李旭

摘要：消費(fèi)金融公司在簡化用戶貸款申請材料提高客戶體驗(yàn)的同時(shí)，也會形成信息不對稱，從而導(dǎo)致信用風(fēng)險(xiǎn)發(fā)生。本文基于對消費(fèi)金融行業(yè)發(fā)展現(xiàn)狀、問題以及對大數(shù)據(jù)技術(shù)特點(diǎn)、應(yīng)用的分析，研究了在傳統(tǒng)信用工具缺乏的情況下，大數(shù)據(jù)技術(shù)在消費(fèi)金融風(fēng)控策略方面的應(yīng)用，明確了建立消費(fèi)金融大數(shù)據(jù)風(fēng)控策略模型的重要作用。

關(guān)鍵詞：消費(fèi)金融;大數(shù)據(jù);風(fēng)控策略

消費(fèi)金融即為消費(fèi)而開展的金融服務(wù)，是指為滿足個(gè)人消費(fèi)行為而發(fā)放的貸款。隨著社會發(fā)展，居民在收入增加的同時(shí)，在消費(fèi)上也有了更高的需求，消費(fèi)金融行業(yè)因勢而起，發(fā)展迅速。與傳統(tǒng)金融相比，消費(fèi)金融服務(wù)對象大部分是次級客群，年輕客群占比較大，工作不穩(wěn)定，收入水平較低且風(fēng)險(xiǎn)意識薄弱。由于信用工具的缺失，關(guān)于此類客戶的信用風(fēng)險(xiǎn)很難做出判別，信息不對稱成為消費(fèi)金融公司展業(yè)的阻力。而大數(shù)據(jù)技術(shù)特有的多樣性、高效性，能夠在用戶申請階段通過對用戶各維度的信息進(jìn)行深度挖掘整合，從而很大程度上降低信用信息缺失帶來的風(fēng)險(xiǎn)。

一、消費(fèi)金融發(fā)展概況

隨著我國經(jīng)濟(jì)的快速發(fā)展，居民消費(fèi)需求與日俱增。由于消費(fèi)需求和收入分配的期限錯(cuò)配，與此同時(shí)傳統(tǒng)商業(yè)銀行對數(shù)量龐大的下沉客群無法及時(shí)提供貸款服務(wù)，因此中國銀監(jiān)會在2009年頒布了《消費(fèi)金融公司試點(diǎn)管理辦法》，正式開始了對消費(fèi)金融的探索。

（一）發(fā)展歷程

2010年消費(fèi)金融開始小范圍試點(diǎn)，作為首批全國性持牌消費(fèi)金融公司，北銀、四川錦程、中銀、捷信以普惠金融為宗旨，致力于解決居民消費(fèi)與收入錯(cuò)配問題。這四家消費(fèi)金融公司的設(shè)立為中國消費(fèi)金融的發(fā)展開辟了新的道路。

隨著首批試點(diǎn)消費(fèi)金融公司穩(wěn)步發(fā)展，消費(fèi)金融公司試點(diǎn)范圍被允許進(jìn)一步擴(kuò)大，銀監(jiān)會在2013年11月發(fā)布最新管理辦法中確定了最新的試點(diǎn)城市，同時(shí)放開了消費(fèi)金融公司資本組成結(jié)構(gòu)[1]，并新增消費(fèi)金融的貸款范圍到裝修、教育、旅游等。此后至2015年6月，5家試點(diǎn)消費(fèi)金融公司陸續(xù)開業(yè)，其中包括興業(yè)、海爾、招聯(lián)、湖北、蘇寧等。

2015年6月10日，國務(wù)院常務(wù)會議決定消費(fèi)金融可在全國范圍內(nèi)設(shè)立，并在后續(xù)陸續(xù)出臺的《國務(wù)院關(guān)于積極發(fā)揮新消費(fèi)引領(lǐng)作用加快培育形成新供給新動力的指導(dǎo)意見》（國發(fā)〔2015〕66號）《2016年政府工作報(bào)告》《關(guān)于加大對新消費(fèi)領(lǐng)域金融支持的指導(dǎo)意見》中密集提出推廣消費(fèi)金融試點(diǎn)至全國。以此為背景，2015年11月至2017年6月11家消費(fèi)金融公司相繼獲批，依次為2015年的中郵、杭銀，2016年的華融、晉商、盛銀、陜西長銀、包銀、河南中原，2017年的湖南長銀五八、哈銀、河北幸福等，消費(fèi)金融在此階段快速發(fā)展。2017年4月開始，監(jiān)管部門開展了一系列金融亂象整治，消費(fèi)金融公司獲批數(shù)量也有所下降，2017年至今，上海尚城、廈門金美信、中信、北京陽光、平安、小米等6家消費(fèi)金融獲批，消費(fèi)金融行業(yè)開始穩(wěn)步前進(jìn)。此外，2018年10月，消費(fèi)金融公司自律性組織，中國銀行業(yè)協(xié)會消費(fèi)金融專業(yè)委員會正式成立，對消費(fèi)金額金融穩(wěn)健發(fā)展具有重要意義。

（二）業(yè)務(wù)規(guī)模與發(fā)展

消費(fèi)金融公司從試點(diǎn)至今業(yè)務(wù)規(guī)模呈階段性增長趨勢。在試點(diǎn)初期，消費(fèi)金融整體發(fā)展較為緩慢，由于審批政策嚴(yán)格，同時(shí)業(yè)務(wù)以線下為主，獲客能力較低，開業(yè)的10家消費(fèi)金融公司貸款余額總規(guī)模在500億以內(nèi)。隨著國家相關(guān)鼓勵(lì)政策的陸續(xù)出臺，獲批消費(fèi)金融公司激增以及互聯(lián)網(wǎng)金融的興起，眾多機(jī)構(gòu)紛紛發(fā)力線上業(yè)務(wù)，獲客能力的提升及金融科技賦能自動審批放款，消費(fèi)金融貸款余額規(guī)模擴(kuò)大至千億元級別，其中2016年末貸款余額1 254億元，2017年末貸款余額達(dá)2 599億元，發(fā)展速度十分迅猛。由于金融亂象頻發(fā)，行業(yè)整治力度對應(yīng)加大，同時(shí)消費(fèi)金融公司獲客速度下降，存量客戶風(fēng)險(xiǎn)爆發(fā)等，2018年消費(fèi)金融貸款余額為3 619億元，增長速度雖保持較高水平，但較歷史有所下降。根據(jù)《2019年中國消費(fèi)金融發(fā)展報(bào)告》推測，我國消費(fèi)金融仍處于高速增長期，并將持續(xù)五年以上[2]。

（三）存在的問題

消費(fèi)金融服務(wù)強(qiáng)調(diào)開放、便捷與低門檻，服務(wù)客群廣泛，同時(shí)去抵押、去擔(dān)保、簡化資信證明文件是消費(fèi)金融發(fā)展的趨勢，與此同時(shí)信息不對稱風(fēng)險(xiǎn)日漸凸顯。隨著互聯(lián)網(wǎng)的發(fā)展，消費(fèi)金融具備強(qiáng)大的IT技術(shù)支持，可以實(shí)現(xiàn)客戶全程線上申請，并替代傳統(tǒng)的人工審核模式實(shí)現(xiàn)自動審批，申請流程便捷，在獲客難度及客戶體驗(yàn)方面較傳統(tǒng)銀行具有很大優(yōu)勢。但消費(fèi)金融公司受行業(yè)規(guī)范等方面的限制，其服務(wù)客群準(zhǔn)入門檻較低，缺乏對客戶資產(chǎn)狀況、身份信息及消費(fèi)用途等方面的審查追蹤，使得消費(fèi)金融公司無法真正了解客戶還款能力及資金流向，從而導(dǎo)致信用風(fēng)險(xiǎn)發(fā)生。如何在簡便化的變革中擴(kuò)大消費(fèi)金融市場占有率的同時(shí)還能準(zhǔn)確快速的評估用戶風(fēng)險(xiǎn)是消費(fèi)金融公司持續(xù)性發(fā)展和業(yè)務(wù)穩(wěn)定增長的主要問題。

二、大數(shù)據(jù)技術(shù)概況

大數(shù)據(jù)技術(shù)是指通過各種渠道采集數(shù)量龐大的數(shù)據(jù)，并利用云計(jì)算的應(yīng)用模式和數(shù)據(jù)處理進(jìn)行挖掘分析，通過低價(jià)值密度的數(shù)據(jù)來揭示數(shù)據(jù)變化規(guī)律，對信息數(shù)據(jù)所隱含的價(jià)值信息進(jìn)行歸納和總結(jié)，實(shí)現(xiàn)數(shù)據(jù)的增值。

（一）大數(shù)據(jù)的特點(diǎn)

大數(shù)據(jù)顧名思義其最直觀的特點(diǎn)就是數(shù)據(jù)量大，隨著信息時(shí)代移動智能的發(fā)展，信息質(zhì)量及信息數(shù)量不斷增大，國際領(lǐng)先的數(shù)據(jù)統(tǒng)計(jì)互聯(lián)網(wǎng)公司Statista預(yù)測，全球數(shù)據(jù)量在2020年可達(dá) 50.5ZB[3]。互聯(lián)網(wǎng)技術(shù)的發(fā)展實(shí)現(xiàn)了通過各種渠道獲取數(shù)據(jù)，數(shù)據(jù)的多渠道來源使得大數(shù)據(jù)具有多樣性。除了收集用戶日志等結(jié)構(gòu)性信息之外，圖片、音頻、視頻等非結(jié)構(gòu)性數(shù)據(jù)也在分析用戶行為等方面產(chǎn)生積極的作用。大數(shù)據(jù)的第三個(gè)特點(diǎn)就是高速。如今人們在生產(chǎn)生活中已經(jīng)離不開互聯(lián)網(wǎng)，在應(yīng)用互聯(lián)網(wǎng)產(chǎn)生大量數(shù)據(jù)的同時(shí)還需要平臺給與及時(shí)反饋，因此對大數(shù)據(jù)處理速度有了更高的要求。大部分平臺為達(dá)到實(shí)時(shí)分析目標(biāo)，都購置了大量服務(wù)器資源用來對數(shù)據(jù)進(jìn)行分析處理。

（二）發(fā)展規(guī)模

據(jù)統(tǒng)計(jì)，中國大數(shù)據(jù)產(chǎn)業(yè)發(fā)展迅猛，其規(guī)模在2018年達(dá)到4 384.5億元，并預(yù)計(jì)將在未來3年實(shí)現(xiàn)成倍增長突破8 000億元[4]。而在大數(shù)據(jù)市場收益方面，IDC預(yù)測中國在2019年可實(shí)現(xiàn)96.0億美元收益，并在未來五年以23.5%的年均增長率持續(xù)上漲，增長速度在全球平均水平之上[5]。

當(dāng)前，貴州、京津冀、遼寧、內(nèi)蒙古、上海、河南、重慶、珠三角等8個(gè)國家級大數(shù)據(jù)綜合試驗(yàn)區(qū)正在迅速發(fā)展，同時(shí)與試驗(yàn)區(qū)相鄰的省份也在大力推進(jìn)大數(shù)據(jù)建設(shè)，未來我國大數(shù)據(jù)建設(shè)范圍將持續(xù)擴(kuò)大。

（三）應(yīng)用領(lǐng)域

目前大數(shù)據(jù)技術(shù)集中應(yīng)用在金融、政府和通信行業(yè)。大數(shù)據(jù)技術(shù)海量、高效的特點(diǎn)使其在金融風(fēng)險(xiǎn)管理、貸款審批、額度管控、逾期催收、反欺詐識別、市場精準(zhǔn)營銷等業(yè)務(wù)方面具有重要意義。在數(shù)據(jù)政府建設(shè)中大數(shù)據(jù)技術(shù)深入民生領(lǐng)域，較多應(yīng)用于公共安全、交通、氣象等產(chǎn)業(yè)。在電信行業(yè)，由于三大運(yùn)營商用戶幾乎涵蓋所有境內(nèi)居民，使其擁有龐大的用戶信息，通過大數(shù)據(jù)技術(shù)對用戶通信記錄、個(gè)人位置、網(wǎng)頁訪問等信息進(jìn)行挖掘分析，進(jìn)而實(shí)現(xiàn)精準(zhǔn)營銷、信用評估等。

三、如何進(jìn)行大數(shù)據(jù)風(fēng)控

（一）數(shù)據(jù)獲取

作為大數(shù)據(jù)分析的基礎(chǔ)條件，數(shù)據(jù)獲取是信用風(fēng)險(xiǎn)監(jiān)管過程中最重要環(huán)節(jié)。大數(shù)據(jù)具有的多樣性特點(diǎn)，使其不僅涵蓋客戶信用屬性數(shù)據(jù)，同時(shí)還包括客戶的非信用信息如設(shè)備信息、購物信息、通訊信息等。消費(fèi)金融公司在數(shù)據(jù)的獲取方式上主要有兩種模式，一是直接數(shù)據(jù)獲取，即在用戶申請過程中通過用戶授權(quán)收集客戶的設(shè)備信息、位置信息、社交信息、購物信息、結(jié)算信息、銀行流水信息等;二是接入外部數(shù)據(jù)源，如傳統(tǒng)的央行征信信息、公檢法系統(tǒng)身份信息、學(xué)信網(wǎng)學(xué)歷信息等以及第三方征信公司如同盾征信、前海征信、鵬元征信、京東征信、螞蟻征信等。

（二）風(fēng)險(xiǎn)指標(biāo)池構(gòu)建

在風(fēng)險(xiǎn)指標(biāo)池的構(gòu)建中，可將數(shù)據(jù)按照數(shù)據(jù)不同類別進(jìn)行整合，如客戶基本信息，包括客戶年齡、性別、學(xué)歷、工作單位、工作年限、住址、婚姻狀況等;客戶資產(chǎn)信息，包括房產(chǎn)類型、收入、社保繳納、存款、貸款記錄等;客戶設(shè)備信息，包括設(shè)備類型、設(shè)備品牌、設(shè)備型號、網(wǎng)絡(luò)運(yùn)營商、是否是虛擬機(jī)等;客戶社交信息，包括通話記錄、分享記錄、社交軟件使用頻率等;客戶交通信息，包括出行方式、出行頻率、常用往返地點(diǎn)等;客戶生活信息，包括水電位、物業(yè)費(fèi)、網(wǎng)絡(luò)費(fèi)、煤氣費(fèi)等;客戶網(wǎng)購信息，包括訂單信息、物流信息、瀏覽歷史、評價(jià)等。

（三）風(fēng)險(xiǎn)模型構(gòu)建

對風(fēng)險(xiǎn)指標(biāo)進(jìn)行預(yù)處理，結(jié)合存量客戶的還款表現(xiàn)的風(fēng)險(xiǎn)等級分類，運(yùn)用線性回歸、邏輯回歸及分類樹等統(tǒng)計(jì)方法或者類神經(jīng)網(wǎng)絡(luò)、基因算法及專家系統(tǒng)等非統(tǒng)計(jì)方法構(gòu)建風(fēng)險(xiǎn)識別模型。模型的構(gòu)建以數(shù)據(jù)為基礎(chǔ)，因此首先需要對指標(biāo)池?cái)?shù)據(jù)進(jìn)行特征工程加工。通過對指標(biāo)進(jìn)行特征構(gòu)建，然后對不同特征組進(jìn)行特征提取，最后使用IV、GBDT、隨機(jī)森林、逐步回歸、相關(guān)系數(shù)等方式進(jìn)行特征選擇。特征工程做完后對數(shù)據(jù)進(jìn)行清洗，剔除異常值后開始建立模型。在實(shí)務(wù)運(yùn)用上，更多的消費(fèi)金融公司選擇邏輯回歸構(gòu)建評分卡，該算法比較成熟穩(wěn)定、成本較低且速度較快，其他一些算法比如決策樹、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)等等也可根據(jù)公司需要進(jìn)行應(yīng)用。模型建立完成后，可通過KS值對模型效果進(jìn)行判斷。如果模型效果不好，可考慮是否有重要的變量沒有衍生出來、或者是較好的變量沒有選擇到模型中去、或者是用的算法不適合這種場景，通過對模型持續(xù)優(yōu)化使其具備應(yīng)用價(jià)值。

（四）風(fēng)險(xiǎn)模型應(yīng)用

風(fēng)險(xiǎn)識別模型驗(yàn)證完成后即可應(yīng)用于用戶信用風(fēng)險(xiǎn)驗(yàn)證。在用戶申請階段，通過采集用戶授權(quán)信息及第三方來源數(shù)據(jù)，利用大數(shù)據(jù)技術(shù)的高效性對數(shù)據(jù)進(jìn)指標(biāo)加工，將整理的指標(biāo)輸入到風(fēng)險(xiǎn)識別模型，自動生成風(fēng)險(xiǎn)等級判定，并對用戶申請作出通過、降額、轉(zhuǎn)人工、拒絕等操作，實(shí)現(xiàn)縮短用戶申請等待時(shí)間、提高用戶體驗(yàn)度的同時(shí)，降低信息不對稱帶來的信用風(fēng)險(xiǎn)。

四、結(jié)語

綜上所述，大數(shù)據(jù)在消費(fèi)金融風(fēng)險(xiǎn)策略應(yīng)用中作用明顯。在征信體系尚不成熟、監(jiān)管手段匱乏、法律法規(guī)不健全的宏觀環(huán)境下，充分利用大數(shù)據(jù)技術(shù)建立風(fēng)險(xiǎn)識別模型，做好信用風(fēng)險(xiǎn)的事前把控，對消費(fèi)金融平穩(wěn)健康發(fā)展具有重大意義。

參考文獻(xiàn)：

[1]中國銀行業(yè)協(xié)會消費(fèi)金融專業(yè)委員會.中國消費(fèi)金融公司發(fā)展報(bào)告2019[R].2020.

[2]國家金融與發(fā)展實(shí)驗(yàn)室.2019年中國消費(fèi)金融發(fā)展報(bào)告[R].2019.

[3]中國信息通信研究院.大數(shù)據(jù)白皮書（2019）[R].2019.

[4]大數(shù)據(jù)產(chǎn)業(yè)生態(tài)聯(lián)盟，賽迪顧問.2019年中國大數(shù)據(jù)產(chǎn)業(yè)發(fā)展白皮書[R].2019.

[5]國際數(shù)據(jù)公司.全球半年度大數(shù)據(jù)支出指南，2018H2[R].2019.

作者簡介：李 旭（1996—），男，廣東廣州人，在職研究生，主要從事風(fēng)控研究。