【风控护航之四】银联反欺诈决策分析 增补数据价值维度

作者| 邱懋霖 廖圆圆 供职于中国银联风险控制部（风险监控服务中心）

严防输入性风险有待建立健全信用风控体系

受宏观经济下行与全球新冠肺炎疫情的交叉影响，银行零售信贷与信用卡业务的不良贷款金额和比率不断上升，部分中小金融机构的信用风险问题较为严重。随着互联网金融贷款平台的整治与清理，低收入、高共债客群的低偿还能力成为银行信贷业务的输入性风险点，银行迫切需要加强互联网共债、恶意套现客群的识别、区分和管控，并加强数据应用的合规性管理。但目前行业存在以下问题：

一是缺少完整的互联网贷款数据。伴随着互联网金融浪潮的兴起，金融环境下个人的融资渠道已然呈现出多元化的态势。从普惠金融视角看，互联网技术为金融行业普惠发展注入了新活力，互联网金融借贷服务有助于普通个体获取所需的借贷资金。然而，也滋生了诸如P2P无证经营、违规高利贷、非法集资、企业爆雷等行业风险和乱象。对于金融机构开展信用风险防控而言，难点在于尚缺少可以查询获取网贷行为的统一网贷征信服务体系。一些并没有偿还能力或者偿还意愿的“老赖”在多个网贷平台之间借款，其产生的历史逾期信息没有被统一收集和共享，各个平台间出现“数据孤岛”的形态，无形间提高了金融机构有效识别“老赖”的成本和难度，从而使得信用风险防控面临着识别骗贷和多头共债的问题。

二是难以甄别套现灰色客群和团伙。相较于多头共债以及骗贷等信用风险高危行为，信用卡套现对于信用风险的传导作用显得较为间接。

一方面，信用卡套现客户为了能够在中国人民银行征信体系下长期使用信用卡而不产生逾期记录，一般而言其还款意愿并不低；另一方面，懂得通过信用卡套现变向获得无息贷款的客户往往深谙金融体系的“游戏规则”，利用“拆东墙补西墙”“延期还款”等方式，他们往往能够在资金短缺的情况下多“坚持”一段时间。然而，如果机构在发放贷款时完全不对信用卡套现客户进行甄别和管控，反而对其采取听之任之、甚至双手欢迎的态度，将是一种短视的发展策略。长期进行信用卡套现的客户，可能处于资金较为紧张的状态，需要通过“滚雪球”的方式不断拆借资金以谋求平衡。随着监管政策的趋严和各大行信用卡政策的收紧，一旦其无法继续拓展新的融资渠道以偿还历史借款，则可能发生雪崩效应，导致机构集体坏账，引发系统性金融风险。目前，在监管政策要求下，虽然各大银行和银联不断加强对信用卡套现行为的严厉打击，但套现现象屡禁不绝，套现手法更是层出不穷，因此在信贷业务中对于恶意套现客户的识别和风险管控的重要性已经越来越凸显。

三是国家对风控数据服务市场提出更高的合规要求。在大数据、人工智能、区块链等技术不断在风险防控领域应用普及的时代，以数据为核心驱动力的信用风险防控迫切需要更加全面、准确、合规的数据。为更好地保障公民权益，国家相关部门发布或起草了《个人金融信息保护技术规范》《中华人民共和国个人信息保护法（草案）》《中华人民共和国数据安全管理办法（征求意见稿）》等法律和规范以约束目前杂乱无章的数据服务市场。在这样的背景下，金融机构在选择数据提供方时需要严格判断合作方的合规资质，原则上合作方应获得个人直接授权，不得层层转包提供数据服务。

挖掘数据、平台及合规潜力银联具有独特优势

面对以上种种问题，中国银联在不断提升银联网络风控能力的同时，也在积极挖掘自身的数据优势、平台优势和合规能力对外输出赋能。

挖掘海量、独特、有授权的人维度行为数据。银联拥有较为全面的持卡人交易行为数据及有授权的客户绑卡信息，按照客户授权银联开展风险分析的用途，银联充分挖掘持卡人在银联网络的资金流数据，挖掘客户网贷行为等信息。银联将客户名下信用卡、借记卡交易行为充分关联，为多头共债分析、疑似骗贷侦测等提供重要数据基础。基于人卡关联，通过对本行信用卡、他行信用卡、本行借记卡及他行借记卡的卡片交易进行大数据分析，对于发卡行而言，银联可以帮助其全面了解客户使用他行卡的金融行为以及他行卡交易中间接体现的信用风险状况，从而弥补银行的数据分析短板，为其打击和防范团伙性骗贷、多头共债等风险提升能力。

银联交易网络的商户侧全面视角。基于银联对于收单机构和商户的分类分级，以及对于大商户的梳理与还原，可以弥补机构在商户侧数据识别不全的短板，为恶意套现侦测提供更丰富的数据源，实现更加精准强大的风险预测能力。在以往贷前进件审批的过程中，金融机构往往将客户还款能力、还款意愿、财富水平、社交关系纳入分析的维度，以识别“老赖”以及潜在逾期客户。若纳入银联提供的恶意套现侦测的分析结果，可以大大加深对于客户的认知程度，在原有区分“黑”客户和“白”客户的基础上，进一步将客户群体细分为“黑”“灰”“白”三类，从而影响覆盖客户全生命周期的风险管控政策，实现自身风险经营决策的利益最大化。

监管政策理解以及风险防控业务经验。在监管部门的指导下，银联基于网络内各类风险事件和相关数据，已对信用和合规风险逐步形成了分类分级标准，积累了较为丰富的风险数据和业务经验，使得银联提供的反欺诈决策分析服务具备效果更佳、更新更快、可解释性更强等优势。此外，随着“云闪付”客群的不断丰富，银联已在前端场景获得了清晰而直接的客户授权，使得合规基础得以夯实和巩固，银联风险防控服务产品在市场中的合规优势得以凸显。

银联反欺诈决策分析服务输出赋能金融机构

中国银联充分挖掘银联特色业务数据，基于有授权的人维度相关信息，通过对恶意套现的标签设计、套现团伙的分类分析、互联网共债的行为分析，借助机器学习算法形成了反欺诈决策评分及近300个关键标签，为获得个人授权的发卡银行等持牌机构提供银联持卡人的风险评分及共债或套现等多维行为标签，支持标准化模型与定制化模型的部署，已经与20余家全国性银行及金融机构开展合作和验证。

中国银联和合作银行共同开展了联合建模，K-S值已经达到0.57，可以将客户认可的定制化模型文件部署在银联环境，提供基于API接口的实时响应服务。从保护个人隐私和加强共享智能技术应用试点的角度，中国银联也正在积极探索基于联邦学习的多方联合建模，并承担了金融行业相关技术前瞻性课题的研究工作。