授信的風控能力要求更高，利率水平逐步下降也會對機構生存帶來考驗。在聯合貸款方面，作為資金提供端，如果與非持牌機構合作，外部風險極易向正規金融體系傳導。
全新業務流程對監管的挑戰。自動化審批流程突破了監管關於貸前調查、貸中審查和貸後檢查的相關規定。例如，小微企業貸前調查無法對借款人進行實地考察並出具書面調查報告，消費貸款分期場景的飽和可能會導致放鬆貸款用途管制。運用大數據風控開展自動化審批，涉及數據風險、模型風險、演算法風險以及信息安全等多個方面，如何進行業務穿透和模型評估，都對監管人員的知識結構提出了挑戰。
運用大數據風控開展自動化審批的建議
加強消費者自身數據權益的保護。在大數據技術應用的背景下，個人數據被廣泛地收集和使用，加強對這些數據的保護就顯得尤為重要。當前，我國對數據保護的相關法律規定存在不統一、操作性不強的問題，銀行業金融機構對市場數據運用部分處於灰色地帶，一定程度上制約了數據的合法收集和運用，建議相關部門儘快制訂出台《信息保護法》，更好地明確個人信息與個人隱私、商業信息與商業秘密的邊界。
加強線上業務監管規制建設。對大數據徵信機構和銀行業金融機構利用大數據風控技術進行對比研究，梳理行業標準和有益實踐，對數據採集留痕、數據存儲處理追溯、模型構建的評估、大數據風控的信息披露以及聯合貸款合作機構准入機制與風控措施等開展深入研究，充分研判存在的風險，作出明確的監管規定。
推動監管科技發展。積極培養複合型監管人才，在日常監管中配備大數據專家，充分利用金融科技創新成果豐富監管工具和手段，確保各類線上創新業務「看得見」「看得懂」「看得住」，提升對金融風險甄別、防控和化解的能力。加快建設金融行業「私有雲」，打造共享共用的金融科技基礎設施。2017年，原銀監會牽頭包括工商銀行、農業銀行在內的16家銀行設立互聯網金融雲服務平台公司，也正是致力於建設金融行業雲的基礎設施。
強化機構自治與行業自律。在大數據應用高速發展的背景下，亟需強化機構自治與行業自律。一方面，要督促應用大數據技術的機構以職責清晰、權責分明為目標，強化機構治理與內控機制建設，採用先進的網路信息安全技術，加強對大數據的保護，防止數據外泄，注重保護數據主體的合法權益；另一方面，要推動建立大數據應用行業協會，完善行業自律機制，規範機構市場行為，建立行業通行標準，鼓勵機構相互監督，保護行業合法權益，同時，也能為監管部門的立法提供重要的參考。（作者：重慶銀監局副局長邱曉玲，來源：《中國農村金融》2018年第9期 ）
美編：王璽
TAG:中國農村金融雜誌社 |