2017年6月30日，今年前半年的最后一天，“老穆和他的朋友们”隆重推出的大咖问诊室节目第一期正式上线，由我们群里两位风险大咖为大家提出的日常业务中所关心的风控问题一一做出了解答。这种模式的推出，彻底改变了原有的分享嘉宾一人分享的方式，变成了大家的共同参与，在一个多小时的时间内，大家一起学习、一起分享，提升了见识和知识，也感受到了大咖的实力。为了能够让大家对分享的知识进行系统的再次学习，我们特意将分享内容进行了编辑，在公众号里进行传播，希望大家能够喜欢。废话不多讲，精彩实录内容马上呈上。
1、我们今天的第一个问题，从一个快乐的问题开始回答。
问：风控到底是Risk management还是Wind control?
答：这个问题本身的答案，我想大家都很清楚的，只是一个搞笑的梗而已，而实际上，我也想讲一讲风险控制与风险管理的话题。
风险控制：顾名思义是要讲风险控制在一个合理的范围，其核心思想就是控制。
风险管理：重点在管理，是一个经营风险的概念。
业内常讲风控是网不是墙，也有著名的《窗户理论》。其实都是阐述这个理论。风控是服务与业内而创造的，这两点并不矛盾，只是殊途同归。
在这里我给大家讲一个例子，是信用卡模型中的一个小案例：
客户A：本市人，水利局某主任科员，45岁，女，月薪8K，社保可查，本科，已婚，有房，有车。
客户B：外省人，某贸易公司业务员，24岁，男，月薪2.6K+1K提成，无社保，中专，未婚，无房，无车。
在符合核准政策的情况下，对二人的授信孰高孰低？
按照传统观点，我们会认为，资质更好的A客户理应获得更高的授信额度，因为她的收入高，又足够的稳定，无论是偿还能力，环视偿还意愿，都是具备明显的优势。
然而，实际上，这只是风险控制的思路，而不是有效的风险管理。在风险管理的角度上，我们该如何看待这个问题呢？
首先，我们从信用卡的受理分配来看，信用卡只有支用才会产生收益，因此，客户的价值并不是单一的看收入和稳定。那么谁爱花钱呢？女人比男人更爱花钱，也容易冲动消费，这个观点有道理，但不是全对。客观来讲，女人更爱花男人的钱。而一个二十出头，尚在择偶阶段的男同志，更心甘情愿滴为女生买单。一个初入社会，又急需在女友面前证明自己的最简单粗暴的办法就是买买买。我们可以预判到，收入不高，又有强烈的消费需求的小伙子，必然会选择分期，最低还款等等方式，甚至会因为拮据，而产生短期的逾期。这相比一个花钱谨慎，又从不会欠款的客户来讲，其收益价值的优势是明显的。通过合理释放一定的风险，获得更大的收益，这就是风险管理与风险控制的区别。
2、 消费分期车辆贷款这个业务里面。有的资方会故意给一些逾期风险的客户进行放款，然后又用收车的方式提高利润，这算不算是风险控制呢？
回答1：这个问题，并不是风险控制问题，应该是职业道德问题，风险管理的目的是为了获取合理的收益，而以收车为目的的操作，显然是超出了这个范围。
回答2：风险管理还是讲平衡，对于资方会故意放款给一些有逾期风险的客户，然后又以收车的方式提高利润的，应该源自信用卡的手法。
3、车贷业务，应该侧重风险控制还是风险管理的能力？
回答1：风险核心取决于风险报酬，也就是在可控风险的情况下，资本的盈利状况，所以风险不是简单的控制风险，而是管理风险，实现风险收益。
回答2：我认为车贷业务，风控也好，风管也好，是要结合产品而定的，要看我们的客户群定位。
4、谈谈逾期率的计算
回答：我们属于监管机构，我们的计算按照监管的标准。对于不良率，我们会按照监管要求对资产进行五级分类，对于后三类分为不良贷款，那么不良贷款率也就是不良贷款金额/总贷款余额。但是大家注意的是，不良率根据各个机构的不同，会略有差异。一般来说，银行业机构到不良都是逾期60天以上，也有90天的，只要银监局通过，都没毛病。个贷的分类，银行也有使用多维矩阵的，汽车金融公司目前看，基本上都已逾期时间作为维度进行划分，一般我们看到的也就是这个数。行业一般说成M0，M1，M2,也有直接说30天以上逾期率或者90天以上逾期率的说法。我就讲一下我一般看到的简要的说法，供大家参考，具体的计算，根据各家的不同，可能也有有一些差异。信用卡也好，还是其他机构也好，有一些为了给客户提供便利，一般提供一段时间的宽限期，3天居多，也有更长时间的，有一些机构会有0-30天逾期率，一些会用4-30天逾期率，实际上道理都有一样的，0-30天逾期率一般为：0-30天的逾期金额/总放款金额。这边用放款金额较多，也有用贷款余额的，部分机构，也会还原核销。
5 、60或90天设置的初衷会有什么差异呢？
回答1：60天或者90天设置的初衷，我觉得有两个：
1）监管要求。
2）可以利用滚动模型计算
分类的核心，是损失，在监管要求下，不良到次级，至少25%的损失，如果
采用滚动模型，根据各个公司的不同，也会的到不同的结论。譬如融资租赁，我虽然没有经历过，但从了解的资产质量看，如果在61-90，计提25%的损失，肯定的远远不够的。不良率的目的，是为了衡量资产质量。银行很多用11级分类，都是为了更客观衡量资产可能未来损失情况，如果合适的话，用滚动率模型推算的损失，会比不良更可靠。
6、在设计风控模型时应突出哪些方面，需要注意的要点有哪些？
回答：风控模型的设计根据企业性质不同，需求不同及阶段不同，分为很多形式。今天我们选择最为普通的一个角度来看，基本是受国外成熟经验熏陶生成的决策树+评分卡+反欺诈模式。
OK，那我们来分析一下这个模式。
1）决策树
我一直认为，决策树的建立，有最为重要的3个前提才可以考虑去做。
a是企业可提出清晰的风险喜好;
b是产品明确的划出目标客群;
c是足够支撑模型的基础数据与风险样本。
2）评分卡
关于评分卡，我们主要谈一谈A卡关注的变量，一般来讲模型中的效果随着变量及维度的增加而逐渐精准，但这个过程中，效果在一定的增量后是有必然的递减的。我认为，变量的选取，13-15个是相对高效的，而当变量超过24个的时候，其价值与成本就会出现逆差。
3）反欺诈
我认为，反欺诈存在三种模式。
a是贷前反欺诈团队，是风险审核的专项团队，其作用是针对命中风险逻辑的客群做专项审核，从而确认欺诈风险，发现欺诈手段，保障资产安全。
b是反欺诈逻辑，也就是反欺诈方案设计工作，这步的实现，需要系统对数据的积累，需要工作人员掌握数据之间关联关系发现并将之不断挖掘，同时，也需要合理的KPI方案，引导审核人员重视作为工作中对欺诈类风险的关注，从而为数据提供更多的风险样本。
c是欺诈调查岗的设立，作为贷后管理中的反欺诈一环，其作用是区别于催收团队的，他的价值在于，发现并挖掘欺诈手段的迭代，提供更好的解决方案，为现有反欺诈作业提供有价值的改善依据。
当然，除上述这些内容，大数据应用，机械学习原理，系统的稽核方案，多方位的在线侦测手段等，都可以作为风控模型中的重要工具，不断去完善风控的体系建设。
7、请问前段时间特别火的AI干掉风控人员，这个咋看呢？这些风控模型不断完善和建立，我们的人工信审后期的方向是什么？
回答：在近期我觉得不会产生这个情况，我从几点说一下看法：
1）有的机器学习，开始是有规则，或者数据，然后建模，迭代，不断优化，在目前的情况下，不支持AI替代人工审批。
2）在客户群体稳定的情况下，固定场景，也许可以实现很多自动化审批，需要看风险承受能力，现金贷可以大规模自动审批，他的风险承受能力也要很强。
所以我觉得AI替代人工审批，在一些场景下会可以，或者在未来一段时间，有部分可以替代。但我觉得在复杂场景，客户群体比较分散没有集中度的情况下，人工审批比机器审批靠谱得多。
联系客服
