如何搭建消费金融风控体系

本文是《风控总监训练营》前三课的学习笔记。

四类参与者

　消费金融市场中有四类参与者，分为为银行、P2P、持牌消金和小贷以及行业巨头。各自的优势和劣势如下图：

　P2P由于监管的原因将逐渐退出或者转型，银行和行业巨头掌握着资金和流量的优势（银行资金成本低，行业巨头有消费场景）。消费金融和小贷公司则多数没有场景，风险容忍度也不高，受到监管制约。
　另外一种方法将消费金融参与者分为3类。分别为金融系、场景系、互联网系。金融系比如商业银行、持牌消金及小贷；场景系指线上线下的消费场景方作为业务发起点；互联网系比如线上分期，如蚂蚁金服、京东金融等。
　商业银行通过信用卡和现金贷双通道开展消费金融业务。现金贷如招行的”e招贷”、浦发的”万用金”等，向存量信用卡客户提供现金贷服务，年化5%-14%。此外，银行也在尝试B2C网上商城，提供商品交易、生活服务等，但客户群体仍为银行信用卡存量客户。
　银行的核心优势在于资金成本和风控能力。其风控和审批模式过于依赖央行征信体系，消费者多维度数据及信息收集不足，风控成本高，坏账接受度低且审批周期长。且产品同质化较高，主要对象仍是信用卡存量客户。

资金来源

　商业银行可以吸收公众存款来获得较低的资金成本，其它消费金融参与主体的资金来源包括注册资金、同业拆借、发行金融债券、股东资金、ABS、P2P资金等。各渠道资金成本的对比如下：

成本分析

　消费金融业务的目标是获得合理的可接受的利润。收入来源于利息和手续费以及逾期产生的罚息，加在一起年化不能超过24%。成本主要由资金成本、营销成本(获客)、风险成本(风控数据源、坏账等)、运营成本(客服、审核、催收等)以及其他成本(人力)。对利润分析这块感兴趣的可以参考《消费金融真经》的第11章，消费信贷产品的利润分析。

业务类型

　消费金融业务可以分为无场景和有场景。无场景有现金贷，有场景比如教育分期、医美分期、租房分期等更多垂直消费场景。

无场景关注欺诈风险和信用风险，有场景重点在操作风险和经营风险。
　比如合约机业务，门店欺诈风险就比个人信用风险造成的损失大，更需要重点防范。
　风控流程搭建基本就是一套相对固定的方法，贷前各类数据源验证+评分卡，贷中做好监控，贷后做好催收。

贷前：准入政策、个人信息验证、黑名单策略、反欺诈策略、信用评分、额度策略。
贷中：各类指标以及用户行为的监控。
贷后：催收、不良资产处置等。
　此外，搭建风控体系还需要从不同的角度考量。比如管理层，则需要考虑是业务导向还是风险导向；业务层则需要了解业务场景和渠道，以及产品的额度、期限、费率、还款等各类要素等等；支持层则需要考虑风控系统是采购/自研/定制，以及如何打通数据并做好监控。

审批流程设计

业务与风控系统地架构设计如下图：

反欺诈

　欺诈与反欺诈是一个不断相互博弈的过程，需要针对欺诈原因进行分解，然后再设计反欺诈规则。常见的欺诈类型有如下：

伪冒身份。这种情形可以通过信息验证、人脸识别等技术识别手段进行加强。
资料造假。可以建立自有规则提高资料造假的成本。
常客老赖。通过接入外部名单识别。
中介黑产。通过埋点监控，比如用户环境属性、网络IP地址、设备指纹、地理位置等进行虚拟机识别、代理识别以及行为识别。
下面是一些基于通讯录详单制定的一些反欺诈规则。更多关于反欺诈的内容可以参看之前的文章。

策略分析

　贷前贷中环节的监控主要是监控运营类和风险类两类指标。运营类指标如客户数量、环节转化率、放款额；风险类指标有业务指标(Vintage、首逾率)、策略表现(命中率)以及用户行为特征统计等。
业务监控
　主要是监控关键业务指标及其变化趋势，比如申请量、通过率、转化率等，目的是及时发现申请异常，做好及时防范。指标的划分维度有时间粒度、地域、渠道等，需要设定预警。比如转化率突然升高，可能意味着营销事件的发生或者欺诈等。
策略监控
　主要是对风控策略的通过率、命中率等进行监控。及时发现风控策略的异常表现，预防未知风险。
用户监控
　一是通过埋点监控用户的行为指标，如页面停留时间等，防止机器操作等恶意欺诈行为；二是通过后台获取用户的各类属性，如设备指纹等，制定反欺诈规则，防范团伙作案、集中申请等风险。

策略优化

策略优化的目的可以从两个思路出发：

提升通过率，同时保持目标坏账率；
保持目标通过率，同时降低坏账率。

　常用到的指标有K-S曲线、Lift Chart、ROC曲线。
　优化策略常用的方法有Swap Set Analysis。又叫作换入换出分析或者交换集分析。不仅可以用于策略的优化也可以用于模型的优化。
　首先，需要基于测试数据对比、分析新旧策略。

　换入的为原策略拒绝，新策略通过的，有480个；
　换出的为原策略通过，新策略拒绝的，有210个。这两部分客群是需要重点关注的。再计算各个客群的坏账率。

　然后对比新旧策略的通过率和坏账率，可以看到通过率升高15.5%，坏账率降低2.4%。换入换出分析的目的就是拿好人交换坏人，最后通过AB测试决定是否参与决策。