政策资讯协会

大数据时代下推进普惠金融的现实路径

来源:bairongjinfu    发布时间:2019-05-21 19:19:30

发展普惠金融是增进社会公平和社会和谐的必然要求


普惠金融是解决民生问题的重要工具,它的含义是让每一个人在有金融需求时,能以合适的价格,享受到及时的、有尊严的、方便的、高质量的金融服务,它强调金融权平等,消除金融歧视。普惠金融最初的形态是小额信贷和微型金融,经过多年发展,已基本涵盖了储蓄、支付、保险、理财和信贷等金融产品和服务。无论提供哪种金融服务,普惠金融都致力于帮助处于社会中低阶层的公民提升自身能力,提高收入水平和生活质量。


发展普惠制金融对于社会发展意义重大。普惠金融可以促进经济结构调整,同时经济转型、结构调整中产生的一些社会问题也可以通过普惠金融来解决。普惠金融可以通过小额融资解决人们的消费需求和生产需求,解决部分社会就业问题。大力发展普惠金融对推动大众创业、万众创新,增进社会公平和社会和谐具有重要的意义。


我国普惠金融发展日益成熟但制约因素仍然存在


根据中国人民大学小微金融研究中心发布的中国普惠金融发展报告,我国普惠金融的发展主要分成三个阶段:扶贫金融阶段、微型金融阶段以及普惠金融阶段。目前我国已经进入普惠金融阶段。这一阶段在政府政策支持下,小额贷款公司迅猛发展,许多银行金融机构也纷纷成立了专门的微型金融部门。同时,村镇银行等新型农村金融机构开始起步,互联网金融的快速崛起更是极大推动了普惠金融的发展。


虽然近年来中国的普惠金融发展迅猛,在社会中也产生了积极的效果,但是仍然存在一些制约因素阻碍普惠金融体系的建立。


首先是金融资源供求失衡。从普惠金融发展的现实需要看,资金和其它资源应该向弱势群体、弱势企业、弱势产业、弱势地区倾斜和转移,但是目前中国资金配置呈现出从低收入群体流向中高收入群体、从农村流向城市、从农业流向工业的特征和趋势,存在金融资源配置不对称的问题。同时,金融资源配置不对称还表现为金融体系内流动性过剩和实体经济、特别是中小微企业和三农领域资金缺乏之间的矛盾。如何解决这种金融资源供求的失衡,是我国发展普惠金融亟待解决的问题之一。


其次是普惠金融体系基础设施建设滞后。普惠金融体系基础设施建设中的主要问题是法律法规与监管的不完善和社会征信体系建设的滞后。针对迅猛发展的新型金融机构,法律和监管仍然相对滞后,出现一定程度的市场失序问题。社会征信体系建设的不完善则主要体现在我国还没有成熟的个人征信系统和成熟的小微企业信用评估系统。政府主导的征信体系人群覆盖率低,缺乏有社会公信力的第三方征信机构。对于普惠金融服务的主体,因为金融参与度低,而缺少足够的信用基础,这就增加了商业银行向其提供金融服务的不确定性以及风险系数,进而导致基本金融服务不充分。


以百融金服为例探讨运用大数据技术推动普惠金融发展的具体措施


百融(北京)金融信息服务股份有限公司(简称“百融金服”)是一家利用大数据技术为金融行业提供客户全生命周期管理产品和服务的高科技公司。作为最早涉入大数据金融信息服务领域的企业之一,百融金服在大数据征信领域一直积极探索,凭借线上线下融合的多维度海量实时数据、服务银行等金融机构的行业先入优势、以及超强的大数据处理和建模能力,为信贷行业用户提供包括贷前营销获客、贷中管控以及贷后管理在内的客户全生命周期产品和服务,目前已经为近600家包括银行、消费金融公司、小贷及网贷等金融机构和企业提供大数据营销、风控服务,积极推动我国普惠金融的发展。


一、百融金服大数据风控思路、产品及实践


线上线下融合的大数据风险建模思路。在征信体系尚处于发展初期的中国,个人的金融数据本身是非常欠缺。目前我国金融机构在对企业与个人进行信用评分时,几乎完全依赖于人民银行征信中心掌握的企业以及个人信用记录,人行征信中心的数据又几乎完全来自于银行借贷交易数据。据人民银行征信中心统计,我国只有3亿多人以前和银行发生过借贷关系,也就是说全中国只有20%多的人口拥有相对可靠的金融数据,针对这20%多的人口,传统模型可以相对可靠地预测他们的信用风险。而对超过70%的历史上尚未与银行发生借贷关系的人口,传统模型就无法有效地评判了。这个问题如果无法解决,就会严重制约我国金融业的发展,进而制约消费,影响到我国经济结构的转型。基于我国普惠金融发展的现实需求,百融金服创新性的引入线上线下融合的大数据建立风控模型,基于用户的线上线下相融合的海量数据(包括金融、消费、阅读、社交、旅游、娱乐……))进行金融建模,共包含大约500,000个弱变量,进行挖掘分析、建模,进而对其风险进行甄别。这种线上线下融合的大数据风险建模在美国也有成功的实践。


在美国,针对传统模型的不足,谷歌前工程副总裁梅瑞尔(Douglas•Merrill)与美国第一资本投资国际集团公司前高管邦德(Shawn•Budde)于2010年联合创立了一家名叫泽斯塔金融(ZestFinance)的公司。作为利用基于大数据的机器学习方法为金融机构提供客户品质分析的平台,它通过数据计算、分析和逻辑,为放款者提供承保模式,专门为那些个人信用不良或者不满足传统银行贷款资格的个人提供服务。该公司认为:一切数据皆为信用数据;重视数据间的关联关系而非因果关系。在该公司看来,每一条信息比如用户的笔误信息也是有用的信用信息。例如,申请人在申请信贷时输入自己姓名的方式也是一种信息:全部使用小写字母,全部使用大写字母还是采用首字母大写的方式(隐含了申请人的受教育程度以及性格的严谨性)?这样的信息也可以被用来预测信贷风险。其它类似的信息来源还包括申请人在申贷网站上停留的时间(这反映了申请人对信用申请的谨慎程度与还款诚意)、申请人是否拥有预付款或已付全款的手机等。正如创始人所说,“单独看个别信息可能不会发现什么线索,但是与其它成千上万的信息数据联系起来,就可以勾画出令人难以置信的精确图景”。


该公司采用大约70000个变量进行建模。具体分为五步。第一步是寻找并收集大量的不同弱变量。相对于费爱哲评分模型采用的强变量,这些弱变量在单独使用时效果不如强变量,但弱变量数量众多,综合效果可能会超过数量稀少的强变量;第二步是对海量的弱变量进行处理生成各种更加有效的衍生变量;第三步,在关联性的基础上将这些变量重新组合成一些比较强的变量;第四步,将这些比较强的变量放入采用数十个独立的、采用不同的机器学习算法建立的模型中进行处理,每一个独立的数据模型给出一个独立的评分;第五步,将这些评分进行加权组合,整合成最终的信用评分。这个信用评分是综合了人口统计数据、网站行为数据、社交网络数据等结构化以及非结构化大数据的一个分值。其创新的根本在于利用了非金融领域的数据来为美国的次贷人群进行金融信用评分并帮助他们获得授信。这群人由于背景不够好,很难从传统金融机构获得贷款,这会反过来又会导致金融机构无法积累与他们有关的传统信用建模方法需要的金融数据,缺乏金融数据又会导致常规金融机构无法对他们进行信用评分从而无法对其进行授信,从而形成恶性循环。


对于次贷人群来讲,该公司对传统信用评估体系有了颠覆性的改变,其大数据模型导致贷款批准更有效率,和常规的信用评估体系的模型相比,效率能够提高将近90%。同时,在风险控制方面也有极大的改进,其模型能够把相关贷款人的违约率降低将近50%。


百融金服目前运用线上线下融合的风险建模方法为我国金融行业主流商业银行、大型消费金融公司、小贷以及网贷企业等提供风控服务,效果获得客户一致好评。


二、百融金服大数据风控的实践效果


1、扩大了信用覆盖人群


百融金服目前拥有6.1亿实名用户数据,10.8亿匿名用户数据 ,通过百融的大数据风控方法,可以为央行征信体系外的借款者做出适当的信用评估,扩大了信用覆盖人群,特别是在大多数申请者都不具备央行信用报告的互联网金融领域。


2、有助于降低金融机构的不良率


风控的根本目的是识别、评估欺诈风险和信用风险,以帮助改善不良率。根据百融与银行、小贷公司、消费金融公司、P2P 等几百家金融机构合作进行大数据风控业务的结果看,已经取得了良好效果。


1)帮助降低银行信用卡业务的不良率


在百融金服的客户群体中,银行是很重要的一部分。从百融金服与国内排名前十的三家全国性股份制商业银行分别开展的多轮实测结果来看,利用百融的评估报告进行贷款风控,能将银行信用卡业务的不良率降低一半左右。


总部位于广州的国内最早组建的股份制商业银行之一A银行的个人风险评估效果:经过2轮共50万真实用户的测试,基于百融用户评估报告,可以将该行线下发展的个人用户的不良率(M3不良率,下同)降低至之前的1/2,将线上发展的个人用户的不良率降低至之前的1/3。


国内第一家由企业法人持股的股份制商业银行、商业银行的创新先驱B银行的个人风险评估效果:经过1轮共30万真实用户的测试,基于百融用户评估报告,可以将该行线下发展的个人用户的不良率降低至之前的5/8。


国有控股、国际金融组织参股的全国性股份制商业银行C银行的个人风险评估效果:经过2轮共20万真实用户的测试,基于百融用户评估报告,可以将该行线下发展的个人用户的不良率降低至原来的5/7;对于没有人行征信报告的用户,百融金服将风险评估模型的KS值从之前的0.28提高到0.49。


2)帮助降低小额贷款公司的不良率


小贷业务是小微金融最重要的领域,但由于其授信额度小,且主要面向小微企业和个人,其开展业务的薄弱环节主要在风控。百融可以通过对小贷公司线上、线下用户建立模型评估授信,以降低其贷款不良率。


专注于为国内中低收入阶层提供小额借贷与理财服务的某小贷公司通过手机端APP开展小额授信,同时在线上线下接受贷款申请,授信额度在500元至5000元之间,主要瞄准3、4线及以下城市。百融在与该小贷公司合作中对其小贷业务做评估授信,该小贷公司在采用百融风控服务后,对线上线下客户的贷款不良率较之前下降5.36%和4.36%。


3)帮助提高P2P公司的风控能力,降低其不良率


P2P借贷是互联网金融的主要形式,但是由于其风控能力的短板导致P2P公司的实际不良率较高。百融与国内排名前三、堪称业内翘楚的某大型P2P公司合作,将百融大数据风控模式应用到该公司的风控环节,取得了较好的效果。总体来看,百融评估的客户不良率大幅低于非百融评估的不良率。其中,线上客户整体匹配率66.77%,线下客户整体匹配率43.50%,可以将线上线下客户不良率降低到以前的1/2。


4)帮助提高消费金融公司的风控能力,降低其不良率


作为互联网金融的主要形式之一,消费金融业务虽然起步较早,但在近两年才获得快速的发展,整个行业消费者数据积累不够,同再加上多数消费金融违约数据没有计入央行征信体系,这些都对消费金融的风控提出了挑战。百融与某大型外资消费金融公司联合建模中,运用百融变量(数据匹配率最高可达95%)和该公司已有评分,实现了相比该公司评分卡大幅提升,预测能力(K-S值和Gini)提升30%,且效果稳定。同时,百融和该公司基于已有合作建立联合实验室,互相开放各自底层数据并开发最新模型,从而提供更全面、时效性更强的模型。


3、帮助金融机构识别POS商户贷款的真实性


不少金融机构通过分析商户的POS机刷卡流水数据给商户授信,将POS流水数据看作是商户的收入数据。然而,不诚信的小微企业主可能会通过故意做大刷卡流水数据的方法进行“刷信用”,从而达到骗贷目的。根据台湾征信中心的量化建模经验,小微企业的企业信用40%的权重取决于小微企业主个人信用,20%的权重取决于该小微企业合作上下游企业企业主个人信用。不诚信的小微企业主可能会通过故意做大刷卡流水数据的方法进行“刷信用”,从而达到骗贷目的。通过“POS流水数据+商户户主个人数据”两类数据联合建模来预估商户的套现风险以及销售终端贷款违约风险,均发现百融模型具有较强的指示作用,主要体现在信息的真实性和商户行为特征上。可以用来帮助金融机构识别POS商户贷款的真实性。


普惠金融的全面发展要求监管的不断创新和法律制度的持续完善


大数据征信是数据信息技术在征信领域的应用,其主要特点是能够获取即时、动态信息以补充历史、静态信息的不足;以多维度变量、大量信息弥补维度单一、信息少量的不足。大数据征信以其信息量的广度、精度和即时性实现对被征信者的“实时全息画像”,完全契合小微金融对于识别借款人信用风险的需求。并且,大数据征信有社会化的覆盖面,有助于抑制恶意违约形成的信用风险。因此,大数据征信契合小微贷款的征信需求,对我国普惠金融发展具有基础性意义。


随着大数据时代的到来,未来征信业发展要从制度设计、技术进步、信息共享、监督管理、隐私保护等方面不断创新,促进征信业在大数据背景下更快更好地发展。尽快建立符合大数据的征信法律制度和业务规则体系,本着兼顾制度保障和鼓励创新的原则,指导和确保大数据时代征信业发展有法可依。另一方面,通过制度和规则设计尽快打破政府以及各个垄断资源、机构间的信息孤岛,规范和统一数据标准和格式,推进建立数据融合、共享以及对外开放的机制,降低金融行业乃至整个商业社会的征信成本,进一步推动政府与社会各界公开失信人、失信机构信息,推动全社会对失信人与失信机构进行联合惩戒,提高失信成本。只有在日益完善的诚信金融环境下,普惠金融才能获得更好的发展。


本文刊发于《中国科技投资》


 

协会简介

  政策资讯协会是由民间人士依据相关法律自发组织成立的一个公益性组织,协会提供各个地区的相关政策及政府动态。

组织机构

待定

协会宗旨

  协会致力于向各地民众提供当地政府出台的相关政策,使得民众更加关心国家政策。