個人信用報告數字解讀在線上消費領域的應用實踐
來源：《中國徵信》2017年第4期。
作者：招聯消費金融有限公司風險管理部風險計量團隊。
應用背景
隨著互聯網金融業的快速發展，線上多樣化消費金融場景的風控體系對徵信、數據、模型、智能化決策系統的依賴程度也在不斷提升。模型作為風控數據技術的重要應用工具，一方面提高了審批的效率和信貸的自動化決策程度，另一方面起到了客觀性和一致性的風險量尺作用；其應用實踐和應用策略隨著互聯網化的深入，不斷進化出自有的應用特色。
「個人信用報告數字解讀」（以下簡稱數字解讀）是中國人民銀行徵信中心借鑒國際成熟方法和經驗，利用我國金融信息基礎資料庫中的個人信貸數據，開發出來的通用型零售信貸風險量化工具，來預測個人客戶在未來一段時間內發生違約的可能性。徵信中心從2014年開展數字解讀的試用驗證工作以來，招聯消費金融公司作為最早參與驗證測試工作，並開通查詢許可權的消費金融機構之一，在人行徵信中心專業的指導與高效的合作推動下，於2016年初就接入了數字解讀，並在風控業務系統中加以應用。應用環節涉及貸前、貸中、貸後全周期的風控流程。
應用模式
接入應用前，招聯消費金融公司對數字解讀的驗證結果顯示，數字解讀對查得人行報告的招聯消費信貸客戶，評分覆蓋率達到96%以上，並具有良好的風險區分能力和風險排序能力。即使在相對較短的風險暴露期（不足1年）內，申請客戶樣本的評分KS值也可達到48%，存量客戶樣本的評分KS可達56%。
招聯消費金融公司正式接入數字解讀後，應用主要分為兩大方面，一是在借貸風險管理周期中的常規應用；二是消費金融領域的創新應用探索。
全周期信貸管理的綜合應用
招聯消費金融公司作為開展純線上貸款業務的代表性消費金融機構，從成立之初就重視構建自身在風控與金融科技方面的核心競爭力，重視運用多維數據交叉驗證客戶風險。數字解讀作為人行報告的數字化解讀工具，在整個風險管理周期中，客觀反饋了客戶還款意願和還款能力的變化趨勢，為貸前准入、貸中管理、貸後催收的應用策略提供了更多樣化的風控手段。
信貸審批-組合應用
2010年6月人行徵信中心提供徵信系統查詢服務以來，人行報告作為報送口徑統一、維護體系完善的強徵信類數據，一直在各家金融機構風控數據應用中佔據核心地位。對人行報告信息的應用，各金融機構主要依據自身風險容忍度和徵信報告中客戶歷史還款行為進行定性判斷：通過業務規則將客戶人行報告定性為良好、不良、中性和無效多個類別，進而採用不同的審核策略。一般情況下，人行良好核准，不良拒絕，中性客戶選擇性核准，無效客戶則補充申請資料。
因各家機構存在風險容忍度和業務的差異性，故人行報告的定性解讀也存在「千人千面」的標準，難以跨機構進行橫向比對。客戶被一家機構定義為人行良好，有可能被另一家機構定義為不良或中性。而數字解讀是採用人行徵信系統中跨地區、跨機構、跨產品、跨時段數據開發出來的個人信用風險量化服務工具，以全面視角反映借款人的整體風險狀況。近兩年作為人行報告中新增的一種標準化、精細化的風險管控工具，數字解讀在應用上既可作為人行准入規則鬆緊度的檢驗，也可作為差異化准入的依據。
2014年底數字解讀逐步推出服務時，正是招聯互聯網消費金融業務快速發展時期，新客戶、新業務、新風控體系的發展，需要穩健的風險工具的支持。引入數字解讀後，招聯消費金融公司在貸前審批的應用策略和應用流程上，更多體現的是鬆緊結合的理念，組合以下三種應用模式：
硬標準：規則+數字解讀識別出的極高風險客戶，直接拒絕，規避風險；
互聯網借貸場景和產品的差異化管控：依據線上消費借貸場景和客群特點，數字解讀作為標尺，設置不同的分數線准入策略，差異化管理准入
通路。
中高風險客群的經營：對客群規模最大的中高風險客群，採用多維模型組合應用的方式，為單一維度下風險高估的中低收入客戶，提供更多樣化的准入途徑，為下沉客群提供審慎的風險解決方案。
貸中管理-風險圖譜
人行徵信中心提供數字解讀的批量離線查詢服務，可按月獲取存量客戶數字解讀的更新值，為存量客戶風險趨勢變化的監控提供了一個便捷的管理工具。數字解讀作為客戶在跨金融機構中整體風險變化的衡量工具，更偏重於宏觀及外部風險的傳導與解讀；與招聯自有行為評分結合使用，可以充分發揮內外部風險工具的組合效應，構建招聯客戶的信用風險圖譜，實施差異化風險經營。
數字解讀在招聯消費金融公司的貸中管理中，主要應用於調額管理、風險預警、高風險管控、風險定價四個方面。
根據客戶在信用風險圖譜的不同位置，招聯採用不同的風險管控手段進行個性化經營：
對內外部評分共同識別出來的高風險客戶（紅色部分），採用凍結額度、異常客戶管控等手段，加快風險資產的回收。
對內外部評分的高低錯配客戶（桔色部分），提早進行客群跟蹤監控，排查可能的風險隱患。對人行數字解讀或內部評分存在下降趨勢的客戶，在風控手段上採用逐步降額、權益降級、線上風險事件管控等模式，建立快速風險響應機制。
對中等風險客戶（米色部分），作為動態調額客戶池，依據宏觀經濟環境變化和公司的業務經營發展需要，擴大或縮減可調額客群規模，為更多線上線下消費場景中的中低收入客戶，提供更優惠的借貸資金服務。
對中低風險客戶（綠色部分），通過配置不同的調額參數和差異化的風險定價策略，為優質客戶提供有市場吸引力的優惠服務；穩定高價值客戶的構成佔比，提升市場競爭力。
對招聯無風險表現的不活躍客戶，可依據數字解讀進行有針對性有重點的拉新、促活、留存活動，避免優質借貸資源和服務在高風險客群上的錯配。
貸後催收-特殊管控
數字解讀在貸後催收的應用處於探索階段，主要嘗試從評分分布的兩端設計相應的催收策略，以提高回款的效率和節省催收人力的佔用：一是對貸中高風險管控的客戶，採用提早人工介入和委外催收等方式，提高逾期客戶的回款率；二是對內部催收評分和數字解讀共同識別的低風險客戶，採用互聯網化自動化程度高的催收手段，在保證催收效能的基礎上，減少對催收人工的消耗。
應用模式的創新拓展
招聯消費金融公司在對數字解讀開展常規應用的同時，也在積極嘗試新的應用領域和應用方式。
客戶經營
當前階段，互聯網消費借貸在消費場景的豐富性、借貸頻次上比信用卡產品偏弱，客戶的借貸需求多以臨時資金需求為主，如何在滿足客戶資金需求的基礎上，做好優質客戶的關係維護，培養客戶的忠誠度？招聯消費金融公司根據客戶申請貸款的活躍程度進行分群經營，基於數字解讀值和客戶的貸款行為，通過專家策略、決策樹、邏輯回歸評分模型相結合的方式，構建客戶流失預測體系，提前採取差異化挽留策略，提高客戶黏性、提升價值用戶的活躍程度。
數字解讀作為重要變數加入流失預測模型，不僅可以彌補一部分貸款不活躍客戶的預測效果，也反映了客戶挽留和維護的難易程度。客戶的數字解讀值越高，說明客戶在人行報告中的良好借貸歷史越長、借貸交易產品越豐富，這也是各家金融機構重點競爭的低風險高活躍優質客源。客戶關係維度及營銷成本越高，在客戶經營方面，需要有針對性的設計挽留策略，激活客戶的響
應度。
集成模型的探索
數字解讀是基於人行徵信系統2010年左右的樣本構建的，當時人行報告中的貸款類產品以車貸、房貸和少量的經營貸等為主。2014年以後，消費金融公司和小貸公司經歷爆髮式增長後，消費金融貸款、其他類貸款的客戶量及貸款筆數在徵信系統的佔比也出現明顯上升，但這部分新增類貸款無法在評分中體現相應的風險規律。故招聯在數字解讀接入業務應用的過程中，發現評分的排序性出現了不同於銀行的規律趨勢。高風險客戶主要集中於低分段，高分段與中低分段客戶在風險上的差異並不顯著，這可能與數字解讀建模期信用消費類貸款風險樣本不足相關。
通過對數字解讀的持續應用與監控，招聯嘗試採用集成模型的方式，將內外部徵信數據與數字解讀組合分層建模，生成綜合評分。集成模型解決模型應用過程中的兩個痛點問題，一是通過集成方式，解決由於單一模型數據來源割裂，申請客戶覆蓋率不足的問題；二是內外部數據與評分結合，最大化利用數字解讀在低分段的風險預警能力，又解決中高分段評分排序力不足的問題。綜合評分既提升了整體客戶的評分區分度，又減少不同模型相互疊加後的干擾，形成一個簡潔有效的模型管理架構，易於動態調節核准率與風險管控的平衡。
大數據背景下未來展望
目前人行徵信數據仍以銀行信貸信息為核心。雖然近年來接入的農村信用社、消費金融、小額貸款等中小型金融機構也在不斷增加，但是隨著互聯網金融和網上各類助貸機構的快速發展和行業競爭的加劇，2016年我國網貸平台數量就達到5000多家，未能納入徵信體系的非銀行借貸信息佔比較大。
在新形勢下，對信用基礎建設升級和擴建的需求越來越急迫，不僅體現在新興非銀機構借貸信息的納入上，還體現在社會客群的覆蓋面上。當前徵信數據主要覆蓋的是城市化程度相對較高的社會客群，而未覆蓋客群的借貸需求，往往成為黑中介黑產、多頭借貸、惡意欺詐等不良群體包裝利用和攻擊的重點方向，其逆向選擇帶來的後果，為消費金融機構給更多下沉客戶提供低成本融資服務設置了艱難的障礙。
隨著金融普惠理念的深入實踐，大數據和科技金融的升級，希望未來會有更多樣化的數據形式納入人行徵信系統，如互金借貸平台、網上支付等。隨著人行徵信體系覆蓋範圍的擴大和覆蓋內容的豐富，可有效解決信息不對稱帶來的逆向選擇問題。而數字解讀作為人行徵信大數據的風險評估工具，具有跨地區、跨機構、跨產品的先天優勢，不僅在系統借貸風險指數的宏觀預警方面，還是在細分借貸市場的個性化徵信模型方面，都有廣闊的創新空間。徵信評分的普及深入應用，也會為未來消費金融行業的健康發展，提供了更多大數據技術解決手段和風控方案。
TAG:中國徵信雜誌 |