互聯網金融背景下我國商業銀行個人網絡消費貸款授信模型探討

熊 盼

（廣州華立學院 互聯網與創新金融研究所，廣東 廣州 511325）

一、引言

隨著互聯網金融的迅猛發展，個人網絡貸款業務的開展如火如荼，特別是傳統商業銀行，紛紛推出個人網絡貸款產品，提升了個人線上小額貸款市場占有率，收獲了客戶的廣泛好評。與新興互聯網金融機構一樣，我國傳統商業銀行個人網絡貸款以個人網絡消費貸款為主，是一種純信用、無擔保、線上自助、隨借隨還的小額消費貸款，一般向符合特定條件的個人客戶發放，即應符合相應的網貸授信模型中的數據規則?？蛻敉ㄟ^網上銀行、手機銀行app 等渠道發起線上申請，實時聯網授信審批，即時簽約用信放款。整個過程可以實現無紙化、電子化、智能化，極大地提升了客戶的融資體驗。

個人網絡消費貸款的快速發展與國內居民消費支出的需求密切相關。2015—2019 年居民人均消費支出保持連續增長，由2015 年的15712 元漲至2019 年的21559 元，2020 年受到新冠疫情影響回落至21210 元，但降幅很小。由此可見，國內居民消費支出的需求不斷提高。相應的，個人網絡消費貸款需求亦隨之變大，可從國內存款類金融機構短期消費貸款的發放量變化中得以體現。

圖1 國內居民人均消費支出

2015—2019 年國內存款類金融機構短期消費貸款發放量從43.87 萬億元增加至109.83 萬億元，2020 年下降至97.68 萬億元。2015—2020 年國內存款類金融機構中長期消費貸款發放量從159.06 萬億元增加至454.50 萬億元。消費貸款發展整體態勢保持穩中向好。短期消費貸款主要是一年期及以內的信用類消費貸款為主，而中長期消費貸款則主要是一年期以上的抵押類消費貸款居多。個人網絡消費貸款大部分都是屬于短期消費貸款，且為信用類，該業務投放量也隨之較快發展。

圖2 國內存款類金融機構消費貸款發放量

二、典型個人網絡消費貸款模型分析

我國商業銀行的個人網絡消費貸款產品的特性大同小異，無論是貸款金額、貸款期限、貸款利率，還是網貸模型，基本都有章可循。重點探討國內十家代表性商業銀行的個人網絡消費貸款產品內容，分析其對應模型的基本規則。通過調查歸納，將產品信息總結如表1：

表1 國內十家代表性商業銀行個人網絡消費貸款產品信息

數據來源：各銀行官網及作者調查整理。

以上內容進一步歸納成四類典型的基本授信模型，分別為房貸模型、代發工資模型、貴賓/金融資產/財富私行模型、公積金/社保/稅務模型，就這四類分別進行分析。

（一）房貸模型

房貸模型是商業銀行利用其原存量在供房貸客戶的抵押物價值的最高可貸額度與其貸款余額之差值進行授信的一種模型。假設授信額度為C，抵押物價值為P（抵押物最高可貸系數x），貸款余額為B，則：

通常住房、商用房的最高可貸比例分別為70%、60%，根據樓齡及各行政策不同有所調整。授信額度C原則上不超人民幣30 萬元。

商業銀行采取白名單制度，由總行生成白名單數據，自動將符合以上模型的客戶導入系統，即時審批入庫，同時實時更新后臺數據?？蛻粼谇岸俗灾暾?，通過密碼驗證、人臉識別、身份認證等程序后，系統調取人行征信、運用大數據向第三方機構采集個人信息進行分析等，后臺對客戶進行準入、評級、額度、利率等策略的計算，實時獲取貸款申請結果，達到線上實時預授信、電子合同線上簽訂、用信放款即刻到賬、可以循環隨借隨還的個貸服務新模式。

該模型的優點是信用風險相對較低。第一，該模型客戶在申請房貸時已通過線下調查、審查、審批的嚴格篩選，資料完整、業務合規、風險可控，只有符合規定的客戶才能成為房貸借款人。第二，原存量房貸客戶一般需要還貸2 年以上，五級分類為正常狀態，不存在1 期以上逾期記錄。該類型的客戶本身違約風險就比較低，屬于優質客戶群體。在外部因素不變的情況下，客戶穩定持續還貸的概率較高，第一還款來源充足。第三，基于存量房貸，房產的抵押權在原貸款行，由于總授信額度低于抵押物價值，即便出現違約，依然可以通過處置抵押物來變現還貸，保護債權不受損害，因此第二還款來源較有保障。

該模型的不足之處是僅面向原貸款行的在供房貸客戶，授信群體較窄，且再經擇優篩選，真正達到準入要求的客戶群體比較少，而其中有貸款需求的客戶更是少之又少，因此房貸模型所占領的市場份額比較有限。此外，該模型還存在連鎖反應風險，當房貸客戶內外部因素出現重大變故，預期未來即將出現房貸違約，便于違約前向銀行內外無限增加借貸，導致其個人總負債超過以房產為主的總資產價值，該客戶放棄歸還房貸，同時斷供網貸，信用風險連鎖反應爆發。

（二）代發工資模型

代發工資模型是商業銀行向其所在行代發工資的對公單位中在編正式員工授信的一種模型。假設授信額度為C，月均代發額為S，授信額度系數為t，則：

一般而言，授信額度系數區間為15—30，據各行政策不同有所調整。授信額度C 原則上不超人民幣30萬元。

商業銀行分行主動篩選出優質單位客戶，由對應管戶人員向優質單位負責人或財務人員進行業務營銷，公司出具有意辦理業務的在編正式員工名單和相關基礎資料，銀行審核后則將數據以白名單形式導入到系統，待生效后客戶便可直接在線上渠道自助辦理。個人客戶無需提交資料給銀行，預授信統一由其單位與銀行對接，程序簡易、操作便捷，實現辦貸批量化、集中化。

該模型的優點有：第一，營銷對象明確，直指優質單位關鍵人員，借力發力，轉零售為批發，而不必對個人客戶逐一地營銷，減少人力成本支出。第二，按不同崗位級別、不同薪資級別對整個群體分層級授信，清晰明確、簡易方便，避免操作風險發生。第三，以優質公司或集團整體成員進行授信，主體風險全面把控，風險追索鎖定范圍擴大到公司或集體整體，不易出現風險性偏差。

該模型的不足之處之一在于信用風險集中，一旦公司經營出現問題，貸款違約亦是集體式地爆發，其后果不堪設想。之二是無法避免客戶的道德風險，在崗人員隨時可能辭職，代發工資單位匯報信息滯后，短期內代發工資清單未能及時更新，借款人極可能出現違約行為。對已授信未用信客戶，由于信息不對稱，在未來終止額度之前，該客戶便于辭職前在線上自助放款使用。對已用信后辭職的客戶，只能等客戶違約，才能通過貸后催收貸款。

（三）貴賓/金融資產/財富私行模型

貴賓/金融資產/財富私行模型是商業銀行對于其所在行金融資產規模達到一定程度的個人客戶進行授信的一種模型。金融資產不限于存款、理財等，且在某一特定期限內達標，比如年日均金融資產余額。金融資產規模通常采用AUM 指標衡量，數值越大，代表客戶對銀行貢獻度越高。假設授信額度為C，授信額度系數為t，則：

一般來說，客戶可授信的最低要求為AUM ≥5 萬元，據各行政策不同有所變動，授信額度原則上不超人民幣30 萬元。

該模型符合授信條件的個人客戶為系統根據客戶AUM 值為基礎自動識別與計算而生成，再由系統向該類個人客戶發送邀約短信線上辦理。

該模型的優點是信用風險較低。以其所在行優質個人客戶作為授信對象，該類型客戶擁有較穩定的金融資產作為支撐保障，可支配的資金較多，現金流比較強，周轉率比較高，因此具備較好的還款能力。另外，該類型客戶的金融資產留存率高，自我貴賓身份認同度亦高，會比較重視個人信用情況，普遍杜絕失信行為發生，所以其還款意愿極高。

該模型的不足之處是總體授信的成效不高。該模型能夠成功授信的個人客戶數量較很少，占比極低，排除了大量的長尾客戶，而這些長尾客戶實則包含眾多潛在客戶，甚至不乏一些他行優質客戶，流失率相當高。此外，具備預授信資格的個人客戶往往不太需要貸款，或者真正需要貸款的個人客戶又嫌棄授信額度太少，以致于實際用信客戶不多。

（四）公積金/社保/稅務模型

公積金/社保/稅務模型是商業銀行分支行通過與當地公積金中心/社保中心/地稅中心實現外聯數據對接，獲取個人客戶的公積金/社保/個稅繳存信息，對符合產品要求的個人客戶進行授信的一種模型。通常個人客戶的公積金/社保/個稅必須連續繳存至少三個月以上，繳存的數額越大，授信額度越高。達到繳存上限的，最高授信額度原則上不超30 萬元。

該模型的實現有兩種方式。第一種是商業銀行分支行人工查詢個人客戶的公積金/社保/稅務，走傳統的審貸流程，將成功審批的名單導入系統，最后指引客戶線上申請的模式。第二種是商業銀行與當地公積金中心/社保中心/地稅中心進行數據直連，經個人客戶授權直接獲取外部相應數據，嵌入設定的模型中實時審批。

該模型的優點是可以拓寬行外獲客渠道，爭取他行優質客戶，擴大營銷范圍，提高個人消費貸款市場占有率。同時，外部數據與內部數據相結合，使得個人客戶畫像更精準，填補個人客戶的某些缺失信息，為授信提供多維度參考依據。

由于客戶群體資質參差不齊，繳存金額大小無法完全反映客戶真實財務狀況。社會上不乏一些鉆空子騙貸的劣質客戶，將導致不良貸款產生。此外，與外部數據直連校驗機制尚不完善，容易產生外部欺詐、粉飾數據等風險，這些問題都亟待通過模型優化等方法解決。

三、個人網絡消費貸款授信模型的優化策略

（一）完善模型體系建設

第一，加強參數管理?？茖W設置系統參數，合理分配參數占比，增加參數之間交叉校驗，綜合、全面、精準描繪預授信客戶畫像。及時調整系統參數，根據客戶、市場、政策變化，添加、刪除、修改相應參數，維護參數準確性。第二，增加模型的相互驗證。綜合收集和充分調用各個模型的數據，在每一個模型校驗結果的基礎上，增加不同模型之間的交叉驗證。通過這種多重驗證來增強參數校驗結果的全面性、可靠性、規范性。例如代發工資模型，可以通過增加公積金/社保/稅務模型進行二次驗證，取兩者預授信額度低者；甚至可以增加貴賓模型進行第三次驗證，最終以所有驗證模型的預授信額度低者為準。以此反復多次，準確得出每一個客戶差異化的預授信額度。第三，嚴格白名單管理。無論采取哪種形式導入的白名單，一律實行動態日終數據歸集更新，提取并分發問題清單至相關負責部門審核，根據線索排查與剔除可疑名單，并且立即終止額度暫停授信。第四，構建完善的外部欺詐子系統。全方位采集國家司法機關、安全部門、國際反欺詐組織等公布的風險人員與案件信息入庫，實時檢驗與反饋全國失信被執行人、行業黑名單或高風險人員、內部禁入名單等信息，將該類人群拒之門外，保證精準攔截，實現智能反欺詐。

（二）提高大數據應用基礎

第一，打造行內數據中心平臺。商業銀行的各分支行、各業務線條或部門之間的數據通常是獨立的，而且數據的格式和標準亦不統一。通過搭建數據中心平臺聯接各分支行、各業務線條系統，經授權使相關數據能夠在第一時間獲取并運用，達到真正的行內數據交換自由與實時共享。第二，強化行外數據大聯合。加強與同業金融機構、公共部門、電信運營商、電商與社交平臺、專業大數據公司的數據發掘與應用合作，掌握客戶全面信息，并且及時持續更新數據。例如將同業客戶已授信數據傳輸共享，防止多頭授信；水電氣暖等社會公共服務中的生活繳費是否守時守信，與客戶誠信度掛鉤；通過電商與社交平臺獲取與分析客戶消費層次和社圈檔次，輔助評定客戶的資信等級。第三，深化數據庫及大數據平臺建設。加大研發資金投入，吸收高級科技類工程師及支撐輔助人才，融合互聯網金融發展前沿信息專門立項推進，創建合適所在行特質的數據庫及大數據信息平臺，對數據庫進行分類管理，加速創新升級大數據平臺，實時智能更新與維護的海量數據，保證大數據高質量、多樣化以及能高頻刷新，降低信息不對稱性，為信貸業務交易與風控提供堅實可靠的技術支撐。

（三）深度嵌入貸后管理

第一，加強貸后風險監測。充分發揮行內風險監測系統作用，設定網貸客戶風險預警參數，實時識別與發布風險信號，及時處置與反饋，采取凍結額度等有效措施化解風險。第二，貸后定期結合大數據獲取客戶動態信息。連接公共信用信息平臺、電信運營商、電商與社交平臺等第三方機構，挖掘、加工、整理、計算、對比、分析與客戶相關的數據，預判客戶是否存在違約可能性。第三，及時介入催收與和解。對尚處正常供款的客戶，在還款日前，使用短信或微信等電子通信方式提醒保存足夠余額以備扣款。對剛產生逾期的客戶，采取人工催收手段，通過電話、微信等方式聯系還款人、緊急聯系人或親朋好友，調查清楚其當前基本情況、逾期原因及還款能力，落實其還款時間與還款計劃。對逾期人工聯系達不到效果的，安排人員上門實地催收。催收人員到訪借款人或其關系人的家庭住所、工作單位，面談告知還款義務、拖欠后果與法律責任，與客戶達成最優調解方案。對于逾期惡化的客戶，提早或立即發起司法訴訟，及時提交互聯網法院立案所需材料，加快訴訟各環節進度，確保執行與追償到位。

四、結語

在互聯網金融大背景下，國內居民消費支出需求的增加帶動個人網絡消費貸款量迅速提升。各家商業銀行紛紛向線上信貸模式轉型，競相角逐個人網絡消費貸款市場?；ヂ摼W金融的沖擊改變了商業銀行競爭業態，模式轉變、產品創新、風控強化是商業銀行個貸業務發展的大勢所趨，是提高自身經營管理水平的必經途徑。各家商業銀行應汲取創新源泉，不斷增強自身金融科技實力，持續優化產品核心競爭力，迎接互聯網金融時代更嚴峻的挑戰。