对零售信贷产品风控模型构建的思考

　　零售银行发展到今天，标准化、批量化的银行类零售信贷产品（这里不含互联网金融的微贷产品）要想取得市场优势，从业务属性上必须依靠科学的风控模型和高效的业务流程，特别是风控模型已成为零售信贷产品必需的技术内核和风控引擎。怎么样构建科学的风控模型，它的方法论、目标、切入点、关键因素等等应该如何看待，本文拟从实践的角度进行思考。

　　一、模型的本质

　　按照控制论的定义，模型就是对认识客体的假设，也就是认识主体根据所获得的信息对认识客体进行的符合逻辑和常识的假设。我们在现实中看到的许多以算法体现的模型其实质也就是用数学的方式对认识客体进行的定量式假设。构建零售信贷产品的风险模型就是要对借款人这一特定认识客体的行为进行假设和预测，紧紧围绕银行的风控目标采取相应的风控措施，进行系统化的控制，因此模型的成败直接决定了产品的成败。

　　二、零售信贷产品模型的风控目标

　　模型必须围绕我们需要达到的认识目标，对于零售信贷产品，我们的风控目标是什么？我支持风险本质是一种成本的观念。风险是损失的可能性，风险之所以可怕是因为它的不确定性，风险发生后到底会造成多大的损失，我们不能预见，损失的程度是随机的，这就可以解释为什么这次的新冠肺炎疫情造成的恐慌远远高于对每年造成世界上万人死亡的流感的恐慌。零售信贷产品风控体系目标就是要把风险成本化，也就是把风险的损失控制在一个我们可预期和可接受的区域内。比如通过各项风控措施，产品的不良率在3%至5%之间进行箱体震动，这时我们就认为风险是可控制的，它造成的损失我们可以承担，从而实现了风险的成本化。

　　三、构建风控模型的方法论阅到这

　　实现风险成本化的过程就是一个机构、一个产品实现可控制的过程，这一过程必须要有正确的方法论进行指导，同时必须通过细致、持久的不断修正才有可能不断接近现实，也才有可能达到我们的风控目标。

　　从控制论的角度，信贷客户就如同我们难以认识内部情况的黑箱，我们只能通过可获得的信息和可控制信息去假定（预测）目标客户的行为（信用），因此我们的假定（也就是模型）要具有清晰性，必须给出一定的信息量，通过负反馈调节不断修正我们的模型以接近自己的目标。同时，我们要不断跟上客体的变化速度，因为从模型的特性上讲，任何模型都有其存在的客观条件和环境，条件的变化必然带来模型的偏差，我们要像老鹰猎兔一样，不断修正自己的方向和速度，不断接近自己的目标，最后获得符合自身预期的结果。

　　在实现风险成本化的过程中，我们还应该坚持多模型思维，正如上文提到的模型依从于客观条件一样，任何模型离开它所依从的客观条件就会发生认识错误，模型要符合客观环境的常识逻辑，我们也必须承认我们的认识能力难以洞悉和把握所有的有用信息，比如我们会随时面临“竞争性真相”的考验，人类的理性永远是有限的，因此从模型就是一种假定这一基本论断出发，决策依靠单一模型是危险的，必须要运用多模型，从不同角度去解析目标客户的自变量和因变量，进行交叉验证，才能不断减少风险决策的偏差。

　　四、风控模型围绕的两个基本点

　　依据我们的方法论，风控的目标就是要让产品的违约客户、不良率处在我们可控的程度之内，零售产品的目标客户如同认识的黑箱，我们不能打开他，只能通过假设去预测他的违约概率，从而进行风险定价和采取风控措施。那么从执行层面，面对海量的信息，产品风控模型的关键信息究竟应该限定在哪些方面，找到信息与控制目标的因果关系，防止大量无用信息的干扰，对此我们还是应该首先回归信贷风控的两个基本点，一是还款能力，一是还款意愿。只有通过对这两个基本点的认识，去判别和验证合格的贷款客户，并控制风险。因此相关产品的信息所构建的所有模型都应该围绕两个基本点进行风险控制，过滤掉干扰信息，强调信息的关联性，从而形成一个风控的模型格栅，实现风险的成本化。而且从“模型本身要具有清晰性”这一基本要求出发，所有模型首先必须要清晰地告诉风控人员客户贷款申请是否应该通过（无论是通过模型评分还是定性式评价），模型的标准和结果必须是清晰、统一、可操作和结论性的，任何个人通过模型都应该得出一致的判断。

　　围绕还款能力和还款意愿两个基本点，就要分析我们能够获得什么可用、可靠的信息，这些信息将通过何种逻辑证明、预判客户的信用行为。同时，为考虑零售产品竞争中的效率偏好，还要尽量减少客户提供信息的难度。下面我们就这两个基本点展开论述。

　　（一）基于还款能力

　　毫无疑问借款人的还款来源信息是建模的基础，包含客户的第一还款来源信息和第二还款来源信息。客户的第一还款来源信息无疑是最直接的信用信息，个人收入、个人可变现资产、公积金、社保、商业保险、债务共同承担人能力、家庭债务情况等等都是第一还款来源的直接证据，但考虑到中小商业银行零售客户普遍下沉的现实需要，很多个人客户属于自雇人士，信息缺失，同时考虑到传统信贷业务中的一些固有信息（如收入证明、银行流水等）容易造假，我们还必须通过一些间接信息来验证客户的还款能力，比如所从事行业的景气情况、年龄、学历、家庭成员情况、家庭关系、其他公共信息（如手机及其缴费情况、缴税情况、诉讼情况等）来形成间接信息模型来验证客户的还款能力。在选择间接信息的过程中，必须要解决信息与控制目标的关联度问题，也就是影响控制效果的因果逻辑关系。信息过滤网的颗粒度把握与使用者的风险偏好与识别能力有直接的关系，个人认为在认识能力有限的情况下对信息的选择应该根据常识性的思考采取宜粗不宜细的做法，再根据不断的数据整理和回顾逐步修正模型参数，防止陷入信息迷雾中难以进行风险决策。

　　在实践中，第一还款来源的模型往往还不足以判断客户的还款能力，特别在客户选择下沉的情况下，建立客户第二还款来源（多数情况下是用于担保的房产）的模型显得尤为重要。在很多传统的业务教科书中都强调要更重视第一还款来源，在面对小微客户或个人信贷客户时，甚至要求银行多放信用贷款。个人认为，第二还款来源与第一还款来源实际上并不能割裂，特别是在用自身财产担保的情况下，第二还款来源就是客户自身整体的还款能力的体现，一是因为担保物本身就反映了客户的资产情况；二是从担保的负担属性思考，担保物的价值也反过来影响客户的还款意愿，越是客户觉得珍贵的，越是不愿意失去，当客户出现信用危机时就越有主动性进行化解，因此建立担保物的还款价值模型就显得非常重要。担保物（主要是房产）的债务承担能力是模型的基础内容，这个模型应该有三个层面：微观层面、中观层面、宏观层面。微观层面就是具体担保物的可变现能力，以房产为例，如单价、面积、户型、小区环境、配套、采光、朝向、电梯等等具体信息，得出综合评分判断房产是否符合担保条件。中观层面，主要是分析担保物所在区域对变现能力的影响，如某城区的房产可能因为附近有污染源而很难交易，应该禁入；再比如，因为地铁开通等原因使某区域房产价值提升等因素影响房产的交易价值。宏观层面，是对担保物所处的大区域、大环境（如全国、全省、全市）担保物市场的变动情况进行价值分析，如房产税的征收对房地产市场的影响；再如，全国性重大事件对行业市场的影响等等。中观层面和宏观层面是一种间接的调整因素，最终主要通过作用于微观层面来决定担保物是否符合还款来源的要求。

　　（二）基于还款意愿

　　第二个基本点是要从还款意愿上建模。与还款能力相比还款意愿具有主观性和难测性，往往只能通过软性的定性指标来预判客户的行为。对于借款人的还款意愿，我们应该从两个方面来入手进行模型建设，一是事前的行为预测；二是售后的行为纠正。

　　1．事前的预测

　　就是我们常说的通过贷前调查、审查来给出结论性意见。客户的征信报告是我们目前最重要的信息来源，征信报告分为正式的银行征信和非正式的其他征信（包括非银机构征信、社会诚信行为信息、诉讼情况、违法记录、公共事业缴费情况等），这些数据因为来源不同，与客户还款意见的关联程度也有所区别，从逻辑上分析，同类业务、同类机构的征信记录其关联性越强。同时，对一份征信报告数据的解析也很重要，这需要有明确的风险偏好和实证的研究。

　　另一种事前模型应是建立在银行对客户面对面的直接了解中，通过直接从信息源获得一手信息，验证客户的真实情况。实地调查和面谈面签环节是获得客户直接信息的重要方式，也是运用事前模型判断客户真实意愿的重要阶段。首先，反欺诈是这一环节的基础性任务；其次，通过特定的方法发现客户的真实还款意愿是更高层次的任务。在这一环节中的模型必须解决“清晰性”这一难题，因为对一个人的判断具有很强的主观性，如果标准不能统一、量化和刚性，这一环节的可能性空间就会保持，最终选择归于随机性。因此应该进行判断标准的统一和明确，当然前提是提高调查员运用模型的能力（如话术、心理学运用、逻辑分析能力等），因此实调和面谈面签环节是集客观性和主观性两个特征的综合性岗位，不能被简单的模型执行（如机器人）所代替，当然个人并不能随意更改模型结论。

　　2.售后的行为纠正

　　还款意愿模型群中还有一个重要部分，就是对已贷客户的行为控制，与传统贷后不同，我们将之称为风险产品的售后管理。通过客户后期行为的预测和纠正，引导、激励客户的好行为，减少客户的失信行为，从而减少不良损失的发生。售后风控模型也分为两个部分：一是售后服务模型。服务也是一种风控，通过服务提高客户的认同感，从主观上引导客户珍惜信用，珍惜与银行的合作关系，将问题解决在未然状态，并通过服务的预防功能发现客户失信的可能性并采取下一步措施予以纠正。在这一阶段，建立客户行为模型是有必要的，客户需要什么服务；如何满足客户需求；服务的具体内容和标准；如何引导和激励客户好的行为，都应该有确定的要求和流程控制以及信息反馈与判断机制。二是失信行为纠正模型，建立有效的贷后管理模型和再次基础上的失信行为纠正机制对于保持良好的风险控制十分重要，纠偏模型要清晰地指导我们哪些客户、哪些行为应该采取何种程度的贷后管理措施；客户的哪些行为表现应该引起我们的注意；哪类不良贷款我们应该放弃（核销）或起诉；哪些行为我们应该采取失信惩戒措施等等。通过模型分析和对等措施始终保持对信用风险的全程控制。

　　最后一点，谈一下对模型的完善，从控制论的角度出发，模型可能因为自身能力不足、获得信息不足、自变量或因变量触发、模型反馈过度等导致模型偏差，因此除坚持多模型思维，形成模型格栅这一基本方法外，我们还要持续不断地评估和修正我们的模型。模型的修正最关键是能够测出目标差，这需要极大的耐心和细心，比如我们的产品核心模型调整就必须在分析账龄值的前提下进行对照组数据的目标差回顾性分析，这个需要大量细致和周期性的分析工作，否则模型的调整将堕入随机性的陷阱。

　　当然模型的有效性还有赖于高效流程的支撑，但缺乏科学模型的现代银行零售产品将如同缺乏有力引擎的机车，最终在竞争中被淘汰。总之，要形成强大的竞争优势和银行自身的现代化转型，对产品的风控技术、流程必须坚持科学的方法，进行艰苦卓绝的自我革命，才能获得核心竞争力，这也正是我辈应该毕生追求的事！

　　参考文献：《控制论与科学方法论》《模型思维》《后真相时代》《零售银行真经》