“2020金融文字節——銀行數字化創新主題征文大賽”由中國電子銀行網（微信公眾號：cfca-cebnet）、未央網聯合主辦，和訊網作為戰略合作媒體，清華大學金融科技研究院作為學術支持，以下為參賽者投稿。

作者：融慧金科

前言

在今年的疫情沖擊之下，線下業務受阻，各商業銀行紛紛開展線上化經營和線上場景布局以化危為機。在大數據、人工智能技術的實踐與應用下，互聯網貸款成為商業銀行順應金融科技發展的大趨勢，也是金融數字化轉型的必由之路。為了促進互聯網貸款業務健康發展，2020年7月，中國銀保監會正式發布《商業銀行互聯網貸款管理暫行辦法》（以下簡稱《辦法》），其中明確提出了對商業銀行的風險管控要求，規范了合作機構管理。一方面填補了網貸行業的監管真空，肯定了助貸行業及第三方合作平臺的價值；另一方面推動了自主風控和自營業務成為商業銀行未來發展的主基調?？v觀整個行業發展態勢，互聯網貸款已然從野蠻時代進入了更為合規的全新發展階段。

一、銀行數字化轉型發展面臨的挑戰

近期，商業銀行的半年報陸續公布，從各項數據表現來看，大部分商業銀行的營收和凈利潤呈現下滑態勢。銀保監會數據顯示，2020年上半年，商業銀行累計實現凈利潤1.0萬億元，同比下降9.4%，平均資本利潤率為10.35%；商業銀行平均資產利潤率為0.83%，較上季末下降0.15個百分點。

上市銀行年報業績表現 | 數據來源：Wind，上市銀行年報，2020.9

今年以來，經濟下行疊加疫情沖擊，2020年上半年，我國商業銀行不良貸款率和不良貸款余額均出現小幅上升。銀保監會數據顯示，2020年二季度末，商業銀行不良貸款余額2.74萬億元，較上季末增加1243億元；商業銀行不良貸款率1.94%，較上季末增加0.03個百分點。據悉，銀保監會有關負責人表示，當前我國經濟尚未全面恢復，疫情仍有較大不確定性，所帶來的金融風險也存在一定滯后，因此未來不良貸款率可能會繼續上升。

從積極的方面來看，新冠疫情促進了用戶和業務從線下向線上轉移，也加快了商業銀行數字化轉型的步伐，后疫情時代，非接觸服務必然會成為銀行的新常態。然而，面對當前復雜多變的國內外經濟形勢，行業監管政策的不斷調整，以及經濟下行時期的同業市場競爭壓力，商業銀行在數字化轉型，尤其是在自主風控和自營品牌轉型發展過程中也面臨諸多挑戰：

（一）風險管理能力不足

普惠金融服務下，銀行所覆蓋的目標客戶群體更加廣泛，應用場景也不斷下沉，與此同時，各種欺詐和信用風險也隨之而來，但商業銀行的風險防控能力已無法實現對客群分層經營和對客戶需求的深耕細作，更難以應對不同場景下的風險需求。在數字化轉型升級過程中可能會出現信息安全、隱私保護等技術風險及監管合規風險。

（二）數據治理困難

商業銀行在業務開展過程中積累了大量的數據，比如業務交易數據、客戶信息數據、內部管理數據以及外部數據等，但當前大部分商業銀行對數據治理的效果并不理想，與價值應用和監管要求還存在一定差距。究其原因，一是銀行內部數據往往依部門和條線而割裂，缺少橫向溝通和統籌，數據質量參差不齊，難以實現整合利用；二是數據治理周期長、協同難度大，且缺乏統一的規范和治理體系。

（三）復合型專業人才短缺

商業銀行里既懂金融業務又懂技術的復合型專業人才非常匱乏，同時又因為內部人才培養機制不健全、力度不足，人才流失率較高。另外，市場選人用人機制和激勵機制不健全，難以吸引到專業人才。根據《2018年中國金融科技就業報告》數據顯示，吸引尖端金融科技人才的驅動因素中，高端人才最看重未來的職業發展，其次是企業文化和薪酬。從中不難看出，職業發展前景、企業文化已成為人才引進的重要吸引力，這希望可以給銀行提供一些啟示。

二、金融科技成為推動銀行數字化轉型的新引擎

銀行機構普遍面臨著的挑戰，其背后折射出的是銀行業對數字化轉型的焦慮和隱憂。商業銀行應當從經營模式上進行革新，改變粗放經營和野蠻生長的路徑，回歸金融本質，服務好實體經濟，注重風險防范，積極擁抱新技術推動經營效率提升，實現數字化轉型升級。

（一）國家層面加強金融科技戰略部署

2019年8月，中國人民銀行印發的《金融科技（FinTech）發展規劃（2019-2021年）》中明確提出我國金融科技工作的指導思想、基本原則、發展目標、重點任務和保障措施，強化金融科技合理應用，將金融科技打造成為金融高質量發展的“新引擎”。同時鼓勵支持包括商業銀行在內的持牌金融機構在依法合規前提下發展金融科技，有效防范化解金融風險，提升金融服務質量和效率，將科技應用能力內化為金融競爭力。

在數字經濟時代，金融科技已經成為我國商業銀行數字化轉型的重要驅動力。商業銀行應該積極主動迎接數字化浪潮帶來的挑戰，積極發力金融科技，加快數字化轉型的步伐。

（二）科技賦能金融，構筑銀行自主風控體系

近年來，大數據、人工智能、區塊鏈等新技術在金融領域的應用，重塑傳統金融的業務運作模式與流程的同時，也衍生出了各種創新的金融產品與服務，形成了效率更高、成本更低、服務更便捷的金融新生態。眾所周知，金融科技的落腳點在于科技，強調金融與科技的深度融合，例如商業銀行信貸業務中的獲客、風控、運營、催收等方面，都可以利用大數據、AI等科技手段補齊銀行機構的數據、技術、人才短板，幫助銀行機構更好地控制風險、降本增效、增加營收等。

隨著銀行信貸業務進入強監管時代，開展自營品牌和自主風控成為商業銀行數字化轉型的重要方向。在此大背景下，銀行與金融科技企業深度合作，相互賦能，不失為一條抓住金融科技機遇實現轉型發展的捷徑?；趯鹑谛袠I多年的深入研究與實踐，融慧金科結合大數據、AI算法等先進技術，打造了一套涵蓋產品設計、精準獲客、風控策略和模型搭建、系統、專家服務咨詢等多個板塊的全流程信貸賦能解決方案。

融慧金科全流程風控方案

相較于傳統風控舉措，該方案貫穿整個信貸業務全流程，具有系統化、定制化及智能化的特性。其中，基于大數據的風控模型正在成為銀行整個風控體系中最重要的一環。因為在當前階段，數據孤島現象仍然存在，對于銀行來說，能夠根據市場政策變化及時調整模型策略，對用戶風險精準定價，保持利潤持續增長，就需要引入更多維度的外部合規數據，利用機器學習算法深挖數據規律，提升模型能力，完善銀行自主風控體系。

融慧金科風控模型體系

通過市場理論和實踐表明，無論從數據、技術還是從經驗來看，融慧金科的定制化建模具有諸多獨到的優勢：

第一，數據資源豐富，安全合規。融慧金科具備海量數據集成能力，已與多家BAT量級的合規授權數據源機構進行了深度合作，形成了高覆蓋、高精度、強互補的數據生態。在不侵犯用戶隱私的前提下，將模型算法直接部署在數據源側，從源頭保證數據質量的穩定性及可靠性。

第二，技術一流，建模能力領先。融慧金科在大數據建模領域有深厚積淀，重視算法和業務有機結合。依托強大的數據挖掘和建模能力，借助自身BAT量級數據原料自主研發數千個風險畫像，深層挖掘出數千維衍生變量，在區分度、覆蓋率、穩定性和可解釋性上保持持續提升。例如，在加工興趣畫像變量時，融慧金科將覆蓋率低且穩定性較差的多種興趣小變量整合成能概括個人風險程度的興趣大變量，擬合后，衍生變量從本質上改變了數據的覆蓋度和穩定性，使模型的穩定性和模型效果得到大幅提升。

第三，金融背景深厚，業務經驗豐富。融慧金科三位創始人均擁有超過20年的風控實踐經驗，經歷過完整經濟周期和跨國金融危機的壓力場景，并在不同業務場景下實操過從零到一的模型搭建和迭代過程。模型團隊骨干成員擁有5-8年的模型開發經驗，曾在一年內完成40版模型的開發及上線，模型效果區分度高且持續穩定。

目前，從需求溝通、樣本準備、模型設計、模型開放到模型上線，融慧金科已形成了非常成熟的建模業務服務流程，一般整個過程歷時4-8周，具有周期短、模式輕、上線快的特點。

三、精細化運營，銀行風控模型應用實踐案例

以某Top5商業銀行在模型開發與驗證方面的應用實踐為例，該銀行長期以線下業務為主，線上業務數字化轉型步履維艱，雖然已經接入眾多第三方數據源，但模型效果增益難以界定，急需外部數據和風控能力補充?；谠撱y行實際業務需求，融慧金科通過衍生變量以及深度挖掘變量等建模方式，縱深維度上提高行方模型效果，幫助銀行完成模型開發與后期驗證。

在本次定制化建模合作過程中，融慧金科利用機器學習進行還款意愿與還款能力的檢測，用訓練集對機器學習模型進行訓練，以預測信用風險分，模型效果指標KS 44%，遠遠高于機構測試的其他家平均水平。不僅如此，用測試集和跨時間窗口驗證集進行測試時，模型和進入模型的變量表現出良好的穩定性。另外，線下業務相較于線上業務申請拒絕率較低，貸前審批模型幫助該行對新客戶的信用風險進行審核，對好壞樣本有較好的區分度，模型分較高的壞人抓住率也較高，對這部分人群建議拒絕，提升業務中好樣本的占比。

該行的主評分卡模型已用了非常多的數據源，在此基礎上建立的模型能夠給主評分卡帶來1.5%的GINI提升，并且在測試集和跨時間窗口都保持穩定。良好的信用模型，幫助該行風控能力實現快速提升，并且帶來了顯著的業績增長。

參考資料：

[1]  鄧宇，《疫情大考后的上市銀行半年報：韌勁與軟肋》

[2]  于東智：商業銀行數據治理的問題、趨勢與挑戰

[3]  新華財經研報，如何看待我國商業銀行不良貸款新變化

責任編輯：韓希宇