银行业金融机构线上贷款风险状况分析

胡梦茜 浙江农商联合银行杭州管理部

线上贷款产品的风险问题对各银行业金融机构风控管理能力提出了更高的要求，建立具有针对性的风险防控体系，是决定未来线上产品规模和高质量发展的关键因素。

一、数字贷款风险成因分析

(一)各类风险因素分析

1.数据风险

数据是线上产品快速发展的基础，尤其是针对纯数驱产品，也是大数据风控手段能够广泛应用的支持。数据风险主要源于数据的真实性、有效性和时效性。一是数据真实性不足。对第三方采集获取数据以及客户提供数据的交叉验证能力不足，真实性难以保证。如依托公积金数据的纯线上产品，仅从征信报告判断客户的还款意愿，从公积金缴存情况判断客户的还款能力，客户的道德品质、社会评价、资产负债、真实收入能力等重要信息缺失，对于客户风险评价的准确性存在一定偏离。因此，在真实性不足的情况下，建模偏差难以避免，从而导致过度授信、风控不到位等问题；二是数据有效性不足。在授信及风控建模时，选择质量差、解释性差的“脏数据”，会导致模型结果偏差，或者选择的样本数据不具有代表性，带来了数据风险。如公积金数据较为片面，无法有效反映客户真实收入能力；三是数据时效性不足。随着时间的变化，客户的行为模式可能发生变化，数据和相关的隐含信息都将发生变化。因此，数据质量会随着时间流逝不断下降，数据的时效性至关重要。如客户信息维护不完善，配偶信息没有及时录入，导致夫妻双方可同时生成贷款合同。公积金数据会有所延迟，因此会出现客户本月或上月刚离职，但因为数据未更新，还能申请出纯数驱型贷款产品的情况。因此，如果依赖时效性差的数据建模，其结果也必将产生偏差，导致授信或风控偏差。

2.模型风险

模型风险防控是整个风险防控体系的关键。如果使用存在缺陷的模型或不具有适用性的模型，会导致无法准确评估相关风险，难以形成对线上贷款业务发展的有效支撑。一是模型缺陷产生的风险。若模型存在设计偏差、泛化能力差、稳定性差等问题，将导致输出结果偏差，使得信用审批、风险预警等出现偏差。如部分银行业金融机构准入规则相对宽松，导致了较高的不良率；二是模型使用不合理产生的风险。在特定场景、区域使用有效的信贷风控模型，在未经适用性、扩展性分析的情况下，将其应用于其他业务场景或不同区域，导致模型解释能力下降，结果出现偏差，带来产生风险的可能性；三是模型管理不善。如数字贷款模型外泄导致被不法分子盗用，不法分子可通过包装客户等行为来突破数字贷款模型。未设置专人专岗管理数字贷款系统及预授信名单导入，数字贷款模型配置由单人完成，导致风险产生。

3.操作风险

对于数字贷款而言，由于涉及贷前线下调查和白名单导入等，涉及流程环节相对较多，人工参与环节较多，由此参生的操作风险可能性相对较大。从贷前环节来看，很多数据都是客户提供，客户经理相关经验和实际调查不足，导致数据的真实性和可靠性难以保证，为后续信贷业务的审批、审核、授信等环节留下较大风险隐患，如客户经理对申贷资料真实性把关不严格，导致存在偶发性的伪造收入证明、房产证等情况的现象；从贷中和贷后环节来看，客户经理无法严格按照相关制度及时对发放的贷款进行贷中和贷后审查，客户资质发生了变化而无法及时获知，出现相关风险隐患。或者由于客户经理的能力和经验不足，无法全面分析和辨识客户的生产经营变化情况和财务状况，导致对客户信用风险识别、预警和处置存在一定滞后，导致贷中检查和贷后管理在风险防控中的作用难以发挥。

4.欺诈风险

纯线上业务开展过程中，数字身份和物理身份核验难度提升，借款人真实身份、信用水平辨识难度加大，因此骗取银行贷款是最常见的外部欺诈风险类型之一。如非本地客户经中介包装后申请白名单，实际贷款资金被他人占用，最终出现不良。

(二)已逾期产品风险因素分析

由于已逾期线上产品涉及风险因素的数据取数分析较为困难，但从主要风险成因分析角度还是有一定参考意义。

通过对某银行数字贷款产品涉及的主要风险因素进行调研分析可以看出，从涉及金额方面，前三大风险因素主要为外部欺骗、贷前调查的有效性不足和模型数据有效性不足；从发生笔数方面，前三大风险因素主要为贷中和贷后审查不足、贷前调查的有效性不足和外部欺骗。从涉及金额和发生笔数综合分析，外部欺骗每笔发生金额往往相对较大。由于客户经理贷前调查有效性和真实性不足、未严格按照相关制度进行贷中和贷后审查所导致的风险情况，虽然单笔金额相对不大，但发生次数最多，涉及累计金额最大，其通过规范员工行为，提升员工的风险识别和防范能力可以显著减少发生。模型数据有效性不足涉及的风险发生笔数虽不多，但其导致的单笔风险金额是最大的，需要引起足够重视，须强化数据采集精准度，进一步优化风控模型。

图1 某银行数字贷款产品风险因素(单位：万元，笔)

图2 某银行纯线上产品风险因素(单位：万元，笔)

某银行纯线上产品涉及的主要风险因素是贷前调查有效性不足和模型缺陷。其中，由于贷前调查不足导致产生风险的笔数最多，由于模型缺陷导致产生风险的金额最大。纯线上产品手续便利的特点导致缺乏贷前调查，若无法进行多重数据的交叉验证和识别，易导致不良现象发生。纯线上产品由于推出时间短，模型设计的严谨性不足，须进一步探索完善。

(三)数字贷款相较传统个贷业务不良率偏低

1.风控模型提升准入门槛

线上数字贷款采用的是“机控+人控”结合的方式，数字贷款的风控模型相对更加完善，有一整套的信用风险模型，本着谨慎性原则，从严设计风控规则，同时增设互联网金融行为等一系列非银申请指标，一定程度上提升客户准入门槛，线上客户的准入口径明显高于线下客户，客户的风险判断更加精准，增强了风控效果。

2.降低了人为风险因素

由于客户经理风险防控能力不一致，在线下贷款的风控方面很难统一。数字贷款减少了人为干预，减少了人为层面的主观臆断，避免了操作风险和道德风险，极大程度上提高了风险防范的水平，同时也从侧面反映出通过系统来防范风险的能力较强。

3.贷前调查已进行初步筛选

数字贷款在导入白名单前，已有初步的贷前调查，对客户已进行初步筛选，再次通过数字贷款进行发放的客户风险明显较低。

4.用信形式较为简单

线上贷款的担保方式较为单一，面向的客群为主要为信用较为优质的客户。客户用款方式为随借随还，以中短期贷款为主，也有助于降低不良率。

(四)纯线上贷款相较传统个贷业务不良率偏高

1.风控措施有待完善

由于采用数驱准入方式，相较传统贷款的贷前审查等，员工对该类客群熟悉度不够，对于贷款准入后客户的跟踪管理缺失，风险防控维度单一，出现风险而不知。同时，由于产品推出时间较短，准入模型存在数据严谨性不足、模型缺陷等，模型风控措施有待完善。

案例1：某银行前期线上产品风控模型未对客户的退休状态进行甄别，个别客户已开始领取养老金仍然准入纯线上产品，不符合该行市民贷准入要求。目前该行已接入养老金数据，对开始领取养老金的客户设置不准入条件，调整该类客户的准入渠道，由线上准入改为线下准入，加强贷前调查。

案例2：某银行客户王某早年因工伤导致智力四级残疾，接到中介电销电话后，在其引导下，自行通过该行数驱型浙里贷产品点出了20 余万元的贷款(因客户为本地户主名下具备资产且社保缴存正常)，最终转账6 万元作为本次贷款的中介费。虽最后中介费全额讨回，但从客户的贷款过程中看出，线上贷款的风控仍需进一步完善。该行现已对接了数据资源管理局，获得了民政局相关的残障人士数据，后续针对涉及到“智力残疾”及“精神残疾”的不具备主观意识的客户作了限入处理。

案例3：某银行客户经理经他人介绍为客户黄某增加贷款，查询后发现客户黄某已有30 万授信，且由于配偶已用信而无法自助放款。该客户经理按照介绍人要求，将客户黄某的配偶信息篡改为由介绍人提供身份信息的第三人徐某某，顺利帮助客户黄某通过线上贷款方式获得贷款30 万元。该客户经理利用系统风控措施不够完善，违规为客户办理贷款。目前该笔贷款已收回，给予该客户经理记大过处分并解除劳动合同。

2.客户对逾期重视不足

线下因某些政策因素拒贷的风险客户，可能通过线上流程授信进入，规避信贷政策。且部分客户对产品不够了解，在按时归还方面，往往重视不足，法律意识淡薄，没有及时归还，导致逾期账户较多。主要体现在：一是现阶段便捷的获贷流程导致客户对贷款偿还意识薄弱；二是数驱型贷款尤其是社保贷客户的流动性较大，且频繁更换联系方式，造成贷款逾期后无法及时与借款人取得联系而产生不良；三是部分缴存社保的客户对于征信的意识较为淡薄，将贷款作为信用卡使用，未按要求进行还款从而造成逾期；四是便捷的线上申贷流程使得各类中介机构指导客户线上办理贷款更加容易。

案例1：某银行客户黄某某，于2019 年12月16日线上生成贷款合同，15 笔借据合计贷款余额13.4 万元，自2022年2月开始利息不能按时结清，每次催收后效果不一，当前部分借据已经涉及本金逾期，客户当前贷款余额9.5 万元。

3.缺乏有力催收手段

对于纯线上数据驱动贷款的催收手段主要依赖于短信催收、电话催收、上门催收、法院诉讼、限高执行等方式，其中较为有效的是法院诉讼，但在实际业务开展过程中，互联网法院每年受理并立案的数量十分有限，对于客户的威慑力不足，而支付令、仲裁调解等新型催收、处置方式未能应用在纯线上贷款，其他催收手段周期较长、收效低微。而线上贷款产品从申请、审批到用信都是纯线上办理，部分客户银行人员无法触达，没有管户客户经理，并且不良情况呈现户数多、金额小的特点，考虑到成本效益，目前催收以短信、电话催收为主，不良催收缺乏威慑力。

案例1：某银行客户张某某，于2021 年9月29日和30日共生成20 万元合同，合同期限3 个月，目前已经逾期5 个月，4月份归还1 万元，仍余贷款本金19 万元，该行仍能与客户取得联系，但催收无果。若该行联系其亲友，该客户就会进行威胁投诉，因此该行除了联系本人缺乏其他有效手段。

案例2：某银行客户张某，于2020 年9月8日申请线上贷款8 万元，贷款于2021 年8月20日到期，贷款到期后经客户经理多次催收后借款人仍未归还贷款。该行向互联网法院提起诉讼，2021 年11月提交诉讼申请，于2022年4月6日予以立案，历时6 个月，至今还未判决。

案例3：某银行客户胡某某，于2021 年6月27日通过线上自主申请该行线上纯数驱型贷款产品，成功办理线上贷款1 万元，期限1 年，用途为购买原料。经贷后检查，发现该客户预留手机号码已停机，因无法确认客户的位置及联系方式，一直未能进行有效催收。

二、下一步工作

(一)完善数字贷款管理机制，加强员工风险防控能力

提高对数字金融相关业务的重视程度，优化细化业务管理岗位设置，进一步优化调整考核模式。制定和完善数字贷款相关管理办法，制定并完善符合各银行业金融机构业务特点的数字贷款管理办法，指导数字贷款运营管理，降低线上贷款操作风险；优化预授信名单管理，增强员工对数字信贷产品的风险意识，加强白名单导入前的贷前调查和存量客户的风险排查能力。建立线上贷款客户信息维护情况的检查以及考核机制。对于线上贷款的信息进行定期检查，对于信息上传存在缺失、不实等情况的客户应当及时进行联系和补充，进一步提升线上贷款客户信息维护的工作质量；深入开展小额贷款风险管理及不良贷款处置专项辅导等工作，强化员工的动态行为管理，加大产品和政策宣传力度，提升员工风险防控水平。

(二)优化和完善风险模型，提高贷款风控管理水平

进一步完善准入模型，通过行内外数据挖掘、联合建模、数据合作等方式，建设和完善贷前、贷中、贷后各个数字贷款准入、风险识别、跟踪等风控模型。如进一步完善人行征信规则、社保规则及高龄低黏性客户准入规则的优化，增加互联网金融行为规则、公安涉黄赌黑及精神障碍人员的数据等；引入多数据交叉验证，提高模型数据精度，积极探索零售业务与公司业务间的风险关联性，通过与政府和数据服务公司等的合作，加入金融场景数据等多数据引用，针对业务特点、数字贷款风控模型要求，采用多重数据进行交叉验证、交叉识别的方式，进一步丰富风险判断的维度，更精准的识别客户风险，降低线上贷款操作风险，提高线上贷款风控能力；持续监测模型运行情况，通过反复验证、迭代的方式，提高模型运行稳定性和准确性，提高线上贷款风控水平。采用抽样、全量等不同维度的切面数据，对模型的运行情况，特别是业务交叉、风险临界、逻辑边界上的反复验证，并根据验证、监测的情况及时对模型进行优化和修正，调整风险模型指标参数，填补风险漏洞，提高模型运行精度，降低线上贷款的系统风险。

(三)规范贷后管理环节，加大不良贷款催收力度

严格落实催收举措，加大不良贷款催收力度，通过不同催收合作机构的交叉委案，有效提升回款率。保持逾期客户电话及上门催收强度,并做好情况登记，降低逾期客户持续恶化的可能性。对于逾期客户积极营销分期还款，促进风险资产向生息资产转化；提高贷后管理子系统的应用率，提升贷后管理质量，加强系统应用情况检查。建立不良贷款催收管理系统，对于不良贷款从发放到收回进行全流程管控；积极与法院对接，推动电子督促程序落地，进一步扩宽诉讼途径。做好与相关公司的合作，与法院对接批量申请电子支付令业务，实现批量生成电子支付令，提升诉讼效率，弥补互联网法院在案件受理效率上的不足。

(四)加强业务产品科技赋能，提升数字金融服务水平

充分整合数据资源，利用各类数据资源开发平台，创新多方维度、多种形式的合作模式，建设融合金融和政务数据的企业和个人数据平台，夯实数字化应用基础，提升数字化营销水平；打通数据共享渠道，拓展应用场景项目能力，构筑数字金融服务优势；坚持做好本地化客户运营，努力做好新市民数字贷款金融服务工作，对接更多可靠数据源，如社保信息等；研发更符合新市民特色的数字贷款产品。通过与政府业务场景合作，启动定向类数字贷款投放工作。

(五)加强金融风险防范知识宣传，营造良好信用环境

加强金融风险防范知识宣传，提高客户识别和防范金融风险的能力，既是提升金融服务水平、承担社会责任的要求，也是为营造良好金融信用环境、提高线上贷款风险防控水平的重要举措，加强对客户信用意识提升的宣传教育。依托网点、微信公众号等线上、线下渠道以及客户经理开展贷前、贷后调查等方式，多措并举，加大对居民信用意识的宣传教育，为营造良好的地方信用环境、持续的信用体系建设奠定基础，为线上贷款在县域和农村地区的高质量发展提供支撑；加强对客户反诈骗能力的宣传教育。通过多种渠道向客户宣传讲解如何辨别和防范金融风险，加强对客户的用信指导，从而为线上金融产品的健康发展提供良好的外部环境。