標籤:

風控理論之信貸分析

信貸分析的目的主要評價:還款意願+還款能力+持續盈利能力。

貸前風控中我們需要把控的是用戶的還款能力和還款意願的信息。在經濟學中,信息是一個非常關鍵的概念,是提供決策的有效數據,信貸分析中我們可以把信息分為軟信息和硬信息,對應關係如下:

軟信息——還款意願,硬信息——還款能力,故而我們要分析這些信息,理論是基礎,

一、信貸分析的四個原則

傳統銀行信貸審批技術的主要原則是數據準確性原則、制衡原則、交叉驗證原則。IPC信貸技術的原則主要為眼見為實原則、交叉驗證原則、基於現金流原則。大數據風控技術和巴塞爾協議技術的原則也是數據精準原則、交叉驗證原則。因此信貸分析必須遵守如下四個原則:

真實性原則——保證並核實數據的真實性,例如客戶提交的身份證號為97開頭的,國內身份證開頭最大為6,未來可能到8

現值原則——資產的價值減少(增加)隨時間(地點)的變化(客戶經營計程車業務,5年前其購買花費5萬元,而現在在客戶所在的地區,其營運轉讓價值在1.5萬元)

謹慎原則——即採用價值區間最低的價值數據,例如在授信過程中一般按照客戶的收入來進行授信,在實踐過程中,常常按照客戶的可支配收入來授信,可支配收入的評估方法因消費的不同而得到不同的消費額度(運營商消費額、某個地區的消費額、電商的消費額...),為了謹慎起見,將按照最大的或者累計的消費額度作為個人消費額度從而計算可支配收入

交叉驗證原則——確認各個信息源所提供的客戶信息之間是否真實和一致

二、硬信息分析

硬信息主要包括財務報表和信貸記錄登,而財務報表包括資產負債表、利潤表、現金流表及附錄、現金流水等。在授信過程中,硬信息是核心,還款能力主要從穩定性、可持續發展的角度衡量,穩定性是指客戶所處的行業狀況是否穩定、收入是否穩定、工作是否穩定等等;可持續性是從收入總體處於上升狀態,以及收入中應收賬款的佔比具有下降趨勢。一般而言,我們將應收賬款計算到收入中是正常的,但應收賬款本質是信貸,就存在損失的可能,將導致收入膨脹,從而導致還款能力也發生膨脹。有點空,舉個例子,案例:「金朝陽」欺詐模式是欺騙者有預謀的在短時間提升客戶的信用,主要採用購買車、房等進行貸款來增加信用的模式,如果我個人的收入的正常增長率的10%為基準進行計算,那麼客戶用于歸還汽車或房子貸款來源——個人收入是不足的,客戶在短期內正常還款存在虛構額,其大小是正常與可支配收入之間的差額。

財務分析——硬信息的主要來源之一

資產負債表是個人在某個特定時間節點的資產、負債和權益的數據描述,是該時點的靜態圖,是客戶在這個時間點的綜合反映。但是一個時間節點的資產負債表並不能提供任何關於利潤和盈利的信息,資產負債表只是資產=負債加權益的恆等式,如圖:

資產負債表基本結構

資產負債表的基本科目

利潤表、現金流表及附錄就不一一說明了,大家有興趣的可以去了解了解。(財務分析具體怎麼分析要針對不同貸款產品分析,客戶不同分析角度有很大的區別,所以就不舉例了)

信貸記錄分析——硬信息的主要來源之一

信貸記錄主要來源中人民銀行徵信報告,這些數據大都來自銀行、部分小貸的記錄,其次信貸記錄來自信貸機構自身業務發展和數據積累的記錄。借貸市場客群分布如圖:

央行徵信記錄覆蓋8億人群(其中一半人群為薄徵信人群)

央行徵信報告大家應該都比較熟悉,就不詳解了,說下愛碼族吧,記得招商銀行信用卡在剛開始起步的時候推出來yong卡(針對大學生市場的低額度信用卡,額度1000-3000)當時就僅僅因為大學生的信用卡,把一個招商銀行區域性小銀行變成國際大行。其實也是一樣的策略——所謂「low and grow」策略,即向首次借款人提供較低的初始借款額度,通過借款人的重複借款培養借款人的信用記錄,提高用戶粘性,隨著新用戶和老用戶的疊加,借款筆數和平均金額不斷加大,最終實現更長期的價值。同時,這一業務模式主要是側重於為合格借款人提供初始借款,然後通過預測篩選技術模型為不同類型的借款人提供更多的借款產品。同時,也會使用自動化的決策技術,確定合格借款人的借款金額、借款利率。(交易流水(銀行流水、POS流水、電商購物流水、用戶訪問量等等)分析和第一還款來源也是關鍵)

三、軟信息分析

信貸分析的目的主要評價:還款意願+還款能力+持續盈利能力,客戶能正常還款的前提是還款意願和還款能力都必須合理。還款能力可以通過調查獲取的各種財務或財務相關數據進行估算,而還款意願則需要一句各種軟信息來判斷借款人還款的意願和想法。在信貸分析過程中,還款意願可以通過客戶過往需信貸記錄來判斷,如周圍人對客戶的評價、客戶消費記錄。軟信息可以分為兩類:

人口統計信息——客戶的基本信息(學歷、年齡、性別、戶籍、當前居住地等級、家庭等相對變化小的信息)

社交網路和行為信息等動態信息——設備信息,電話等通信相關的人,消費行為、支付行為、點擊行為等,軟信息必須經得起邏輯驗證

對於信貸機構而言,如果客戶的軟信息不好,就可以直接拒絕貸款——我們的反欺詐除了考察用戶是否是活人?是否是本人?還會考察用戶的部分還款意願!

四、量化觀念

對於一些不可量化的信息,我們也要想法設法的去通過間接、可收集到的數據來量化,從而提升軟信息的支持能力,達到所有信息都可量化——一切皆可量化的理念

人口統計信息量化

年齡、教育程度、婚姻狀態、性別、身體健康程度、孩子數量、上學情況、父母情況、配偶情況等其他家庭信息(穩定性)(35歲未婚三線城市男士?)

居住地、出生地、經營地、居住年限、是否有房、房子面積、房子位置、是否有房貸等

交通情況、是否有車、車型、發動機型號等

是否有手機、手機型號、手機品牌、解析度、IMRI、手機價格、app類型、app個數

是否有吸煙、喝酒、賭博、嫖娼、犯罪等不良情況

工作經歷、工作年限、從事行業年限、工作地

社交網路和行為信息等動態信息

交通行為軌跡、手機上網行為軌跡、經緯度

社交網路,直接聯繫人、常聯繫人教育程度、嗜好等

申請書寫速度、網上各種行為、網路瀏覽、網路下載內容等(客戶申請時間不宜太短或者太長)

還款意願量化(有還款能力)

品德——個人在一定的社會道德準則惡化規範下的所有行為。在信貸行為中,品德是指借款人無論是否具有還款能力都會採取不同還款手段,可以從客戶當地社區的聲譽、他人評價、生活習慣、對貸款流程的態度、家庭情況、過往的信用記錄、工作及收入等體現

違約成本——借款人需要為其違約行為付出的代價,例如負債記錄,社會聲譽和評價受到重大損害、逾期罰息等。客戶有還款能力而不還款是為了獲取違約帶來的收益——違約收入,故這種情況我們需要做到違約成本大於違約收入

當違約收入超過違約成本的2倍以上時,客戶因為違約成本而獲得的失落感會被客戶得到的違約收入所對沖,客戶就會違約。客戶的收入由金錢、身份、地位、其他人的評價(面子、名譽)、家人和睦相處、便利服務等組成。故當放款額度(即違約收入)大於違約成本(逾期費、面子名譽)2倍時,用戶還款意願下降,欺詐用戶的違約成本為0。

總結:還款意願主要從品德和違約成本兩個方面分析,還款意願的違約點是貸款金額大於違約成本2倍的點

違約成本>0時 還款意願的違約概率= f(放款本金div違約成本-2)

違約成本<=0時 還款意願的違約概率=0.999

IPC信貸不對稱偏差分析主要針對小微企業,壓力測試,不是特別熟待我研究研究,就不介紹,謝謝大家!

推薦閱讀:

財務總監如何證明被「脅迫」?
國內單抗類產品風險研究報告
發現「雷區」,高管一走能了之嗎?
大量黑戶湧入網貸平台,他們是如何做到野蠻粗暴拿錢走人的?

TAG:風險控制 |