把好消费金融的风控命门

风控是金融机构的核心能力，良性、可持续的风险防控是消费金融成功持续运营的根本

从2015年开始，中国的个人消费贷款业务激增，银行、消费金融公司、互联网金融平台共同发力，消费金融的贷款规模持续上升。

在行业一路狂飙猛进的态势下，必然出现良莠不齐的现象。一些平台的不良率、逾期率持续攀升，也衍生出短信恐吓、电话骚扰、暴力催收等乱象，为消费金融市场蒙上了一层阴影。

“良性、可持续的风险防控是消费金融成功持续运营的根本。所谓高利率覆盖高风险不可行，也 走不通。”中国社科院金融研究所法与金融研究室副主任尹振涛告诉《瞭望东方周刊》。

风控是命门

尹振涛对本刊记者介绍，“在场景分期领域常见的欺诈是套现，比如通过分期网购后申请无理由退货；现金贷领域常见的则是利用网络借贷不记入征信系统，多头借贷然后失联，等等。这里面既有消费金融从业者内外勾结的操作，更有专业撸网贷口子的‘黑产’‘骗贷大军’。”

目前当用户从互联网金融平台、消费金融企业申请分期或借款时，其背后的依据已不再是传统的收入、职业、年龄等几十个维度，而是依靠人工智能、大数据、云计算等所作的精准画像。

上海前隆信息科技有限公司为消费金融机构提供技术支持。该公司首席风控官何同国向《瞭望东方周刊》介绍，消费金融的风险分为两类，即用户的信用风险和欺诈风险。“二者的区别是用户借款时是否带有恶意。如果只是还款能力出现不确定性或者非故意逾期，这种就属于信用风险。而用户使用盗用他人身份、填报虚假信息或团伙诈骗等这是欺诈风险，预防风险的技术手段也会有所不同。”

而在有场景的消费分期和无场景的现金贷中，后者的风险相对更高。

“消费金融行业都把目前积极开拓场景当作提升竞争力的主要手段，一定意义上说也基于控制风险的考虑，有场景的消费分期最大的优势是风险可控。”中国社科院金融法律与金融监管研究基地特邀研究员程雪军告诉《瞭望东方周刊》，“从数据来看，消费金融行业整体不良贷款率在持续上升，但基于场景的消费金融不良率比现金贷要低一些。”

“在场景分期领域常见的欺诈是套现，比如通过分期网购后申请无理由退货；现金贷领域常见的则是利用网络借贷不记入征信系统，多头借贷然后失联，等等。这里面既有消费金融从业者内外勾结的操作，更有专业骗贷者。”尹振涛告诉本刊记者。

为防范现金贷风险，2017年 12月，互联网金融风险专项整治工作领导小组办公室、P2P网贷风险专项整治工作领导小组办公室印发了《关于规范整顿“现金贷”业务的通知》。

“在市场发展初期，各项制度法规尚不完善，部分消费金融企业还缺乏体系化的内控流程，风控能力较弱，还面临着合规风险。”广发银行信用卡中心相关负责人告诉《瞭望东方周刊》。

而造成这些乱象的重要因素之一即是风控不过关。

“风险控制机制设置好的话，首先在前期放贷阶段，就能选择偿付能力没问题的贷款人，就会大大降低过度借贷、重复授信等情况的发生，而后期的不当催收的发生也会避免。”尹振涛说。

何同国强调，金融依赖于风控，消费金融更是如此，“消费金融主要是覆盖传统银行个人信贷业务没有服务到的长尾用户，一般来说，这些群体的信用风险更高。因此，风控能力是制约平台长远发展的命门。”

上百种风控模型，数千种风控策略

不同的风险类型，风控的技术手段也不同。前述广发银行信用卡中心负责人介绍说，金融领域主要有传统和大数据两种风控模式。传统风控模式下，银行等放贷机构要逐一审查贷款人的各种信息，“效率低、成本高，不太适合客户分散、额度小、数量多的消费金融。”

而今，用户从互联网金融平台、消费金融企业申请分期或借款时，其背后的依据已经不再是传统的收入、职业、年龄等几十个维度，而是依靠人工智能、大数据、云计算等所作的精准画像。

以蚂蚁金服旗下的消费金融产品花呗为例。在放贷之前，蚂蚁金服通过大数据分析，从身份识别、历史信用等维度分析，用户的特点和日常消费习惯，然后才是确定主要覆盖其日常生活费用的授信额度。通过大数据分析，花呗为个人消费金融建立起150种风控模型，制定了5000多种风控策略。

合富金融策略发展部总监徐北对《瞭望东方周刊》举例称：“软件根据你手机经常使用的App，比如高德地图，获知你在日常上班时间来往的两个地址，可以判断出你常住的小区房价水平，你路途所用时间表明你乘什么交通工具，你上班的写字楼是不是甲级……这是2014年就已经普遍使用的技术了。”

一位消费金融公司内部人士告诉《瞭望东方周刊》，“除了基础的身份信息，有时候平台也会根据借款人的网上消费记录或者信息浏览记录来标记，比如一个频繁浏览戒毒网站的用户，可能就会被打上一个标签，他也许会因此借不到或者能借到的额度很低。”

目前在广发银行，大数据应用也已贯穿风险管理全流程。在发卡阶段，广发银行信用卡部会运用海量数据分析优化信用评分模型，精确定位目标客户群，同时引入外部信息辅助审核，提高客户授信的精准度，控制整体客户风险敞口；在信用维护阶段，银行则结合客户行为表现搭建评分模型和事件触发规则，实现风险与收益的平衡；在催收阶段，针对客户特性建立变坏概率和回款可能性的评价矩阵体系，提升客户分群的区分度与回款效能。

何同国透露，联合建模正在成为一种广泛的大数据风控手段。目前前隆科技的联合建模主要是使用客户贷后表现（是否逾期、逾期天数）数据和其

他互联网行为（浏览网站、网络消费等）数据两部分，据此形成一套评分规则，供前隆科技的决策系统使用。

“这一操作方式的要点在于，用户明细标签数据不离开合作方平台，符合合作方的合规要求，而前隆科技也拿到了抽象脱敏的用户评分（欺诈评分或信用评分），用于风控决策。”何同国解释道。

建立智能“防火墙”

随着消费金融的快速发展，其用户群更加下沉、分散，风控态势更加严峻，成本也不断增加。人工智能、生物识别、云计算等技术，在提升运营效率和客户体验，降低获客成本和风险成本方面开始发挥其优势。

“目前，科技在消费金融市场中扮演着赋能加速的角色。它不仅能够多维度动态分析用户信用状况，更精准地做好风控，还能够使金融机构将业务高效地渗透到各个细分场景中，并且把消费金融客群从传统征信用户扩展到网络用户。”何同国说。

面对新型网络套现诈骗，花呗布下了三道以人工智能技术为支撑的防火墙，基于海量数据的智能风控大脑、反欺诈决策引擎以及合作伙伴的联防联控机制。简单来说，如果一个平均客单价在30~50元的用户，在一段时间内向几个卖家发起了 300~500元的多笔交易，且快速收货，模型就会判断存在套现风险。通过这三道防火墙，花呗已经拦截了数十万笔可疑交易，阻止了数亿元的损失，将绝大多数的疑似诈骗交易拦截在事前。

一系列的风控手段，使花呗的不良率维持在不足1%的水平，而银保监会发布的数据显示，消费金融的不良率为4%。

前隆科技也利用应用图数据库、复杂网络、机器学习、网络社区识别、关系图谱可视化技术，对用户进行聚类，以主动发现异常用户群体，并对其进行反欺诈排查，从而降低反欺诈人工标注的成本。

平安银行信用卡中心在接受《瞭望东方周刊》采访时表示，其已研发了被称为风控3.0 的智能反欺诈系统。通过系统集成多种机器学习算法，深度智能学习每个客户的操作习惯及最新的盗刷交易特征，精准识别交易风险，最大限度防范盗刷欺诈。如 3.0智能风控系统利用语音识别技术，通过语音确认用户身份；还可以采集用户在手机上的使用方式、触屏力度甚至滑动手势等数据生成用户个人的安全数据，以此对用户进行身份确认。

平安银行信用卡中心提供给本刊的数据显示：目前该系统已累计对10.8亿笔金融交易进行实时风险决策，直接和间接为用户减少了约1.09 亿元人民币的经济损失。