/资讯中心/趋势研究/智能消费金融中的风控思维

智能消费金融中的风控思维

发布时间:2019-07-11 分类:趋势研究

近几年,随着家庭收入增长,政府对于消费的刺激,电子商务在中国迅猛发展,个人数据量激增,使得基于互联网的金融服务开始快速发展,形成了一个巨大的市场。与此同时,接受金融服务的群体迅速扩大,服务的场景和用户习惯也发生了巨大变化。

传统金融机构想进入整个大消费金融市场,它得“智能”一些,才能适应客群、场景和使用习惯的变化节奏。智能消费金融的“智能”体现在什么方面?有观点认为,智能是指用大数据做风控,或者用大数据获客,其实没这么简单。

智能消费金融中的“智能”,是指依赖于大数据,人工智能等技术,实现从获客、产品设计、风控定价、放款到贷后管理等信贷全流程的智能化,“智能”在消费金融业务中的体现应该是“端到端”的。

智能消金与传统消金的六大区别

智能消费金融和传统消费金融主要在:信用风险管理,欺诈风险管理,风险定额管理,风险定价管理,催收管理,和模型风险管理,六大方面有所差异。

1)信用风险管理:信用风险主要的是客户的还款能力。传统消费金融领域,对信用封信的管理主要依靠客户填写的申请表,以及提供的相应还款能力证明;而智能消费金融环境下,在客户授权的前提下,可以使用多维度数据对客户的信用风险进行评估。

2)欺诈风险管理:欺诈风险评估的是客户的还款意愿。传统消费金融对这一因素的评估多依靠人民银行的征信报告和流程抽检完成,如通过信审人员电话询问等等。智能消费金融的环境里,更多则是通过硬件、软件技术,生物技术,模型和流程控制来做一个身份识别和场景识别。例如,通过技术手段,我们能识别申请的设备ID是否显示这是一台全新的手机(欺诈风险较大),或可以通过指纹、人脸识别等技术来判断,客户是否为本人申请。

3)风险定额与定价管理:传统的借贷额度管理主要是参考客户每月应还债务与其收入之比(“负债比”),一般来说,客户每个月的还款金额不能超过其可支配(税后收入)的50%。传统银行较难对客群进行细分定价,主要有两方面的困难:

做客户分群对流程管理能力和人力管理成本都有比较高的要求,若没有数据和技术能力的支撑,恐难实现;

银行内要建一套智能的模型策略直至系统实现,用时较久,之后的管理和维护成本都颇高。

智能消费金融会将客群分组,通过结合多维风险模型和负债比,收入模型等,作出最优化的技术决策。

4)定价管理其实也是类似的道理。智能消费金融可以在利率定价上做很多测试,保证能将最优的价格与最优的额度、最优的期限进行匹配,再给到最合适的客群。传统金融机构很少有“根据不同的风险进行不同的定价”这种操作,所有的产品统一定价。

5)催收管理:智能消费金融的催收环节,是由短信、IVR(互动式语音应答)、电话、网络、信函、上门到司法之后几个环节构成的催收链条。针对不同阶段、不同的人群,要采取不同的催收策略,需要综合考虑催收的成本和收益回款之间的比例,是一个相对复杂的系统。

目前国内大银行有很强的技术,但是一些中小型银行这方面还比较薄弱,催收方式还限于传统的电催。来自智能消费金融的技术和经验是可以帮助他们做更好地进行贷后管理。

6)模型风险管理:上述提到的信用风险、欺诈风险管理,风险定额、风险定价管理,以及催收管理,都需要模型的支持。基础模型的输出结果按计算逻辑会成为较高层级模型输入参数,所以,无论是模型基础,模型本身,模型管理或是模型使用任何一方面有缺陷,都会造成潜在的模型风险。

传统的消费金融理念用到模型的情况不多。但是在智能消费金融领域,处处用模型,处处线上决策。如果模型产生很大的衰退,机构必须要有能力及时发现并迅速调整。模型风险将是未来在智能消费金融领域里越来越重要的一点。