1.1 從3個角度認識銀行數字化風控

銀行數字化風控是一個全新的概念，在很多方面與傳統風控區別很大。為了盡快熟悉數字化風控體系，我們不妨從以下3個角度入手。

1.1.1 角度1：銀行數字化風控的本質

風控指的是風險管理者采用各種措施和方法，消滅或減少風險事件發生的可能性，或者減少風險事件造成的損失。

數字化風控涵蓋所有提高風險效能的數字化因素，包括流程自動化、決策自動化、數字化監控與智能化預警等。

銀行數字化風控的本質就是在數據、策略、模型、流程、組織、架構、人才以及文化等各方面聯動協同，用數字化方式提升銀行的風控效能，達成精準識別與計量風險，從而實現收益最大化的目標。

1.1.2 角度2：銀行數字化風控的范疇

從廣義上講，銀行數字化風控涵蓋銀行信用風險、操作風險及市場風險等三大風險類別，是一個全面風險管理體系數字化的過程。從狹義上講，銀行數字化風控主要指的是數字化信用風控體系的構建。

巴塞爾委員會將銀行面臨的風險分為信用風險、市場風險、操作風險、流動性風險、國家風險、聲譽風險、法律風險及戰略風險八大類。國內監管部門要求，在信用風險、市場風險、操作風險三類風險中，符合條件的銀行應首先開發信用風險、市場風險的計量模型。就信用風險而言，現階段應以信貸業務（包括公司風險暴露、零售風險暴露）為重點推進方向。

數字化時代，銀行重塑風控體系需要通過金融科技賦能、數字技術加持以及智能算法優化，在流程自動化、決策智能化、監控數字化的基礎上持續提升風險管控的能力與效率。

1.1.3 角度3：傳統風控、智能風控與數字化風控

銀行的風控經歷了從傳統風控到智能風控，再到數字化風控的進化過程。本節介紹這幾種風控模式之間的關系、優勢和劣勢。

1.傳統風控模式

傳統風控的做法更多是基于專家經驗的人工審批，依賴于審貸官對材料的理解與把握，并給出最終意見。假設有兩筆貸款同時審批，那么審貸官會根據經驗，基于排序做出相應決策，很快得出結論——甲貸款要優于乙貸款。如果更進一步，請審貸官詳細說明，甲貸款比乙貸款風險低多少，甲、乙兩筆貸款的風險分別處于什么水平，審貸官就很難給出精確的回答了。這有點類似大腦在處理一些模糊信號的時候，雖然能夠做出評估排序、對比排序，但是很難做到足夠精確。

傳統風控模式包括信貸工廠模式、IPC技術模式、臺州模式以及巴塞爾模式等，下面進行簡要介紹。

（1）信貸工廠模式

信貸工廠模式是指銀行在授信業務管理時，通過設計標準化的產品和流程，統一規范不同信貸產品的信貸作業過程，類似于工廠“流水線”，主要強調全流程風險管理。從前期接觸客戶開始，到調查、審查、審批、貸款發放、貸后維護、管理以及貸款的回收等工作，均采取流水線作業、標準化管理。

這一模式起源于新加坡淡馬錫模式。淡馬錫公司成立于1974年，是由新加坡財政部監管、以私人名義注冊的一家控股公司。淡馬錫公司在對中小企業授信管理的過程中，開發出了一種批量化生產中小企業融資產品的運作方式，被業界稱作淡馬錫模式或信貸工廠模式。

該模式解決了中小企業的融資問題，適用于批量化作業的各類信用貸款領域，從個人消費到小微企業經營均可使用，應用空間比較廣闊。

信貸工廠模式的優點如下。

? 責任落實到位：在信貸工廠模式下，作業被切割成最小單元，每個參與人員都能熟練從事崗位職責內的工作，責任可以落實到個人。

? 規模效應凸顯：由于個人負責的工作領域極度細分，所以工作效率大幅提升，規模化效應得以顯現，從而提高了利潤率。

? “四眼”交叉驗證：在貸款辦理過程中，客戶經理、審批人員和貸后管理人員分工明確、各司其職，對于同一筆業務，可以從不同角度進行交叉驗證，有效遵循四眼原則[2]。

? 提升工作效率：客戶信息被錄入信貸系統后，自動評分、自動審批；客戶經理也可以根據評分結果，篩選符合本行風險偏好的優質客戶，既節省時間，又可以避免做無用功。

? 迅速搶占市場：對于異地客戶，也可以做到依靠系統自動審批處理，審批時間快，客戶體驗好，有利于迅速拓展客戶并搶占市場。

信貸工廠模式的缺點如下。

? 資金投入多：銀行開展信貸工廠模式，前期需要投入大量成本，包括平臺的搭建、客戶評分模型的開發或者其他有針對性的研發。

? 人員成本高：該模式需要的崗位較多，在實際管理上難度很高，相應的人力成本也很高。

? 風控要求嚴：該模式不能做到對每位客戶精細審查，對整體風險監控能力以及壞賬處理的要求都比較高。

（2）IPC技術模式

IPC技術模式來源于德國，重視實地調查和信息驗證，主要通過對客戶經理調查走訪、信息交叉驗證等方面進行培訓，提升客戶經理辨別虛假信息和編制財務報表的能力，防范信用風險。IPC技術模式的核心主要為三方面：一是考察借款人的償債能力；二是衡量借款人的償貸意愿；三是控制借款人公司內部操作風險。IPC模式的創新之處在于，銀行風險把控的側重點是關注借款人的還款意愿、借款人的經營情況以及現金流，而不是根據借款人資產價值評估等因素決定其風險。

IPC技術模式的優點如下。

? 專注業務：銀行能夠專注于貸款業務本身，微貸額度較少，資金挪用的可能性較小。

? 管理精細：客戶經理對每戶貸款都可以做到逐筆調查，精細化管理。

? 信息對稱：客戶經理從貸前決策到貸后管理全程參與，信息對稱程度高。

? 風險定價：能夠做到根據客戶的資質進行風險定價，利潤回報率較高。

? 方便快捷：貸款方式較為靈活，適合不同的企業選擇。

IPC技術模式的缺點如下。

? 人員數量多：采用單戶調查和分析的方式，依賴大量人才支持，銀行必須不斷做好信貸人員的招聘與培訓工作，充實一線隊伍。

? 服務單一化：無法為客戶提供全面的金融服務，市場競爭力較弱，不利于鎖定客戶。

? 工作效率低：逐筆操作業務，在走訪客戶時需要大量時間，放款周期長，跟蹤效率低下，規模增速較慢。

? 道德風險高：決策過于依賴客戶經理的主觀判斷，很容易產生道德風險。

（3）臺州模式

在小微貸款、普惠金融等領域，臺州作為我國小微金融發展的標桿地區，在長期發展過程中取得了重要成就，逐步形成了頗具特色的臺州模式。如今在國內外金融市場的沖擊下，臺州模式的發展也面臨著巨大的壓力和挑戰。

臺州模式的典型代表如下。

? 泰隆銀行：形成了以“三品”“三表”“三三制”為特色的小企業金融服務模式。

? 臺州銀行：探索出“三看三不看”的風控技術和“下戶調查、眼見為實、自編報表、交叉檢驗”的信貸經驗。

? 民泰銀行：形成了“看品行、算實賬、同商量”的風控九字訣特色做法。

臺州模式面臨的挑戰如下。

? 個性化服務供給偏少：面向小微企業的信貸產品雖然多，但產品功能單一，具備地方性、區域性特色的小微金融服務產品創新較少。

? 技術賦能有待提升：小微金融機構亟需科技賦能，打造線上融資產品體系，提高服務效率和降低運營成本。

? 復合人才集聚不足：臺州金融人才結構不合理，單一專業人才偏多，缺少跨專業復合型人才，尤其缺少對國內小微金融市場和業務熟悉的人才。

（4）巴塞爾模式

傳統銀行以《巴塞爾協議》為基礎開展相關風控工作，可稱之為巴塞爾模式。從1988年的《巴塞爾協議Ⅰ》到2001年的《巴塞爾協議Ⅱ》，直到2010年推出的《巴塞爾協議Ⅲ》，最終要求銀行進一步明確資本定義，擴大風險覆蓋范圍并加強交易對手信用風險管理。在巴塞爾模式中，信用風險主要以違約率（Probability of Default，PD）、違約損失率（Loss Given Default，LGD）、違約風險敞口（Exposure At Default，EAD）、期限、相關性等計量方法為核心來計量。

巴塞爾模式的優點如下。

? 實現了全面風險管理。

? 涵蓋信貸業務等各類風險。

? 具有可實施的風控計量體系和方法。

巴塞爾模式的缺點如下。

? 實施巴塞爾模式需要監管機構審批。

? 內部計量模型依靠銀行自身數據，其局限性極易導致估計偏差。

? 對于金融創新監管沒有實時更新和統一的方法。

2.智能風控模式

從線下到線上，從互聯網到移動互聯網，隨著時代的不斷發展，銀行風控體系也在不斷演變。起初銀行人工審核辦理信貸業務，后來逐漸引入系統輔助，完成了從人工審批到自動審批的進化。隨著大數據的發展，更多弱變量加入風控體系，替代了原先的單一強變量風險評估，完成了從自動化到大數據的進化。在互聯網與移動互聯網時代，新型欺詐手段層出不窮，人工智能技術催生大數據向智能化演變。

智能風控技術是銀行在自動化、大數據、云計算、人工智能、區塊鏈等金融科技應用的基礎上，逐漸發展而來的。與傳統風控相比，智能風控技術在以下方面具有鮮明特點。

智能風控的優點如下。

? 大數據平臺是基礎，為數據模型與風控策略提供高質量的數據保障。

? 決策引擎是媒介，為數據模型與風控策略提供高效的部署能力。

? 智能模型是大腦，將原始數據提煉為規則集，實時預測風險水平。

智能風控的缺點如下。

? 與傳統業務匹配度低，業務人員難以理解和應用。

? 傳統風控制度與智能風控方式仍存在一定矛盾，經驗驅動的傳統風控與數據驅動的智能風控難以融合。

與傳統風控模式側重專家經驗不同，智能風控更多的是以量化模型和基于數據分析的策略為主，不僅能夠對每個申請進行對比和排序，還能進一步說明每個申請的風險是什么水平、PD是什么水平、LGD是什么水平。在這個基礎上，不僅能做審批，還能夠進行精確的風險定價等更多工作。

具體而言，兩種風控模式在以下3個方面有所區別，如表1-1所示。

3.數字化風控

永遠不要忘記，銀行的本質是風控，無論傳統模式還是智能模式，最終目的都是要做好風險管理。數字化風控堪稱傳統風控與智能風控的集大成者，既吸取了兩種模式的優點，也最大限度地避免了兩種模式的缺點。數字化時代，傳統風控的短板顯而易見，而智能風控從銀行實際情況來看，應用領域有限且處于探索階段。大部分銀行最需要實現的是風控的標準化與數字化，其中最關鍵的是信用風險決策的底層邏輯及量化過程。

數字化風控的表現形式主要有以下3個方面。

（1）數字化風控流程

數字化流程是數字化風控的基礎，貫穿信貸業務貸前、貸中、貸后等部分或全部環節。例如在貸后環節，信貸資金真實流向、客戶還款記錄、客戶回訪信息及其他風險信息，需要通過流程來獲取并保存。數字化流程以優化客戶體驗、提高決策效率、降低操作成本為目標，其最重要的意義在于風控的標準化與穩定性。流程標準化才能產生有價值的數據。

（2）數字化風險信息

在傳統模式中，銀行信貸決策依據的信息包括文字和數字形式，可能是行內采集的或者外部數據源提供的，可能是原始材料或者經過加工的。這些信息首先都需要數字化，變為數字和標簽，然后通過特定的數據邏輯歸納后呈現出來，用于風險決策的信息依據。為了支持應用層面的數據需求，往往需要對系統內部的數據資源進行治理。從數據治理到數據呈現，是信息由里到外進行數字化的完整過程。

（3）數字化風險決策

風險決策自動化是數字化風控的高級表現形式。目前在信用卡審批和小額消費金融領域，已經完全實現了風險決策自動化。風險決策自動化涉及數據和風險決策模型。數據涉及內部數據和外部數據的連接和管理。設計模型需要根據信貸產品的結構、流程、數據資源和客戶情況，形成風險邏輯并量化。量化的風險決策模型能避免人員的主觀性和道德風險。

數字化時代，土地等不動產要素的價值會不斷降低，企業創造價值的方式也在發生改變，越來越多的企業不再依賴土地、廠房、設備來創造價值。銀行未來客戶的業務模式迥異于傳統客戶，如果還堅持無擔保、無抵押不能放款，將面臨客戶大量流失、業務嚴重萎縮的極端不利局面，在新的經濟生態系統中無法立足。因此，選擇數字化風控升級，是銀行的必然選擇。

銀行要基于傳統風控模式，如信貸工廠模式、IPC技術模式、臺州模式以及巴塞爾模式的成功經驗，結合最新智能風控技術，構建全面數字化風控體系，如圖1-1所示。