全國統(tǒng)一客服熱線:18986145219
武漢天下通商貿(mào)有限公司
手機(jī):18986145219
QQ:1433933590
微信號(hào):ysw770580
抖音號(hào):yangshengwen35
微信公眾號(hào):txt770580
郵箱:1433933590@qq.com
官網(wǎng):http://www.frannkly.com
全國統(tǒng)一客服熱線:18986145219
武漢天下通商貿(mào)有限公司
手機(jī):18986145219
QQ:1433933590
微信號(hào):ysw770580
抖音號(hào):yangshengwen35
微信公眾號(hào):txt770580
郵箱:1433933590@qq.com
官網(wǎng):http://www.frannkly.com
金融科技助力風(fēng)控的誤區(qū),尤其是這4個(gè),早知早受益,對于金融機(jī)構(gòu)來說,風(fēng)控模型和風(fēng)控體系需要非常有經(jīng)驗(yàn)的金融從業(yè)人士進(jìn)行把控。比如,銀行風(fēng)控模型的出發(fā)點(diǎn)主要是衡量借款方的還款能力,一般來講,風(fēng)控模型包含客觀性和主觀性兩部分。
客觀性的評判主要依據(jù)公司的財(cái)務(wù)報(bào)告、銀行流水等可以量化的數(shù)據(jù)。但只靠客觀數(shù)據(jù)還不夠,還要關(guān)注公司所在行業(yè)是否為落后或?qū)⒈惶蕴男袠I(yè),同時(shí)公司管理者的經(jīng)驗(yàn)也會(huì)成為影響公司的風(fēng)險(xiǎn),需要人工進(jìn)行調(diào)查審核。
因此,人在傳統(tǒng)風(fēng)控體系中的作用很大,但靠人審查的風(fēng)控手段畢竟單一,且人的計(jì)算能力有限,對復(fù)雜的征信環(huán)境缺乏整體的把控能力,無法為長尾客戶提供風(fēng)險(xiǎn)定價(jià)。
這種的困境對小型企業(yè)、個(gè)體工商戶的影響尤為明顯。由于小微企業(yè)在財(cái)務(wù)人員、專業(yè)技術(shù)人員、管理規(guī)范等方面都相對較弱,加之自身資產(chǎn)規(guī)模較小、融資難、競爭力缺乏等問題,嚴(yán)重制約小微企業(yè)的發(fā)展。
以智能風(fēng)控為代表的金融科技為這些問題的解決提供了方案。隨著互聯(lián)網(wǎng)科技與金融高度融合,金融科技這種輕資產(chǎn)、重服務(wù)的網(wǎng)絡(luò)模式正慢慢滲透到金融模型中,推動(dòng)金融機(jī)構(gòu)產(chǎn)生變革。
以人工智能、云計(jì)算、大數(shù)據(jù)等技術(shù)為基礎(chǔ)的科技公司進(jìn)入金融風(fēng)控領(lǐng)域,科技與金融的結(jié)合日益緊密。傳統(tǒng)風(fēng)控采用評分卡模型和規(guī)則引擎等進(jìn)行風(fēng)險(xiǎn)評分,而智能風(fēng)控會(huì)根據(jù)履約記錄、社交行為、行為偏好、身份信息和設(shè)備安全等特征進(jìn)行用戶風(fēng)險(xiǎn)評估。兩種風(fēng)控方式從操作到場景都存在明顯區(qū)別,進(jìn)入移動(dòng)互聯(lián)網(wǎng)時(shí)代后,智能風(fēng)控的優(yōu)勢更為全面和完善。
但是,要厘清當(dāng)前金融科技助力風(fēng)控的幾個(gè)誤區(qū):
誤區(qū)一:過度相信科技,認(rèn)為金融科技可以改變風(fēng)控的本質(zhì)
這種想法在前幾年非常流行,認(rèn)為科技會(huì)顛覆金融,無所不能。但從實(shí)踐來看,金融的核心是風(fēng)控。金融科技時(shí)代在金融和科技的關(guān)系中金融是主體。無論科技怎么日新月異,金融的本質(zhì)不會(huì)改變,貸款需要還款,投資需要回報(bào)。
在2008年美國金融危機(jī)之前銀行及各金融機(jī)構(gòu)犯的一個(gè)巨大錯(cuò)誤就是過分相信大數(shù)據(jù)分析借款人的還款意愿,而忽略了借款人的還款能力。在要求一個(gè)月收入8000元的群體每月還款12000元時(shí),無論這群人過去還款記錄多么完美、收入多么穩(wěn)定,所有的數(shù)據(jù)分析都很難改變高逾期率的現(xiàn)實(shí)。杠桿過高、現(xiàn)金流不穩(wěn)定永遠(yuǎn)是非欺詐情況下還款的最大障礙
科技可以讓銀行獲得更準(zhǔn)確的數(shù)據(jù),更好地預(yù)測借款人還款意愿的高低,更準(zhǔn)確地預(yù)估借款人的收入和現(xiàn)金流,更好地設(shè)計(jì)交易結(jié)構(gòu)讓借款客戶的收入、現(xiàn)金流流入銀行還款賬戶以達(dá)到風(fēng)險(xiǎn)閉環(huán),幫助反欺詐,很大程度降低風(fēng)險(xiǎn),更準(zhǔn)確地實(shí)現(xiàn)風(fēng)險(xiǎn)定價(jià)。
同時(shí)也可以簡化銀行的決策審批流程,改善客戶體驗(yàn),并實(shí)現(xiàn)正向客群選擇。但是這些不消除風(fēng)險(xiǎn)的存在,也不會(huì)減低實(shí)際風(fēng)險(xiǎn),風(fēng)險(xiǎn)管理的原則包括風(fēng)險(xiǎn)定價(jià)不改變。
誤區(qū)二:金融科技可以幫助金融機(jī)構(gòu)滿足所有的融資風(fēng)控需求
金融科技很大程度上可以幫助社會(huì)實(shí)現(xiàn)普惠金融,幫助更多的長尾群體尤其是中小企業(yè)得到相對低成本的融資。但是不是風(fēng)控做好了,只要不是欺詐,只要是真實(shí)、有場景的消費(fèi)、經(jīng)營性融資需求,金融機(jī)構(gòu)就可以滿足呢?
顯然并非如此。雖然理論上講風(fēng)險(xiǎn)定價(jià),只要收費(fèi)大于成本——這里的成本包括資金成本、運(yùn)營成本和信用損失,融資模式就可以持續(xù)進(jìn)行下去。
但現(xiàn)實(shí)中由于監(jiān)管和金融機(jī)構(gòu)自身的限制,金融機(jī)構(gòu)不可能無限高地收費(fèi),如銀行收費(fèi)不能超過基本利率的4倍或24%,其他非銀機(jī)構(gòu)不能超過36%。
因此一些高風(fēng)險(xiǎn)客群,即便是有真實(shí)場景的融資需求,但由于過度消費(fèi)或經(jīng)營沒有可持續(xù)性,很難通過正規(guī)渠道滿足融資需求。高風(fēng)險(xiǎn)客群的波動(dòng)性相對高很多,在設(shè)計(jì)產(chǎn)品、定價(jià)階段必須進(jìn)行必要的壓力測試。
誤區(qū)三:風(fēng)險(xiǎn)管理就是風(fēng)控模型和風(fēng)控政策,最多加上貸后催收
這是非常大的一個(gè)誤區(qū)。風(fēng)險(xiǎn)管理是一個(gè)滲透于業(yè)務(wù)全流程的管理,從目標(biāo)人群的鎖定、獲客渠道、獲客方式、產(chǎn)品定價(jià)到審批、風(fēng)控模型直至貸后預(yù)警、貸后政策、貸后催收、重組都會(huì)直接影響到貸款損失率。
很多時(shí)候獲客渠道和獲客方式已經(jīng)決定了產(chǎn)品目標(biāo)人群的風(fēng)險(xiǎn)水平,如果不能進(jìn)行合理的風(fēng)險(xiǎn)定價(jià),就可能導(dǎo)致產(chǎn)品因缺少合適的目標(biāo)客群支撐而難以持續(xù)運(yùn)行并最終失敗。
優(yōu)秀的風(fēng)控人員不但必須熟悉數(shù)據(jù),善于運(yùn)用大數(shù)據(jù)工具,而且需要了解市場、客群,依靠常識(shí)做出正確的判斷。風(fēng)控人員應(yīng)該參與到業(yè)務(wù)的每一個(gè)環(huán)節(jié),把控、預(yù)判、管理可能的風(fēng)險(xiǎn)。
同時(shí)風(fēng)控應(yīng)該是一種文化,需要前中后臺(tái)的通力合作,每一個(gè)人都應(yīng)具備對風(fēng)險(xiǎn)的敬畏和防范意識(shí)。如果僅靠風(fēng)控模型、風(fēng)控政策的圍追堵截,只會(huì)讓市場越走越窄。
誤區(qū)四:模型過度擬合,起不到區(qū)分好壞客戶的作用
談到利用大數(shù)據(jù)、AI技術(shù)就很難繞開模型。一直困擾很多機(jī)構(gòu)的是:模型在訓(xùn)練數(shù)據(jù)上表現(xiàn)非常好,但一進(jìn)入實(shí)戰(zhàn)就失去了區(qū)分能力。
有的機(jī)構(gòu)明明數(shù)據(jù)樣本充足,數(shù)據(jù)源有效,并不斷地“維護(hù)”模型,不斷地訓(xùn)練模型,有的甚至每個(gè)月拿到新數(shù)據(jù)都會(huì)調(diào)整模型變量,這么“努力”,但貸款質(zhì)量在實(shí)戰(zhàn)中仍然表現(xiàn)很差,這是為什么呢?很可能是過度擬合了。過度擬合是模型訓(xùn)練太多,用于訓(xùn)練的數(shù)據(jù)中摻雜了太多噪音。
那么過度擬合是怎么造成的呢?主要原因有兩個(gè):一是樣本點(diǎn)太少;二是模型太復(fù)雜。國內(nèi)常見的問題是模型太復(fù)雜。
完全避免過度擬合是不可能的,但在建模過程中,我們要努力保證模型的穩(wěn)定性,好壞排序正常且保持分離。需要降低模型復(fù)雜度,而且模型中的變量保持較低的相關(guān)性。這樣的模型在實(shí)戰(zhàn)、在市場中才會(huì)發(fā)揮積極作用。
免責(zé)聲明:文章來源紫金財(cái)經(jīng),版權(quán)歸原作者所有,本文內(nèi)容為原作者觀點(diǎn),并不代表我們贊同其觀點(diǎn)和對其真實(shí)性負(fù)責(zé),如有侵權(quán)或任何不妥之處,請留言刪除。
(文章來源:天下通商貿(mào)-讓電票學(xué)習(xí)更簡單,做電票知識(shí)普及的領(lǐng)航者,關(guān)注抖音號(hào)390626901免費(fèi)獲取全套電票視頻操作教程 官網(wǎng):http://www.frannkly.com/)