把好消費金融的風控命門

王輝輝 單素敏

從2015年開始，中國的個人消費貸款業務激增，銀行、消費金融公司、互聯網金融平臺共同發力，消費金融的貸款規模持續上升。

在行業一路狂飆猛進的態勢下，必然出現良莠不齊的現象。一些平臺的不良率、逾期率持續攀升，也衍生出短信恐嚇、電話騷擾、暴力催收等亂象，為消費金融市場蒙上了一層陰影。

“良性、可持續的風險防控是消費金融成功持續運營的根本。所謂高利率覆蓋高風險不可行，也走不通。”中國社科院金融研究所法與金融研究室副主任尹振濤告訴《瞭望東方周刊》。

風控是命門

尹振濤對本刊記者介紹，“在場景分期領域常見的欺詐是套現，比如通過分期網購后申請無理由退貨;現金貸領域常見的則是利用網絡借貸不記入征信系統，多頭借貸然后失聯，等等。這里面既有消費金融從業者內外勾結的操作，更有專業擼網貸口子的‘黑產‘騙貸大軍。”

上海前隆信息科技有限公司為消費金融機構提供技術支持。該公司首席風控官何同國向《瞭望東方周刊》介紹，消費金融的風險分為兩類，即用戶的信用風險和欺詐風險。“二者的區別是用戶借款時是否帶有惡意。如果只是還款能力出現不確定性或者非故意逾期，這種就屬于信用風險。而用戶使用盜用他人身份、填報虛假信息或團伙詐騙等這是欺詐風險，預防風險的技術手段也會有所不同。”

而在有場景的消費分期和無場景的現金貸中，后者的風險相對更高。

“消費金融行業都把目前積極開拓場景當作提升競爭力的主要手段，一定意義上說也基于控制風險的考慮，有場景的消費分期最大的優勢是風險可控。”中國社科院金融法律與金融監管研究基地特邀研究員程雪軍告訴《瞭望東方周刊》，“從數據來看，消費金融行業整體不良貸款率在持續上升，但基于場景的消費金融不良率比現金貸要低一些。”

“在場景分期領域常見的欺詐是套現，比如通過分期網購后申請無理由退貨;現金貸領域常見的則是利用網絡借貸不記入征信系統，多頭借貸然后失聯，等等。這里面既有消費金融從業者內外勾結的操作，更有專業騙貸者。”尹振濤告訴本刊記者。

為防范現金貸風險，2017年12月，互聯網金融風險專項整治工作領導小組辦公室、P2P網貸風險專項整治工作領導小組辦公室印發了《關于規范整頓“現金貸”業務的通知》。

“在市場發展初期，各項制度法規尚不完善，部分消費金融企業還缺乏體系化的內控流程，風控能力較弱，還面臨著合規風險。”廣發銀行信用卡中心相關負責人告訴《瞭望東方周刊》。

而造成這些亂象的重要因素之一即是風控不過關。

“風險控制機制設置好的話，首先在前朗放貸階段，就能選擇償付能力沒問題的貸款人，就會大大降低過度借貸、重復授信等情況的發生，而后期的不當催收的發生也會避免。”尹振濤說。

何同國強調，金融依賴于風控，消費金融更是如此，“消費金融主要是覆蓋傳統銀行個人信貸業務沒有服務到的長尾用戶，一股來說，這些群體的信用風險更高。因此，風控能力是制約平臺長遠發展的命門。”

上百種風控模型，數千種風控策略

不同的風險類型，風控的技術手段也不同。

前述廣發銀行信用卡中心負責人介紹說，金融領域主要有傳統和大數據兩種風控模式。傳統風控模式下，銀行等放貸機構要逐一審查貸款人的各種信息，“效率低、成本高，不太適合客戶分散、額度小、數量多的消費金融。”

而今，用戶從互聯網金融平臺、消費金融企業申請分期或借款時，其背后的依據已經不再是傳統的收入、職業、年齡等幾十個維度，而是依靠人工智能、大數據、云計算等所作的精準畫像。

以螞蟻金服旗下的消費金融產品花唄為例。在放貸之前。螞蟻金服通過大數據分析，從身份識別、歷史信用等維度分析，用戶的特點和日常消費習慣，然后才是確定主要覆蓋其日常生活費用的授信額度。通過大數據分析，花唄為個人消費金融建立起150種風控模型，制定了5000多種風控策略。

合富金融策略發展部總監徐北對《瞭望東方周刊》舉例稱：“軟件根據你手機經常使用的App，比如高德地圖，獲知你在日常上班時間來往的兩個地址，可以判斷出你常住的小區房價水平，你路途所用時間表明你乘什么交通工具，你上班的寫字樓是不是甲級……這是2014年就已經普遍使用的技術了。”

一位消費金融公司內部人士告訴《瞭望東方周刊》，“除了基礎的身份信息，有時候平臺也會根據借款人的網上消費記錄或者信息瀏覽記錄來標記，比如一個頻繁瀏覽戒毒網站的用戶，可能就會被打上一個標簽，他也許會因此借不到或者能借到的額度很低。”

目前在廣發銀行，大數據應用也已貫穿風險管理全流程。在發卡階段，廣發銀行信用卡部會運用海量數據分析優化信用評分模型，精確定位目標客戶群，同時引入外部信息輔助審核，提高客戶授信的精準度，控制整體客戶風險敞口;在信用維護階段，銀行則結合客戶行為表現搭建評分模型和事件觸發規則，實現風險與收益的平衡;在催收階段，針對客戶特性建立變壞概率和回款可能性的評價矩陣體系，提升客戶分群的區分度與回款效能。

何同國透露，聯合建模正在成為一種廣泛的大數據風控手段。目前前隆科技的聯合建模主要是使用客戶貸后表現（是否逾期、逾期天數）數據和其他互聯網行為（瀏覽網站、網絡消費等）數據兩部分，據此形成一套評分規則，供前隆科技的決策系統使用。

“這一操作方式的要點在于，用戶明細標簽數據不離開合作方平臺，符合合作方的合規要求，而前隆科技也拿到了抽象脫敏的用戶評分（欺詐評分或信用評分），用于風控決策。”何同國解釋道。

建立智能“防火墻”

隨著消費金融的快速發展，其用戶群更加下沉、分散，風控態勢更加嚴峻，成本也不斷增加。人工智能、生物識別、云計算等技術，在提升運營效率和客戶體驗，降低獲客成本和風險成本方面開始發揮其優勢。

“目前，科技在消費金融市場中扮演著賦能加速的角色。它不僅能夠多維度動態分析用戶信用狀況，更精準地做好風控，還能夠使金融機構將業務高效地滲透到各個細分場景中，并且把消費金融客群從傳統征信用戶擴展到網絡用戶。”何同國說。

面對新型網絡套現詐騙，花唄布下了三道以人工智能技術為支撐的防火墻，基于海量數據的智能風控大腦、反欺詐決策引擎以及合作伙伴的聯防聯控機制。簡單來說，如果一個平均客單價在30-50元的用戶，在一段時間內向幾個賣家發起了300-500元的多筆交易，且快速收貨，模型就會判斷存在套現風險。通過這三道防火墻，花唄已經攔截了數十萬筆可疑交易，阻止了數億元的損失，將絕大多數的疑似詐騙交易攔截在事前。

一系列的風控手段，使花唄的不良率維持在不足1%的水平，而銀保監會發布的數據顯示，消費金融的不良率為4%。

前隆科技也利用應用圖數據庫、復雜網絡、機器學習、網絡社區識別、關系圖譜可視化技術，對用戶進行聚類，以主動發現異常用戶群體，并對其進行反欺詐排查，從而降低反欺詐人工標注的成本。

平安銀行信用卡中心在接受《瞭望東方周刊》采訪時表示，其已研發了被稱為風控3.0的智能反欺詐系統。通過系統集成多種機器學習算法，深度智能學習每個客戶的操作習慣及最新的盜刷交易特征，精準識別交易風險，最大限度防范盜刷欺詐。如3.0智能風控系統利用語音識別技術，通過語音確認用戶身份;還可以采集用戶在手機上的使用方式、觸屏力度甚至滑動手勢等數據生成用戶個人的安全數據，以此對用戶進行身份確認。

平安銀行信用卡中心提供給本刊的數據顯示：目前該系統已累計對10.8億筆金融交易進行實時風險決策，直接和間接為用戶減少了約1.09億元人民幣的經濟損失。