专题 | 基于大数据和人工智能的零售信贷资金监管实践

金融是实体经济的血脉，为实体经济服务是金融的天职和立业之本。中央金融工作会议提出要坚持把金融服务实体经济作为根本宗旨，疏通资金进入实体经济的渠道，有效防范化解金融风险。当前，金融机构纷纷加强对重大战略、重点领域、薄弱环节的优质金融服务，信贷支持力度不断加大，而如何确保信贷资金顺畅、规范地流向实体经济，成为需要金融机构重点关注的问题。特别是监管机构高度关注信贷资金违规流入股市、房地产市场等风险领域，重拳频出。为深入贯彻落实中央精神和监管要求，兴业银行青岛银行将金融风险防控与数字技术有机融合，以数据为关键生产要素，打造智能化零售信贷资金监管体系，精准监测并阻断信贷资金违规流向，赋能信贷业务健康发展。

零售信贷资金用途监管现状

随着金融机构数字化转型的全面开展，各类线上化信贷产品层出不穷，尤其是零售信贷类产品，各金融机构多以便捷、灵活为营销卖点，精准对接零售客户多样化的资金使用场景，然而信贷产品的多样化和复杂性也悄然给不法分子开辟了可乘之隙，使得信贷资金用途及流向监管变得更加复杂。

1.信息不对称

信息不对称是零售信贷资金监管的一大难题。尽管金融机构在贷前调查阶段对借款人进行了严格调查和评估，但仍不乏借款人试图通过隐瞒实际经营状况、虚构交易行为等手段，掩盖真实资金用途。金融机构难以全面获取借款人真实信息，且在信贷审批和贷后管理过程中，金融机构往往需要依赖第三方数据源，比如工商数据、征信数据等，以期构建更为完整的借款人画像。然而，这些数据可能存在准确性不足或信息滞后的局限性，进一步加剧了信息不对称，导致金融机构难以实时监控借款人的资金流向和用途。

2.监管手段有限

零售信贷业务具有小额、分散、交易频繁等特性。金融机构对零售信贷资金用途的监管手段相对有限，传统方式包括资料审核、面谈调查、现场检查等人工手段，人力成本较高且效率低下。随着数字化转型浪潮的推进，各金融机构积极探索和应用技术手段提升精准防控能力。其中，最常用的方式是构建风控模型，但多数为基于规则驱动的专家经验模型，虽然这类模型可以在一定程度上管控较为明显的资金用途异常，但随着各类异常资金行为的演化，其局限性也愈发明显。受限于可用的数据维度较少，专家经验模型识别覆盖率有限，需要频繁迭代才能满足新的监管要求和异常监测规则，这无疑为金融机构带来较大的研发压力。

3.风险防控及客户体验不平衡

商业银行应始终秉持着服务广大客户、实践“人民金融”的核心理念。近年来，随着各类风险防控措施的不断加强，各类风险防控措施在实践中给客户服务带来负面体验的现象时有发生，甚至给金融机构带来严重的负面舆情影响。因此，在零售信贷资金用途监管方面，金融机构要准确把握风险防控和客户服务之间的平衡。尤其是在监控模型搭建方面，金融机构更应重视模型覆盖的全面性和精准性，在严控风险的同时，减少误判、漏判，避免因为风险防控给人民群众带来不必要的负面体验。

零售信贷资金监管实践

1.建立智能风险防控体系

依托大数据和人工智能技术，打造贯穿贷前、贷中、贷后全生命周期的智能风险防控体系，嵌入信贷产品设计流程，既有效实现信贷资金异常流向的智能预防和监测，又为客户提供更优质全面的金融服务体验。

（1）贷前风险前瞻洞察。在传统零售信贷资金用途监测模式中，多聚焦于贷中和贷后，此时多数风险已经显露，仅能采取事后弥补的措施防止风险进一步扩大。与传统零售信贷资金用途监测不同，智能风险防控体系将贷前风险感知作为风险防控的重要环节，强调在风险萌芽阶段实施有效干预。通过多源采集内外部风险数据，深度提炼异常风险特征，构建异常风险数据库，在客户发起借款申请时便介入干预，实现风险的早期预警和阻断，降低风险发生的概率。

（2）贷中异常动态监测。通过客户行为分析，构建资金追踪模型，涵盖多级交易、受托回流、大金额回流、他人还款等异常资金行为，旨在精准捕捉资金流向中任何异常迹象。针对资金流向异常风险进行阻断，有助于商业银行全方位、深层次洞察资金流向和用途，为加强资金流向监测和确保资金用途真实性提供有力支撑。

（3）贷后模型持续优化。有效的风险防控是不断演变的金融风险与持续防范策略的动态博弈，零售信贷资金用途异常监测也是如此。通过不断梳理新的资金流向异常行为，结合机器学习等技术，挖掘各类风险特征，从而实现监控模型的迭代优化，完善风险防控体系。

2.加强数字化技术应用

通过大数据技术整合多维用户数据，利用图数据库模型精准刻画用户交易流向关系族谱；基于机器学习算法构造特征方阵，强化智能风控模型；利用知识图谱建模，最终达成流水、可疑点可视化呈现的效果，有效识别贷后资金的违规流向、贷款用途。

从数据入手，采用HDFS、HIVE等大数据技术，建立涵盖客户身份、行为信息、风险状况和交易环境的贷后风险知识库，夯实贷后资金监测分析的数据要素基础；经过数据处理形成基础数据表，并划分公共信息、客户信息、卡片信息、会计记账信息、信贷信息、表内外担保信息等六个模块；基于加工完成的数据，开展模型搭建。最终根据模型输出疑点结果表、资金追索中间表，依托数据中台，生成最新疑点数据，向下游推送。

在可疑点监控领域，为了解决传统专家经验模型的知识更新缓慢，无法满足异常资金行为不断演化的场景，采用机器学习算法辅助专家模型规则的形式进行模型优化，覆盖资金流向异常、资金归集、资金回流等重点领域，有效提升监测模型的智能化水平。

采用知识图谱建模的方式更形象地表示交易流水，首先在数据中获取贷款、客户、流水等所需知识，通过知识建模，确定图谱节点、关系、属性等要素，并对风险的流水进行特殊标记，使风险交易记录在图谱更加醒目。剔除图谱中冗余和错误的概念、关系，提升知识图谱的质量，最终利用界面可视化技术生成贷后流水的知识图谱。

3.构建可视化监控平台

搭建信贷资金AI智能监控平台，可视化展示金融机构各类关键信息，实时预警异常贷款信息，显著提升零售信贷资金流向异常监管效率。

平台集成智能化“数据驾驶舱”，实现多元化数据的集中整合，直观呈现相关数据统计概览。数据大屏详尽展示总体贷款、新增贷款、符合特定规则的贷款等信息，并通过多样化的统计图表，精准描绘贷款信息各维度占比，为管理层提供全面、细致且准确的数据洞察视图。

在实时监控与预警方面，平台依托先进的资金监控模型，紧密追踪业务指标的动态变化，一旦发现资金流向异常，立即触发预警机制，确保业务人员能迅速掌握风险信号，并指派人员跟进处理，通过及时介入与有效应对，将信贷风险的影响范围与程度降到最低。

零售信贷资金监管是一项长期而复杂的工程，在日益复杂的金融环境中，唯有不断强化风险防控的精度与效率，方能守护金融安全的底线。兴业银行青岛分行坚持科技赋能，以“数据”驱动风险防控机制创新，持续完善智能风险防控体系，不断提升金融服务效能，为金融市场的健康发展贡献力量。

（此文刊发于《金融电子化》2024年9月下半月刊）