幾乎人手一張的信用卡，是一個(gè)讓人看似熟悉卻又陌生的領(lǐng)域。
比如，信用卡已是各家銀行信用貸款增長的主要推動(dòng)力，對(duì)于如何控制資產(chǎn)質(zhì)量，各家銀行諱莫如深。
21世紀(jì)經(jīng)濟(jì)報(bào)道記者統(tǒng)計(jì)發(fā)現(xiàn)，以2016年為例，股份制銀行在信用卡新發(fā)卡量上規(guī)模化擴(kuò)張，部分銀行實(shí)現(xiàn)發(fā)卡量的上升和不良率的下降，同時(shí)也有國有大行信用卡不良率仍高企。
這背后是風(fēng)控模型的改進(jìn)。
中國信用卡體系自誕生以來就直接與國外同業(yè)接軌，也逐漸引入FICO信用評(píng)分等風(fēng)控經(jīng)驗(yàn)。
評(píng)分模型成信用卡“逆襲”關(guān)鍵
“信用卡的通過率和不良率是‘魚和熊掌不可兼得’?！币晃伙L(fēng)控行業(yè)資深人士表示，如果信用卡的通過率上升，不良率通常會(huì)增加。
21世紀(jì)經(jīng)濟(jì)報(bào)道記者根據(jù)銀行財(cái)報(bào)梳理，截至2016年末，12家信用卡發(fā)卡機(jī)構(gòu)累計(jì)發(fā)卡量突破6億張，增幅近20%。但各銀行之間分化情況嚴(yán)重。其中，工商銀行累計(jì)發(fā)卡量突破1億張，達(dá)1.25億張，繼續(xù)領(lǐng)跑行業(yè)。但從新發(fā)卡量來看，中型股份制銀行在信用卡業(yè)務(wù)板塊規(guī)?；瘮U(kuò)張。
2016年浦發(fā)銀行、工商銀行、建設(shè)銀行、招商銀行、農(nóng)業(yè)銀行的增長量突破1000萬張，新發(fā)卡量最多的為浦發(fā)銀行，去年新發(fā)卡量高達(dá)1602萬張。但是，建設(shè)銀行、農(nóng)業(yè)銀行和廣發(fā)銀行等新發(fā)卡量同比下滑，分別減少10.0%、13.7%和1.2%。
從已披露的不良率數(shù)據(jù)看，除了平安銀行顯著下跌以外，其他各大銀行的不良率水平基本保持穩(wěn)定，不良率整體在1%-2%的水平。
對(duì)于如何控制信用卡等信用貸款業(yè)務(wù)資產(chǎn)質(zhì)量，各家銀行諱莫如深。
從銀行財(cái)報(bào)看，平安銀行分析了其不良率大幅下降的原因。該行財(cái)報(bào)稱，信用卡新舊戶指標(biāo)得到優(yōu)化，得益于更全面精準(zhǔn)的風(fēng)險(xiǎn)評(píng)分模型、更科學(xué)的風(fēng)險(xiǎn)管理手段以及資產(chǎn)清收效率的全面提升。
21世紀(jì)經(jīng)濟(jì)報(bào)道記者調(diào)查發(fā)現(xiàn)，除加大不良資產(chǎn)清收力度，將風(fēng)險(xiǎn)評(píng)分等技術(shù)手段引入信用貸款風(fēng)控模型，是一些股份行信用卡業(yè)務(wù)爆發(fā)的核心原因。
平安銀行稱，通過應(yīng)用評(píng)分模型等工具全面優(yōu)化風(fēng)險(xiǎn)管理策略，加大優(yōu)質(zhì)客戶占比，有效改善新戶獲客結(jié)構(gòu)。如，截至2016年末，新戶發(fā)卡品質(zhì)指標(biāo)“新戶發(fā)卡后6個(gè)月時(shí)逾期30 天以上客戶金額占比”繼續(xù)下降，2016年平均金額同比下降0.11個(gè)百分點(diǎn)，存量客戶風(fēng)險(xiǎn)指標(biāo)新進(jìn)不良比例較年初下降0.07個(gè)百分點(diǎn)。
另一家股份制商業(yè)銀行——浦發(fā)銀行也引入信用評(píng)分體系。該行于2015年11月上線該信用評(píng)分系統(tǒng)。據(jù)悉，評(píng)分系統(tǒng)包括個(gè)人信用記錄、個(gè)人財(cái)產(chǎn)與收入水平等評(píng)分，內(nèi)部數(shù)據(jù)來自銀行掌握的個(gè)人履約能力、社交活動(dòng)、行為偏好、銀行關(guān)系、信息齊全等；外部數(shù)據(jù)來自第三方傳統(tǒng)征信、第三方互聯(lián)網(wǎng)征信、公安系統(tǒng)和電信數(shù)據(jù)等。
21世紀(jì)經(jīng)濟(jì)報(bào)道記者獲悉，國內(nèi)商業(yè)銀行的信用評(píng)分系統(tǒng)大多借鑒美國FICO評(píng)分系統(tǒng)，該系統(tǒng)根據(jù)信用償還歷史（35%）、欠款金額（30%）、信用歷史時(shí)長（15%）、信貸產(chǎn)品組合（10%）和新開立信用賬戶（10%）等指標(biāo)進(jìn)行評(píng)分。
對(duì)于信用評(píng)分，“不是說評(píng)分越高，那么給你的相應(yīng)的額度就會(huì)越高?！痹擄L(fēng)控人士表示，只能說比較重視。
數(shù)據(jù)清洗是風(fēng)控模型的前提
信用評(píng)分的背后，則是風(fēng)控模型。
一位消費(fèi)金融高管表示，從風(fēng)險(xiǎn)模型來講，銀行發(fā)行信用卡需要填寫各種資料，比較繁瑣，審批需要人工、電核，后來演變到線上?！瓣P(guān)鍵是我們用什么方式讓這些盡量少得麻煩客戶，盡量準(zhǔn)確地?fù)踝∑墼p人群?！逼渲?，“要把握一個(gè)平衡的問題，風(fēng)險(xiǎn)成本不是說把握得越嚴(yán)，風(fēng)險(xiǎn)損失就越小，否則就沒有利潤。”
“我們放貸款的風(fēng)控中，最大的挑戰(zhàn)是防欺詐，信用風(fēng)險(xiǎn)倒在其次?！币晃怀巧绦辛闶劭偙O(jiān)表示，信貸業(yè)務(wù)主要通過線下進(jìn)行，審批環(huán)節(jié)會(huì)篩掉10%的客戶。最終還會(huì)通過模糊搜索模型再次篩選客戶。
前述資深風(fēng)控人士認(rèn)為，“從國外經(jīng)驗(yàn)看，目前風(fēng)控仍然是經(jīng)驗(yàn)驅(qū)動(dòng)數(shù)據(jù)，而且數(shù)據(jù)的技術(shù)含量不低于風(fēng)控模型?！倍鴮?shí)際上，目前國內(nèi)金融機(jī)構(gòu)過度重視風(fēng)控模型，對(duì)于數(shù)據(jù)質(zhì)量的重視程度不夠。
在風(fēng)控模型設(shè)計(jì)中，“FICO標(biāo)準(zhǔn)流程中，數(shù)據(jù)清洗就有12個(gè)步驟，甚至是風(fēng)控負(fù)責(zé)人來做數(shù)據(jù)整理工作?！彼硎?，否則模型會(huì)存在過擬合問題，將指標(biāo)放入風(fēng)控模型結(jié)果很好，但在生產(chǎn)過程中不穩(wěn)定。
對(duì)于數(shù)據(jù)來源，前述高管表示，金融機(jī)構(gòu)不是平臺(tái)性企業(yè)，其實(shí)數(shù)據(jù)鏈?zhǔn)菙嗟摹Ｓ械牡胤蕉嘁稽c(diǎn)，有的地方少一點(diǎn)，飽和度不太一樣。要得到完整的客戶的風(fēng)險(xiǎn)的畫像，還是要多方的數(shù)據(jù)來源來拼合。 （編輯：閆沁波）