构建商业银行线上信贷风控体系的思考

admin管理员组

文章数量:1530919

2024年5月22日发(作者：)

经营管理

构建商业银行线上信贷风控体系的思考

□  甘叶虎 何跃辉

摘要：随着互联网、数字经济和金融科技的大力推进，商业银行以平台、数据、模型、场景为构建

要素，以线上运作、智能决策、模型风控为主要方式的线上信贷快速发展，但信贷准入、信贷审批和

贷后管理等环节的新型风险随之伴生。本文根据线上信贷业务的运行机理和风险节点，从制度流程、

数据风险、模型功能、在线监测等多个维度，提出商业银行构建线上信贷智慧风控体系的思路。

伴随着数字经济、互联网和金融科技的快速

推进，商业银行运用科技、数据、模型、场景，以线

上运作、自动审批、模型风控为主的线上信贷新模

式得到快速发展。线上信贷带来高效便捷融资的同

时，对风险管控提出更新更高的要求。本文从制度

流程、数据风险、模型功能、在线监测等多维度提出

构建适应线上信贷的风险防控机制新思路，力图为

新时代信贷业务风险防控提供借鉴，以促进线上信

贷稳健发展，更好地服务实体经济。

一、线上信贷业务概况

线上信贷业务是指贷款的申请、审查、审批、发

放和贷后还款等环节，通过金融科技手段，实行线

上智能化处理的信贷业务产品。如工商银行融e购、

农业银行质押e贷等。开办线上信贷业务须具备业

务平台、数据、模型和场景等要素。

（一）业务平台。平台是商业银行开展线上信贷

业务的工具、产品、渠道和网点。商业银行通过搭建

线上业务平台，实现内部数据共享共用、系统互联

互通、产品快速迭代、应用弹性扩展。线上信贷平台

主要用于数据对接、模型加载、自动化审批、智能化

监测等，可以直接对接商业银行内部业务系统及外

部合作方数据接口。线上平台一般优先依托商业银

行自有平台，也可连接使用第三方平台。

（二）数据建设。数据是数字化转型的基础，是

线上信贷业务的重要资源和支撑。商业银行线上信

贷业务所需数据，主要来源于行内数据挖掘和行外

数据引入。行内数据是商业银行完善大数据分析模

型和手段，提取和应用的行内业务系统历史积累的

数据。行外数据是商业银行对接政府、行业协会、

企业等公共部门及优质客户、合作服务商的数据系

统而获得的数据，或者以人工方式采集外部数据录

入线上信贷平台取得的数据。

（三）业务场景。场景是客户在生产经营或生活

过程中形成的不同环境的用信需求，也是线上信贷

业务的基本载体和重要抓手。商业银行线上信贷将

融资服务嵌入到客户生活生产之中，使信贷服务与

各类场景互联互通，及时感知客户需求，提供个性

化的信贷服务。线上信贷结合具体场景，制定整体

业务方案，明确数据、模型、平台和具体业务模式，

将业务场景嵌入产品设计，对产品实行停复牌及退

出全程动态管理。

（四）业务模型。模型是线上信贷平台实现自动

化运行的智能模块。线上信贷模型按业务流程分

为准入模型、审批模型、贷后管理模型、反欺诈模

型等类型，多个模型形成线上信贷自动化管理链。

准入模型的功能是经过多维度分析，对客户精准

画像并进行准入审核。审批模型负责审批贷款授

信和用信。贷后管理模型依据风险监控指标进行

贷款监控、预警和线上处置。反欺诈模型对虚假交

易、非本人经营、身份冒用等欺诈风险进行自动识

别。

（五）业务模式。线上信贷平台搭建后，按自动

获客和客户申请两种方式开办业务。自动获客由系

统引用商业银行客户数据和外部权威第三方数据，

自动分析、判别和验证客户资质，融合供应链、产业

集群、电商平台等场景，对目标客户通过线上审批

发放贷款。客户申请指客户根据用信需求，通过商

业银行网银、APP等进行线上自助申请贷款，系统自

动审核校验，自动测算客户用信额度，线上生成和签

订借款合同，自动审批发放贷款。

全国中文核心期刊

现代金融2021年第1期 总第455期

29

经营管理

二、当前线上信贷存在的主要风险

线上信贷业务构建要素和全流程自动化的新模

式，较传统信贷业务风险来源、表现形式、传播渠

道等发生了新的变化，线上信贷风险主要存在于以

下方面。

（一）数据风险。线上信贷智能化所依赖的数据

为商业银行内部数据或外部数据。外部数据部分源

自人工采集录入和外部引入，存在内外串通、编造

篡改数据的外源性风险。数据收集、传输、加工、查

询、使用、存储环节，容易出现数据保护不周导致的

数据被泄露或篡改的信息安全风险。同时存在接入

的外部数据主要局限于工商、公积、纳税、征信等，

数据不够全面，且更新不够及时，难以支撑对客户

全面精准画像的问题，存在信贷决策支持风险。

（二）准入风险。线上信贷客户准入由系统模型

自动审核完成，目前模型参数尚未完全对标法律法

规、监管要求和信贷制度规定，准入控制存在政策

风险。由于系统数据缺乏和更新不及时，加之系统

模型功能缺陷，不能自动识别不良、失信、涉诉、强

执和吊销注销执照、参与民间借贷及洗钱的高风险

客户。对贷款资金用于购买理财、房地产限制行业

和长期欠息等风险客户，不能及时识别、预警、禁止

准入，仍可自动审批发放贷款，形成风险隐患。

（三）审批风险。系统审批模型不够智能化，不

能准确引用和分析客户资产、收入、现金流、已用信

额度、不良率等指标，存在不合格客户用信风险。线

上信贷不能与线下信贷数据融合使用，客户线下信

贷出现欠息、不良等风险信息时，线上信贷模型不

能预警，仍能审批发放贷款。线上信贷测算授信时

不能按规定自动扣减线下信贷已授信额度，存在不

良客户利用系统漏洞，获取过度授信、重复用信和

超额用信的风险。

（四）监测风险。线上信贷贷后在线监测模型

存在监测盲区，贷后跟踪监测功能不足，不能自动

识别线上贷款资金挪用于归还借款、私贷公用的问

题，不能识别资金用于证券投资、房地产市场等国

家限制行业的问题。对借款人出现不良、失信、洗

钱、非法集资、涉恐涉黑涉恶等风险信号，出现虚假

交易、非本人经营、身份冒用等欺诈行为，不能自动

识别和揭示相应风险。

30

全国中文核心期刊

现代金融2021年第1期 总第455期

（五）系统风险。系统自动登记功能不足，线上

信贷不能自动进行质押和转让登记，不利于银行权

益保护，存在法律风险。外部数据验证机制欠缺，基

于税务模型的线上贷款，系统不能识别客户纳税信

息是否为申贷前临时补交个税后经粉饰的数据，难

以防范不良客户借系统漏洞以虚假资料申请贷款套

取资金。系统对纳入“白名单”库的优质目标客户判

别不准确，线下不符合“白名单”条件的客户，系统

将其纳入白名单优质客户管理，导致贷款风险。

三、构建线上信贷风控体系的思路

新时代银行业务经营加速向线上迁移，贷款风

险管理的难度和复杂程度急剧提高，亟需从制度、

数据、模型、监测、科技等方面构建线上信贷智能

风控体系。

（一）完善规章制度，优化业务流程。商业银行

是经营风险的企业，风险控制永远摆在重要位置。

线上信贷数字化、智能化转型，要配套建立与之适

应的新制度、新规范。要对标法律法规和监管规定，

适应性调整相应的管理办法、操作规程、风控规则，

建立线上信贷完整的制度体系。梳理线上信贷流

程，运用金融科技手段，提高信贷流程智能化、高

效化及风险控制智慧化水平，做到线上信贷风险可

控，发展可持续。

（二）多维校验数据，保障信息安全。数据是线

上信贷决策的基础，数据须真实、合规、完整、准

确、连续。数据的收集、传输、加工、查询、使用、存

储环节要加强控制，防止数据泄露、篡改和非法使

用。内部系统交互的数据和外部对接的数据，要多

维度、一致性校验，防篡改、防包装、防养数据，保

障数据真实合规。与第三方合作取得的数据，要签

订协议明确权利义务，确保数据可靠，及时更新。手

工采集数据要建立岗位制约和抽查验证机制，防止

内外串通，编造、篡改数据等外源性风险。要多方接

入政府行政处罚信息、反欺诈数据、环保信息等客

户数据，完善和丰富数据信息。

（三）提升模型功能，强化智能决策。建立模型

验证评估机制，线上信贷模型开发完成后，经验证

测试合格才能投产上线，同时配套相应的风险管控

措施。模型的参数标准要体现信贷制度、业务流程

经营管理

和业务规则。模型不但要有自动审查审批的功能，

还要具有自动抓取、分析、比对、校验数据的功能；

能够自动引用内外部数据进行交叉验证，有效识别

假主体、假用途、假需求；能够自动互联互通互用商

业银行线上线下数据，共享验证客户信用状况，线

上授信自动扣减线下已授信额度，线下不达标客户

自动禁入线上“白名单”库，防止过度授用信和欺诈

性用信。

（四）建立贷后自动监测和处置机制。建立贷后

监测机制，提高系统贷后风险自动识别和处置能

力。借助大数据技术，明确预警指标和规则，设计风

险监督模型，深入追踪贷款资金流向，挖掘客户司

法查冻扣、失信、洗钱、贷款挪作他用等不良行为。

系统自动开展客户风险分池分级管理，触发风险预

警条件时，线上实时采用额度冻结、短信提醒、电话

外呼、合作机构反馈等方式处理。线上处理无法消

除风险的，系统在自动控制风险的同时，提交人工处

理，对客户开展人工催收、诉讼、风险处置等贷后

管理工作。

（五）引入科技手段，提高风控能力。将生物识

别技术、指纹签名、人脸识别与证件OCR、无纸化

电子签名技术、声纹快速无感识别、线上公证、在

线诉讼、权威第三方签发的数字证书等智能化功能

嵌入到线上信贷流程，使线上电子文件可溯源、无

法篡改、符合法律规范，固化客户办贷场景证据，为

责任认定和反欺诈提供保障。对用信后随即失联的

客户，系统定期自动验证客户证件号、手机号的一

致性和使用状态，引入卫星定位系统和交通出行数

据，加强定位追踪，提升智慧风控水平。

【参考文献】

[1]蒋莎莎.网络贷款“宜信模式”的风险特点及监管回

应[J]．武汉金融，2014(5)．

[2]李英.试论基于金融大数据背景下的互联网金融风

险控制[J].现代营销，2018（09）.

[3]王嘉仪.大数据在互联网金融风控中的应用探讨[J].

信息系统工程，2018（07）.

[4]曹国华，刘睿凡.供给侧改革背景下我国商业银行信

贷风险的防控[J].财经科学，2016（04）.

（作者单位：农业银行审计局成都分局）

（上接第36页）

融服务门槛相对较低，金融知识相较于“主体”客

群来说可能略显薄弱，相应的风险意识和风险承受

能力都不一定充足。如果“长尾”客群在存款产品的

服务中发生风险，类似于中行在2020年发生的“原

油宝”事件，其受众面积广，极易造成不良的社会影

响。从“贷”的角度来说，“长尾”客群往往体现在小

微企业的普惠融资服务上。小微企业本身具有信贷

知识薄弱、信息不完善、经营体不成熟等特点，很可

能在外部因素的影响下导致信贷风险的发生，拉高

银行的贷款不良率。对此可以建立试错机制，兼顾

安全性和高效率，在充分控制风险的情况下，适当

提高科技金融创新的错误容忍度。同时还可以建立

风险赔付机制，配套赔付基金，用来覆盖赔付可能

造成的损失。

【参考文献】

[1] 李麟等.互联网金融生态：基于生态视角的互联网金

融模式创新[M].中国金融出版社, 2015.

[2] 王艳茹.互联网背景下的中国农业银行转型与营销

策略研究[D].华北电力大学(北京),2019.

[3] 霍兵,张延良.互联网金融发展的驱动因素和策

略——基于长尾理论视角[J].宏观经济研究,2015(02):86-

93+108.

[4] 谢平,邹传伟,刘海二.互联网金融模式研究[J].新金

融评论,2012(01):3-52.

[5] 马文萱.互联网金融创新与商业银行的创新对策[J].

中国城市金融,2014(09):39-41.

[6] 何文思,朱慧.关于利用互联网思维“再造一个农业银

行”的思考——以苏州农行为例[J].农银学刊,2019(02):25-28.

[7] 谢平,邹传伟,刘海二.互联网金融手册[M].中国人民

大学出版社,2014.

[8] 胡青.互联网思维与零售银行获客经营[J].金融科技

时代,2017(08):21-26.

（课题组长：王斌  成员：朱文卉、董渊晟）

全国中文核心期刊

现代金融2021年第1期 总第455期

31

本文标签： 数据风险信贷客户模型