中小银行网贷风控短板透析
侯传璐
2021年2月20日，银保监会办公厅印发了《关于进一步规范商业银行互联网贷款业务的通知》（以下简称《通知》）。《通知》是针对《商业银行互联网贷款管理暂行办法》（以下简称《办法》）实施过程中遇到的实际问题，根据《办法》授权，对商业银行互联网贷款落实风险控制提出具体数量要求，进一步规范互联网贷款业务行为，以便促进业务健康发展，切实防范金融风险。两项监管新规要求商业银行强化风险控制主体责任，独立开展互联网贷款风险管理，自主完成对贷款风险评估和风险控制具有重要影响的风控环节，严禁将关键环节外包。两项监管新规或将引发一轮资本参与和联合贷平台优胜劣汰的洗牌进程，对于整个业务生态影响深远，并且对中小银行互联网贷款业务也造成了一定的冲击，对其风控能力提出了更高要求。
中小银行互联网贷款业务需要提升风控能力
随着近年来互联网贷款业务规模的持续扩大、業务模式的不断丰富，互联网贷款业务在提高贷款效率、创新风险评估手段、拓宽金融客户覆盖面等方面发挥了积极作用，但在发展过程中也出现了过度授信、资金用途不当、风险管理不审慎等问题和风险隐患。从2017年整顿现金贷、2019年全方位整治“714高炮”、2020年终结p2p，到最近出台两项监管新规，监管部门意在规范、引导互联网金融的发展，使其在合规、风险可控的前提下健康持续发展。
两项监管新规对中小银行建立独立自主风控能力提出了明确要求。在监管引导下，当前业务发展的市场态势是由联合贷模式向助贷模式、自营模式转型，银行从纯粹的资金供给方，逐渐变为覆盖全流程的贷款机构，必须具备独立自主风控能力。从内容上看，两项监管新规对大型商业银行、互联网银行影响有限，甚至有助于增强其未来的竞争优势。大型商业银行一级资本净额和全部贷款余额较大，基本不会触碰到《通知》提出的三条红线，业务开展不受属地限制，金融科技能力较强，基本具备两项监管新规对风险管理方面的要求。互联网银行作为改革的试验田，在本次两项监管新规中被额外列出，不受跨区经营的限制，在本轮政策中是利好的。但是，两项监管新规给中小银行带来的冲击多于利好，相对于大型商业银行和互联网银行，中小银行互联网贷款业务风险管理能力明显偏弱。前期中小银行开展互联网贷款业务更多依赖与金融科技公司、互联网平台等进行合作，往往缺乏全流程风控体系，独立风控能力有待加强。根据两项监管新规中属地化经营的规定，中小银行互联网贷款业务必须转战区域内，短期内根据客群状况，采用助贷模型和自营模式并行的方式，而长期须转向全面自营。这意味着，中小银行互联网贷款业务需要与线下网点更好地联动，以O2O方式为客户提供更有黏性的一体化服务，构建大型商业银行和互联网银行标准化产品无法覆盖的本地化场景，才能真正在区域内建立差异化的竞争力。《办法》设置了到2022年7月的过渡期，在过渡期内中小银行需要调整业务模式、独立实施核心风控、建立全流程风控体系。
中小银行互联网贷款业务风控能力短板
互联网贷款业务是中小银行应用金融科技的创新性业务，运用互联网和移动通信等信息通信技术，能够线上自动完成核心业务流程，突破了时间和网点的限制，为客户提供多种方式的金融服务。从风险管理的角度看，互联网贷款业务打破了以往“重抵质押”的信贷模式，风控过程基于风险模型和大数据分析，呈现出新型风险与传统风险并存、风险传播速度加快、风险识别异常复杂和风险变化动态加剧等特征。互联网贷款业务天然具有金融科技属性，当前中小银行在探索本地化场景、建设独立风控能力时，在模型风险认识、数据质量、专业人才和科技系统等方面都存在短板。
模型风险认识不足。在决策模型上，传统风控模式依靠授信审批人员进行决策，一般须经过资料收集、上门核验、人工会审等流程，决策时间相对较长，且判断标准主要依赖授信审批人员的“专家经验”，发生操作风险的概率较大。在互联网贷款业务中，通常由模型进行决策，其优势在于决策效率高、时间短、受人为因素影响较小。通常认为，由于模型（或规则集）很少使用人工干预，一般不容易发生操作性风险。但实际上，模型本身也具有风险，也可以归类为操作性风险的一种，主要来自于两个方面：一是模型自身的错误，包括模型设计、开发以及IT实施时发生的错误，例如统计理论应用的错误、目标变量设定的错误、样本选择的错误、变量挑选和衍生的错误、算法的错误、在信息系统中执行与开发时不一致等;二是模型不适应场景，例如把为原有产品设计的模型直接套用在新产品上，或者是在市场环境或用户行为习惯已经发生重大变化的情况下继续使用原有模型进行风险控制等。由于前期中小银行互联网贷款业务多采用的是联合贷和助贷模式，较少采用融入本地化场景的自营模式，因此当前中小银行尚未积累足够的建模经验，也尚未对模型风险形成足够认识和警惕。
风险数据质量有待提高。银行的传统风控模式下，数据来源相对单一，审核流程比较冗长，需要高昂的人力成本。而在互联网贷款业务中则采用大数据，将不同类别的数据分别应用到信贷业务的贷前获客、贷中监控预警、贷后管理分析可视化等环节，最终实现对海量数据实时分析和多样化风险准确识别。相比传统风控模式，互联网贷款业务风控模式采用相关性决策方式，即通过把“好用户”“坏用户”各类行为特征都录入到大数据风控系统，进行相关性分析得出具有普适性的结论，决策效率更高。大数据，是互联网贷款业务的基础，业务的展开离不开数据量的积累。但是，目前风险数据质量方面的困难之一，是中小银行在开展互联网贷款业务时，多采取助贷、联合贷模式，主要依靠合作机构进行获客，数据积累不能较全面地反映现有客群特征，也就难以对客群风险进行全面把握。
复合型实战型人才缺乏。互联网贷款业务属于互联网金融的范畴，业务流程涉及获客、运营、风控、法务、数据挖掘、信息安全、销售等多个环节，需要从业人员具有一定的数学、统计学、计算机编程基础，在业务展开过程中需要既懂数据分析又懂业务实践的实战型专家。这类专家在中小银行中较为缺乏，原因在于两点：一是从外部招聘来看，相较于互联网公司的高薪以及大行的平台优势而言，目前中小银行在薪酬、企业文化、职业发展前景等方面吸引力不足，在招聘与风险量化相关的大数据分析、模型建立与迭代等从业人员方面具有较大劣势，招聘后流失率也较高。二是从自主培养来看，在传统中小银行内部缺乏培养复合型实战型专家的培训体系和激励机制，懂业务实践的人员通常难以转型为风控模型和数据分析人员。
科技系统支撑乏力。整体而言，目前中小银行科技系统数字化手段较弱，缺少客户入口、运营统计分析平台、数据挖掘平台、实时查询平台等核心组件，决策引擎、网贷平台等模块难以实现贷前、贷中、贷后等全业务生命周期的监控与预警。这样导致的后果主要有两个：一是工具受限，决策引擎对于复杂策略的支持能力偏弱，数据管理和分析工具功能受限，及时发现风险点以及进行修正的能力偏弱。二是效率不足，互联网贷款业务遵循高效原则，有交易速度快、全天候提供服务的特点，对科技的响应能力以及处理时效提出较高的要求。但是，中小银行科技通常采取外包形式，沟通成本较高、项目通常较多、需求排期较长、开发效率较低，远远不能满足互联网贷款实时风险控制要求。
中小银行互联网贷款风控能力提升策略
针对以上短板，中小银行需要从压实模型管理、开拓内外部数据源、精准发展风控人才、提升科技系统等方面进行提升。
压实模型管理。中小银行可以从模型清单、模型开发、模型实施与使用、模型验证、模型监控等方面进行模型管理。一是建立模型清单，其内容至少包括模型的状态、模型的目的以及模型设计的目标产品、预期和实际的使用场景、任何对使用的限制、输入数据或组件的类型及其来源、模型输出及其预期用途、模型是否运行正常、最后一次更新时间、模型开发和模型验证的责任人、已完成的和计划当中的验证日期、模型的有效期等，并保证其真实性、时效性、一致性。二是在模型开发、实施、使用当中，设置独立于模型开发的验证部门或岗位，监督模型开发者准确理解具体的模型方法和处理算法，充分验证其局限性，严格评估数据质量和相关性，能够证明这些数据和信息适合模型，并且与采用的理论和方法一致，做到概念上合理，数学和统计上正确，以确保模型开发不会与预期用途偏离。三是在模型监控中设计一个持续测试和评估模型性能的程序，以及对发现的任何问题进行应对的流程，检查所有模型组件是否按设计运行，包括内部和外部数据输入是否准确、完整，是否符合模型目的和设计以及达到可用的最高质量，并将给定模型的输入和输出与来自其他内部或外部数据或模型进行比较。
开拓内外部数据源。中小银行可以深耕本地客群，通过整合银行内部零售客户数据、积极开展与政府部门合作等方式，从内部、外部两个方面共同发力，提高数据质量。一是进行行内数据治理。中小银行应建立覆盖全部数据的标准化规划，遵循统一的业务规范和技术标准;持续完善信息系统，覆盖各项业务和管理数据;加强数据采集的统一管理，明确系统间数据交换的流程和标准，實现各类数据有效共享;建立数据安全策略与标准，依法合规采集、应用数据，依法保护客户隐私。二是逐步开展自营业务。中小银行应丰富互联网贷款模式，增加自营互联网贷款产品占比，减少对合作方的获客依赖，实现客户行为特征数据积累，加强对客群风险的识别能力。三是抢占所在区域数据资产的制高点。中小银行应对接当地政府大数据局，打通税务、工商、不动产、社保、公积金等社会公共服务大数据平台的数据，是建立本地化场景的关键。
精准发展风控人才。中小银行在人才争夺上需要错位竞争，充分利用好自身特色，可以有针对性地发展自身需要的复合型、实战型风控人才。一是转变人才需求思路。中小银行互联网贷款业务风控专家的基本要求是能够看懂风控模型原理逻辑，并适当修改、维护底层代码，是一种半开发性质的工作。这与自己设计风控模型，并完整地构建系统底层代码这种纯粹开发性质的工作在难度上有很大差别。这也就意味着，中小银行在外部招聘时完全可以采取与大型银行、互联网公司差异化的招聘策略，招聘的对象不一定要局限于数学、统计、计算机专业等已经懂得数理建模、数据分析和写作代码的人才，也可以在经济学、金融学专业内招聘具有数学建模、代码能力后期容易培养的人才。二是灵活选择培养方式。依托博士后工作站建立金融科技实验室，在行内挑选有意向、有潜力的风控人员进入实验室，与股份制银行的金融科技子公司合作科技计划项目，通过外派学习、合作项目等方式从理论学习和实践应用两个方面加强培养。
提升科技系统支撑能力。中小银行在技术、人才储备方面并不占优势，也无力投入大量资源进行科技系统开发，但可以借助外力搭建系统，通过制度提高效率。一是与头部互联网机构合作，采取集系统平台建设、咨询服务、联合运营的全面合作方案，利用合作机构协助搭建开展互联网贷款业务所需的系统平台，提供客户入口、运营统计分析平台、数据挖掘平台、实时查询平台及可灵活配置的决策引擎;快速学习、应用和部署已经有成功案例的具体技术方案，不仅可以减少试错成本，而且可以较快赶上行业平均水平。二是采取科技项目制。由跨部门人员组成且全职参与，采取一项目一议的方式，以敏捷、快速迭代方式开展工作，并建立相应的考核机制，实行利润共享、责任共担的管理模式，调动科技人员积极性，最大限度地提高科技效率，适应市场变化，满足市场需要。在与合作机构合作的基础上，进行适应性、差异化的“小创新”，逐步增强互联网贷款业务的风险控制能力。
（作者单位：青岛银行总行研究发展部）
