银行风险转型下的智慧型个人贷款风险预警探究

钟辉 吴树德 臧国华 李慧

[摘 要]文章针对商业银行个人贷款的人工识别、事后管控的传统风险管理模式严重影响风险防控效果的问题，提出立足大数据分析、建立智慧型风险预警机制的解决问题思路。详细阐明建立风险预警机制的具体方法，即建立涵盖“假个贷”、集中违约风险、贷款用途虚假、客户潜在信用风险等的全面预警机制，并通过建立实时、智能、全流程自动化预警系统使预警产生实效。同时，文章对商业银行未来个人贷款风险预警趋势进行判断与展望。

[关键词]商业银行；风险预警；业务转型

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

1 国内银行业个人贷款风险管理普遍存在且亟待解决的问题

近年来，国内银行业个人贷款业务迅猛发展，个人贷款规模和客户数量快速扩大，与此同时，“假个贷”、贷款用途违规等关键风险问题持续暴露。面对不断增长的业务量和始终存在的风险顽疾，国内银行业普遍仅依靠有限的贷后管理人员，由人工在海量贷款中盲目抽查、人工盲目寻找风险点的传统风险管理模式。持续提升的风险控制要求与有限的贷后人力资源、手段的矛盾不断加深，严重影响风险防控效果，导致银行往往在重大风险彻底暴露后才能发现，早已错失风险化解良机，因此银行业风险管理模式迫切需要转型。

2 解决问题的思路——转变个人贷款风险管理模式，建立智慧型风险预警机制

大数据技术的广泛发展，为银行业转变风险管理模式提供良好契机，银行业应充分依托大数据分析成果，加强系统科技支持，建立自动化的智慧型风险预警体系。

具体来说，银行业解决问题的思路应是，在加强科技支持方面下功夫，利用系统提供精准、有效的手段防控风险。将提升“机防机控”水平作为提升个贷风险监测预警能力、加强个贷业务基础管理、节约贷后人力资源的重要手段。即，将个贷业务多年积累的风险管理经验纳入系统工具，运用大数据分析方法，系统筛选并提供风险数据，解决人工无法解决的问题。

3 建立智慧型个人贷款风险预警的具体方法

3.1 建立个人贷款风险全覆盖的预警机制

3.1.1 针对“假个贷”等骗贷套贷问题建立自动预警机制

采用大数据分析技术，对房地产商、汽车经销商、中介机构等利用虚假交易套取银行贷款的贷款真实性问题及时触发预警。监测预警方法主要是，以首付款缴纳、按揭还款、贷款资金转出等交易的相关账户交易流水为分析重点，以贷款发放机构、合作楼盘、合作机构等合作方信息，贷款金额、贷款发放时间等贷款基本信息，贷款客户逾期记录等征信信息，以及客户收入、职业、联系方式等客户基本信息为辅助信息，通过对上述所有数据综合分析，筛选出首付款集中缴纳、按揭款集中或连续支付、他人代还按揭款、合作项目履约保证金代偿、相同客户群体集中购房、贷款资金被集中归集使用、大量贷款或客户信息雷同等具有“假个贷”特征的疑点。对系统自动识别发现的疑点在第一时间进行人工确认，及时对问题房地产商、汽车经销商、中介机构以及问题贷款借款人进行准入限制，并及时开展问题项目和贷款清收等风险缓释措施。

3.1.2 针对个人贷款群发性集中违约风险隐患建立自动预警机制

采用大数据分析，对房地产商等个人贷款合作机构本身出现风险所导致的个人贷款集中违约风险隐患自动触发预警。第一种方法是，建立基于銀行内部信息的个人贷款合作机构黑名单库，大数据分析抓取出现个人贷款集中拖欠风险或出现虚假套贷问题的合作机构，以及出现管理风险、财务风险、履约风险及对公贷款形成实质性违约的合作机构，及时自动纳入个贷黑名单库中。第二种方法是，建立个人贷款合作方的银行外部风险信息监测库，动态抓取社交媒体、网络新闻、环保、工商、税务、海关等外部信息，通过文本分析及内部挖掘技术，对涉及个人贷款合作方的关键词和负面新闻进行识别，将识别后的信息转换成标准分类，建立黑名单信息索引库。银行应充分利用个贷合作机构黑名单库，将黑名单信息及时预警传导至在贷前环节，及时终止与合作机构的合作关系；同时，对合作机构所有已发放个人贷款进行风险预警并及早启动风险化解措施，防止风险在合作机构的合作项目间进一步扩大。第三种方法是，充分利用个人贷款合作方的房地产开发贷款等对公信贷信息，充分利用个人贷款合作方的关联自然人的个人征信信息，分析发现个贷合作方信用风险苗头，对个贷合作方所开发所有楼盘项目的存量个贷风险进行及时关注。

3.1.3 针对个人消费贷款用途虚假或违规问题建立预警机制

对于个人消费贷款用途虚假或违规问题监测预警的主要方法是，以贷款借款人及贷款关联人所有相关账户在贷款发放后的海量交易流水为分析的重中之重，通过大数据分析方法，持续跟踪贷款资金流向，筛选出贷款资金改变约定用途的可疑资金交易。可疑交易可包括，借款人本人挪用贷款资金的交易，使用贷款资金购买理财产品、基金进行投资的交易，将贷款资金最终小贷公司、典当行等限制性机构的交易，贷款资金用来以贷还贷的交易等。只有跟踪贷款资金从第一手到最后一手交易流转的完整交易链条，才能从贷款资金流转清晰的链条中，发现确认贷款资金用途问题，及时开展清收处置。

3.1.4 针对个人贷款客户经理违规操作问题建立自动预警机制

针对个人贷款客户经理串通客户违规套取银行贷款，客户经理违规挪用客户贷款、虚假伪造贷款资料骗取银行贷款、违规放宽贷款准入条件等客户经理违规问题自动触发预警。主要方法是，一方面，抓取银行内部信息以及公安、工商、税务、征信等海量外部信息，重点抓取贷款客户经理和客户的身份信息、联系方式信息、相互交易信息，大数据分析发现客户经理和客户、客户经理和贷款关联关系的蛛丝马迹；另一方面，获取贷款办理地点、贷款办理流程等贷款操作方面信息，发现客户经理异常操作情况。结合两方面分析，识别发现客户经理违规问题。

3.1.5 针对个人贷款客户自身潜在信用风险建立自动预警机制

银行应多角度预警客户自身潜在信用风险的影响因素。一是，银行可以引入先进建模技术预测客户信用风险发生概率。银行可以根据内、外部客户征信等大量数据，提炼出个人贷款借款人信用表现的普遍性规律。并运用关联规则挖掘、遗传算法、神经网络、预测模型等可用于大数据分析的先进建模技术，准确地预测个人贷款借款人出现违约等风险状况的概率。最终，建立起涵盖代表各个信息维度的多个预测变量、准确预测规则以及由计算机系统自动实施的风险预测模型。银行可根据模型结果，及时预警长期履约不正常或近期还款行为出现异动的客户，进行重点关注。二是，银行可以根据大数据分析，进行风险传染（关联风险）预警。分析发现银行各类风险敞口向个人贷款领域的风险传播规律，及早发现影响个人贷款客户偿债能力的问题，及时止损。如可以根据小微企业主企业贷款风险情况，分析企业法人代表或实际控制人等的个人贷款风险状况变化，及时调整个人贷款风险敞口，减少风险向个贷领域传导。三是，银行可以挖掘个人贷款借款人的内外部风险信息，提示借款人信用风险问题。充分利用司法、工商、税务、生活缴费等广泛社会信息，挖掘预警出现牵涉司法诉讼、出现经济纠纷、欠费欠税等具有特殊风险的客户。

3.2 建立实时、智能、全流程自动化的预警系统

3.2.1 建立实时的监控系统

传统的风险监控系统往往数据时效性不强、信息共享不及时等，对风险识别和控制表现出一定滞后性。银行客户经理日常贷后管理中无暇收集大量的内外部相关数据，从个人贷款或借款人信息变动到被获取并录入业务系统要经过一段时间，此时个人贷款风险情况等可能已发生实质性变化。同时银行内部系统较多，且分属不同部门管理，不同系统间数据的交互和共享不够，影响数据及时使用。因此，一是，银行不仅要通过多种技术手段提高数据收集效率，缩短数据从接入、加工到可使用的时间，并且数据要进一步融入业务流程和决策过程中。二是，银行应在数据及时更新的基础上，提高监控灵敏度，不再局限于传统的固定频率的报表式监控，根据不同管理目的设定差异化监控频率，个人贷款业务一经发生即纳入监控范围，通过科技手段全天候扫描贷款业务流程各环节状况及风险特征，以达到实时监控的目的。三是，银行应将全面的风险预警规则全部纳入预警系统中，在系统中合理设置风险预警阈值，一旦触发预先设置的规则，系统自动实施批量预警。确保能在第一时间发现潜在风险，第一时间发挥监控价值。

3.2.2 建立全流程自动化的预警系统

第一，银行业应开发覆盖风险预警数据全部处理流程的信息系统，信息系统应支持生成数据，数据风险分级、数据任务分派、数据任务核查、风险确认等各个业务流程环节。并通过在系统中设置规则，由系统实现所有环节的自动化处理，即实现预警数据自动生成、预警数据高中低风险分级自动划分，数据任务向机构和客户经理自动分派、任务完成后风险认定结论自动生成等。第二，更重要的是，由系统将风险预警信息第一时间融入个人贷款业务流程和决策中。应由系统将生成或确认的预警信息传导至个人贷款放款之前的所有业务流程中，使得银行客户经理在贷款调查时、贷款发放前得以及时获知风险，避免不必要的损失。

3.2.3 实现预警模型自我优化

采取“模型筛查+专家判断”的形式，结合模型效率优势和专家经验，提高风险识别效果。实施预警模型全生命周期管理，不断对模型进行调试和优化，提高预警模型准度和精度。

4 趋势判断与展望

4.1 内外部海量信息数据全面应用，实现更全面的风险监控預警

当前各类数据爆炸式增长，在银行内部，银行涉及存款、贷款、汇款、理财等方方面面业务，不仅存在海量金融交易数据以及衍生的消费习惯、投资偏好、日常生活规律等消费信息，还存在着银行客户接触中产生的邮件、图像等非直接交易的数据等；在银行外部，不仅有互联网络、移动终端、运营商等各种渠道不断提供着交易、社交、投资、违法、欺诈等海量的宝贵数据资源，而且有房地产开发商、房产中介公司、房产交易平台等也不断提供各类个人贷款相关的房地产交易信息。

因此，银行要进一步深入应用各种渠道的客户数据，进一步丰富个人贷款风险预警模型内容。将银行风险预警数据分析对象由静态信息向交互信息扩展，由交互信息向非交互信息扩展，由银行内部信息向全面外部信息扩展，然后通过各种新技术精准分析风险发展的规律，更全面地识别和预警风险。如当前分析最多的客户账务信息、客户特征信息等静态信息大多是滞后的，未来可进一步对交互信息进行分析，包括对手机短信、通话记录、银行贷后催收交互信息等客户行为数据等交互信息进行分析，对手机是否安装博彩类、期货类、现货类、原油黄金买卖类App等投资行为数据进行分析，对借款人通迅录情况等社交关系数据等进行分析；以及可未来对更高层次的邮件、语音等信息非直接交易的数据进行处理分析，以便第一时间了解客户具体想法和行为，反映客户的风险苗头。通过静态、交互、内外部信息的全面分析，构建客户全面行为档案，对客户历史交易信息进行特征的分析与归纳，通过比对当前交易信息和历史行为信息，找出正常和异常的信息，实现实时预警功能。

4.2 应用人工智能技术实现风险问题的自动最终确认，进一步解放人力资源

对于个人贷款风险预警提示的风险疑点，当前仍需要依靠专家人工判断，需由人工对相关疑点贷款做进一步检查才能最终确认存在问题，确认风险问题的工作仍需要耗费大量人力资源。未来可应用人工智能技术，直接自动完成风险疑点的最终判断，完全摆脱对专家人工判断的依赖，进一步解放人力资源。首先，针对各类预警模型分别建立辅助模型，总结专家人工检查确认问题时所使用的具体方法和具体内容，将相关经验纳入系统，由系统按照检查步骤自动抓取信息，自动确认是否存在问题。其次，通过对风险预警所提示疑点贷款风险和客户行为的后续表现进行跟踪分析，并通过对不同类型的风险预警疑点进行交叉分析，明确贷款风险变化趋势并最终确认问题。

参考文献：

[1]黄昶君，王林.大数据助推银行零售业务量化经营[J].经营管理，2014（1）：66-69.

[2]张翎.创新农户贷款信用风险预警监控体系研究[J].农村金融研究，2017（4）：65-68.