近年来，商业银行互联网贷款业务快速发展，各类商业银行均以不同方式不同程度地开展互联网贷款业务。与传统线下贷款模式相比，互联网贷款具有依托大数据和模型进行风险评估、全流程线上自动运作、无人工或极少人工干预、极速审批放贷等特点，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。与此同时，互联网贷款业务也暴露出风险管理不审慎、金融消费者保护不充分、资金用途监测不到位等问题和风险隐患。为规范商业银行互联网贷款业务经营行为，促进互联网贷款业务平稳健康发展，银保监会在2020年5月9日起草发布了《商业银行互联网贷款管理暂行办法（征求意见稿）》（下称《办法》）。
《办法》从总则、风险管理体系、风险数据和风险模型管理、信息科技风险管理、贷款合作管理五个方面出发，对贷款风险管理的职责、指标、流程、机制等进行了规范和明确，其中涉及反欺诈、数据保护、网络安全等部分的监管要求值得重点关注。
互联网贷款定义
本办法所称互联网贷款，是指商业银行运用互联网和移动通信等信息通信技术，基于风险数据和风险模型进行交叉验证和风险管理，线上自动受理贷款申请及开展风险评估，并完成授信审批、合同签订、放款支付、贷后管理等核心业务环节操作，为符合条件的借款人提供的用于消费、日常生产经营周转等的个人贷款和流动资金贷款。
其他定义
本办法所称风险模型，是指应用于互联网贷款业务全流程的各类模型，包括但不限于身份认证模型、反欺诈模型、反洗钱模型、合规模型、风险评价模型、风险定价模型、授信审批模型、风险预警模型、贷款清收模型等。
反欺诈建设
商业银行应当建立有效的反欺诈机制，实时监测欺诈行为，定期分析欺诈风险变化情况，不断完善反欺诈的模型审核规则和相关技术手段，防范冒充他人身份、恶意骗取银行贷款的行为，保障信贷资金安全。
贷前调查
商业银行应当在获得授权后查询借款人的征信信息，通过合法渠道和手段线上收集、查询和验证借款人相关定性和定量信息，包括但不限于税务、社会保险基金、住房公积金等信息，全面了解借款人信用状况。
贷中审查
商业银行应当构建有效的风险评估、授信审批和风险定价模型，加强统一授信管理，运用风险数据，结合借款人已有债务情况，审慎评估借款人还款能力，确定借款人信用等级和授信方案。
人工复核
商业银行应当建立人工复核验证机制，作为对风险模型自动审批的必要补充。商业银行应当明确人工复核验证的触发条件，合理设置人工复核验证的操作规程。
贷后管理
商业银行应当通过建立风险监测预警模型，对借款人财务、信用、经营等情况进行监测，设置合理的预警指标与预警触发条件，及时发出预警信号，必要时应通过人工核查作为补充手段。
风险数据管理
商业银行应当建立风险数据安全管理的策略与标准，采取有效技术措施，保障借款人风险数据在采集、传输、存储、处理和销毁过程中的安全，防范数据泄漏、丢失或被篡改的风险。
风险模型管理流程
商业银行应当合理分配风险模型开发测试、评审、监测、退出等环节的职责和权限，做到分工明确、责任清晰。商业银行不得将上述风险模型的管理职责外包，并应当加强风险模型的保密管理。
风险模型开发测试
商业银行应当结合贷款产品特点、目标客户特征、风险数据和风险管理策略等因素，选择合适的技术标准和建模方法，科学设置模型参数，构建风险模型，并测试在正常和压力情境下模型的有效性和稳定性。
数据安全
商业银行应当采用有效技术手段，保障借款人数据安全，确保商业银行与借款人、合作机构之间传输数据、签订合同、记录交易等各个环节数据的保密性、完整性、真实性和抗抵赖性，并做好定期数据备份工作。
互联网贷款业务具有高度依托大数据风险建模、全流程线上自动运作、极速审批放贷等特点，易出现过度授信、多头共债、资金用途不合规等问题。为有效防控互联网贷款业务风险，《办法》重点从以下方面进行规范。
一是明确互联网贷款小额、短期的原则，对消费类个人信用贷款授信设定限额，防范居民个人杠杆率快速上升风险。
二是加强统一授信管理，防止过度授信。商业银行应当全面了解借款人信用状况，并通过风险监测预警模型持续性进行监测和评估，发现预警触发条件的，应及时预警。
三是加强贷款支付和资金用途管理。商业银行对符合相应条件的贷款应采取受托支付方式，并精细化受托支付限额管理。贷款资金用途应当明确、合法，不得用于购房、股票、债券、期货、金融衍生品和资产管理产品投资，不得用于固定资产和股本权益性投资等。如发现贷款用途违法违规或未按照约定用途使用的，应当采取措施提前收回贷款。
四是对风险数据、风险模型管理和信息科技风险管理提出全流程、全方位要求，压实商业银行的风险管理主体责任。
五是强化事中事后监管。监管机构对商业银行互联网贷款情况实施监督检查，建立数据统计与监测机制，并可根据商业银行的经营管理情况、风险水平等因素提出审慎性监管要求，严守风险底线。
为尽可能地保证现有互联网贷款业务的连续性和保护客户权益，《办法》按照“新老划断”的原则，设置2年过渡期。《办法》实施之日起，新增业务应当符合《办法》规定。过渡期结束后，商业银行存量互联网贷款业务应遵守本《办法》规定。
“信贷专家决策引擎”由国舜股份产品研发团队经过多年积累研发，面向银行信贷审批业务、信用卡审批业务、消费金融类业务等，可以帮助银行快速识别客户信用风险及欺诈风险，并依据风险评估结果给出处置意见，从而降低银行风险损失，提升审批效率。
信贷全流程风控。在贷前阶段，针对线上申请见不到申请人的特点，首先利用设备反欺诈数据及规则集对申请的设备进行欺诈识别，过滤掉有高欺诈风险的客户。其次，利用反欺诈模型对申请人进行欺诈识别，判断申请人是否为本人，并识别欺诈意图。通过多种不同维度对客户的信用风险进行全面评估，判断客户的还款能力、还款意愿和稳定性。根据客户提供信息的不同，利用授信额度模型，对经过反欺诈和信用评估的客户进行预授信额度、期限的设定，利用利率定价模型对申请客户的利率进行设定。
在贷中、贷后阶段，对贷款客户行为进行监控预警管理，贷后利用大数据科技手段充分挖掘逾期客户个人资产价值，通过早期催收模型、晚期催收模型识别个人信贷客户潜在风险与价值。以此协助客户解决逾期、不良管控的顽疾，降低委外催收成本，同时实现风险管控的前移，及时止损。
信贷流程支持复杂层级管理、灵活层级设置和流程管控，黑白名单、评分规则模型、利率计算等。
反欺诈规则：可根据客户需求选择适用规则投入使用，如黑灰名单查询、法院执行情况查询，申请信息关联查询等规则策略、设备反欺诈规则集等。同时，通过后续对信贷机构客群的了解加深和对数据的细致分析、规则调优，确保客户的审批质量。
信用评估规则：使用客群评分模型帮助信贷机构在自有数据不足的情况下，对相应的消费场景和客群做信用评估；对于有一定数据量积累信贷机构积累一定量的数据后，根据信贷应用场景，进行定制化的模型建设，形成更加具有针对性的模型和规则策略。
知识图谱：通过图计算、深度学习、链接预测等手段为客户提供系列化知识图谱应用解决方案，以数据可视化的形式直观反映客户、IP、设备等之间的关联性，有效分析出复杂关系中的潜在风险，精准侦测组团欺诈等信贷风险场景，助力风控决策。
模型中心模块：模型中心模块实现模型平台化部署，根据客户实际业务情况搭建的模型均可部署在模型中心模块。根据配置中心的流程配置以及数据平台的数据输出，可以根据实际的业务灵活配置模型的业务流程，便于业务流程的制定与修改。保证模型及数据的输出结果保存于行内，确保行方数据安全存储，无外泄风险，并可和银行现有的业务系统无缝对接。
联邦建模：国舜灵鲲联邦学习是一种加密的分布式机器学习技术，为金融机构提供能保护数据隐私，远程操作、低成本快速迭代的大数据风控联合建模服务，基于保护数据隐私为前提，各方数据不离开本地进行联合建模，共同参与训练金融风控模型训练，进而提升模型效果、打通数据孤岛、释放数据价值。
阵容全面：国舜作为传统安全企业，安全条线产品丰富，覆盖传统安全到业务安全，覆盖安全条线各个维度，多角度全方位的提供安全保障。
技术优势：国舜风险引擎采用“无限维度指标”+“真流程引擎”做到对任意指标进行监控和识别，并按照实际情况制定决策流程，真正做到自然语义化配置和无限扩展，业务人员0技术基础也可应对新型风险场景，引擎平均实时处置响应时间接近1毫秒。
业务创新：提出“一客一策”的差异化风控策略，对不同客户群体进行分类授信，根据还款能力、还款意愿、稳定性等给与不同授信额度、对同一名客户不同时期还款能力、还款意愿，收入变化、社交变化进行实时监控、实时更新授信额度，合理授信并预测授信后违约风险。
高效易用：独创的“三维引擎”将规则引擎、流程引擎、实时行为指标引擎整合在一起并应用到实时风控领域，业务人员无需技术背景就可构建灵活的专家规则模型，并支持一键投产、一键测试等运维功能。
实时风控：国舜信贷决策引擎产品助力多维度解决金融机构面临的痛点，对欺诈风险，如代办包装、黑产攻击、伪冒申请等异常贷款行为做到实时识别，做到实时授信，提升授信体验。
国舜股份的安全技术和解决方案已经在上千家金融、政企、通信、航空、医疗等单位成功应用落地，拥有众多行业典型应用案例，并多次荣获行业大奖，获得了客户们的广泛认可和好评。
国舜股份安全客户（部分）
国舜股份风控力量通过构建全面的信息安全安防体系，为确保机构数据资产的安全、可靠、稳定提供技术保障，实现智能可靠的安全管理，为客户网络信息安全保驾护航！
国舜2020生态合作计划启动
周先生：18310030759
白女士：15652711706
欢迎详询具体合作内容！
拓展阅读
原文始发于微信公众号（国舜股份）：解读：《商业银行互联网贷款管理暂行办法》中的信贷风控监管新要求
- 左青龙
- 微信扫一扫
-
- 右白虎
- 微信扫一扫
-
评论