一、风控的定义
风控的全称风险控制管理。
风险指发生不好结果事件的不确定性。而风险控制就是尽量降低风险发生的概率，或者说减少风险发生时造成的损失。
对应到金融信贷领域，风控的好坏将直接关系到资金的损益，所以说“风控是金融的核心”。
二、风险类型与场景
了解风险才能更好的控制风险。对于金融信贷机构在经营过程中主要面临：
外部风险 与 内部业务风险
外部风险我又把他们分为政策性风险和经济环境风险。
2.1 外部风险
2.1.1 政策性风险
政策性风险是指国家监管层，对金融机构开展金融业务的硬性条件与规则，不遵守将无法展业，是政策红线。例如监管没有介入前野蛮生长的P2P行业，从17年后政策下来后到目前，P2P公司清偿或转小贷成了最后的结局。
2.1.2 经济环境风险
经济环境风险，一方面是指经济周期性的下行造成经济震荡；另一方面是像此次新冠病毒的黑天鹅事件，造成企业停工停产，由企业波及到员工裁员降薪等一系列不良影响。
客户收入的无法保障又直接影响着客户还款能力，势必存在存量资产逾期率和不良率蹿升的可能。
2.1.3 应对方案
对于互金行业的产品经理：
- 首先需要对金融政策需要高度敏感和关注；
- 另外应当建立<政策舆情监控机制>，作为风险预警的一块；
- 其次产品在设计贷款产品的时候，需要对贷款的相关参数进行可配置化处理，比如额度范围、利率范围、还款方式、收费项等，以便于快速响应政策带来的变化。
2.2 内部业务风险
2.2.1 定义
内部业务风险是指日常信贷业务开展所面临的常规性风险。
如果说外部风险属于风控被动调整，那内部风险就是基于信贷业务本身的考量而进行的主动调整。
如信贷产品的不同形态，信贷产品上线的不同时期等等都会影响整体风控策略。
2.2.2 内部风险类型及应对方案
内部风险在信贷不同生命周期（贷前、贷中、贷后）关注侧重点不同，以下展开说明。
—名词解释
贷前：客户申请贷款到资质审核进件的过程。
贷中：评估授信到放款的过程。
贷后：信贷资产入库存续期到资产完成处置的过程。
—贷前
贷前风控侧重客户验真：身份真实、借款用途、关联信息真实等等。
一般经过以下几种校验：
①产品准入原则校验
产品准入原则取决信贷产品的定位，决定了信贷的产品类型、面向的客群。例如是针对个人还是小微企业，是否年龄限制地域限制，是否有资产要求，征信情况等等。
②反欺诈校验
反欺诈校验分为两种：
- 个人性质骗贷 2. 专业团伙骗贷
这种情况我们当时的做法，第一是利用自身平台技术和数据建立黑名单库，第二是对接第三方的大数据平台，比如同盾、白骑士等。
—贷中
贷中是根据贷前客户输入的数据和第三方数据，通过风控策略进行风险定价，目的使资产方的利益最大化，客户感知的则是不同的授信额度、利率、还款方式、借款周期等等。
①风控策略
风控策略，每个企业自身风险偏好不同而有所差异，比如企业是高风险偏好，会有大量次级甚至是不良用户进来，但是用高利率覆盖高风险，其实就是所谓的高利贷。
不同产品类型、不同产品时期的风控策略会有所不同。比如产品刚上线，为了谨慎起见，风控较为严格，额度通常不会很高。
对于产品设计，风控策略指标系统的配置性就需要高灵活性。
②风控模型
风控模型其实伴随整个信贷生命周期，将定性和定量数据综合输入，根据不同模型权重给用户进行打分。这样的好处就是量化数据更能直观把客户的风险高低反映给业务人员。
—贷后
贷后管理基于风险数据监控，监控数据用于风险预警，不同预警级别设置不同的催收方式，提升整体贷后管理的效率。
WX20200221-010629@2x.png
①风险监控指标体系
-
还款数据监测
分析还款数据第一能最直观反映客户的还款意愿、履约能力，其次还款数据本身也是资产平台自身产生，容易获取。对风控模型的正向有效验证，又反哺风控模型的完善。
风控关注主要数据指标包括但不限于①首期逾期率 ②逾期率 ③逾期天数 ④vintage逾期率
标准数据指标模块还应有用户自定义设置指标功能
②风险预警
根据风控数据指标，配置相应的预警和催收策略。打通消息通知中心和催收系统。
③风控指标可视化dashboard
可视化的效果直观的看到数据指标不同时期变化，再上AI智能预测，也可查看到指标未来走向。
三、风控数据体系
风控建立在数据之上，没有数据就没有风控。就像上文提到的完成的风控策略、风控模型，这一切的前提是有真实而全面的数据。
国内本身征信基建不完善，没有官方全面的客户数据记录。央行的征信本身也只是覆盖到用户在正规金融机构的数据（今年征信改版后会纳入更多层面的信息）。
所以国内平台做风控数据基础来源自身业务或者第三方，第三方数据一方面真实性有待考察、数据分散，另一方面数据的成本转嫁到信贷客户身上，导致客户融资成本升高，所以国内普惠金融比较难以实行下去。
①数据按类别分
客户属性数据、行为数据、金融数据、征信数据、社交数据、消费数据等
②数据按来源分
自有业务数据、第三方大数据平台、官方征信平台、互联网爬取等。
基于以上两点，存在数据类别和来源不同导致的数据标准不同的情况。建立数据中台，一方面对外提供数据对接、数据治理、数据输出等服务，对内数据中台支撑信贷业务整体数据需求来输出数据应用。
网友评论