信息时代“新”金融零售资产业务风控运用形式及应用策略探究

来源:用户上传      作者:

　　
　　摘要：通过探讨传统金融风控措施和信息时代“新”金融零售资产业务风控模式的不同，通过更加直观的理念和实际运用中的实例，详细剖析信息时代数据赋能、科技赋能、场景赋能后零售资产业务风控运用形式，主要是贷前调查、贷中监测、贷后管理三大过程产生的变化及对风控效果产生的影响，同时对赋能的效果进行评估后，提出信息时代“新”金融零售资产业务风控的应用策略探究，为金融机构零售资产业务风控执行及风控效果评估提供了新的思路和解决方案。
　　关键词：科技赋能;数据赋能;零售资产;风控策略;过程管理
　　中图分类号：F23文献标识码：Adoi：10.19311/j.cnki.16723198.2019.08.109
　　1传统金融与信息时代下“新”金融零售资产业务定义
　　本文中“新”金融特指是在当前信息时代下，客户通过金融机构设计的产品入口在线申请，必要时辅以线下尽调人员，结合交易场景，通过产品内嵌的风控规则及模型，为客户发放贷款。贷款发放后，通过客服、其他贷后管理部门及智能贷后系统与客户保持沟通和联系（包括风险事件发生后的催清收、诉讼等）。
　　传统金融零售资产业务与“新”金融零售资产业务本质都是金融，无论采取何种技术手段、通过何种数据建模、在何种场景下，零售资产业务的顺利开展，均在贷前审查、贷中监测、贷后管理三个方面考量一个金融机构对金融本质的风险控制能力。在信息时代下，“新”金融零售资产业务的风控运用形式产生了巨大的变革。
　　再比如说，某公司是通过客户授权收，爬取客户手机号码运营商的信息，主要包括客户在网时长、通讯时长、通话联系人、话费上的消费习惯等。并通过网上的各类公开信息爬取，判断客户是否有贷款中介、诈骗的可能性，这类型数据也是比较有效的。
　　再比如，某公司是一个大型的人力资源机构，他存在当前部分客户每月的发薪数据，这部分数据就是非常客观的描述一个人收入水平的信息，用这些类型数据进行风险控制，一定是有效的。
　　但同样有部分公司提供的信息存在来源不明确、信息来源片面的情况，所以使用这部分数据源很可能为整个风险控制带来负面的效果。
　　在A过程中，使用不同的信息源主要用于两个方面，一个是规则引擎的创建，即剔除产品设计中认为有风险的客群;二是创建评分卡，即在产品中准入的客群信用的评级及分层，市场上通常称A过程创建的评分卡叫A卡。经过大量的市场运用反馈，目前认为各类型数据源对于规则引擎和评分卡的貢献度有所不同。
　　因此，只要在合适的场景和时机，采取相关信息源，必然可以降低rA水平。
　　2.2技术手段的更新和信息源的扩充降低了rB
　　传统金融贷中监测（也叫贷中管理）主要依赖客户经理规定频次的对于有贷户的现场回访和人行征信的报告，大数据开始流行以后，各金融机构注重了自有存量数据的建模与分析，因此也增加了一部分自有机构的数据行为监测（如银行可以观测资金流向、在银行代发工资的工资收入变动情况等）。但从实际各金融机构执行的效果来看，B过程并不是很有效，主要原因在于客户经理现场回访规定动作不一定到位或出于主观原因不去回访，自有机构数据行为比较片面。
　　“新”金融下，由于技术手段的更新和信息源的扩充，使得B过程的执行效果越来越趋于有效。一般的做法包括创建B卡（行为评分卡）、创建预警信息、围绕场景的人工监测等，同时也包括对于过程A设立的模型反馈和迭代。
　　举例来说，如果客户是对C端零售商户，那么可以通过美团、大众点评、饿了么等公开平台来查验客户是否处于正常经营的状态，而不需要去现场进行回访。
　　再比如可以通过引入第三方数据源，查询客户是否诉讼、有被执行信息，或者股权变动、企业异动等情形，以此判断客户是否有风险增加的可能性。也可以通过引入第三方数据源，查询客户除人行征信以外的其他多头借贷信息或其他负债信息，以此判断客户是否异常。
　　如果处于闭环场景内的，还可以通过获取其他方面的信息，比如客户的进货额、营业税额、点击次数、流量等等信息来核实客户的经营稳定性。
　　互联网技术手段的更新促进了信息流的交互，进一步扩充了信息源，也同时促进了B过程的自动化、智能化，大幅提升了B过程的效率和效用，即进一步降低了rB。
　　2.3技术手段的创新让C过程不断精细化，以此降低rc
　　贷后管理主要是当客户已经出现风险事件时候的应对策略，传统金融机构主要讲究“一户一策”，即通过有经验的催收人员或催收团队，利用现有资源去寻找客户，通过不断的寻找和上门拜访以此达到贷后管理的目的。但是传统金融对催收人员的经验非常依赖（人力成本本身就会很高），并很容易出现客户失联的状态，同时也很容易出现管理不善导致错过最佳催收或化解期。
　　在信息时代下，基于大量贷后管理的案例及传统人员的经验，越来越多的科技平台开发出了智能催收机器人、智能催收平台，也有越来越多的平台将人工与智能相结合，以此达到贷后管理的目的。
　　首先，信息时代下对于客户的通讯信息我们有了更多的选择和解决方案，可以通过不同的信息来源，如客户手机APP上绑定的手机号码、订货/外卖等联系手机号码或者是各类型平台上注册的手机号码等，查询可以联系到客户的通讯方式。
　　其次，当有精确的触达方式之后，智能催收机器人可以根据C卡（催收评分卡）的评级，采取已经设定好的策略进行不同的策略话术、语气（温和的还是严厉的）、频率（多长时间拨打一次）、时间段（每天的什么时间进行拨打）等等进行轻型催清收。再高级的过程可以实现人机之间的交互和切换，进一步提高贷后管理的水平。
　　新技术的加入，同时也让催清收事件变得更加精细化和流程化，一系列报表的自动化生成和可视化展示让管理者对于贷后管理过程一目了然。比如呼叫状态（客户有没有停机、有没有接通）、意图分类（客户是否有还款意图）、催清收实施次数及进展情况等等。同时策略维度的更新迭代以及策略的评价都将进一步影响到C过程的执行。当然，如果产品是在某一特定的场景下才能展开，那么伴随着场景也必然会有新的贷后管理措施。
　　3信息时代下“新”金融零售资产业务风控应用策略探究
　　通过风险管理后可降低的水平V通过前文分析，主要取决于有效信息源的扩充、技术手段的更新以及可靠的场景。因此，“新”金融零售资产业务风控也将围绕着这三方面展开。
　　一是金融机构将更加偏向于有场景的零售资产业务。场景下零售资产业务风控运用A、B、C三个过程至少会作用于其中一个过程，或者是圈定了客户的准入门槛，使得客户整体质量本身偏优，或者是能够及时掌握客户当前状态是否产生足以产生实质性风险的异动，或者是能够大幅提升开展贷后管理时客户的违约成本。
　　二是金融机构将越来越注重有效信息源的扩充。其中，各大数据平台的评估及引入将作为风险管理的常态工作，什么样的数据在什么情况下是最有效直接的，什么样的数据在同样起作用的情况下付出的成本最低，以及在当前的情况下需要哪些维度的数据能将风险水平降到一个合理的等级。同时，各金融机构也将越来越重视自身产品线数据的表现情况和过程数据的统计、保存。
　　三是金融机构将不断提升自己的技术能力或技术上的思维。区块链、人工智能等先进技术的不断更新，使得在风险控制的科技赋能达到了新的高度和水平。模型算法的及时优化迭代、业务流程的精细化痕迹化、策略水平攀升、人机互动的设计升级等等都将为风险管理增添新的方式方法，也必将推动整体风险管理行业的进步。
　　参考文献
　　[1]李枫.论小额贷款公司的风险控制[J].天津经济，2018，（12）.
　　[2]崔琳，王述琳.基于“互联网+”背景的金融风险管理探究[J].现代商业，2018，（35）.
　　[3]黄艳梅.信息挖掘在大数据金融的风险及防患研究[J].科技风，2017，（20）.
　　[4]云佳祺.互联网金融风险管理研究[D].北京：中国社会科学院研究生院，2017.
　　[5]陈桂兰，许香敬.运用过程化管理提高信贷管理水平思考[J].现代商业，2018，（32）.
　　[6]杨勇，陈玲.人工智能在信用卡催收中的应用[J].中国信用卡，2018，（09）.

转载注明来源:https://www.xzbu.com/2/view-15166777.htm