桃树信用风险管理“三部曲”之三:贷后预警
来源:桃树 | 作者:杨子 | 发布时间: 2017-10-30 | 194 次浏览 | 分享到:
贷后催收有困难?桃树帮你解决。
导读:客户的贷款发放之后,并不意味着客户风险就降低了,在回款的过程中,我们仍然要对客户进行贷后风险预警,减少银行的损失。机器学习技术和传统的贷后风险预警有什么区别?作为一家创始人有超过十年人工智能科研及实践经验,且团队已经成功在多家客户落地人工智能解决方案及产品的AI公司,桃树将以一系列实战案例,展示人工智能如何从象牙塔走进企业,又为何将成为未来商业社会的基础设施。

继上桃树“信贷三部曲”的前两部贷前审核贷中管理之后,今天我们分享的是“信贷三部曲”的终结篇:桃树机器学习技术在信用风险解决方案贷后风险预警的应用。

一、贷后风险预警

贷后是指在贷款发放之后直到本息收回或者信用结束的整个过程。尽管在贷前贷中阶段风险控制就已经启动,但仍然不能百分百规避风险,为了进一步降低风险,加强贷后风险预警对于商业银行非常重要。 

商业银行主要的贷后风险是指对客户进行贷款的发放或者授信之后,客户存在不能正常还款或者履约的可能性,这种可能性就是贷后风险。换句话说,就是商业银行的贷款客户取得相应的利益之后却不能履行相应的义务的可能性。

贷后风险特征除了具有不确定性、双重性(风险与收益并存)、普遍性等这些一般金融风险的特征之外,还具有一些关键特征。



贷后风险的隐蔽性主要是由于贷款客户在获得贷款之前有些隐藏行为,这些行为与获得贷款之后的各种经济行为密切相关。一方面,在商业银行的授信行为没有做出之前,授信方通常会有意无意的对一些影响其获得授信的信息加以隐蔽;另一方面,贷款一旦发放给客户之后,就说明商业银行对贷款客户的信用风险已经有明确的认识,但是对于决定风险大小的影响因子在这个阶段却很难准确且完整的判断,因此,贷后信用风险管理也是信贷生命周期中不可或缺的一环。

通过定期更新行为评分,银行可以追踪观察客户账户的风险状态,及时进行预警,制定相应的策略。

二、为什么要使用机器学习技术做贷后风险预警

传统的风险管理模型主要基于线性数学模型,没有考虑到复杂业务数据结构和关联关系对贷后风险的影响,且数据来源主要依赖于内部数据。

基于机器学习技术的贷后风控模型,将融合内部、外部、征信机构的数据,提取贷后风险预警所需的客户基本属性、历史行为、群体特征。因此,机器学习技术所参考的数据维度更丰富,对贷后可能出现风险的客户特征描述也更精准。

另外,基于机器学习技术的评分卡模型,可定期更新客户的行为评分,让放贷机构可以跟踪观察客户坏账的风险状态。同时,评分卡模型还可以通过内外部数据分析客户的行为特征,及早识别高拖欠可能性、高风险及可能造成巨大损失的客户,赋能放贷机构提前做出对应的防范措施,提高风险防范能力。

贷后催收,是处理银行进行贷后风险管理至关重要的一步。催收到位,可以有效减少坏账率。传统的催收模式,其效果主要依赖催收员的催收绩效及成绩。人是有情绪的,无论多严格的话术,传统催收的效果还是很难避免受到人情绪的影响。同时,由于传统催收是人力导向的,其结果是不可避免的高人力成本。

与传统催收手段不同,机器学习建模可通过风险分层模型,利用评分机制,高效识别客户风险以采取差异化的催收策略。通过数据化分析,对于仍然需要人工干预的催收,模型可给出该用户的整体情况和该用户偏好的催收话术,大大节省催收员去收集资料的时间,同时有效降低非客观因素对催收员的影响。



三、桃树贷后风险预警解决方案

桃树解决方案的核心,是独创的桃树数据科七剑体系,包括数据预处理、分群建模、预测建模、算法调参、知识发现、效果分析和模型监控等环节。
我们接下来将详细介绍“七剑体系”如何在贷后预警中做到效率及准确性的双双提升。

在贷后阶段,桃树解决方案使用信用评分卡机制中的催收评分卡——即C卡模型,来对判断某个客户是否需要催收做预测,并给出与业务相结合的催收策略。

1、问题定义:
在贷后环节,通过机器学习模型定期更新行为评分,预测某客户是否具有潜在的拖欠可能,并结合业务具体情况,给出对应的催收策略。
 
2、数据准备:
催收评分模型常用的数据有:
  • 贷后回款历史记录
  • 客户行为特征数据
  • 客户社交关系数据
  • …...
根据实际业务情况,使用RobotXTM组件,对数据表进行清洗,提取建模所需的关键字段。

3、算法调优:
使用AtomTM组件建模,并进行算法调优。根据模型预测结果,对可能产生拖欠的客户,进行分层,并结合具体业务,制定不同的催收策略和风险防范措施。

模型建立后,对模型的预测能力、稳定性进行检验后才能运用到实际业务。

4、知识发现:
在进行算法调优及测试之后,模型正式部署上线。由于数据是不断更新的,模型在进行运行的过程中会发现数据的新规律,并将新发现的规律汇报给业务工作人员,不断完善业务人员的经验,同时解放“人力催收”。

5、模型更新:
桃树科技会实时监控模型效果,并拥有一套反馈数据收集机智,在保持模型不断更新的过程中,数据维度得以更新和完善,对贷后风险预警和催收效率提高,会有很大的帮助。



桃树只研发最前沿的机器学习应用技术

我们只发布最干货的大数据知识


微信扫码关注桃树公众号