中小商業銀行構建數字化信用風控體系的應用探索

客戶需求變化、市場競爭態勢、數字技術發展驅動中小商業銀行加快構建適合自身特點的數字化信用風控體系。本文從實踐角度研究構建數字化信用風控體系的方法，力圖對中小商業銀行數字化信用風控體系構建帶來參考價值。

中小商業銀行數字化信用風控體系的目標和內涵

銀行是經營風險的企業，在經營風險中服務客戶，創造價值，實現企業的經營目標。每一家中小商業銀行構建信用風控體系的出發點和路徑都差異較大，總的來講，建立有效的信用風控體系主要受到區域資源稟賦、數智能力、法人治理結構和風險管理能力的約束。

銀行構建數字化信用風控體系的目標，就是在有效控制風險的同時，支持業務發展。就內涵而言，數字化信用風控的邏輯仍是風險控制的邏輯，它并沒有改變銀行風險管理的本質，而是借助數字技術，提高風險管理的精準程度和效率。因此，數字化風控的過程，實際上是通過數據管理深入推動風險管理優化的過程。在此過程中，需要不斷提升四個關鍵環節的核心能力：

一是業務數據的主動獲取能力。首先，通過信用風險管理各環節線上化，優化風險管理流程，不斷完善數據治理，形成風控各環節的數字化；其次，不斷積累外部相關數據，通過對外部數據的加工，形成與風控管理相關的可使用的數據源；最后，建立統一的數據存儲、調用、分析、管理平臺，將銀行內外部數據統一管理、綜合運用，打通數據豎井和數據孤島，提高數據的共享性、一致性。

二是大數據分析能力。首先，建立KYC（Know Your Client，了解你的客戶）模型，對客戶精準識別，提供不同客戶的產品服務方案；其次，建立客戶評級模型，將客戶評級應用于準入、額度、定價、增信條件等審批策略；最后，建立模型管理平臺，完善模型開發、測試、驗證、上線、迭代等模型日常管理，通過建模能力的提升完成商業銀行風險控制能力的全面升級。

三是依據數據分析進行風險預判、預警。根據預警預判結果，對客戶行為、員工行為進行主動管理，降低風險管理成本，發揮數據的應用價值；同時，通過數據關聯和信息實時傳遞，使風險管控各環節參與主體的功能既相互分離制約，又有效統一，提高各環節決策的科學化、智能化水平。

四是根據風險管理關鍵環節中數字化模型決策替代專家決策的現狀，構建適應數字風險管控的治理結構；優化崗位設置，理清不同崗位的職責邊界和工作流程；建立風險、數據、模型、系統協同的工作機制，培養適應數字化風險管理的人才隊伍。

構建數字化信用風控體系的基本要求

健全數字化信用風險治理架構

構建分層授權、分級審批、審貸分離和三道防線共管的風險治理體系；建立獨立垂直的風險管理隊伍，設立權責清晰的風險管理崗位，實現風險管理的全覆蓋；規范授權管理體系，將穩健的風控理念貫穿風險管理全流程，提升全員數字化風控意識和數字化工具運用的能力；轉變風險管理模式，由事項驅動的被動風險管理向“專業判斷+數據賦能”的技術化、參數化、智能化的主動風險管理模式轉變。

完善數字化風險管理政策體系

一是科學設定風險偏好。依據自身風險承受能力與風險管理水平，建立健全風險偏好政策；設定風險偏好指標，借助限額、授權、閾值等風險管理工具，引導業務部門根據目標風險狀況主動經營風險，實現風險偏好對發展戰略與經營目標的有效傳導。

二是完善信用風險管理制度體系。明晰治理層和經營層，風險職能部門和業務部門在風險管理中的職責邊界、責任標準，明確授權行為；健全規范清晰的流程操作制度體系，細化流程關鍵節點的操作要求和結果評價標準；利用風險駕駛艙、信用風險視圖、信用管理系統等管理工具，全面監測條線、機構、產品的整體風險情況，并實現風險線上提醒、操作、授權、處置等管理的閉環作業。

三是根據業務邏輯確定管理重點。首先，應用KYC模型判斷客戶，通過客戶評級核定授信額度和授信條件；其次，明確責任，客戶經理對客戶信息的真實性負責，信審經理對信用風險的判斷結果負責，模型開發部門對模型質量和判斷的結果負責；最后，建立授信盡職調查中心，實施全覆蓋的風險平行監測，及時研判風險演變趨勢，制訂更具操作性和有效性的管控方案。

豐富信用風險管理工具，提升數字化風險管理能力

一是強化客戶評級管理。公司客戶方面，分類開發客戶評級模型，健全以信用評級為基礎的全面應用體系。扎實推進內評模型的應用，提高撥備、考核、資本管理等方面的精細化程度。零售客戶方面，實施分類分池管理，在貸款申請、存續階段，對客戶進行評級、分類，劃定客戶組別，實施差異化模型策略和定價。

二是實施預期信用損失法。通過預期信用損失（Expected Credit Loss，簡稱ECL）計量工作，推動風險資產對利潤的影響從“事后撥備計提”向“事前損失預測”轉變，提高風險損失計量的前瞻性和客戶分類精細化風險管理能力。

三是加強數據治理。強化內部數據收集、加工，打通數據豎井和數據孤島，實現內部數據的標準化、結構化、可視化。合法合規地引入各類外部數據，使數源更加全面、豐富、有效。建設企業級特征變量衍生平臺，實現工商、征信、涉訴、輿情等多維度外部數據在信貸系統的嵌入及應用，做好數據的分類和授權使用，確保數據安全。

四是建立風控模型管理體系。針對不同業務、客群和環節匹配合適的算法，構建科學的數據模型，逐步使用機器學習算法模型提高風險識別的精準性；加強模型運營管理，依托模型分類體系與關聯風險監控邏輯管理，形成智能風控模型庫地圖，提高不同模型判斷的關聯度；加強模型全生命周期管理，對模型進行持續迭代和調優；規范模型開發、驗證、投產、參數調整等重點環節的管理，組建專業的隊伍對不相容環節進行隔離評審，加強模型風險的管理。

五是打造風險管理專業化平臺。構建智能風控管理平臺，涵蓋各類風險的監測、分析、預警，將風險偏好管理、授權管理、風險模型管理、反欺詐管理、風險決策引擎等納入平臺，滿足全流程數字化風險管理所需的各類風險模型及策略。

優化流程設計，打造分布式信用風險管理信息技術（IT）系統

一是構建設計合理、運行高效、快速響應客戶需求的工作流程。將風險管理串聯式流程模式解耦，整合改造為按功能并聯處理，形成“串聯+并聯”的風控流程，在提高業務處理各環節效率的同時，保證風險控制的質量；同時推動流程標準化，實現決策時效快、客戶零感知。

二是構建企業級信用風險管理系統，推動信用風險管理全流程線上化。應用分布式技術架構，打造簡潔高效、支持業務、適應監管的信用風險管理IT系統，滿足業務場景復雜、客戶類別多樣、需求不斷變化的市場環境及服務各類業務拓展需要。

提高風控隊伍數字化能力，完善崗位職責和風險管理責任追究機制

一是提升數字化風控專業能力。重點加強對數據挖掘分析、模型開發等數字化能力的積累，提升風控人員全流程協作能力。強化宏觀政策和行業研究，實現更加精細、更有前瞻性的風險預判。建立分區域、行業的全譜客戶分層標準，針對企業的不同特點，制定差異化服務及風控策略。

二是健全管理責任制。完善責任追究方式和流程，細化責任認定標準，統籌考慮信用風險不良后果大小、責任人的行為情況以及責任人行為與不良后果的關聯度三項因素，確定當事人的責任等級。

中小商業銀行公司信用風控體系建設的關鍵環節

客戶評級

客戶評級建立在有效的KYC模型的基礎上，是信用體系建設最關鍵的環節。銀行根據客戶的內外部信息利用KYC模型畫像，達到認知、篩選客戶的目的。根據客戶評級建立基于內部評級的信用風險度量模型，判斷客戶是否準入、授信額度多少，計算違約概率（Probability of Default，簡稱PD）、違約損失率（Loss Given Default，簡稱LGD）、違約風險暴露（Exposure at Default，簡稱EAD）、有效期限（Maturity，簡稱M）、預期損失（Expected Loss，簡稱EL）、非預期損失（Unexpected Loss，簡稱UL）和經濟資本等風險要素。

實踐中，公司客戶授信管理既要考慮借款主體自身評級、債項評級、擔保主體評級、行業評級、區域評級，還要考慮集團家譜評級，并綜合考量后提供產品服務方案。

建立基于客戶評級體系的數字化風險應用體系

基于評級體系的數字化風險應用體系，主要包括以下幾個方面：

一是客戶準入管理。傳統的客戶準入主要靠專家判斷，存在客戶準入標準與實際情況錯配、客戶體驗不佳、員工尋租等現象。評級模型體系則是通過量化建模的方式，綜合考慮客戶還款能力、還款意愿、財務狀況等經營信息，由模型客觀評價決定客戶是否可以準入。

二是授信授權管理。傳統的授信授權審批方式是以業務種類為基礎，一般沒有考慮相關授信主體的差異化風險衡量標準。通過內部評級體系的建設，銀行可以實現基于客戶評級的差異化信貸準入及授信制度，提高評級結果在信貸審批中的針對性和可操作性。

三是信用風險監控和預警。通過對各類業務日常監控和后期管理中采集的資料和信息進行定量、定性分析，發現影響安全的早期預警信號，識別風險類別、程度、原因及其發展變化趨勢，并按規定程序和要求采取針對性的處理措施，及時防范、控制和化解風險。

四是風險限額管理。建立風險暴露總量的約束機制，實施行業、區域、產品、客戶、機構多維度的限額管理，通過模型計算各維度的敞口風險限額，對風險限額的執行情況實行連續監測，并在各敞口業務規模接近或突破風險限額時采取控制措施。

五是風險定價管理。根據客戶評級實施差異化定價，對于評級優質客戶，緊盯同業優惠定價，強化綜合收益管理；對于中間評級客群，提升風險成本計量精準度，提高定價分層水平，實現風險覆蓋；對于尾部評級客群提升議價能力，通過提高定價水平、優化產品結構控制風險，或實現高風險客戶的有序退出。

六是貸款損失準備計提和信用風險經濟資本計量。利用信用風險組合管理模型，將損失拆解為預期損失與非預期損失。其中預期損失靠計提撥備影響當期利潤來抵補，非預期損失通過資本來補充。信用風險所需的經濟資本就是給定置信水平下的非預期損失與預期損失之間的差額。

強化公司業務數字風控智能輔助決策

通過構建風險分析、監測、預警系統群，為貸前、貸中、貸后各環節的決策提供數據支撐，確保風險管理決策的科學化、智能化。

一是通過一站式報表平臺、客戶畫像平臺、數據資產平臺、基礎數據報送和管理平臺等數據分析和挖掘系統平臺，支持數字風控的可視化管理。

二是從公司客戶信息采集、立項調查、評級限額、統一授信、核保、放款、貸后預警、保全等全生命周期建設業務系統群，統一入口，打通數據，合理規劃服務架構，提高作業效率。

三是建立客戶預篩選及風險輔助決策模型。通過客戶預篩選模型，提升高風險客戶剛性攔截力度，在準入端直接進行篩選；對通過預篩選的客戶，通過風險輔助決策模型，提高授信判斷的效率和質量；通過貸后及預警系統持續跟蹤客戶風險狀況與影響因素，為客戶預篩選和風險輔助決策模型優化提供策略。

四是構建線上化、智能化的信息搜集、傳導和風險分析監控體系，提升風險信息歸集、監測、審查的準確性、及時性，為客戶的組合管理、評級遷徙、限額預警、定價管理等決策提供支持。

中小商業銀行零售信用風控體系建設關鍵環節

中小商業銀行零售數字化信用風控體系建設的基礎較好，目前的重點是進一步提高自動化、智能化水平。需要把握以下幾個關鍵環節：

完善零售大數據風險決策模型的管理

開發包含各類線上產品在內的申請評分模型、行為評分模型、催收評分模型、反欺詐模型等，提升模型對業務覆蓋度和支撐能力。加強模型穩定性和區分能力的運行監測管理，不斷優化模型質量。采集風險案例，分析風險原因，豐富數據維度，采用高階算法構建模型，提高模型的精準性。

提高數據治理能力，優化系統架構

全方位收集整合客戶全生命周期數據并進行系統化管理，引進公積金、運營商、社交、消費行為等多維度大數據，通過統一標簽衍生平臺，挖掘以人行征信為核心的大數據，形成建模標簽庫。搭建符合數字金融業態要求的、全面穩定的零售風險IT架構，為流程模塊化管理提供系統支撐，為業務創新與應用研發提供動能。

建立統一的反欺詐風控體系

構建基于流計算、機器學習、用戶畫像、知識圖譜等技術支撐的能夠涵蓋全渠道的企業級智能反欺詐體系，實時甄別異常開戶、盜卡盜刷、刷單等欺詐風險并能合理處置，保證業務的正常運營。

中小商業銀行構建數字化信用風控體系的實踐效果

經過多年的探索和實踐，中小商業銀行在數字化信用風險管理體系建設方面取得了顯著的成果。

一是提升了客戶的覆蓋率和可獲得性。以中原銀行為例，在2022年，通過數據治理和模型優化，該行主要線上授信產品的客群覆蓋率提升了16個百分點，模型自動通過率由33%提升到49%。

二是進一步豐富了產品體系，擴大了業務規模。據統計，截至2022年末，中原銀行線上化貸款規模達到近2000億元，貸款余額較年初增加了近300億元。

三是通過數字化、智能化運營支持，有效提升了信貸業務的服務效率，降低了成本。

四是信貸資產質量較好。中小商業銀行通過建設數字化信用風控管理體系，精準定位目標客群，嚴管客戶準入，多手段齊抓貸后管理，積極做好客戶經營，把提高資產質量作為主要目標之一，均取得較好成效。

（王炯為中原銀行副董事長。本文編輯/孫世選）