信贷风控

本章思维导图是不错的信贷风控内容梳理，包括风控的基本指标、大数据风控、风控模型、风控数据等，值得参考。

信贷风控

• 信贷基础
  • 风控目标
    • 风险可控，利益最大
    • 低审批成本，高通过率低坏账率
  • 基础风控指标
    • 账龄Month of Book，MOB
      • 指资产放款月份。类似于婴孩一出生就有了年龄，一旦申贷订单被放款，也便拥有了账龄和生命周期。
      • MBOx
        • MOB0：放款日至当月月底
        • MOB1：放款后第二个完整的月份
        • MOB2：放款后第三个完整的月份
        • MOB的最大值取决于信贷产品期限。如果是12期产品，那么该资产的生命周期是12期，MOB最大到MOB12。
      • 例如，2019年11月13日放款的订单，2019年11月是MOB0，2019年12月是MOB1，以此类推。
    • 逾期天数Days Past Due，DPD
      • 逾期天数 = 实际还款日 - 应还款日
      • 例如，若还款日是每月8号，那么9号就是逾期第一天。如果客户在10号还款，那么逾期2天。
    • 逾期期数(M)
      • 指实际还款日与应还款日之间的逾期天数，并按区间划分后的逾期状态。M取自Month on Book的第一个单词。（注：不同机构所定义的区间划分可能存在差异）
      • M
        • M0：当前未逾期（或用C表示，取自Current）
        • M1： 逾期1-30日
        • M2：逾期31-60日
        • M3：逾期61-90日
        • M4：逾期91-120日
        • M5：逾期121-150日
        • M6：逾期151-180日
        • M7：逾期180日以上。此时也被称为呆账（Bad Debts），会予以注销账户（write-off）
  • 违约可能性
    • 还款能力
      • 现实能力
        • 第一还款来源
          • 经营实体
          • 工薪
        • 第二原款来源
          • 薪资
          • 抵押/担保物
          • 关联方等
      • 潜力能力
        • 个人职业
          • 教育程度
          • 职龄/年龄
        • 商业修为
          • 资产变相
          • 积累资产
          • 关联方等
    • 还款意愿
      • 主动意愿
        • 人品
        • 世界观
      • 被动意愿
        • 押品和担保
        • 名誉
        • 社会
  • 风险管理措施
    • 减少风险，即减少不确定性和发生不利结果的可能性
    • 当风险发生时，减少损失
    • 在风险有效的管控范围内，极大化资本回报
  • 大数据风控
    • 缺少客户收入（第一还款源）信息
    • 少而分散
      • 额度低，通常在借款人的基本工资水平以下
      • 更看重的客户的还款意愿
  • 资产质量分析
    • 账龄分析Vintage Analysis
      • 用以分析账户成熟期、变化规律等，通过放款账龄观察客户的逾期情况，即观察逾期率随着账齡增长的变化趋势（累计值）。
      • Vintage分析的基础指标（纵坐标）、资产放款月份为基准月( Benchmark)，按账龄（MOB）长短对齐后比较，我们可以了解同一产品不同时期放款的资产质量。
      • 作用
        • 确定资产质量：
          • 一般以逾期率来定义资产质量，也就是曲线平缓后对应的逾期率。
          • 产品、资产逾期率。一般指逾期趋势（曲线）稳定后的逾期率(小货个人经验：一般平均放款期限的2/3MOB逾期率会趋于稳定)
        • 分析变化规律：
          • 资产质量的变化情况，如果前几期上升快，说明短期风险未被捕获，欺诈风险高。如果曲线一直上升，说明信用风险识别能力不佳。
          • 由于小贷信贷行业绩效指标一般重点关注与前三期或前六期还款，一般可重点关注MO4、MOB7上升趋势，是否呈现上升拐点，此为欺诈风险重要衡量指标；
        • 确定账户成熟期：
          • 用来判断客户展现好坏的时间因素，从而帮助定义表现期。
        • 分析影响因素：
          • 逾期率的变化可能受到市场风险、公司战略调整、风控政策收紧放宽、监管政策的调节、合作渠道直营门店变动、客群质量等不同因素的影响，分析影响原因可以用于指导风控政策的调整
      • 计算口径
        • 单数口径或放款金额口径：由于金额（￥）口径分子为逾期状态客户在库余额求和，单数(#)口径分子为逾期状态客户单数求和。因此单数统计口径一般会比放款金额口径要大。
        • 运用场景：由于两种口径的差异，不同风控目的、业务阶段可采用不同的口径。衡量整体资产质量一般参考放款金额口径，而统计分析、建模可采用单数口径。
      • 实践中
        • 为了对不同期数的产品进行比较，会将横轴账龄（放款时间）改为需要分析风险维度切片，列如：渠道、年龄、产品名称、入模变量分箱等，将不同期数的通过加权平均的方式标准化比较，较为直观的呈现统一维度下，不同切片下资产质量对比。
    • 滚动率分析Roll Rate Analysis
      • 滚动率分析作用：建模过程中定义好、坏客户定义关键指标
      • 滚动率 Roll Rate,用以分析不同逾期状态之间的转化率，从某个观察点之前的一段时间（观察期）的最坏的状态、,向观察点之后的一段时间（表现期）的最坏的状态的发展变化情况。滚动率可以在广义上理解为累计迁徒率(递延率， accumulate flow through%)。
      • 观察点：为了排除观察点选择时的随机影响，一般会选择多个观察点。例如申请评分模型（税务）、货后行为评分模型均以每年1月、6月为观察点
      • 实践中：将多个观察点加权平均汇总，形成一份数据，更为直观呈现资产向下过渡比例；
      • 在此统计口径通常有单数口径或放款金额口径两种
    • 迁移率分析Flow Rate Analysis
      • 表示整体资产资质从一个状态过渡到下ー个还款状态的比率，例如：C-M1、C-M2、M1-M2、M2-M3、M3-M6以此类推。
      • 定义：用以定义账户好坏程度，能形象展示客户货款账户在整个生命周期中的变化轨迹。可计算整体资产在不同时点迁移状态，较 Vintage报表更能及时反映整体资产质量走势。衡量资产质量好、坏重要指标
      • 在此统计口径通常有单数口径或放款金额口径两种，但计算逻辑径因不同风控目的有很多方式，考虑整体思路基本一致，一般为过渡前、后在库资产是否剔除回流两种计算逻辑。(备注我曾经一家小贷公司因指标运用场景和需求不一致，同时存在四种统计口径)
      • 观测时间的口径：通常以天为单位观察、按月形成趋势图、分析迁徙率走势且逐月同比分析
      • 实践中：按月形成趋势图，分析迁徒率走势且逐月同比分析，结合风险维度，可多维度对比或同纬度切片对比分析，列如：渠道、年龄、产品名称、入模变量分箱等，将不同期数的通过加权平均的方式标准化比较，较为直观的呈现统一维度下，不同切片下资产质量走势对比分析。
      • 迁徒率分析作用
        • 衡量资产类好、坏重要指标，一般对风险准备金的计提/垫付提供数据支持
        • 资产质量好、坏过程管理指标，直接决定了最终资产质量指标、其也受风险贷前、贷后管理水平（如回收率），新增放款规模等因素影响，因而一般也作为公司整体绩效考核重要指标。
        • 指标重要缺陷：受过渡前新增放款量影响较大
• 信贷模式
  • 信贷员(IPC)模式
    • 是德国来的，核心技术是自称的所谓“信贷分析及交叉检验”，通俗一点叫“报表纠正”或“报表加工”。依赖经过了培训的信贷人员通过调查，将小微企业不准确的报表调整为较为准确的报表。然后对调整后报表进行类评级的财务分析及数据判断，来确定风险级别，由审贷委员会的工作组织形式对贷款进行审批。
    • 面向资料数据不全的小微企业客户，属于现金流分析。
    • 特点
      • 1、结合专家法的量化分析:
      • 2、人员要求高、替换成本大：
      • 3、风险识别力高：
      • 4、运营效中：
    • 优点：利于把控风险、便于后期业务展开及交叉销售。
    • 缺点：受制于人（人均产能、个体差异、人员稳定性）操作风险较大。
  • 信贷工厂
    • 概念是新加坡淡马锡的。核心是对信贷流程进行功能性切割。共设置接近二十个岗位，以类似工厂生产线的模式，将小企业金融服务岗位做流水线式分工，以专人专职、分工明确的标准化操作实现小企业金融业务的批量化管理。
    • 面向资料数据齐全的小微企业客户，属于量化评估。
    • 特点
      • 1、集约作业+模型支持
      • 2、人员要求低、替换成本低
      • 3、风险识别力中
      • 4、运营效率高
    • 优点：标准化作业，便于批量复制&控制品质；后台模型运算，便于整体调控。
    • 缺点：人员主观能动性低，系统依赖程度高；存在要素流失。
  • 小组联保(五户联保)模式
    • 面向农村借款用户，偏公益。
    • 授信无需抵押，由5个农户之间互相连带担保，责任是5户之间连带。只要有一户出现信用不良或者相关问题，那么其他4户都有连带责任。
  • 大数据模式
  • 供应链金融
    • 特点
      • 1、行业分析、数据交互、控制力博弈：
      • 2、人员要求低、替换成本中：
      • 3、风险识别力中：
      • 4、运营效率高：
    • 优点：准确获取了商户的经营数据准确，提高了商户的违约成本
    • 缺点：机构与核心企业间存在博弈，行业&企业选择需要慎重，当出现危机时，整体调控能力弱。
  • 参考材料
    • https://www.zhihu.com/question/25697786/answer/32680401
• 大数据模式
  • 产品分类
    • 数据赋能模式
      • 银税贷
        • “银税互动”，是指全国税务部门和银行通过建立合作机制、共享交换信息，将小微企业的税务数据转化为融资信用。企业可以根据最近3年的纳税额进行贷款申请，一般要求最低的年纳税额大于2万。纳税额的贷款期限同样也在1-3年。
        • 建设银行“云税贷”
        • 交通银行“税融通”
      • 信易贷
        • 依托全国信用信息共享平台，鼓励各地区整合税务、市场监管、海关、司法、水、电、气费以及社保、住房公积金缴纳等领域的信用信息，构建各地区大数据中心，根据有关信息共享协议将可公开信息推送给金融机构使用，金融机构使用公共信用信息，依托大数据、云计算等完善小微企业信贷评价和风险管理模型，为小微企业提供金融服务。
      • 发票贷
        • 小微企业可以根据自己的年开票量进行贷款申请，一般要求最低年开票销售额大于 200 万。发票贷的额度为 10-300 万，贷款期限为 1-3 年，年利率在10%-20%的范围内。
      • 流水贷
        • 开户银行可以掌握到小微企业的账户结算数据、POS流水数据等。银行按照客户本行账户结算流水量的一定比例向客户发放贷款，结算流水量越大，贷款额度越高，有一定规模企业户聚集的银行一般都会有这类信贷产品，以提升原有客户粘性和吸引新增开户企业。
        • 流水贷分为开户行贷和机构贷。前者的额度一般为 10-200 万，后者贷款额度为 1-50 万。就利率而言，开户行贷的年利率为 7%-12%，机构贷的月利率超过 1.5%。
      • 场景贷
        • 基于小微企业经营过程中产生的，例如电力、专利等数据，进行核心数据选取、数据合规、数据模型构建，需要专业的科技赋能。虽然难度和复杂程度较高，但由于其依托对小微企业经营细分场景的精准分析和精细化信贷投放，具有较大潜力。
    • 核心企业模式
      • 供应链担保
        • 在这种模式下，核心企业参与整个借贷过程，以应收账款、订单或承诺到期付款等方式为其上下游节点企业提供信用担保。而银行以大型核心企业为中心，选择资质良好的上下游小微企业作为融资对象。一方面信贷以小微企业与核心企业的真实交易作为背景，银行可以跳出对具体某家小微企业的信用风险评估，转为对核心企业的信用状况和实力以及交易真实性和风险性进行评估，实际上是将核心企业的信用延伸到了上下游小微企业，小微企业的信用相应升级；另一方面，由于核心企业提供担保，为了保证整个供应链条资金流的顺畅，核心企业也会监督小微企业经营和信贷使用环节，提高小微企业履约能力及意愿，减小违约风险。
        • 平安银行供应链应收账款服务平台
      • 供应链数据
        • 供应链是以核心企业为主导的网络结构，任何一个供应链上都有信息流，物流，资金流的流转，沉淀了大量供应链流转和运营数据。以供应链 ERP 沉淀数据或上下游交易数据作为供信用评价依据，开发以供应链数据为核心的信贷产品和风险评价模型，银行为供应链上下游小微企业提供贷款。
        • 农业银行“数据网贷”
    • 交易平台模式
      • B2B 交易平台
        • 找钢网“胖猫白条”
        • 快塑网“塑贷”系列
      • 消费电商平台
        • 网商银行 “网商贷”
  • 数据类型
    • 内部数据
      • 申请单类数据
        • 基本信息
        • 工作收入
        • 教育信息
        • 房产信息
        • 联系人信息
      • 设备类数据
        • 通讯录
        • 通讯记录
        • 地理位置
        • 短信记录
      • 货中类数据
        • 信用变动信息
        • 资产变动信息
      • 货后类数据
        • 还款信息
        • 交易监测
        • 催收数据
        • 清收数据
    • 外部数据
      • 身份核验类数据
        • 公安核查身份（姓名身份证验证）一一 虚假身份
        • 人脸识别(OCR)/活体监测 一一 是否本人
        • 手机三要素认证（手机号与姓名、身份证是否一致）一一 是否本人手机号
        • 银行卡三四要素（银行卡号、身份证号、姓名、手机号）一一是否本人银行卡
        • 个人学历信息查询 一一 学历信息
        • 职业资格证书核查 一一 职业资格
      • 黑名单（身份证/手机号）
        • 法院执行人/失信执行人
        • 司法诉讼、行政违法、民间欠款等信思
        • 高危行为、欧诈名单一一举例：申请人身份证关联多个手机号
        • 金融信货类逾期、不良(逾期60天以上未还)
        • 特别关注名单(售假、套现、虚假交易)
      • 行为特征类数据
        • 人行征信报告
          • 职业信息
          • 信贷交易信息
          • 查询记录
          • 公共信息明细等
        • 信用分（对申请人信用风险的综合评分）
        • 银联交易变量
        • 无卡交易支付
      • 多头借贷
        • 申请次数
        • 申请机构
        • 时间纬度
          • 7天
          • 1个月
          • 3个月
      • 移动App运营数据
      • 设备识别类数据
  • 数据使用
    • 数据理解
      • 解析回传字段
      • 是否适用产品
    • 数据筛选
      • 数据来源
      • 数据体量（查得率）
      • 区分度（覆盖率）
      • 收费标准
      • 是否稳定
    • 测试验证
      • 样本（黑名单举例）
        • 通过
          • 好
          • 坏
        • 拒绝
          • 黑名单
          • 其他原因
      • 查得率：查得数/样本量
      • 覆盖率：查得命中黑名单数/样本中命中黑名单数
      • 有效差异率：查得命中黑名单数/样本中通过且坏客户量
      • 无效差异率：查得命中黑名单/样本中其他拒绝量
      • 误拒率：查得命中黑名单数/样本中通过且为好客户量
      • 验证原则：对比分析不同数据源，严控覆盖率和误拒率
    • 制定规则
      • 准入
        • 年龄限制
        • 城市与地区
        • 公司类型限制
        • 当前是否逾明
        • 历史是否逾期
        • 工作时长
        • 命中内部黑名单
        • 同身份证短期内多次申请
      • 欺诈&黑名单
        • 是否命中外部黑名单
        • 通讯录号码数量
        • 通讯录单一号码数量
        • 通讯录内命中黑名单的占比
        • 联系人是否在通讯录中
        • CPS/AP地址短时间内提交过多
        • 同手机不同身份证
        • 本人手机号高频出现
        • 联系人手机号高频出现
        • 东南亚现金贷风控贷前策略主要手段
      • 信用风险
        • 多平台申请
        • 评分较差
        • 未结清货款过多
        • 额度使用率过高
        • 当前其他机构存在逾期
        • 近期被机构查询多次
      • 评分模型
        • 模型开发
          • 建模数据整理
          • 数据业务分析与清洗
          • 业务特征构建
          • 算法模型
          • 效能评估
            • IV
            • K-S
            • AUC
        • 模型测试
          • PSI
          • CAP（Cumulative Accuracy Profile）曲线/AR值
          • K-S指标
          • Gini
        • 模型监控
        • 模型优化
        • 模型迭代
      • 决策引擎（策略落地）
        • 底层变量
        • 决策树
        • 评分模型
      • 策略优化
        • 无逾期表现的策略调优
        • 资产质量朝坏的方向变化
        • 预测的坏账率比率超过预期
        • 通过率下降
        • 逾期指标偏高
    • 资产组合管理
      • 用户全生命周期管理
        • 扩展客户期
        • 审批客户期
        • 管理客户期
      • 资产量化组合管理
        • 拨备
        • 风险分级
        • KPI
        • 监控、预测、预警
• 数据监控
  • 贷前报表
    • 产品转化率报表
    • 获客成本报表
    • 渠道分布报表
    • 通过率/转化率报表
    • 拒绝原因报表
    • 额度使用率报表
  • 贷中报表
    • 客群切片数据
    • 规则命中率报表
    • 审核审批通过率报表
    • 反诈监控报表
    • 第三方数监控报表
    • 模型监控报表
    • 额度报表(使用率、额度区间分布等)
    • 复购率报表
  • 贷后报表
    • 资产监控控报表( vintage等)
    • 逾期率报表（订单）
    • DPD报表
    • FPD报表
    • 催收率报表
    • 迁徙率报表
    • 坏账回收率报表
  • 参考资料
    • https://zhuanlan.zhihu.com/p/386139157