■中国农业银行研发中心 赵焕芳

当前，数字经济以前所未有的速度冲击着世界格局，并成为撬动后疫情时代全球经济复苏和快速增长的新杠杆，客户需求行为巨变，同业竞争加剧，数字化转型已成为信贷业务竞争发展的关键驱动力。随着商业银行信贷业务数字化转型的不断深化，信贷产品线上化、线下业务智能化、线上线下融合化已成为数字化转型的主要趋势，这对数字化的风控能力提出了更高要求。依托大数据、人工智能等金融科技实现风控模式转型成为银行高质量数字化转型的必然要求。

一、信贷业务数字化转型面临的风控挑战

线下业务的智能化流程再造和线上信贷业务规模化发展是银行信贷业务数字化转型的两条主线。在数字时代的信贷业务决策中，缺乏数据或者不能有效利用数据造成的信息不对称是风险管控面临的首要挑战；同时，随着信贷业务全流程线上化，常态化应对“黑灰产”攻击，有效防范模型风险，做实线上业务数字化司法保全，成为线上信贷业务可持续发展的新命题；此外，高频小额的线上信贷业务在增量扩户效果明显的同时也对智能化的风险监控和集约化的风险运营提出了新要求。

（一）信息不对称是信贷风险的“发源地”

随着数字经济的快速发展，产业行业信息、客户信息、业务信息数字化程度空前提高，数据成了风控的关键，如何掌握足够可信的数据，解决借贷双方的信息不对称问题，成为制约银行风控能力提升的瓶颈。在传统信贷业务模式中，贷前和贷中风控主要依靠人工调查、审批，数据主要靠人工采集并录入系统，数据来源主要是财报数据、抵质押物数据，业务决策依赖专家经验，这样的信贷业务模式已经难以满足数字化时代对信贷业务决策质量和效率的要求。同时，在贷后管理中，随着线上业务的迅速发展，庞大的零售和小微线上客群已超出人工贷后管理半径，贷后风控甚至出现了真空地带。

（二）网络攻防成为风险防范的“新常态”

网络技术的迅猛发展对银行数字化转型起到了巨大的促进作用，同时，高科技经济犯罪也呈现出多发态势，互联网攻击相关犯罪从原先的零星个案向智能化、团伙化、专业化和国际化转变。相比传统的线下业务，线上信贷产品的风控主战场已经从信用风险转变为欺诈风险，直接面临“薅羊毛”和“黑灰产”的攻击。不法分子利用流程、业务规则和系统漏洞实施贷款欺诈，已严重危害到银行的信贷资产安全。

（三）模型风险成为不得不防的“灰犀牛”

在风控模式向“智控”的转变过程中，准入、授信、定价、预警监测等模型发挥了重要作用，已成为信贷业务数字化转型的核心竞争力。然而，随着模型应用的广泛和深入，模型风险也逐步凸现。在商业银行风控模型管理和应用中往往会存在重开发效率而轻风险管理的问题。风控模型高度依赖历史数据，随着时间的推移，客户行为、市场环境都有可能发生变化，如果模型不能随着业务发展而升级迭代，往往会“差之毫厘、谬以千里”，造成风险决策的偏离，成为线上业务可持续发展的重要隐患。

（四）监管趋严是风险防控的“风向标”

面对国内外复杂的宏观经济环境，防止发生系统性金融风险，严控信贷资金脱实向虚就成为金融监管的核心要求。以互联网信贷领域为例，为规范商业银行互联网贷款业务经营行为，银保监会2020年发布了《商业银行互联网贷款管理暂行办法》，今年2月又下发了《关于进一步规范商业银行互联网贷款业务的通知》，从风险治理与管控、数据与模型等方面对商业银行互联网贷款业务制定了详细的监管指引，要求银行强化风险控制主体责任，自主完成贷款风险评估和风险控制，严控资金用途，同时对互联网贷款的集中度和限额管理都提出了新的要求。此外，《数据安全法》《个人信息保护法》等法律法规的颁布，使保障金融数据和个人隐私安全成为将数据应用于风控的前提。

二、农业银行的风控模式转型实践

为适应信贷业务数字化转型带来的新要求，农业银行以数据为依托，以模型为核心，深入应用金融科技赋能信贷业务全流程风险管控，加快构建智慧风控体系，从数据底座建设、模型研发与管理、智能风险监测、集约化风险运营等方面不断增强风险防控的数据化和智能化水平，以贷前风险可“预”、贷中风险可“控”、贷后风险可“管”为导向，为信贷业务健康可持续发展提供了坚实保障。

（一）数据赋能-让业务决策更智慧

数据是银行数字化转型的核心资源要素，也是数字化风控成败的关键因素。农业银行围绕“夯实基础、深化挖掘、精准防控”的三级递进理念，打造了信用风险统一视图，实现了智慧风险画像和智慧辅助决策，有效提升了风险决策的智能化水平。

1.建设客户信用风险统一视图，夯实数据基础。以客户资产、负债、经营、结算、担保等自有原生数据为基础，整合征信、工商、税务、司法、舆情、电商和政务等外部可信数据，构建了客户信息、业务信息、关联关系、产品信息、交易行为、外部风险信息等19个数据主题，提炼形成了全面的风险指标体系，积累了丰富的数字风控生产要素。

2.刻画智慧画像，深化信息挖掘。以客户为中心，对海量数据进行分析、建模、关系抽取和挖掘，对客户进行全面画像，形成客户风险视图，提供工商单户查询、工商批量查询、受益所有人识别、高管探查、实际控制人识别、上市公司查询、新企速查等风控数据服务。同时，积极运用知识图谱等技术，挖掘客户关联关系，构建客户关系网络视图，拓展风险信息范围，助力防范隐性集团、行业和区域性集中度风险。

3.构筑决策中枢，精准防控风险。实现按照信贷事项、业务品种、任务类型、流程环节等不同维度对象进行决策管控，并作用于信贷业务全流程，对低风险信息指标柔性提示贷审人员关注，对重要风险信号强制予以核查分析，对高风险业务执行刚性控制和流程阻截。

（二）模型驱动-让线上风控有抓手

模型是线上信贷风控的核心，农业银行从“建、用、管”三个方面发力，加强模型管理，支撑线上信贷业务发展。一是建立全流程模型资产库。围绕线上信贷风控需求，构建了反欺诈、客户准入、信用评价、授信测算、贷后监测等5大类风控模型，全面支持线上信贷业务的发展和风控。二是搭建建模平台。打造支持专家建模+AI建模的模型研发平台，提供模型在线构建、训练、部署、运行、调优功能的一站式建模服务。三是强化模型监控。根据新的风控形式和要求，定期开展模型规则评估与优化，强化模型从产生、应用、升级到退出的全生命周期管理，让风控模型始终切实有效。

（三）实时监测-为风险管理抢先机

时效性是风险管控的生命线，风险识别和处置越早损失越小。目前，农业银行在信贷风控领域率先引入流计算技术，应用于资金流向监测和信贷业务质检等场景。

1.资金流向实时监测：实现了贷款资金流入房市、购买股票、购买基金等违规资金用途的实时监测和处置。一是实时抓取贷款资金流水，获取核心系统贷款资金交易流水数据。二是实时风险监测违规流向，对贷款资金交易流水进行实时分析，产生预警信号。三是实时开展核查，在客户风险行为发生后，可秒级生成核查任务，及时判别和处置风险。从传统批量监控数天的时效性提升到秒级，是信贷风险实时监测的重大突破，大幅提升了风险线索的核实有效率和承诺还款率。

2.信贷业务实时质检：农业银行在业内首个提出信贷业务质检的理念，以信贷制度和业务机理为依据，通过勾稽信贷业务要素识别潜在风险。一是建立质检规则库。从客户、期限、利率、金额、抵质物等基本信贷要素出发，结合不同信贷产品特点，设置了100余个质检模型，形成了“合格”信贷业务的“底线”规则库。二是实现线上线下产品全覆盖。质检引擎对线上、线下全口径信贷业务进行准实时扫描，覆盖贷款申请、审批、签约、放款等全流程环节，站在“质检员”的角度逐笔、逐环节进行业务落地前的重检，及时发现业务规则漏洞、异常操作行为和信息系统缺陷并主动预警，有效地促进了业务规则和系统的完善。

（四）可信签约-让证据链条全覆盖

为解决线上交易客户身份认证难、电子合同缺乏有效电子签名、线下用印体验差且面临操作风险等风控痛点，农业银行运用大数据、人工智能等技术，构建了一套完整的线上信贷电子证据保全与可信签约体系。

1.智能身份认证能力和电子签约能力。一是构建了可靠身份认证模型。采用大数据技术，依托工商、司法等行内外多数据源建立了客户身份识别模型，同时基于人脸、声纹等AI识别技术，实现了对用户身份的多因子交叉验证，能精准核查客户身份。二是构建可信电子签约能力。通过采集和固化客户、业务、行为、环境等签约证据信息，并引入第三方CA认证进行数字签名，实现了场景认证，解决了电子签名有效性、签约行为抗抵赖性等问题，确保了电子文档的合法有效。

2.多重安全防伪和可追溯能力。一是行间距水印技术。基于行间距编码的文档数字水印技术，将身份认证等信息嵌入电子合同，防止敏感信息泄漏。二是印章编码技术。运用印章混合编码技术，唯一标记当笔电子合同用印，保障用印安全。三是扫码追溯技术。支持根据电子合同信息生成二维码，实现“一键扫码”、全程追溯。实现了客户身份真实性认证、电子合同签署可视化、电子文档防篡改、用户操作抗抵赖、电子证据保全等全方位的安全保障。

（五）集中作业-让风险运营无死角

为提高贷后管理的智能化和集约化水平，农业银行依托信贷中台风控中心和贷后中心建设，建成了覆盖线上线下信贷产品的风险集中运营体系，支持预警核查、逾期催收、贷后真实性协查等业务开展，有力支撑了数字化风控中心业务的运行。

1.“人机协同”的风险处置引擎。一是风险处置策略集中配置。通过作业流程、作业模式、处置策略的集中管理和统一配置，形成风控处置策略管理的“中控室”。二是作业流程自动推进。实现审核、核实、处置作业流程自动推进、作业任务精准推送和主动通知，解决了以往靠人工处理，处置效率较低下的问题。三是建立了“自动处置+集中作业+属地作业”的集约化模式。对于风险事实明确的信号由系统自动处置，无需人工干预，具备集中作业条件的信号统一通过集中作业处理，确需经营行确认的，下发属地核实。目前已将小微、个贷、农户贷款全部纳入集中作业范围，集中作业率达72.7%。

2.全覆盖的逾期贷款催收平台。一是实现了催收策略的集中管理。通过规则引擎技术将个贷、小微、农户催收策略进行集中管理，支持根据业务特点灵活配置差异化的催收策略。二是支持多样化的集中催收模式。系统根据催收策略自动进行催收任务分池，支持短信催收、自动语音催收、人工语音催收、信函催收、属地催收等多种催收模式。三是实现了贷后催收全覆盖。将小微、个贷、农贷线上、线下业务全面纳入集中催收范畴，不断提高集中催收占比。

三、信贷业务智慧风控的再思考

随着数字生态的不断完善和金融科技的飞速发展，商业银行将始终围绕业务数据化和数据业务化两个主题不断深化数字化转型，但信贷业务风控的本质没有变，智慧风控的核心就是要运用数据和技术手段，对银行的风险管理架构、流程和风控模式进行重构，解决借贷双方信息不对称的问题，以取得风险和收益的平衡。为推进风控模式的转型，商业银行要高度重视数据价值，依托数据要素和金融科技，加速布局数字风控“新基建”，做好以下三个方面的工作：一是以企业级业务架构理念为指引，打通和整合全行风控数据，促进数据资产化。二是以风控模型为引擎，全面提升风险识别智能化水平。三是以风控中台化思维打造统一风控网关，实现扎口式风险管控；加强新技术研究和应用，为数字风控不断注入科技“新动力”。

（一）推进数据资产化，释放数据要素生产力

一是加大风险数据的整合力度，做深数据厚度。沉淀分散在各信贷产品中的数据，归集信贷客户在全行其他条线的业务和风险数据，上收分支行特色化风控数据，丰富行外可信数据，将行内外风险数据深度整合和贯通，依托企业级大数据基础设施构建信贷风控数据集市，丰富风控数据基础。二是推动风险数据标准化建设，让数据更好用。在企业级业务架构理念和方法的指导下，明确风险数据的规范定义、共享标准、适用范围，形成全局的、跨条线的风险管控“统一语言”，构建风险指标和标签的元数据管理体系，实现数据资产化和全行风险数据的融合与共享，构建信贷客户的统一风险视图，做到底层透视。

（二）丰富风控模型库，点燃风险识别引擎

一是丰富风险监测模型，提升风险识别能力。基于风控数据，构建和丰富欺诈风险、信用风险监测模型库，全面覆盖线上、线下全业务品种，贯穿贷前、贷中和贷后全业务流程。在此基础上，要开展跨业务条线风险建模，实现跨条线联防联控。同时，要推动专家模型向机器学习模型的转变，不断提高信贷业务风险监控的时效性和前瞻性，由事后报警转为事前预警，着力提升风险识别能力。二是建设模型管控平台，严控模型风险。建设风险模型管控平台，强化风险模型的生命周期管理，建立风险模型评价体系，通过对风险模型的监测、评价，建立健全模型退出机制，实现模型的快速迭代升级，持续提升风险模型的有效性和先进性，避免模型风险。

（三）打造统一风控“网关”，整合风险防控能力

打造场景化、配置化的风控网关，实现风控策略的集中配置和风控能力的灵活调度。一是加强风控策略的顶层设计和集中化配置。梳理散落在线上、线下信贷产品和信贷业务流程中的风控规则，从中提炼行业、区域、机构、产品、客户、业务环节等多个风控维度，抽象风险提示、名单管控、组合限额、停复牌等多种管控模式，对风控策略进行分层、分类，形成信贷领域风控业务架构。二是实现风控能力的组件化装配。打造“静默式”风控网关服务，在信贷产品业务流程中自动调用网关服务，由网关按照风控策略自动调度和组装各类风控组件和专业风险监测引擎能力，改变由产品端“到处插管”调用风控服务的困境，实现产品端“零代码”自动接入风控服务。

（四）加强新技术应用，提升风控智能化水平

主动拥抱新技术，深入研究新技术在智慧风控领域的应用。一是推动图计算技术应用，识别关联风险。对客户、产品、风控标签进行关联关系的智能分析，搭建风险知识图谱，深度洞察关联风险，识别风险的传染路径。二是推动流批一体技术的应用，提升风控时效。通过实时事件处理和实时数仓技术，支撑实时资金监测、实时风险限额、实时经营分析等业务场景，提升信贷决策和风险处置的时效性。三是通过对探索卫星遥感、5G和边缘计算技术的应用，实现贷后管理的智能化。比如：通过卫星图片识别实现土地精准确权验证和生产监测；通过物联网技术监测押品状态和企业经营状况，延展贷后管理触角等。四是深化RPA和人工智能应用，提升风险作业的集约化水平。比如应用RPA技术替代重复性的人工作业流程，提升作业效率；应用智能语音交互替代模式化的人工语音作业；通过语音、语义识别和微表情识别技术实现远程作业质检，提升远程作业质量。

今年是我国“十四五”规划的开局之年，面对复杂的安全新形势、新挑战，商业银行的风险防控任重道远。只有看清风险的本质，牢牢把握数字化转型带来的机遇，运用金融科技推动商业银行风险管理实现革新和突破，才能守住商业银行的风险底线，维护金融秩序的稳定，更好地为服务实体经济做出贡献。