零售金融的模式发展和大数据应用

1、零售金融的模式发展和大数据应用CONTENTS 02零售金融的大数据应用01零售金融的模式发展21.1 中国消费金融概述3 零售金融主要集中在消费金融领域，一般指为具有消费属性的产品或服务提供资金融通服务，主要形式为消费贷款。目前普遍意义上的消费金融是指从广义消费贷款中剔除住房按揭贷款和经营性贷款后的短期消费贷款，如车贷、旅游贷、教育贷及耐用消费品贷款等，遍及衣食住行各方面，是一种为众多消费者提供短期消费信贷的金融服务方式，具有单笔授信额度小、审批速度快、无需抵押担保、期限灵活方便等特点。 随着互联网的纵深发展，消费金融逐渐向更广泛的群体覆盖。目前，消费金融迅速向高频次、小额度的消费场景拓展，

2、从高收入的白领群体向在校学生、应届毕业生、蓝领、农民等群体渗透。随着互联网技术的发展和移动支付的普及，人们对互联网金融的接受程度越来越高，互联网消费金融也逐渐向着更多大众日常消费生活领域延伸，比如3C 数码、旅游、餐饮、娱乐、装修、租房、医疗等。1.2 中国消费金融发展历程4规范期发展期试点期萌芽期在萌芽阶段，消费金融产品主要由商业银行和汽车金融公司提供。该阶段提供的消费金融产品相对有限，服务人群也以央行征信体系覆盖的人群为主。为解决商业银行对个人信贷需求覆盖不足的问题，2009 年中国银监会颁布了消费金融公司试点管理办法，国内首批4 家持牌消费金融公司应运而生。随着互联网经济的快速发展和金融

3、环境的不断完善，大型电商、消费分期电商、网贷平台、P2P 平台、细分领域平台等纷纷布局消费金融，市场参与主体日益丰富。在2015 年到2017 年上半年的消费金融迅猛发展阶段，行业内出现了滥发高利贷、暴力催收、裸条贷款等违法违规现象。2017 年开始，监管部门加大整治力度，多部委就消费金融业务颁布了多项规范管理通知。2017至今2013-20162009-20131985-20091.3 中国消费金融市场分析（一）5消费金融市场：随着经济转型对刺激消费、扩大内需进而调整经济发展结构的迫切需求，以及居民收入和消费能力的提升，中国消费金融市场快速发展。2017年中国消费金融市场规模达到9.5万亿，

4、预计2022年将达到28万亿。中国VS美国征信市场：目前央行个人征信数据覆盖9.9亿人，其中有信贷记录不超过50%，远低于美国95%的渗透率。供给远远不够，国内信贷产品定价普遍高于国外。1.3 中国消费金融市场分析（二）6消费金融爆发的原因深度分析拉动经济增长的“三驾马车”从出口、投资驱动转向内需驱动根据长期收入理论，社会财富增长和收入预期的变化从而带动消费的升级人均GDP进入中等国家行列，带来超前消费行为80、90后逐渐成为消费主力，低端白领、蓝领等低收入人群和农民将成为上升空间最大的两大潜在人群1.4 消费金融商业模式平台分类和产品7银行持牌消费金融公司互联网消费金融租赁业务牌照银保监会审

5、批的商业银行牌照银保监会审批的持牌消费金融牌照各省金融办审批的互联网小贷和小贷牌照银保监会审批的租赁牌照金融产品1）信用卡（分期赊购、预付现金）；2）汽车贷；3）小额消费贷；4）现金贷；5）直销银行消费贷、现金贷1）信用消费贷；2）抵押消费贷3）现金贷1）大型电商消费分期、消费贷产品；2）新兴消费平台：分期电商分期产品、消费贷；小贷平台消费贷；P2P 平台消费贷；信用卡代偿消费品分期租赁：“以租代买”覆盖场景信用卡分期为主、车贷、小额消费贷、现金贷为辅，覆盖各类场景数码产品、教育、装修、旅游、学车、租房、婚庆等各类生活场景各类互联网消费场景、分期消费场景、信用卡代偿等新兴消费场景汽车贷、价格高

6、昂的实物消费品、耐用消费品等场景目标客户大额消费需求的高净值人群、央行征信体系覆盖人群央行征信无法覆盖人群、小额消费信贷需求人群互联网消费用户、小额消费信贷人群等长尾人群汽车消费人群、接受“以租代买”的年轻人群产品特征授信额度大、审批时间长、大多需到网点办理授信额度小、审批速度快、无需抵押担保、还款方式灵活授信额度小、审批速度快、无需抵押担保、还款方式灵活“以租代买”、无需抵押、分期付租金风控数据丰富，模型成熟数据匮乏，依靠外部征信行为数据丰富，科技风控数据匮乏，依靠外部征信1.4 消费金融商业模式业务流程8获客贷前申请/审核征信风控模型审核风险定价贷中定价/放款资金匹配放款规避风险客户跟踪贷

7、后跟踪/还款模型调整逾期催收坏账损失1.5 美国次贷危机的解释和原因分析9 次贷危机从2007年开始，随着房地产的泡沫破裂，2008年9月雷曼兄弟倒闭为标志到达高峰，造成一大批银行（如华盛顿互惠银行、Countrywide Bank, 美联银行）、投行（雷曼、贝尔司斯登、美林）倒闭或者被收购，大型金融机构包括AIG、房利美、房地美、花期银行收到严重冲击。原因主要是不注重收入核查和客户人群定位，单纯依靠房屋抵押，银行过度激励和风险管理缺位，监控机制失控和相信市场自动纠错机制，金融机构短视和唯利是图。 但此期间，富国银行坚持了风控底线、谨慎的贷款管理原则、和负责任贷款原则，没有参与有毒资产业务（次

8、级贷款），从而躲过了一场金融风暴，并趁此机会低价并购了美联银行，成为次贷危机危机后最大的赢家之一。 坚持做正确的事情、对客户提供正确的服务，是我们从次贷危机学到的黄金原则。1.6 消费金融存在的问题10在中国经济新常态环境下，金融领域里面存在的脱实向虚、虚假创新、风控体系落后、大水漫灌、监管滞后等深层问题逐渐暴露出来，造成近几年互联网金融事件频发、暴雷不断。P2P不断暴雷（证大、善林、团贷网等）现金贷、高利贷、暴力催收等违法乱象（2345贷款王、融360、信用管家）风控技术走偏，爬虫技术侵犯个人隐私（聚信立、新颜）银行理财刚性兑付1.7 消费金融监管政策11随着互联网金融违法乱象事件频出、暴雷

9、不断，监管陆续出台了一系列政策来规范互金行业的发展。 2017年11月21日晚间，关于立即暂停批设网络小贷公司的通知：自即日起，各级小额贷款公司监管部门一律不得新批设网络（互联网）小贷公司，禁止新增批小贷公司跨省（区、市）开展小额贷款业务。 2017年12月1日，关于规范整顿“现金贷”业务的通知：明确统筹监管，开展对网络小额贷款清理整顿工作。2018年1月23日，全国扫黑除恶专项斗争开始。2018年4月份，关于开展“现金贷”业务活动清理整顿工作的通知中明确要求将存在暴力催收行为的网贷平台，及时移送公安机关进行处置。监管部门在19年6月份的时候就已经下发通知，自7月1日起在全国范围内整顿支付市场

10、，禁止为无证从事互联网小贷业务以及非法交易平台提供支付通道。同时要求支付机构全面自查，限期关停违法违规商户。2019年7月26日，中国人民银行会同相关部门起草了金融控股公司监督管理试行办法（征求意见稿），有序整顿和约束事实上已形成的金融控股集团的风险，同时有效规范增量，防范金融风险跨行业、跨市场传递。2019年9月，新颜、聚信立等公司因爬虫业务被调查，大数据行业乱象存在已久，行业中数据窃取、滥用、倒卖，黑市横行，面临着监管部门的整顿。2019年10月16日，湖南金融监管局官网发布公告称，经湖南各市州现场检查验收，省互金整治办、P2P网贷整治办等相关部门会商会审，一致认定湖南省整治名单内纳入行政

11、核查的24家网贷机构P2P业务均不符合“一办法三个指引”有关规定，现予以取缔。1.8 消费金融未来发展趋势12未来发展趋势01监管趋严，行业增速放缓行业更加稳定规范、市场化，持牌经营广泛布局生态圈，真正服务有真实消费场景、收入能力和还款意愿的客户群0203CONTENTS 02零售金融的大数据应用01零售金融的模式发展132.1 零售金融的大数据应用方向14大数据在零售金融的发展中发挥了重要的作用，为智能化风控提供了底层的大数据资源，为人工智能算法的应用奠定了基础，提升了零售金融领域的风险管理水平。大数据风控模型客户周期管理风险定价授信额度自动化审批2.2 大数据应用风控模型15数据风控模型的

12、建模过程较为透明，模型结果具有可解释性，容易被监管/业务部门接受;建模方法可以避免模型的过度拟合，因此模型结果具有良好的稳定性：一般而言申请模型可以保持1年以上，行为模型可以保持在2年以上，进而可以减轻实施压力；模型的区分力也较为显著，实践证明，当样本量较为充足时模型区分力比手工审批要好。客观性一致性高效性准确性全面性随着大数据时代到来，金融机构基于数据并运用先进的数理统计分析来开发评分模型作为决策的依据，具备如下优势：2.3 大数据应用评分模型1601数据准备基于金融数据和行为、交易数据等，采用历史聚合分析，极值、缺失值处理、WOE处理等方法进行整合加工。02变量分析基于数据的准备，结合场景

13、、客户特征、事实判断以及经验，建立模型变量体系，如用户特征变量、金融交易变量、行为变量、征信变量等，并采用stepwise、IV值等方法对变量进行筛选，选择入模。03模型调优采用Logstic、xgboost、决策树、机器学习等模型算法，建立A卡申请评分和B卡行为评分，并不断地对模型进行调试，以达到最优效果即能够有效区分客户的风险。04模型输出与监控基于评分模型，在金融平台中输出，实现动态的风险监控和决策，并根据效果实时的进行模型的优化。2.4 大数据应用风险审批17额度政策自动审批拒绝利率定价提高风险识别能力提高运营效率减少运营成本增加收益某机构小微金融业务审批通过率和评分卡关系申请评分模型

14、应用于各业务条线的审批阶段，主要包括自动审批拒绝、额度及利率策略等。申请评分越高，审批通过率也越高。2.5 大数据应用授信额度18评分模型应用于对新开客户的额度的发放以及贷后额度的动态管理，可以有效控制风险，提高效率。如下图例：申请评分越高，所获得的额度越大。2.6 大数据应用客户周期19拓展客户管理客户审批客户生命周期管理决策评分模型信息反馈目标客户？产品/激励？利率/年费/其他收费？邮寄与否？批准与否？定价？初始信用额度高低？交叉销售？信用局风险评分信用局收益评分信用局破产评分市场反应评分转账倾向评分申请风险评分信用局风险评分信用局收益评分提高/降低信用额度？交易授权？超额透支授信？反欺诈

15、？重新定价？激活/挽留？坏账催收？续发信用卡？行为风险评分行为收益评分行为流失倾向评分信用局风险评分信用局收益评分2.7 大数据应用案例富国银行柜台十秒审批20由于大数据的应用和科技系统的有力支持，可以实现柜台办理业务客户十秒钟授信决策：当客户来柜台办理业务（如结算业务），柜员输入客户的社会安全号码(Social Security Number)和其他客户基本信息，后台系统自动在10秒内进行出适合此客户的信贷产品（包括是否授信获批、利率以及授信金额）并且推送给柜员，方便柜员进行交叉销售,实现快速获客。2.7 大数据应用案例ATM风险模型21 鉴别支票是否会退票 帮助银行在几秒钟内迅速做出决策，决定是否让该支票变现 约98%的支票会自动通过模型检验 后台集中审核2%左右有潜在问题的支票 提高了银行竞争力以及风险管理的水平和效率，增加了客户满意度支票存到ATM机器ATM风险模型2%支票有潜在问题，不能马上变现通知客户支票不能变现，专业风险团队进一步核实，若发现欺诈行为则关闭账户，将该客户列入银行内部黑