零售信用风险管理

ZDNET至顶网CIO与应用频道 07月22日 北京消息：随着中国金融市场的快速发展，金融行业竞争形态的持续演化，以及监管力度的不断加强，IT咨询服务公司对金融企业的商业智能解决方案，也面临着不断的创新。

在主题为“乘数据之舟，达价值彼岸”的文思海辉商业智能解决方案研讨会上，文思海辉金融事业群高级经理侯炜在风险管理之道分论坛分享了零售信用如何进行风险管理。

以下为演讲实录：

随着市场经济的深入发展，商业银行已经成为现代金融产业支柱，发挥着引导资金流向，调节社会总供求等作用，直接关系到整个国民经济的健康发展。然而，商业银行在社会经济的运行中发挥重要作用的同时也面临着相应的风险。而信用风险又是商业银行面临的最核心的风险，直接关系到商业银行的正常业务开展和稳定经营管理。

巴塞尔协议三大支柱：信用风险是第一支柱的重要组成部分。如今，大多数的商业银行目前还没有统一的风险决策平台；各个业务系统基本属于全能系统，不仅担负业务流程，而且相关决策也由业务系统实现，对全面风险管理支持薄弱。文思海辉就如何有效地控制和管理信用风险从模型的全生命周期管理的角度提供一整套解决方案。

整个模型的生命周期管理是一个闭环。首先是咨询建模环节：根据行方产品的特点及样本数据建立适合该产品的模型及策略，常见的产品有住房按揭贷款、综合消费贷款、信易贷、通信贷等等。当模型设计出来后，接着就通过风险决策平台进行实施，风险决策平台是从传统的流程系统中将模型和策略剥离出来而建立统一的、全行级的风险决策支撑平台，从而将个贷、小企业、信用卡等业务条线纳入其中。然而，模型本身是具有时效性的，一般时效性是在2年左右，那如何确定该模型的有效性是否达到标准呢？接着就通过风险验证支持平台对模型的稳定性和准确性进行全面验证。风险验证支持平台分2个部分，一部分是模型实验室，供给行方专家团队建模并对模型的相关指标进行验证；另一部分是IT验证平台，每天都会根据风险决策平台的数据加工检验模型的各项指标，并通过报表的形式展现给风控人员，当模型失去或即将失去有效性时，验证平台会产生预警产信息并通知相关人员。在模型失效时，专家团队又得根据风险决策平台积累的各项数据重新分析并建模，那又重新回到第一阶段咨询建模的过程了。因此，整个模型的生命周期管理是一个闭环。

风险决策平台的核心是 决策调用服务，根据多年的项目经验，文思海辉研发了一套通用的决策调用引擎PACTERA DA ，我们的 DA 里面装载了最大化的零售风险变量池。同时集成了现今全球主流的决策引擎产品，如：FICO BLAZE , EXIPERIAN SMG3 , IBM ILOG 等等 ，同时征对各个决策引擎产品的特点， 我们在风险决策WEB门户也做了扩展，比如：征对FICO BLAZE产品　的RMA 和　IBM ILOG产品 的　RTS 、RES都做了单点登录；基于BLAZE 产品基础之上进行二次开发出文思海辉企业级决策管理平台PEDM。甚至利用这些引擎的API ,扩展了该产品本身的 WEB功能，比如，通过WEB门户对模型及策略进行管理，多个策略库历史版本信息比较等，灵活的策略配置及测试，定制查询，运行监控等等。　

零售风险数据集市模型，我们采用多峰理论，分为　５层，从下至上分别是　临时层，基础层，汇总层，应用层。临时层一般起到数据缓冲的作用，基础层会采用贴源设计，全量存储，增量变更及加载。汇总层会按业务主题分不同的口径进行分类汇总，如：客户，账务，财务等。应用层一般是采用模块化设计，面向具体的决策点。还有一层是公用层，一般是存放各种公共参数。

多峰模型的理论思想也是从多年项目经理积累而来。通过构建稳固的山体基础指标体系，使将来的扩展只需要建立山峰模型，而不影响整套核心指标体系。优点就不言而喻了，(1) 指标体系具有可延续性，高可复用性。(2)指标口径统一，运算效率高。(3)后续实施周期短，节省成本。

通过跟踪和观察，银行指标体系基本符合二八原理，每年银行大约有80%指标是稳定的，新增和变化大约占20%左右。

多峰模型从下往上，公用层，临时层，基础层属于原始记录层，汇总层，指标层属于记录整合层，原始记录层和记录整合层都属于多峰模型中的山体层，　上面就是应用层，也是山峰层，都是面向具体的应用主题的。最顶层的逻辑模型一般用于　Cogons 和　SAS 开发。

风险决策平台常用的报表分为：模型稳定性分析报表、模型特征项分析报表、K-S统计分析报表、Gini基尼系数分析报表、ROC统计分析报表、Divergence分析报表 等。

风险决策平台需具备七大要素。

(1) 可扩展的商业对象模型。也就是DA中的决策调用模型。

(2) 策略的灵活配置 和 生命周期管理。

(3) 模型、策略、策略库的版本管理。

(4) 决策调用接口要标准化，调用方式要多样化，同时支持跨平台。

(5) 具备强大的数据集市，而数据集市的核心就是数据模型(山峰山体理论)。

(6) 灵活的报表分类展现。

(7) 灵活的模型及策略测试，决策调用执行轨迹的跟踪。

风险决策平台需具备四个特点：

(1)组件化。

(2)流程化。

(3)高扩展性。

(4)高性能、高效率。

风险验证支持平台必要性：模型在使用的过程中也会存在一定的风险，比如：适用人群如果发生变化，模型可能会变得不再适用；产品结构或经济环境如果发生重大变化也会影响模型的稳定性和准确性；当然，新数据、新方法出现，同样可能导致模型落后。所以，为了防范模型在使用过程中的风险，应对模型采用分阶段验证，分别是投产前验证、投产后持续监控、以及投产后至少每年一次对信用风险模型进行全面验证。

模型验证应该涵盖建模和实施的所有环节，分别是：对建模方法、建模数据、模型稳定性、准确性以及系统可靠性这5个环节进行验证。

对于模型的稳定性：一般采用国际通用的衡量指标PSI 进行验证，如果PSI小于0.10，则表示没有变化或变化很少；介于0.10 至 0.25 表示有变化，应注意监控后续变化；大于 0.25 表示发生重大变化，需进行深入分析。

对于模型的准确性：一般采用KS值、Gini系数，也就是前面所说的ROC指标，模型分离度(Divergency) 以及评分分布来进行衡量和评估 。对于申请评分 KS值一般为30%左右,对于行为评分 KS值一般为40%左右，如果KS值低于 20%，那就说明该模型已经失效了。总体来说，这些指标越大，说明模型的排序能力越强，对好坏客户的区分能力也就越强。

风险验证支持平台从整体功能上分2个部分，一部分是模型实验室，提供给行方专家团队建模并对模型的相关指标进行验证；另一部分是IT验证平台，目的是为了建立满足监管合规要求的信用风险验证支持系统，需具备3个功能点，分别是：

(1)、自动生成模型验证监测指标,对模型风险进行预警

(2)、建立报表体系,为验证报告编写提供支持

(3)、建立一整套验证数据管理流程,确保验证数据的准确性和一致性.

从而当模型失去或即将失去有效性时，IT验证平台会产生预警产信息并通知相关人员。

风险决策案例：中国工商银行的信用卡资信评估系统、和平安银行信用卡规则引擎平台、浙江农信信贷风险管理系统、兴业银行账户决策管理系统、浦发银行风险量化平台、浦发银行零售评分决策系统、南京银行的专家决策平台、北京银行的零售评分决策系统。