中國農業銀行軟件開發中心副總經理 姚琥

　　供給側改革逐步深入，使劣質企業的信用風險加速暴露，并傳導到客戶關系網絡上的其他主體。劣質企業為了持續經營，依靠屏蔽、捏造信息，騙取貸款，對銀行的經營安全構成了較大威脅。如何有效收集數據、形成信息、沉淀知識、提煉智慧，并將智慧落實到具體的信用風險管控的全流程，是銀行業迫切需要解決的問題，也是核心競爭力所在。

　　農業銀行基于“Data、Information、Knowledge、Wisdom”的DIKW 層次體系，打造了全面性、智能型、全流程的信用風險監控系統。其中Data（數據）是指原始素材；Information（信息）是指加工處理后有邏輯的數據；Knowledge（知識）指的是提煉信息之間的聯系；Wisdom（智慧）指的是關心未來，具有預測的能力。

　　1個風險視圖：從數據到信息

　　農業銀行信用風險監控系統依托于“1 個風險視圖”，解決了數據的全面性和數據到信息的轉換問題。首先，完成了行內客戶、市場、業務、交易和信貸風險控制等領域數據的全面梳理，引入了人行、銀監會、公安部、最高法院、工商、海關、網絡輿情、P2P 網貸、公積金、運營商等外部數據，對數據真實性進行交叉驗證，形成了反映各類社會經濟主體生產、交易、投資等行為的歷史明細，以及習慣特征和違約記錄等數據，解決了數據的收集問題；其次，以客戶為中心，制定了標準統一的數據處理模式，對行內外多期數據進行歸類整理、有效整合，按照主題分層的模式完成了邏輯模型的設計，形成了客戶信用風險統一視圖，根據產品、行業、區域、人員和機構的風控需求，組建了5 個匯總視圖，共同組成了一整套高內聚、低耦合的邏輯和物理模型，解決了可信數據到有效信息的轉換問題。

圖1 客戶信用風險視圖示意圖

　　通過“1 個風險視圖”（圖1），真正做到了全面了解客戶，對融資企業有了整體把握，掌握的客戶信息維度多樣：了解客戶本身，完整、及時、準確地掌握客戶的經營行為、資金流動、銷售情況，有利于把握資金流、物流和信息流的匹配；同時了解客戶關系網絡，能夠準確識別企業供應鏈、擔?；ケｆ?、資金往來鏈、隱形關聯鏈等形成的復雜關系，為識別和防控關聯風險奠定基礎；了解客戶發展趨勢，采用靜態切片、動態拉鏈等技術手段，存儲客戶在每個時間點的靜態畫像。

　　1個模型工廠：從信息到知識，再到智慧

　　知識是從相關信息中過濾、提煉及加工而得到的有用資料，體現了信息的本質、原則和經驗。智慧是為對事物發展的前瞻性看法，體現為一種卓越的判斷力。農業銀行信用風險監控系統依托于“1 個模型工廠”，解決信息到知識的沉淀和知識到智慧的提煉過程，將“事后報告”風險轉變成“事前預警”風險，使信用風險監控從“人控”邁進了人機交互智能風控的新時代。

　　模型工廠分成指標庫、模型建模和機器學習3 個組成部分。指標庫是業務專家基于長時間信用風險防控的經驗，總結和提煉出來的業務規則，并將業務規則原子化而產生的。其核心在于原子化，只有原子化，才能做到通用性，才能成為事實標準體系。它可以體現客戶自身（如銷貸比）、客戶變化趨勢（如工資發放額環比）、關聯客戶（如關聯企業違約），以及客戶與各項標準的對比情況等（如現金流動負債比率與行業標準值比）。指標庫基于信用風險視圖加工而成，是模型建模和機器學習的必要組成部分。截至目前，農業銀行已經完成了8 大類數百個風險預警原子指標的投產。

　　模型建模是指標庫按照一定業務邏輯組合而成的算法。與指標庫的共同點在于二者都是業務專家長時間的經驗積累，不同在于指標庫強調通用性和可解釋性，體現的是信息到知識的轉換過程，而模型強調的是個性化和隱蔽性，體現的是知識到智慧的升華過程。風險永遠在發展變化，風險監測的方法和規則也必須與時俱進、對癥下藥。農業銀行的信用風險監控系統提供模型建模的全流程管理，確定信貸專家“五步建?！钡臉藴史椒?，全面支持數學運算和邏輯運算等常規運算符，核心創新點是靈活差異，支撐業務專家自主設計“所見即所得”的預警模型，允許靈活調整預警閾值，設置區域、行業等十多個自由組合監測維度。

　　機器學習是人工智能的核心，涉及概率論、統計學等學科。農業銀行的信用風險監控系統的機器學習模塊可以導入模型建模所產生的專家模型，并通過收集數據的變化情況和人工反饋結果，實現專家經驗模型的自動評估和自我優化，還可支持建模人員探索統計學模型，并將模型導出并運行，有利于復雜算法的落地實施，如邏輯回歸、時間序列、神經網絡、隨機森林等。

　　4類應用功能成就智慧信貸

　　農業銀行通過聯動業務辦理、風險信息處置流程、考核評價支持和風險一站式檢索4 類應用功能，將風險視圖和模型工廠產生的智慧結晶運用于信用管理的全流程，取得了很好的應用效果。

　　1.貸前審批

　　嚴控黑名單客戶準入。農業銀行形成了行內外內控名單的聚合，將風險客戶分為黑名單客戶、灰名單客戶。其后是使用內控名單管理功能，阻止黑名單客戶辦理信貸，阻止灰名單客戶新增授信。

　　提質增效貸前調查。根據對客戶風險的整體評估，提前識別客戶可能存在的風險信息項，制訂專業化、定制化的貸前調查模板，要求客戶經理重點調查，保證有的放矢，提高調查質量。

　　輔助信貸智能決策。支持風險信號與信貸審批流程的實施聯動，提供參數化、配置化和個性化配置功能，將風險信息及時推送到授用信審批的辦理過程中去，采用“主動推送，強制查看，閱后留痕，專人跟蹤”的原則，提升風控模型在授用信審批的各個環節的重視程度和處置效果。

　　2.貸后管理

　　支持業務實時鎖定。提前預判存在風險的信貸業務，支持靈活編輯鎖定規則，對存在風險的信貸業務從客戶、行業、產品、機構等多維度實施授用信實時鎖定，實現對風險敞口的硬約束。

　　創新貸后管理模式。提前識別存量客戶的信用風險，將傳統的定期回訪模式正在變革為“以事件觸發為主、定期回訪為輔”的模式，對不同風險級別的客戶采用不同的貸后管理模式，做到了高風險客戶重點關注、低風險客戶線上回訪。

　　農業銀行的信用風險監控系統建設已經取得了階段性勝利，正朝著“既能整體把握區域、行業、產品的組合風險，又能具體到每個客戶、每筆業務、每項要素，突出信用風險監控的即時性和前瞻性，將處置關口前置”的工作目標繼續邁進。

責任編輯：韓希宇