揭銀行信用貸款風控術：風險模型成逆襲關鍵金融
幾乎人手一張的信用卡，是一個讓人看似熟悉卻又陌生的領域。
幾乎人手一張的信用卡，是一個讓人看似熟悉卻又陌生的領域。
比如，信用卡已是各家銀行信用貸款增長的主要推動力，對于如何控制資產質量，各家銀行諱莫如深。
21世紀經濟報道記者統計發現，以2016年為例，股份制銀行在信用卡新發卡量上規模化擴張，部分銀行實現發卡量的上升和不良率的下降，同時也有國有大行信用卡不良率仍高企。
這背后是風控模型的改進。
中國信用卡體系自誕生以來就直接與國外同業接軌，也逐漸引入FICO信用評分等風控經驗。
評分模型成信用卡“逆襲”關鍵
“信用卡的通過率和不良率是‘魚和熊掌不可兼得’。”一位風控行業資深人士表示，如果信用卡的通過率上升，不良率通常會增加。
21世紀經濟報道記者根據銀行財報梳理，截至2016年末，12家信用卡發卡機構累計發卡量突破6億張，增幅近20%。但各銀行之間分化情況嚴重。其中，工商銀行累計發卡量突破1億張，達1.25億張，繼續領跑行業。但從新發卡量來看，中型股份制銀行在信用卡業務板塊規模化擴張。
2016年浦發銀行、工商銀行、建設銀行、招商銀行、農業銀行的增長量突破1000萬張，新發卡量最多的為浦發銀行，去年新發卡量高達1602萬張。但是，建設銀行、農業銀行和廣發銀行等新發卡量同比下滑，分別減少10.0%、13.7%和1.2%。
從已披露的不良率數據看，除了平安銀行顯著下跌以外，其他各大銀行的不良率水平基本保持穩定，不良率整體在1%-2%的水平。
對于如何控制信用卡等信用貸款業務資產質量，各家銀行諱莫如深。
從銀行財報看，平安銀行分析了其不良率大幅下降的原因。該行財報稱，信用卡新舊戶指標得到優化，得益于更全面精準的風險評分模型、更科學的風險管理手段以及資產清收效率的全面提升。
21世紀經濟報道記者調查發現，除加大不良資產清收力度，將風險評分等技術手段引入信用貸款風控模型，是一些股份行信用卡業務爆發的核心原因。
平安銀行稱，通過應用評分模型等工具全面優化風險管理策略，加大優質客戶占比，有效改善新戶獲客結構。如，截至2016年末，新戶發卡品質指標“新戶發卡后6個月時逾期30天以上客戶金額占比”繼續下降，2016年平均金額同比下降0.11個百分點，存量客戶風險指標新進不良比例較年初下降0.07個百分點。
另一家股份制商業銀行——浦發銀行也引入信用評分體系。該行于2015年11月上線該信用評分系統。據悉，評分系統包括個人信用記錄、個人財產與收入水平等評分，內部數據來自銀行掌握的個人履約能力、社交活動、行為偏好、銀行關系、信息齊全等;外部數據來自第三方傳統征信、第三方互聯網征信、公安系統和電信數據等。
21世紀經濟報道記者獲悉，國內商業銀行的信用評分系統大多借鑒美國FICO評分系統，該系統根據信用償還歷史(35%)、欠款金額(30%)、信用歷史時長(15%)、信貸產品組合(10%)和新開立信用賬戶(10%)等指標進行評分。
對于信用評分，“不是說評分越高，那么給你的相應的額度就會越高。”該風控人士表示，只能說比較重視。
數據清洗是風控模型的前提
信用評分的背后，則是風控模型。
一位消費金融高管表示，從風險模型來講，銀行發行信用卡需要填寫各種資料，比較繁瑣，審批需要人工、電核，后來演變到線上。“關鍵是我們用什么方式讓這些盡量少得麻煩客戶，盡量準確地擋住欺詐人群。”其中，“要把握一個平衡的問題，風險成本不是說把握得越嚴，風險損失就越小，否則就沒有利潤。”
“我們放貸款的風控中，最大的挑戰是防欺詐，信用風險倒在其次。”一位城商行零售總監表示，信貸業務主要通過線下進行，審批環節會篩掉10%的客戶。最終還會通過模糊搜索模型再次篩選客戶。
前述資深風控人士認為，“從國外經驗看，目前風控仍然是經驗驅動數據，而且數據的技術含量不低于風控模型。”而實際上，目前國內金融機構過度重視風控模型，對于數據質量的重視程度不夠。
在風控模型設計中，“FICO標準流程中，數據清洗就有12個步驟，甚至是風控負責人來做數據整理工作。”他表示，否則模型會存在過擬合問題，將指標放入風控模型結果很好，但在生產過程中不穩定。
對于數據來源，前述高管表示，金融機構不是平臺性企業，其實數據鏈是斷的。有的地方多一點，有的地方少一點，飽和度不太一樣。要得到完整的客戶的風險的畫像，還是要多方的數據來源來拼合。
【來源：網貸之家】
1.TMT觀察網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網的原創文章，請轉載時務必注明文章作者和"來源：TMT觀察網"，不尊重原創的行為TMT觀察網或將追究責任；
3.作者投稿可能會經TMT觀察網編輯修改或補充。
