大数据时代，如何应对贷款申请的挑战？

　　点击

　　“亚联大数据”

　　可关注我们！

　　一、国内个人信贷业务发展现状

　　(一) 个人信贷市场业务规模快速增长

　　近年来，以自然人为授信主体的个人信贷市场业务发生大数据时代，如何应对贷款申请的挑战？了巨大的变化。在外部政策引导以及内生的业务转型需求的“双轮驱动”之下，以银行为代表的传统金融机构开始逐步将信贷业务向个人信贷领域进行下沉；其大数据时代，如何应对贷款申请的挑战？他非银金融机构以及各类创新的互联网金融业务也更多地把视角投注在个人金融服务领域。个人信贷市场规模呈现连续、快速的增长。

　　图1金融机构个人贷款及透支余额[1]

　　截至2015年2季度末，仅纳入统计范围内的行业存款类金融机构、信托投资公司、租赁公司和汽车金融公司，其所经营的个人信贷业务规模就超过25万亿，个人信贷占比稳步增长。从业务规模总量及规模占比来看，都仍处在稳步增长的阶段。而尚未被监管机构纳入统计范围内的其他消费信贷企业、互联网金融企业、以及实际经营个人信贷的其他机构与个人，其经营的个人信贷资产总规模已达到一个非常庞大的数字。

　　(二) 个人信贷不良资产管理压力增大

　　在伴随着个人信贷业务的迅猛发展，解决个人信贷不良资产管理的问题逐渐被提上了日程。不同机构所面临的不良资产管理课题有着不同的特点。

　　其一，对于较早进入个人信贷市场的金融机构而言，现阶段已经度过了跑马圈地的规模获客阶段，开始逐步迈入了存量资产管理的业务周期。其所积累的不良资产总体规模较大、涉及客户人数众多，这些金融机构对不良资产的管理负担显著加重。

　　其二，对于后进入市场的金融机构而言，对于获取优质资产的竞争压力更为激烈，部分机构将客群定位于“次级”信用风险客群，其业务本身所面临的不良资产管理难度就较为严峻。

　　其三，部分新兴的个人信贷业务，其经营模式尚在探索，风险管理体系仍不成熟。比如，信贷业务流程前端未能有效识别的风险客户，客户更快地进入不良资产管理阶段。特别是随着各类创新业务模式的层出不穷，对传统的不良资产管理的基本方式提出挑战，普遍应用的电话催收、上门催收方式难度增大，新的管理模式有待建立。

　　其四，对于各类非银金融机构而言，没有相应的法律法规或监管办法为依据，在财务处理与资产管理维度上，不能进行批量的核销处理，使得不良资产持续积累，亟需找到可行的解决方式化解不良资产、甩掉历史包袱。

　　当然，无论哪类个人信贷金融机构，还都共同所面临着在经济下行的环境压力下，个人信贷客户的还款能力与还款意愿上都在发生变化。10月份国家统计局公布2015年三季度的GDP同比增速为6.9%，创2009年以来新低，实体行业不景气，钢贸、煤炭、水泥、纺织、陶瓷等多个行业因产能过剩等原因，大量中小型企业倒闭。宏观经济情况、行业运行情况、区域经济环境的变化，逐步传导至个人客户，多方面的影响着个人信贷客户的收入水平、消费意愿、负债压力以及还贷意愿。

　　信用卡是个人信贷业务的代表性产品，以信用卡为例，截止到2015年第二季度末，信用卡不良贷款余额[2]达到了337.33亿元，信用卡不良率达到了1.21%。从发展趋势来看，2012年以来，信用卡的不良贷款规模持续增长，尽管在今年1季度末出现了回落，但目前在趋势上仍不能完全脱离增长的通道。另外，也需要注意，上述不良资产规模数据已经经过了银行的核销处理，历史累积不良资产规模要高于该数字。

　　图2国内信用卡不良贷款规模及不良率变化情况

　　信用卡市场的不良资产规模及占比，体现的仅是个人信贷市场不良资产管理压力的一个缩影。市场上仍有相当的个人信贷经营主体，所面临的不良资产管理压力要显著高于信用卡业务。以P2P的业务为例，各家P2P平台不良资产的情况还未得到有效披露[3]。对于其中以个人信贷作为主营资产的平台而言，还是有相当数量的问题平台或跑路平台，发生了不良资产占比过高的经营不善情况。

　　针对个人信贷市场所面临的上述现实问题，本文将具体分析个人不良资产成因，剖析现有的管控措施下管理难点，探索大数据下个人不良资产管理的改善措施，并通过实践结果说明基于大数据的个人不良资产管理解决方案的有效性。

　　二、 个人信贷不良资产管理

　　(一) 个人信贷不良资产成因

　　个人信贷不良资产的成因有很多方面，从目前国内个人信贷业务的实际情况出发，以下列举表现最为突出的三大成因。

　　1.信用体系尚不健全

　　在国务院发布的《社会信用体系建设规划纲要(2014—2020年)》中指出，“现阶段国内社会信用体系建设虽然取得一定进展，但与经济发展水平和社会发展阶段不匹配、不协调、不适应的矛盾仍然突出。”在具体表现中指出，“覆盖全社会的征信系统尚未形成，社会成员信用记录严重缺失，守信激励和失信惩戒机制尚不健全，守信激励不足，失信成本偏低”，“信用服务市场不发达，服务体系不成熟”，“社会诚信意识和信用水平偏低，履约践诺、诚实守信的社会氛围尚未形成”等方面的问题。

　　在这样的现实条件下，对客户进行风险评估的数据仍不够完备，贷款、税收、保险、犯罪记录等和信用相关的全面数据的整合和利用还正在摸索之中；核心征信体系能够支持的机构范围有一定限制，大量准信贷机构的逾期失信行为并未得到有效登记和传播；普通民众的守信意识仍较为薄弱，给从事欺诈包装和伪冒申请的非法金融中介以可趁之机。特别是随着互联网的兴起，进一步降低了线上欺诈行为的成本，欺诈行为更加普遍；很多情况下，失信的总成本远远低于其收益，就会有部分人受到利益的驱使而失信。

　　2.行业竞争与业务发展阶段问题

　　金融机构的业务竞争越发激烈，个人信贷产品出现了同质化趋势，造成部分同业之间的恶性竞争。为了追求短期利益，盲目扩张业务规模，出现了降低客户的准入门槛、采取宽松授信政策的情况，导致客户资质偏差、过度授信、客户在多家机构同时获取授信等问题。

　　随着近几年互联网金融的发展，出现很多创新的业务模式，试图去服务传统金融机构服务不好、服务不到的市场。很多创新的业务模式在证明其可持续性和盈利模式之初，对风险容忍度的把控并不成熟，在经营一定时间之后也会承受不良资产管理的压力。

　　3.风险管理人才缺失

　　专业风险管理人才缺失，不合格的风险管理人员的信贷业务决策失误，也可能引发出现大量不良资产的问题。如P2P等新兴互联网金融机构，更是普遍存在着信贷决策人员专业素质不高、风险意识薄弱等情况，造成贷款业务乱象丛生，经营难以为续。

　　在创新业务模式层出不穷的现实情况下，风险管理出现了新的特征与挑战，如果风险管理的专业人员无法与时俱进，同样导致无法有效识别和管理业务中新的风险点，造成后端不良资产的增长。由于风险暴露的滞后性特点，当问题暴露时，机构面临的不良资产可能已经形成一定规模。

　　(二) 个人信贷不良资产管控重点

　　不良资产管控的核心有两大方面，一是控制不良资产新增，二是化解存量不良资产。

　　1. 不良资产新增管控

　　在进行不良资产管理的过程中，往往强调事后处理，而忽视了事前预防。如果说不良资产管理是“水池问题”，管理新增解决的就是“进水量”的问题。

　　在贷前、贷中建立完善的风险管理措施，严格把控客户准入门槛，制定合理的授信策略，并进行持续风险监测与差异化客户管理，是控制新增不良资产的有效方式。而能够有效识别客户风险水平是控制不良资产新增的必要前提。由于个人信贷业务具有海量客户、单笔小额的特点，因此，风险识别对量化工具的依赖性较强。举例而言，可在客户引入管理、存量管理等阶段，分别部署量化模型工具，对客户的风险进行有效的评估、排序，从而部署有针对性的管理措施，降低不良资产新增。对于欺诈行为所造成的不良资产新增的控制，也可借助数据和反欺诈体系建设，部署相应的反欺诈策略或反欺诈评分，根据欺诈可能性的评估结果，采取电话核实、交叉验证、实地走访等差异化核实手段，在贷前准入及存量管理阶段提高欺诈捕捉率，从而降低由于欺诈问题导致的损失。

　　2. 不良资产存量化解

　　进入贷后管理阶段，对存量不良资产的化解是风险管理的核心能力。常见的不良资产化解手段包括逾期催收、债务重组、核销剥离、资产处置等。上述不良资产化解的手段，能够有效实施的关键前提是，能够对存量不良资产进行合理盘点和有效评估。例如，对不良资产中的客户失联、共债、大额逾期等特征进行分析，并以此为基础对客户进行分群管理，对不同客群采用差异化的化解策略，使得不良资产化解的效用最大化。

　　（1）资产的识别

　　对于存量不良资产的识别，首要需解决的是就是能够量化评估客户的风险程度，从而形成差异化的化解策略。在贷后管理阶段，客户已经进入了逾期阶段，但不同的逾期客户的风险水平以及形成原因仍旧有较大差异，从而其未来还款的可能性及清收难度也存在着较大差异。对这些逾期客户的风险进行识别，风险水平进行评估及排序，找到区分不同客户风险水平的有效方法。

　　这其中要重点关注的两类特殊风险客群，共债客群及欺诈客群，需要在评估逾期客户风险水平的基础上，特别对上述两类客户群体特征加以识别与区分。

　　第一，共债客户。此类客户同时面临多家金融机构的催收，如客户的偿付能力有限，催收时间较早的金融机构回款可能性最高。能够识别此类风险客户，对催收策略会产生显著影响。受到目前人民银行征信报告数据采集范围的影响，目前个人信贷市场上共债客户的隐形负债问题非常突出，此类客户的识别因此需要更多依赖多种维度数据所提供的信息。

　　第二，欺诈客户。此部分也是风险识别的重点客群。欺诈行为本身就隐藏着还款意愿缺失的问题，一旦识别为欺诈客户，将直接影响对该客户风险水平的确定。欺诈行为的增多，在创新业务流程与业务模式下体现的更为突出。例如，全流程在线的个人信贷申请服务，如没有部署有效的事前预防策略，很有可能为欺诈分子提供了快速复制、反复尝试的条件，使得欺诈申请数量几乎无成本地快速增长。欺诈的有效识别，需要多种静态数据及动态数据的交叉比对，对数据来源的丰富性及数据应用的复杂性提出挑战。

　　（2）资产的修复

　　由于多类不良资产化解措施的落地，都要以逾期客户可触达作为前提条件，因此客户的不可触达是不良资产化解过程中的重要难点及管控重点。如果无法有效触达客户，多数不良资产的化解手段就趋近于失效。从目前国内个人信贷市场实际情况来看，逾期客户失去联系（失联）的情况非常普遍，低账龄逾期客户中失联客户的比例估计在30%-50%，而进入到不良阶段，客户的失联比例可达到70%以上。在个人信贷业务创新的背景下，网络申请、移动申请、实时授信等新兴业务方式快速发展，通常伴随着申请材料及审核流程简化，这进一步加剧了不良阶段客户失联比例的增长。

　　因此，利用不同维度的数据，对客户多维度联系信息进行事前收集、事后修复，成为不良资产化解的重要核心。随着信息修复能力的提升，将大大提高不良资产的回收可能性，特别在单户授信金额较小的个人信贷领域，信息修复对于逾期清收的影响程度尤为重要，因此显著影响不良资产的总体价值。

　　不管是共债、欺诈，还是失联，归根结底都是信息不对称所带来的问题。伴随着个人信贷创新业务的发展，信息不对称问题并非得到了全面解决，而是在某种程度上更为严峻。迫切需要建立更多新的风险识别与化解的能力，依赖传统手段或是单一数据的风险评价机制已经不能满足金融机构在不良资产管理方面的需求，金融机构迫切需要更多的外部数据来解决信息不对称的问题，基于大数据形成新的个人不良资产的管理策略与手段。以下，本文将从大数据应用的角度，对个人信贷不良资产管理提出一些可行的方式、方法，并将数据应用的重点放在对于存量资产化解中有效的风险识别以及资产修复方面。

　　(三) 基于大数据的个人不良资产管理1. 数据情况

　　国内个人征信体系是以公共征信部门为主导的征信体系，人民银行征信中心的数据是金融信贷信用信息的核心来源。人民银行所提供的个人征信报告，包含了客户身份信息、配偶信息、居住信息、职业信息、贷款历史信息、公共记录、查询记录等关键数据，为客户的身份识别、反欺诈识别、信用风险识别均提供了重要帮助。但个人征信报告所搜集的数据范围仍然是有限的，这既包括数据类型，也包括接入机构的范畴。

　　为了满足各类金融机构对于信用数据的迫切需求，各种新型的征信机构[4]应运而生。新型个人征信机构通过互联网、移动设备、传感器等新型信息采集媒介，采集个人的联系信息、交易行为、浏览行为、收支信息、社交信息、地理信息、设备信息、注册登录信息、申请信息等，极大地拓展了信息采集的范畴和维度。基于大数据及相应的挖掘手段，评估客户的消费能力、收入能力、行为习惯、稳定性等方面，在客户营销、反欺诈、风险评估和不良资产管理等方面帮助金融机构改善资产质量。

　　2. 数据应用

　　如前文所述，对于个人不良资产管理，核心还是在于解决信息不对称问题，依赖于机构内部数据和传统征信数据的管理方式，就如同获取到了刻画客户的一张“拼图”,新型的大数据征信机构给出了拼图的某些缺失部分，二者的有效结合将有利于更完整、更清晰地刻画客户。

　　（1）计量模型开发

　　计量模型是进行客户风险识别与评估的重要基础工具。以数据为驱动的计量模型，对数据的需求非常突出，重点表现在大数据时代，如何应对贷款申请的挑战？：

　　一是数据对应的客群覆盖范围。对于金融机构的目标客户，如果没有相应数据覆盖，则无法建立相应的计量模型。以传统的基于人行征信报告数据的计量模型为例，由于人民银行覆盖的有信贷记录的自然人数量有限，对于无人行征信信息的客户，这样的计量模型则不适用，需要扩展其他领域的数据，对这些客户的行为表现进行说明与刻画。

　　二是数据的刻画维度。以传统征信数据为基础的计量模型通常包含了申请信息、交易信息及人行征信信息这三方面维度，评价指标会包括身份特质、使用信贷年限、偿还历史、额度占用情况，交易频繁度等。这些数据对于客户风险评价仍然起到非常关键的重要作用，但引入线上行为数据、社交数据、移动通讯数据等多维度的信息，将更加全面地对客户进行刻画。

　　当然，在实际应用中，传统金融数据和新型数据在数据质量、数据结构、数据类型上均有较大差异，因此如何结合应用也是一个需要攻克的难点。

　　（2）资产修复

　　客户不可触达是逾期催收过程中碰到的最大难题之一，但不良客户中70%以上的失联比例，又是金融机构不得不想办法解决的问题。

　　金融机构内部数据整合是解决失联问题的重要手段之一，对金融机构内部不同部门、不同业务条线以及不同系统中所记录的碎片化的客户信息进行规范化管理，可有效降低不良客户的失联比例。

　　另一方面，外部数据是解决失联问题的新办法。金融机构内部数据对客户触达方式的修复均失效的情况下，外部数据就显得尤为重要。由于外部数据的来源广泛而又多样，在客户并未实施欺诈或刻意隐藏的业务场景中潜移默化地采集相关信息，因此这些外部数据对失联修复的作用更为直接，应用效果更为显著。

　　在有效修复的基础上，使得不良资产可回收的概率得到较大提高，资产的价值得到提升。在不良资产化解的手段中，无论是不良资产的直接催收还是转让处置，修复对资产的增值效果都显而易见。

　　三、 基于大数据的个人不良资产管理实证分析

　　本文以个人不良资产存量化解方面的大数据应用为切入点，对于存量不良资产的风险评估与失联修复两个方面的应用分别进行阐述。实证研究的相关数据均来自于百融（北京）金融信息服务股份有限公司[5]。

　　百融金服是一家专业提供大数据金融信息服务的公司，其依托大数据技术整合了来源于互联网、金融机构、线下零售、社交、媒体、航空、教育、运营商、品牌商等多维数据源，目前已积累了约6.1亿实名消费者，约10.8亿匿名消费者在消费、阅读、社交、资产等方面的信息，致力于在金融机构风险管理，包括欺诈监测、风险评估、不良资产管理等方面提供全流程解决方案。

　　本次实证在计量模型开发、信息修复方面均采用了百融金服的数据，并呈献其数据应用效果。

　　(一) 计量模型开发

　　本次模型开发目标是开发晚期[6]催收模型，用于预测客户未来还款的可能性。对高账龄逾期客户进行风险排序，有利于在催收过程中集中人力物力，优先催收催回可能性更高的客户，尽快化解存量不良资产。

　　1. 模型设计

　　（1）样本选取

　　模型开共采用25981个客户样本，剔除部分不能满足模型开发要求的客户，最后剩余样本数共计12468个。

　　表1模型开发样本剔除策略

　　（2）好坏客户定义

　　模型开发目标是预测客户未来还款的可能性。如果客户在有效的委外催收期间（3个月）内发生了还款行为，则认为客户是好客户；如果客户没有还款行为则认为客户是坏客户。样本中坏客户占比为62.8%。

　　表2模型开发好坏客户分布

　　2. 模型数据来源

　　模型开发除采用合作金融机构内部数据外，还结合百融金服授权采集的外部大数据，数据范围包括互联网行为信息、银行卡收支信息等。

　　3. 模型开发方法及模型结果

　　模型最终结果主要包含三部分的信息：金融机构内部信息、互联网行为信息和银行卡收支信息，三部分权重见下表。

　　表3模型开发结果

　　4. 模型预测能力

　　将客户评分从低到高进行排序，并等分分成20组，描绘好客户累计和坏客户累计曲线。基于该模型结果，样本客户评分主要集中在400至600分之间，客户违约率随着评分的升高快速降低，模型具有良好的风险排序能力。

　　需要说明的是，仅依赖金融机构内部数据开发该模型，区分能力较弱。当晚期催收模型扩展了数据来源的维度和范畴，区分能力得到一定提升，基于此次开发模型采集的数据样本，KS值可较单独使用内部数据的模型提高4%。

　　图3模型开发的KS曲线图

　　图4不同评分区间对应坏客户率趋势图

　　(二) 资产修复

　　本次验证共选取了4629名逾期失联客户，其中90天逾期以上客户1906，占比41.2%，90天逾期以下客户占比58.8%。上述失联客户的各类触达方式均已失效，包括座机、手机、工作地址、家庭地址等；基于客户申请阶段提供信息、存量阶段更新信息的基础上，均不能获得有效的客户触达手段。针对这些完全失联的客户，依托百融金服数据，百融金服对已失联客户的各类触达方式进行尝试性修复，修复的信息包括座机、手机、电子邮箱、地址、QQ、微博等。

　　1. 数据的召回率

　　此处所称召回，指通过数据修复，百融金服内部获取到的新的触达方式，这些触达方式不在已被证实失效的联系方式之列。失联修复总体召回率高达61.5%，一个客户可能同时存在召回的多种触达方式。

　　从客户逾期账龄情况进行区分，逾期90天以内客户和逾期90天以上客户召回情况没有显著差异。其中，在手机召回方式下，逾期90天以上客户的手机召回率还略高于90天以内逾期的客户。

　　从不同的触达方式来看，手机号的召回率最高，达到42%。QQ群的召回率最低，只有3.9%，这也与QQ群的应用覆盖范畴有着较为直接的关系。

　　图5各类触达方式的召回比例

　　2. 触达效果

　　通过大数据技术手段验证在获得新的联系方式之后，来观测实际触达的情况。百融金服通过多种方式来验证触达的有效性。根据百融内部测试结果可见，整体触达率达到18%左右，即18%的客户信息得到了有效修复。

　　从逾期账龄区分，逾期90天以内客户和逾期90天以上客户触达情况没有显著差异，低账龄客户的修复比例略高。

　　图6不同逾账龄的触达率及触达对象

　　3. 触达后的回款情况

　　将客户区分为未召回、已召回但未触达及已召回且已触达三组，分别观测实际回款情况。从百融金服的测试结果来看，未召回组和已召回未触达组的回款情况较为类似，而已召回已触达组的回款情况有显著提升，无论从回款金额还是回款账户数上都远远高于其他两组，整体金额回收率提高91%，户数回收率提升58%。特别是在逾期90天以上客户组，回收效果提升更为明显。

　　表4催收效果分析

　　(三) 实证总结

　　不良资产客户的风险识别、评估以及失联修复是金融机构不良资产管理当中的主要难点，本次实证依托于金融机构内部数据和百融金服的大数据，结合二者的优势，设计了相应的解决方案，在计量模型开发及资产修复方面进行了实践。从实际应用效果来看，丰富数据应用的广度和维度，确实能够在一定程度上提升风险识别的水平，强化存量不良资产清收化解的能力，对于金融机构加强不良资产管理有着借鉴意义。

　　同时，在大数据的应用下，还可能催生出更多的不良资产化解方面创新的管理方式。如实证研究过程中，采用了多种创新的客户触达与催收方法，依托QQ、微信、微博等新的渠道媒介，与逾期客户进行了有效接触，丰富了现有的客户触达方法与催收方式。从不同渠道给逾期客户施加压力的方法，收到了良好效果。

　　四、 结束语

　　大数据在金融领域的应用还只是一个开始，面临着各种挑战及实际应用困难。特别是大数据在采集和应用过程中如何有效保护个人隐私，维护数据安全，是大数据应用的重要课题。2013年中国人民银行全国征信工作会议上提出，“征信业发展和信息保护同等重要”，但从国内信息安全管理的现状来看，个人信息的规范采集和应用体系尚待完善，尤其是对客户敏感信息的采集、处理及应用应当更为谨慎。以资产修复应用为例，可采取“信息处理双盲系统+渠道服务整合”的方式，尽量减少客户信息的跨机构传递，避免客户信息泄露的风险。当然，大数据应用方面挑战和机遇并存，随着业务模式的不断探索与趋向成熟，大数据将有可能给金融信贷业务经营与管理带来革命性的变化。

　　本文从不良资产的成因出发，分析不良资产管理中的重点与难点，结合当前大数据应用的实际情况，探索性地提出大数据在不良资产管理方面的解决方案，并通过百融金服实证分析验证该方案具有一定的可行性，对不良资产评估及失联修复能够起到一定的提升作用。

　　（本文来源：百融金融）

　　欢迎您来亚联大数据，

　　回复“1”，阅读“2016年6月网点监测报告”。

　　回复“2”，了解“亚联金融大数据”产品。