完善消费信贷风控措施势在必行

当前，消费信贷已成为信贷机构转型发展的方向之一。然而，风险与发展相生相伴，特别是在我国经济金融步入新常态下，只有“风险”与“发展”两手抓，才能保障消费信贷稳健升级、可持续发展。信贷机构应从以下四方面完善消费信贷风控管理。

首先，应加强创新管理。信贷机构需深刻反思其他银行在开展消费信贷中的教训，切忌走“先圈地、后治理”老路。在消费升级战略指引下，消费信贷创新涉及法律、政策、行业发展、信息技术等多方面内容，其中信用风险、操作风险等交织。加之此类业务客户呈现群体性，声誉风险隐患相对较大。因此，消费信贷创新应当在不逾监管红线、不侵害消费者权益的前提下，对产品性质、项目内容、市场影响等进行前置性的风险评估，评估通过后方可设计业务运作具体方案。

其次，应优化风控模式。一是协同管理，由信贷机构业务部门主导，合规、授信、科技等部门协同参与，全面管控消费信贷业务各节点风险。协同模式要贯穿于产品研发、运作和监管的全流程，所涉及部门除履行相应业务操作职责外，更要承担风险管控职责，从组合风险角度多维分析、综合把控问题隐患。二是下沉管理，在做好制度与系统控制顶层设计的基础上，加快客户经理风险管控能力的培养，并适当赋权，构建消费信贷风险的快速反应机制，实现业务风险的贴身管控。三是开展大数据管理，加快个人信息以及各类基础数据的搜集、梳理和建库，提升现有客户评级的实用性和针对性。在央行征信系统覆盖面不足的现状下，积极开展与信誉高、规模大的网络电商的合作，通过合作获取更广泛全面的客户信息，以详实的大数据支撑评级模型，并应用于客户准入、风险预警等方面。

再次，应把握风控重点。一是加强贷款用途监控，信贷机构在设计消费信贷产品时，就应确立贷款资金“支付为主、提现为辅”的基本原则，以把控贷款用途；防止贷款资金受托支付给交易方中介后，资金被集中使用的风险。对于无法监控账户资金流向的，应要求客户提供相应消费发票，分析验证其实际资金使用与合同用途是否一致。二是严防过度授信，随着消费金融牌照试点放开，加上互联网金融市场呈现多元化业态，多头授信风险加剧。信贷机构既要树立正确业绩观，严控消费贷款授信额度，也要借助征信查询、担保提供等手段防控风险，而对于个体私营业主，非本地户籍客户等群体则更要现场调查，严防过度授信。三是强化非现场监测，充分利用各种数据交互，及时掌握客户金融资产、信用卡交易、央行征信等关键风险指标变动情况。对有隐性风险的客户，及时采取降低授信额度、提前清收贷款、账户止付等措施。

最后，应落实合作管理。消费信贷通常是三方甚至多方的合作，合作风险不容忽视。一是严格甄选合作项目，“新金融”将颠覆客户金融消费模式和银行服务模式，信贷机构除要严格审查合作商户的资信外，还应结合产行业发展预测项目前景，确定合作模式，完善合作协议，弱化行业准入风险。二是加强商户管理，加强合作项目交易过程的实时监控和期间数据梳理分析，认真开展商户日常检查，掌握其资信变化，发现欺诈、违约等情况，要及时采取停止合作等措施。此外，要重塑与中介机构的合作关系，信贷机构切忌只管审批，而将调查等工作交由中介包揽，以防一些中介以此为“揽财”手段，串通客户虚假交易。

身份识别是第一步

在信贷机构与借款用户的接触中，第一步就是对用户的个体定位，也就是身份识别。

经济日报记者了解到，身份识别是判断借款人身份的首要步骤，一般以用户证照信息为基础，其中所使用到的技术主要有生物识别以及OCR技术。

生物识别，是将计算机与光学、声学、生物传感器和生物统计学原理等高科技手段相结合，利用身体特征来鉴别个人身份的技术。其中较为成熟的是指纹及人脸识别技术。消费信贷领域中，指纹认证通常被用于手机APP登录验证等，人脸识别技术则更为普及，近年来广泛代替了传统手持身份证拍照的验证方式。例如：目前刷脸认证已在借款用户申请阶段广为运用。

OCR技术，全称光学字符识别技术，其原理是利用扫描等光学录入方式将各类证件、资料、印刷品上的文字转化为图像信息，再通过文字识别技术将其转化成计算机输入技术。在消费信贷中，身份证识别和银行卡绑定是OCR技术的两项最广泛运用。苏筱芮表示，一方面，通过OCR提取身份证头像能够快速获取身份识别的目标，达到人证合一；另一方面，OCR能够快速识别银行卡号、持卡人、发卡行等关键栏位，并自动填入识别到的信息内容，不仅在信贷平台，在电商平台的交易支付中也得到大量使用。

用户画像必不可缺

身份识别是对申请用户的基本信息实施了底层描绘，而用户画像更进一步，通过用户授权来查询其央行征信、第三方征信、网络交易行为等多重维度。

其中，征信信息是判断借款人信用最为直接，也最为高效的途径。从数据来看，截至今年6月，央行征信系统累计收录9.9亿自然人，个人日均查询量达550万次。近两年，民营征信巨头——百行征信也在消费信贷的运用中发挥了较大作用。除此之外，还有其他第三方征信信息、共享征信系统等在信贷审批机构的用户画像、共债风险识别等方面提供了助力。

与此同时，公共缴费、网络消费、运营商数据等也需获取用户授权，从消费频率、金额等维度对用户进行判断，结合后续借款人评分步骤赋予其评分与授信。此外，还包含其他信息，比如使用设备（ID、设备型号等）、户口认证、学历认证等。

反欺诈模型深入构建

互联网金融蓬勃发展的同时，消费信贷领域因欺诈所导致的坏账问题也日益凸显。公开数据显示，截至2018年，网络黑产导致的信息泄露预估在几十亿条级别，涉及欺诈团伙超3万个。

消费信贷领域的骗贷已成为非法黑产中不容忽视的重灾区，甚至存在专业化的组织以团体形式“撸贷”“撸口子”。360金融研究院此前发布的《2018智能反欺诈洞察报告》显示，与个人欺诈相比，团伙欺诈的波及范围更广、社会危害性更高，呈现智能化、产业化、攻击迅速隐蔽、内外勾结比例上升、移动端高发5大特征。随着欺诈技术的升级，黑中介和黑产出现深度融合态势，逐步以团伙形式开展线上贷款申请审批业务，骗取大量资金。

不少业内人士表示，建立以反欺诈为核心的防火墙刻不容缓。根据工作原理，反欺诈模型可分为“基于规则的反欺诈模型”和“基于客户行为的反欺诈模型”。

从核心架构来看，基于规则的反欺诈模型主要是建立规则库，其规则内容包括客户基本属性、账户基本属性等。而基于用户行为的反欺诈模型需要根据过往用户数据的收集建立起用户行为库，因此它的劣势显而易见：对于用户数据的规模、积累时间均有一定要求。

实务中，一些企业将两类模型充分结合，通过设定规则库对可疑用户进行识别，再通过收集到的用户行为不断对规则库开展更新，同时融入专家经验对模型修正。目前，消费信贷领域就反欺诈模型构建所涉研究方法包括但不仅限于神经网络、决策树、机器学习、随机森林等。

资质衡量严守防线

在完成身份识别、用户画像及反欺诈工作后，合格用户会进入信用评分及授信环节。

早在上世纪80年代，我国就已经开始开展信用评分业务。其中，根据模型建立来源的方式，信贷领域的评分方法可划分为3类：独立建模、联合建模和完全外包。

一般而言，自身业务规模较大、团队架构较为完善的信贷机构会开展独立建模，例如某些银行、大型P2P机构等；联合建模则加入了部分大数据风控公司，与业务公司共同合作、联合开发；完全外包的机构则由于自身条件有限而寻求外部助力。在监管强调持牌金融机构不得将核心风控环节外包的大环境下，完全外包评分方式存在的空间正被大幅度压缩。而在完成这些环节后，最终就是风险定价、授信放款了。

“尽管近年来智能风控技术得到大力发展，但作为一把双刃剑，智能风控同样存在部分缺陷。”苏筱芮表示，消费信贷领域的智能风控是基于大数据作出的决策，在底层数据的获取来源方面存在争议。某些信贷APP会绕过用户授权，直接抓取甚至监控用户个人数据。例如：今年3·15晚会所曝光的“探针盒子”，以及京东金融因留存用户手机截图被点名等。APP专项治理工作组多次公示点名了在个人信息保护方面工作不力的主体机构，其中理财、信贷类APP成为重灾区。

与此同时，在业内专家看来，国内信贷行业还缺乏一个全国范围的信用评估体系，一些“信用分”对历史信用还款记录过于倚重，甚至导致一个每月负债、以贷还贷“老哥”的信用额度高于一个正常消费的办公白领。此外，一些电商平台过于倚重自身生态圈的消费记录，其信用分的累积规则尚未与其他机构打通，仍处于孤岛状态。