传统银行如何搭建线上信贷业务的全流程风控

魏婷婷

摘要：文章从传统银行线上信贷业务发展和面临的问题出发，结合互联网企业风险管理经验，提出了搭建线上业务贷前、贷中、贷后的全流程风控体系，以及搭建风控体系的步骤。改善“重贷前轻贷中贷后”的思想，提升客户全生命周期风险管控水平，降低风险成本，提高资产质量，助力业务高速持续发展。

关键词：线上信贷业务;风险管理;全流程风控

中国银行业监督管理委员会制定发布的《商业银行互联网贷款管理暂行办法》明确提出，以模型监控为主，人工干预为辅，加强网贷业务贷后管理。因此，要高度重视网贷业务的风险管控，积极探索建立具有网贷业务特色的贷后管理机制，严格规范贷后管理，确保网贷业务健康可持续发展。

一、银行线上信贷业务的发展与面临的挑战

《商业银行互联网贷款管理暂行办法》中对互联网贷款有明确的定义，在实际信贷业务中又俗称为线上贷款。线上贷款，最早是从网络小贷、消费金融等金融机构，借助信息科技发展无人工干预或少人工干预的线上贷款。此类业务随着2017年监管压力的不断加强，很多没有放贷资质的流量平台转为银行等传统信贷机构输送流量。而传统银行业在自我探索线上互联网贷款业务的同时，也开始与外部机构合作开展引流、联合等模式的线上业务。在线上贷款业务蓬勃发展中，传统银行面临的挑战有：

①信贷市场竞争激烈。银行、消金及其他金融机构不断发展，使得信贷产品日益丰富，消费者对信贷产品要求也更高。

②面对日趋规范化监管以及应用新技术的压力。近年来，监管体系不断完善，银行线上业务面临着监管水平不断提升的压力。新技术与应用场景不断出现，银行要建立对应的技术应用需要时间、数据、系统方面的准备，风控策略和模型能否快速部署落地以及迭代，現在仍然是多数银行发展线上信贷风控的难点。

③全流程体系化的风控将成为银行信贷业务长期发展的核心竞争力。银行从相对单一的风险点管理到全信贷生命周期的管理，从控制风险到风险结合收益目标，全流程体系化的风控将成为银行信贷业务长期发展的核心竞争力。

在银行面临的众多问题中，线上全流程风控的搭建尤其重要。本文主要就线上贷款的全流程风控如何搭建问题进行阐述，帮助传统银行建立和提升线上业务的风控能力，包括贷前、贷中、贷后流程的搭建和一般步骤。

二、贷前风控流程的搭建

在信贷领域中，贷前风控是借款人的准入环节，直接影响产品的通过率，主要拦截客户欺诈风险、信用风险以及额度定价策略。

在欺诈风险中主要是通过个人三要素核验和生物识别技术来确定借款人是否是本人、贷款意图是否真实、贷款人的资质是否满足产品的准入、贷款用途是否合规等。在欺诈风险中还要重点关注信息造假、团伙攻击等严重欺诈风险，一般该类信息具有隐蔽性，需要更加精细的模型进行识别拦截，例如知识图谱、无监督算

法等。

在信用风险中主要看客户的还款意愿、还款能力，一般会通过银行征信数据、行内流水信息等客户历史信贷行为表现来开具一张或者多张信用评分。并对评分按照不同风险等级进行划分，对于不同风险等级的客户制定差异化的额度和利率定价策略。

在授信策略的制定中，除了考虑客户风险以外，还会考虑客户收入水平、还款能力、行业、地域等多方面因素。

在整个授信过程中，银行征信数字解读评分有着非常重要的地位。既可以作为一条准入规则，例如数字解读评分小于800分的要果断拒绝;也可以作为信用评分模型开发时的入模变量之一;还可以结合信用评分来制定授信策略，对于评分越高，风险越低的客户给予更高额度。

三、贷中风控流程的搭建

一般信贷领域对于已经放款的但未逾期的客户，或者早期逾期客户，进行精细化的管理。这类客户一般可以从风险和交叉营销两个角度出发，为银行带来更大价值的收益。从风险角度出发，银行最关注的就是已放款的客户能否正常还款和贷款流向是否合规，提前发现风险。从营销角度，银行更加关注如何增加高价值客户和提升客户黏性，挖掘潜在收益，提高品牌竞争力。

可以通过客户授权信息、还款表现、逾期信息、交易信息、消费信息、贷后征信数据、外部数据等多维度的最新数据进行加工，开发出有效的贷中预警规则集和行为评分卡，对客户行为形成有效的评估和分层。不同分层的客群有不同的应用策略，例如提额、降额、冻结关闭授信额度、早期催收预警、流失预警、交叉销售等。

在整体的贷中管理中，需要对应用策略的效果进行监控，并对结果进行存储，在下一次调整优化贷中预警规则和评分卡的时候加入最新的数据，从而完成整体贷中管理的循环迭代。

四、贷后风控流程的搭建

贷后风控流程一般是客户发生逾期后到这笔业务结清的过程，包括客户逾期后主动还款和银行催收回款的工作。贷后的风控流程具体可以概括为客群监测、锁定催收目标客户、匹配催收方法、制定催收策略、再循环客群监测。在客群监测中主要监测客户的逾期率、首逾比率、30+/60+/90+/180+不良率、迁移率、入催率、回款率等指标。按照逾期程度、产品客群、归属地域（分支机构），细分客户，确定需要进行催收的客户。将客户在银行内外的数据，如客户还款行为、催收行为、最新的多头风险等进行汇总，结合客户细分，开发制定催收评分卡和催收策略。一般情况下，催收策略会根据客户回款难易程度、逾期金额、逾期阶段制定多套催收评分卡和策略。主要的目的是提前发现逾期风险，提高催收效率，减少坏账损失。

催收的方法通常会有短信提醒、电话催收、外访实地催收、法律诉讼以及委外催收等。短信提醒适用于刚刚逾期0～3天客户和催收阶段关键节点警示作用。电话催收可以贯穿在整个催收过程，电话催收又分机器人语音电话和人工客户电话。外访催收是客户经理和专职贷后人员实地上门催收，对于多次催收无果的可以启动法律诉讼程序。由于银行人员有限，多数资产处置部门会选择与外部专业的催收公司合作。

近年来，由于部分催收公司野蛮发展，所以银行在选择委外催收的时候，不仅要考虑回款率还要加强对委外公司的管理，防范由催收公司操作不规范带来的声誉风险。

五、风控流程搭建的一般步骤

银行在搭建线上信贷业务三大风控体系的时候，都需要数据的积累，才可以开发策略和模型，并应用和监控迭代。从策略和模型开发与应用的角度出发，需要十个步骤，周而复始循环运作才得以支撑全流程风控体系的构建。

①了解业务。无论是贷前还是贷中贷后，都要充分的了解业务，例如最基本客群特征、贷款的期限利率、还款方式、额度上下限等产品要素。对业务的充分了解，有助于风险的识别、拦截。

②提取有效数据。银行可以在获得客户授权时，查询和保存内外部数据，例如客户申请数据、行内流水数据、人行征信数据、公积金数据、税务数据、发票数据等等。考虑不同业务和客群特征差异，需要在构建风控体系时，在数据可获得且稳定的基础上，提取有效数据。

③构建指标。在提取的有效数据基础上，加工和衍生变量，例如基于IP地址、手机设备等客户信息，可以衍生出该客户是否经常异常登錄、切换设备、IP地址是否同时关联多个历史申请人等等。衍生变量的方法有两种，分别是基于业务经验和算法衍生，基于业务经验一般衍生的变量比较好理解，基于算法衍生的变量具有量大但不精准，难以解释等特征，可以根据需要选择不同的衍生变量方法。

④指标筛选。对于加工好的变量，并不是所有的变量都可用，需要进行降维筛选更加有效的指标。可以剔除缺失率高、单一阈值集中度高、相关性高的指标。

⑤模型/策略开发。开发模型和策略具体步骤不太一致，但是具有相同点。两者都需要确定一个目标变量，即“Y”变量，也叫确定“好”“坏”客户。在贷前多指是“历史最大逾期天数是否大于30天”;在贷中，一般为“借款人放款后是否逾期”;在贷后，一般为“借款人是否入催”。而策略和模型开发的过程就是找能区分“好”“坏”客户的过程。开发的方法有逻辑回归打分卡、XGB、决策树等算法，也有根据专家经验制定的规则。

⑥模型/策略评估。模型和策略评估方法多为量化指标，例如KS值、ROC、Lift值、准确率召回率等。

⑦上线评审。对于经过模型和策略评估的策略和模型，需要经过银行上线评审委员会，主要评审两方面，一是开发评估过程是否合理，二是结果是否有效。有时还要评审投入产出比是否符合预期。

⑧部署上线。通过评审会评审后，可以启动上线部署。从风险审核角度出发，通常都是在测试环境的决策引擎部署，后一键导入生产环境。在生产上，抽取一部分流量进行试运行，并不断增加流量，待试运行期平稳结束后，可以应用在产品的全部流量中。试运行期至少一个月，可以根据需要调整，最长不超过半年。

⑨线上监控。需要对生产环境中已经上线的模型和策略进行监控，监控指标应涵盖系统的稳定性和效果的有效性。系统稳定性一般由决策引擎负责监控，效果的有效性一般由风险部门出具量化监控报表来实现。

⑩优化迭代。基于线上监控的效果以及业务发展的需求、客群的变化，可以定期和不定期的优化迭代现有的模型策略。并且在优化的过程中，同时考虑流程是否需要优化。

六、结束语

银行在发展线上业务时，往往会出现“重贷前轻贷中贷后”的问题，全流程的搭建能强劲银行线上业务风险的防控，降低风险成本，提高资产质量，助力业务高速持续发展。

参考文献：

[1]张黎娜，袁磊.关于互联网金融领域监管科技应用探索的思考[J].南方金融，2020（10）：12-15.

[2]代英华.关于商业银行贷后管理的几点思考[J].中国市场，2018（10）：165-167.

[3]刘 健.商业银行贷后风险管理研究[J].时代金融，2017（10）：65-68.