案例名稱

寧夏銀行互聯網智能風控平臺

案例簡介 

寧夏銀行互聯網智能風控平臺以人工智能、云計算、大數據三大核心技術體系為基礎，基于對數據的探索洞察和深刻理解，將深度學習、聯邦學習等領先技術與業務場景深度融合，為我行提供智能分析與決策服務、幫助我行做出更佳決策。通過對互聯網貸款貸前、貸中、貸后風險模型體系的構建，對互聯網貸款風險進行數字化識別、數字化分析、數字化評價、數字化監測、數字化預警和處置等，實現流程自動化、決策自動化、智能監測與風險預警，提高風險管理的效能效率。

創新技術/模式應用

“互聯網智能風控平臺”主要采用人工智能、云計算、大數據等技術，為我行將實現了以下場景的應用：

· 數字化風險模型構建

我行根據行內數據、三方數據等進行數據收集分析、 以賬齡、滾動率、壞賬率、數據等維度進行模型設計、以機器學習的算法進行模型擬合開發等，將模型應用互聯網貸款全生命周期管理中，反欺詐模型、申請評分模型可有效識別貸前申請的欺詐風險與信用風險；授信審批模型與風險定價模型可提升授信結果的準確性與合理性，使得授信定價符合“低風險人群高額度低利率，高風險人群低額度高利率”原則；風險預警模型可提前發現放貸人群中可能存在的潛在逾期風險，提前做出額度調整或處罰/催收策略；貸后清收模型可預測客戶逾期催回概率或預測客戶失聯概率，從而制定合理催收策略，優化催收隊列。同時，根據客群自身性質和模型使用目的不同，按需進行合理的客群細分或業務細分，進一步提升模型與客群契合度，提升模型的預測效果。

· 數字化分析以及檢測

業務監控報表旨在不同業務場景下，監控模型的運行情況，分析模型與業務表現之間的關系，監控實際業務效果，及時發現問題并調整，滿足業務需求，保證業務穩定高質量發展。

(一) 貸前檢測

貸前階段模型有反欺詐模型、申請評分模型，以及相應的授信審批模型與定價模型等，業務監控指標主要關注：審批通過率、審批拒絕率、余額規模、壞賬率、收益率等指標。

(二) 貸中檢測

貸中階段有風險預警模型，以及相應的貸中預警策略、調額優化策略等，業務監控指標主要關注：升額戶數、升額幅度、降額戶數、降額幅度、調額后消費余額變化、逾期變化、拒絕支用筆數、拒絕支用后余額變化、逾期變化、預催收客戶數、還款情況、逾期情況、壞賬率、收益率、平均使用額度等指標。監控評估模型和策略對壞賬率、收益率、平均使用額度等業務指標影響，以及貸中預警措施對當前未逾期客戶逾期狀態遷徙率的影響。

(1) 壞賬率、收益率、平均額度使用率等業務指標監控

(2) 逾期狀態遷徙率監控

(3) 資產質量Vintage監控

(三) 貸后業務監控

貸后階段模型主要為催收評分模型，以及相應的差異化催收策略，業務監控指標主要關注：回收率、逾期狀態遷徙率、催收產能、投訴率、催收成本等指標。

項目效果評估

寧夏銀行互聯網智能風控平臺實現業務、數據與系統“三位一體”的整合管理理念，強調整體層面的風險組合管理，通過有效地構建一個持續的、完整的風險管理框架，從治理架構、管理政策與程序、制度與辦法等實現規范的標準化。傳統信貸風控體系向互聯網風控模式的改變，極大提升授信審批效率，提升客戶體驗度與凝聚度。從互聯網風控平臺的應用價值來說，有以下效果：

· 數字化風控驅動我行高質量發展的重要途徑

數字化貸前模型有利于細分客群，更精準地把握客戶多層次、多樣化的融資需求，促進產品創新，豐富產品供給，減少低水平和同質化的競爭，提高消費者的獲得感。同時準確計量信用風險、欺詐風險可以有效提升我行授信作業效率，賦能隊伍和渠道，幫助其更好的經營客戶，匹配產品，提高銷售的人均產能和生產力效率。數字化貸前、貸中、貸后風控模型能夠有效提升我行經營管理水平，通過優化業務流程、提高資產質量、降低運營成本。

· 提高風險管理能力

作為經營風險的行業，風險管理是我們經營的基礎，防范和化解金融風險也是保證行業高質量發展的必然要求。數字化風控預警模型能夠有效提升我行風險定價，風險管理能力，為風險防范和預警提供有效的手段，及時防范和化解風險，保證穩健經營。

· 數字化客戶洞察

風險客戶客戶畫像是數字化經營最基礎的能力，也是數字化轉型應當優先培育的能力。誰最懂得客戶，誰能夠提供符合客戶需求的產品和服務，誰就能夠獲取更多的客戶。而數字化客戶洞察是非常重要的手段，為此需要加強客戶信息系統和數據平臺建設，加強外部數據資源獲取與整合，建立統一的客戶標簽體系，提高客戶分群和客戶畫像能力，要以實際的業務需求為驅動，結合各類應用場景形成客戶視圖產品，擴大覆蓋面，提升數字化客戶洞察能力。

項目牽頭人

姓名：李曉龍  職務：寧夏銀行個人金融部總經理

項目團隊成員

戴元軍，李自盛，張東宇，高源，馬穎濤，高博，盧麗玲，王娜，金民杰，楊博，鄧嘉，陳明福，王勇，馬臣，劉永康，萬思成，孫佳明，常學銀

責任編輯：韓希宇