商业银行零售风险计量与应用

对商业银行而言，基于数据的量化经营已是其经营现代化的一个重要特征。零售业务是商业银行最能体现大数据优势和计量工具技术的领域。就如国外学者所言：“未来属于能将数据转化成产品的人或公司”，零售计量工具技术的应用就是大数据产生价值的魔法棒。

目前，国内大型商业银行已经普遍应用基于数据的计量工具进行零售风险计量与业务决策。建设银行是国内首家将评分卡技术应用于管理实际的大型商业银行，其应用已经覆盖审批、额度调整、催收、反欺诈、贷后预警等关键环节，不仅促进了风险管理技术平台的发展，而且为零售业务决策的批量化、集约化、智能化、精细化转型提供了强有力的支持，为零售信贷业务快速稳健发展奠定了坚实的基础。

贷款审批应用

早在2006年，建设银行就依托申请评分卡技术，建立了对零售信贷申请客户的风险评分。基于内部的历史数据，建设银行对零售信贷申请客户的各项特征与其未来违约率的联系进行分析，建立逻辑（Logistic）回归模型，实现对新申请客户属性数据的分析，预测贷款申请人未来违约的可能性，并以评分形式对客户的风险水平进行排序。同时，依据客户的申请评分和自身风险偏好，建设银行建立了一系列评分审批政策和流程，并将相关模型、流程、政策操作内嵌于零售信贷流程系统中，对部分零售信贷业务实现了自动审批，即对符合政策和一定评分分数阈值的贷款实现系统自动通过或自动拒绝。截至2014年，已经实现对80%以上零售业务敞口的覆盖。

申请评分卡对建设银行业务的积极影响体现在以下几个方面。一是为零售信贷审批提供科学依据和统一标准。申请评分卡完全基于客观数据分析客户风险水平，得出的评分是可反复验证的科学依据，也是信贷决策的一个重要标尺。对于自动决策的信贷业务，系统准入标准完全一致；对于挑选进入人工决策的业务，由于参考了统一标尺（评分），专家经验判断和模型分析结果可进行相互印证，决策的科学性和偏好的统一性也得到了有效保证。

二是提升审批效率，支持对市场的快速响应。建设银行通过建立与申请评分相匹配的决策流程，实现业务的自动决策，大大提高了审批效率。一方面，评分卡替代一部分人工工作量，节省了人工成本；另一方面，对客户申请（特别是优质客户申请）的平均处理时间大幅缩减，客户不必为此长时间等待，提升了客户满意度，促进了竞争力的提升。

三是优化风险管理资源的配置。在管理层面，由于评分卡替代了部分审批人员的工作，紧缺的专家资源被重新配置在其他地方。例如，在一些城市分行，由于采用扁平化管理，全市的业务都集中在一个审批中心处理，非常繁忙，房贷评分卡上线后，房贷审批人员工作量大幅度降低，部分转做其他个贷审批业务，或转做放款管理、贷后管理等其他人力紧缺的工作环节。

额度管控及贷后管理应用

零售业务具有笔数多、单笔金额小的特点，批量化、自动化、高效率是对存量零售业务管理的核心要求。建设银行为此开发了一系列计量工具。通过内部积累的零售信贷交易数据、结算数据、拖欠数据等，采用逻辑回归模型方法，对零售贷款在未来一段时期内发生拖欠或违约的可能性进行预测，并以行为评分的形式展示预测结果。陆续开发上线了个人住房贷款、个人消费贷款、个人汽车贷款等行为评分卡，通过风险评分，及时揭示客户风险状态变化，实现对高风险客户或重点关注客户的风险预警，支持贷后管理；并结合客户最新风险状况，实现额度动态调整，支持贷款到期续贷审批决策支持、贷款交叉营销等。

为配合存量零售信贷业务的风险管理，建设银行结合行为评分水平或变动情况，设计了一系列贷后监控、风险预警、额度调整、贷款到期续贷审批等方面的业务策略。并通过系统定期自动进行额度控制，预警及监控名单发布，实现批量化和自动化决策。

第一，实现90%的信用卡调额申请自动化审批决策和信用额度主动动态调整。建设银行采用信用卡行为评分技术，每月基于最新行为信息对客户进行风险评分，并计算出客户的最高信用额度（“影子额度”），通过客户申请额度调整流程和建设银行主动调额流程，实现客户信用卡调额申请的自动化审批，以及客户信用额度的银行主动动态调整。目前，客户信用卡调额申请的自动审批决策率已达90%，客户额度调整所需时间从原来线下的2-3个工作日缩短到线上的几分钟；同时，结合行为评分结果，对客户信用额度进行主动调整（包括调升额度和调降额度），在降低客户风险、提高客户满意度的同时，促进了信贷资源的合理化投放。

第二，自动进行贷后风险监测预警，提升贷后管理的精细化水平。建设银行运用评分卡对个人信贷客户信用行为的分析、跟踪、预测，每个月自动筛选低行为评分贷款和风险贷款，产生“重点预警名单”和“重点催收名单”，提示贷后管理人员强化贷后回访监控，及早加强催收，实现了对零售贷款风险的动态预测和监控。数据显示，如对行为评分低于600分的高风险客户提前采取措施，每年可有效控制50%的新发生不良。

第三，为零售小微企业贷款到期续贷审批提供决策支持。建设银行每月通过小微企业行为评分卡，基于客户还款、结算、拖欠等最新行为特征，对小微企业贷款的风险情况进行计量。当小微企业贷款到期还款后，结合客户的历史行为评分，对客户再次贷款申请进行评价，实现优质客户的快速审批，达到支持小微企信贷的目的。

智能化催收应用

催收是零售贷后风险管理最重要的环节，客户和交易规模的快速增长给催收风险管理带来重大挑战。特别是信用卡业务，面对有效客户超2400万户，发卡量超3500万张的规模，建设银行构建了早期催收、晚期催收及专项分期催收等6个评分卡，用于支持信用卡催收，实现风险细分，提升催收效率。

建设银行基于信用卡催收的业务特征及历史数据，分析处于不同逾期阶段客户的还款特征、消费特征、催收响应特征、客户基本信息等各项特征，与其未来还款可能性的联系，建立逻辑回归模型，通过客户特征属性变量预测客户未来持续逾期的可能性，并以评分形式对客户的风险水平进行排序，同时设计与风险评分相配套的业务策略及流程系统，实现包括客户分组、任务分配、最优催收方式、监控与考核等催收流程的定量化、智能化、自动化，提高催收效率和效果。

在保持人员配比不变的情况下，催收评分卡为建设银行信用卡催收管理提供了定量化、智能化、自动化的管理工具支持，通过优化客户风险分类，对高风险客户加大催收力度，减缓对低风险客户的入催时间，从而提升催收回收率。建设银行原有的催收管理主要是根据简单的客户分类和拖欠时间，安排相对统一的催收流程，对客户类型、拖欠成因、客户风险发展趋势等因素的细分分析相对较少，催收管理的针对性、科学性不够，无法满足业务精细化的需要，面对客户拖欠绝对量的增加，相应的催收人工成本也快速增加。应用催收评分卡，可以更好地借助系统实现催收任务的集中、批量、高效处理，大大提高对风险客户还款能力的预测水平，并实现人力资源的合理配置，催收目标、催收排序和资源分配更为明确，催收手段更为科学。同时，借助批量化、智能化的分析和自动处理过程，有效减少了人工劳动量，提升效率，节约成本。根据测试，应用催收评分策略的测试组贷款回收率高于不采用催收评分策略的控制组3.14个百分点。

反欺诈应用

反欺诈是确保信用卡业务稳定盈利的关键，频繁的信用卡欺诈使金融机构蒙受损失，往往是制约信用卡盈利的首要因素。积极应对欺诈挑战，可通过更少的经营成本和更好的服务声誉获取关键性的竞争优势，对企业的声誉、客户的信心和新服务的投放速度与收益产生重大的正面效应。对建设银行而言，虽然卡业务的欺诈损失率在同业内控制在较低水平，但随着业务发展，欺诈涉案金额不断上升，给业务发展带来较大的负面冲击。

近期，建设银行针对信用卡欺诈问题，利用积累的欺诈数据，引进国际先进的神经网络、逻辑回归等计量技术，通过客户欺诈特征、交易行为方式变化等关键信息，构建信用卡申请反欺诈评分卡、交易反欺诈评分卡。同时设计反欺诈业务策略，识别客户伪冒、虚假申请，判断交易真实性，实现在线实时欺诈侦测、批量欺诈风险评估，优化反欺诈业务流程和反欺诈运营管理，提高了欺诈的侦测能力和管理水平，降低了欺诈风险损失。

建设银行反欺诈评分卡的应用秉承识别、评估、测量、控制的管理理念，从反欺诈运营、反欺诈数据整理和收集、反欺诈模型、反欺诈策略、反欺诈跟踪与监控以及反欺诈业务系统建设等多个维度，构建反欺诈风险防范体系。目前已经构建完成并即将投产回归模型、神经网络模型和策略规则相融合的信用卡反欺诈系统，能够实时有效地阻止欺诈，以可靠的方式瞬时完成权衡决策和识别欺诈行为。国际领先实践证明，有效的反欺诈评分模型可减少高达50%的欺诈损失，较原始欺诈识别方式欺诈侦测率最高可提高44%。依托反欺诈评分卡的先进信用卡反欺诈侦测系统，能以较低的误报率来改进欺诈检测，同时减少对优良账户的影响，改进客户体验；并在欺诈交易发生前发出预警，有效改进分析人员的工作效率并提高反欺诈操作的有效性，更快地识别欺诈以减少损失；甚至能根据客户有关欺诈特征的研究结果进行调整，提高欺诈侦测率。

来源：信用中国