|
充分利用金融科技创新成果丰富监管工具和手段，确保各类线上创新业务“看得见”“看得懂”“看得住”，提升对金融风险甄别、防控和化解的能力 当前，大数据、云计算、人工智能等新技术正对金融领域产生广泛而深刻的影响，重庆辖内部分机构抓住金融科技发展带来的新机遇，积极应对互联网金融企业的新挑战，在信贷领域运用大数据风控技术，推动自动化审批。 运用大数据风控开展自动化审批的探索 个人消费金融领域。利用大数据风控技术，通过整合第三方数据和央行征信数据，形成客户身份信息、消费信息、社交信息、行为信息等信息数据库，借助机器学习算法构建身份验证、防欺诈、还款能力、还款意愿等大数据风控模型，实现贷款全流程自动化审批。辖内多个持牌金融机构在大数据自动化审批方面进行了有效探索，与外部数据实现对接并开展业务审批建模应用；辖内民营银行、部分城商行等也正在搭建互联网业务平台，探索自动化审批的消费金融业务。 小微企业贷款领域。辖内多家银行业金融机构利用“银税互动”，以小微企业税务数据为基础，综合市场监管部门、司法部门、专利部门和央行征信等各类数据，借助机器学习算法构建自动化审批的大数据风控模型。例如，重庆银行“好企贷”产品开展的全流程自动化审批，截至2017年年底已累计放款3621笔、总金额16.78亿元，不良率0.94%。 联合贷款领域。建立风险分担机制，实施联合放贷。一方面，辖内多家法人银行与有大数据风控技术的微众银行、平安普惠等线上放贷机构开展合作，通过接收合作方信息完成放款环节的自动化审批。例如，重庆银行2016年7月开办联合贷款业务，截至2017年年底已累计发放贷款金额近600亿元。另一方面，辖内具有大数据风控技术和大量客户群的消费金融公司也正与资金充沛的银行业金融机构开展合作，通过自动化审批实现联合放贷。 运用大数据风控开展自动化审批的特点 服务长尾客户，践行普惠金融。2016年G20峰会正式提出数字普惠金融的概念，并发布了《G20数字普惠金融高级原则》，其中利用大数据技术发展普惠金融成为广泛、有益、可行的方案。运用大数据风控技术开展自动化审批，更多服务于没有被传统征信体系覆盖，或者缺少抵押担保增信的长尾客户群。例如，辖内消费金融公司马上消费金融公司的客户约60%未持有信用卡、31%无任何信贷记录，平均贷款额度在3000～4000元；重庆银行“好企贷”小微企业客户全部采用信用放款模式，平均贷款额度约45万元。这些客户群体在传统的信贷尽职调查与审批方式下，存在办贷时间长、手续繁、成本高的难题，难以获得信贷金融服务，而依托大数据风控开展贷款自动化审批则是更优的选择。 依赖外部数据，数据来源多维。传统的信贷审批模式下，央行征信数据一直是最为关键的数据来源，但是也长期存在着无法获取并使用数量庞大的无贷户信息的问题。基于大数据的消费金融公司除了依靠传统的央行征信数据外，更广泛借助公积金、社保等公共信息以及银联、移动运营商、融360、芝麻信用、前海征信等第三方商业数据，从众多的数据项中抽取多达6万余个变量。银行业金融机构则以税务部门近三年的指标为基础，并综合工商、司法、专利以及宏观经济等大量外部数据。这些数据在类型上除了传统的结构化数据，也包括非结构化数据。在获取方式上除了免费数据源，更多地要按查询量进行商业付费。 模型数量更多，审批效率极高。相对于传统信用评分技术利用一个预测分析模型作出风险量化评估，运用大数据风控技术构建基于人工智能机器学习的分析模型可贯穿到自动化审批的全过程，模型数量大幅增加。例如，马上消费金融公司仅反欺诈领域就包括身份异常、套现、地址评分、线上高危、恶意操作等20个分析模型，对借款人可信关系、可信位置、可信设备和可信行为作出判断，还有全流程信用风控模型25个。在模型算法方面，除了传统的逻辑回归，更多地引入决策树分析、神经网络、随机森林等。同时，自动化审批还极大地缩短了审批时间，提供了更好的客户体验。 规制配置灵活，应用快速迭代。利用大数据技术的自动化审批，可通过灵活配置规则和参数等，针对不同应用场景和细分客户群，迅速构建差异化的风控策略和流程，克服传统风控系统审批路径固定单一、无法配合审批策略快速调整、无法满足大数据应用快速迭代等问题。此外，差异化的风控策略和流程还能够有效降低审批成本。在众多数据源中，消费金融公司可优先调用免费、低成本的数据源，根据结果决定是否继续使用成本更高的数据源，这样既能保障风控的效果，又能有效节约成本。 开展自动化审批面临的挑战 外部数据可得性和充分性的挑战。随着国家对公民个人信息和企业商业秘密保护的加强，是否能够持续、合规获取外部数据，数据敏感性的边界划分，可获取外部数据的粒度大小，被用户遗忘数据是否可被加工、利用和提供等，都会对大数据挖掘和建模形成制约。例如，移动运营商对外提供的“手机号码与身份证号是否一致”“手机号在网时长”等2个标签化数据，在网络安全法正式实施前就曾一度被关停，现在虽继续开放，但未来依然存在被关停的可能。 海量数据处理能力及安全性的挑战。出于对高并发请求、模型运行效率、系统稳定性和业务连续性的需要，利用大数据开展自动化审批对后台支撑的要求高，发力线上业务的机构大多将系统架构由集中式转向分布式，并招聘包括大数据专家在内的大量科技人员，存在信息系统改造和项目失败的风险。海量数据的采集、存储、加工也面临着信息防泄露的压力。 市场充分竞争带来的挑战。当前，次级贷款市场客户虽然数量庞大，但大数据风控对反欺诈技术要求极高，辖内机构目前还具有拒贷率高、贷款利率高的风控特点，随着市场参与者的增多，相对于互联网企业依托自身平台和生态圈开展主动授信，未来对持牌机构被动授信的风控能力要求更高，利率水平逐步下降也会对机构生存带来考验。在联合贷款方面，作为资金提供端，如果与非持牌机构合作，外部风险极易向正规金融体系传导。 全新业务流程对监管的挑战。自动化审批流程突破了监管关于贷前调查、贷中审查和贷后检查的相关规定。例如，小微企业贷前调查无法对借款人进行实地考察并出具书面调查报告，消费贷款分期场景的饱和可能会导致放松贷款用途管制。运用大数据风控开展自动化审批，涉及数据风险、模型风险、算法风险以及信息安全等多个方面，如何进行业务穿透和模型评估，都对监管人员的知识结构提出了挑战。 运用大数据风控开展自动化审批的建议 加强消费者自身数据权益的保护。在大数据技术应用的背景下，个人数据被广泛地收集和使用，加强对这些数据的保护就显得尤为重要。当前，我国对数据保护的相关法律规定存在不统一、操作性不强的问题，银行业金融机构对市场数据运用部分处于灰色地带，一定程度上制约了数据的合法收集和运用，建议相关部门尽快制订出台《信息保护法》，更好地明确个人信息与个人隐私、商业信息与商业秘密的边界。 加强线上业务监管规制建设。对大数据征信机构和银行业金融机构利用大数据风控技术进行对比研究，梳理行业标准和有益实践，对数据采集留痕、数据存储处理追溯、模型构建的评估、大数据风控的信息披露以及联合贷款合作机构准入机制与风控措施等开展深入研究，充分研判存在的风险，作出明确的监管规定。 推动监管科技发展。积极培养复合型监管人才，在日常监管中配备大数据专家，充分利用金融科技创新成果丰富监管工具和手段，确保各类线上创新业务“看得见”“看得懂”“看得住”，提升对金融风险甄别、防控和化解的能力。加快建设金融行业“私有云”，打造共享共用的金融科技基础设施。2017年，原银监会牵头包括工商银行、农业银行在内的16家银行设立互联网金融云服务平台公司，也正是致力于建设金融行业云的基础设施。 强化机构自治与行业自律。在大数据应用高速发展的背景下，亟需强化机构自治与行业自律。一方面，要督促应用大数据技术的机构以职责清晰、权责分明为目标，强化机构治理与内控机制建设，采用先进的网络信息安全技术，加强对大数据的保护，防止数据外泄，注重保护数据主体的合法权益；另一方面，要推动建立大数据应用行业协会，完善行业自律机制，规范机构市场行为，建立行业通行标准，鼓励机构相互监督，保护行业合法权益，同时，也能为监管部门的立法提供重要的参考。（作者：重庆银监局副局长邱晓玲，来源：《中国农村金融》2018年第9期 ） 美编：王玺 |
|
|
