一、项目背景及目标

为提升我行自主风控能力，更好满足个人消费信贷需求，提升金融服务质量，我行积极与同业、卡组织、合作平台、数据厂商等开展生态合作，广泛引入外部数据，通过运用大数据分析、机器学习技术等，重点打造以人行征信、公积金、银联交易等数据为基础的信用评分模型集群体系，推进个贷风控基石底座建设，并将其广泛应用于个人消费贷款领域，为个人消费信贷业务高质量可持续健康发展保驾护航。

个人消费贷款是金融机构向消费者提供的以个人消费为目的的信用类消费贷款服务。其中互联网消费贷则是通过互联网、大数据，将个人消费信贷业务实现部分或全部职能的线上化处理，其主要特点是无担保、无抵押、短期小额，且线上实现对大数据风控能力要求较高，从风控角度，根据监管要求，银行要做到独立自主风控。

目前，各家同业银行、消费金融公司等均有推出类似的消费信贷产品，市场竞争激烈，如何在激烈的市场竞争中占据一席之地，同时又保证业务健康发展，是各家银行、消费金融公司面临的首要问题，因此对银行消费信贷业务的自主风控能力提出了要求。

本次项目旨在通过运用大数据分析、机器学习技术，开发基于征信数据、第三方外部数据等的客户层级信用评分模型，以便支持我行未来新产品和新客群的引入；同时重点打造以人行征信、公积金、银联交易等数据为基础的信用评分模型集群体系，建设个人信贷风控基石模型底座，提高我行在客户级、产品级的信用风险识别度和处理速度，以便促进信贷资产高质量发展和提升服务效率。

二、创新点

一是服务模式创新，构建数据-模型-策略闭环，提升自主风控能力。数据方面，基于银联底层交易数据、征信数据和公积金数据，构涵盖资产、收入、借贷、消费场景等衍生变量；模型方面，围绕不同信贷产品客群，采用逻辑回归和XGB集成算法回溯建模，在测试集和跨时间样本集上均表现优秀；策略方面，运用融合评分矩阵、决策树规则等迭代优化花呗、信用卡和恒信易贷等风控策略，识别防范风险。

二是风控流程创新。贷前环节，在前端信用卡系统和个人信贷系统受理客户信贷产品申请后，由风控处理平台收集整理行内外数据，包括通过外部数据平台实时调用基石底座数据产品，根据准入策略和授信策略完成客户准入和审批；贷后环节，按照业务需求，定期对存量信贷客户调用基石数据产品，识别发现潜在风险客户，触发风险预警策略，采取降额、清退、持续跟踪等。

三、项目技术方案

本项目按照“信贷画像数据→特征工程应用→信用模型应用”的链条展开规划并逐步实施，具体内容如下：

①信贷画像数据：个人信贷客户画像的数据主要有六大类：自然属性、行业属性、金融属性、资产属性、社交属性、兴趣属性，国内银行在贷前信用评估中普遍应用客户的上述大部分属性。本项目在上述数据的基础上，通过与银联等开展联合建模，引进银联60000+交易特征数据，形成信贷画像数据。

②特征工程应用：特征工程是将原始数据转化成更好的表达问题本质的特征的过程，目前国内外常用的技术方法包括：特征变换、特征交叉、特征压缩、特征选择等。本项目运用聚合、组合、变换等方式，并考虑机构属性、时间趋势、关联关系等方面，充分挖掘变量价值，形成建模特征宽表。

③信用模型应用：在信贷模型评分应用方面，因逻辑回归算法的可解释性和稳定性优势，被各家银行广泛应用，消费金融公司和小贷公司则会尝试更多应用预测精度更高的集成模型（如lightGBM，XGB，以及多算法融合等）。本项目运用机器学习算法筛选模型变量，并在建模阶段综合逻辑回归、XGBoost等机器学习算法构建集成模型，完成客户级通用模型1个，外加针对我行个人信贷产品的花呗、信用卡、恒信易贷3个模型。

四、项目过程管理

2022年8月，项目启动，成立项目组；

2022年8月-2022年11月，模型体系设计与开发；

2022年11月-2023年3月，风控策略设计与评审；

2023年4月-2024年5月，花呗、信用卡、恒信易贷等产品风控策略业务投产应用。

五、运营情况

项目应用和推广方面，2023年依托基石模型集群体系，以及持续联合运营，我行花呗联合贷款产品实现三批次共500万新客准入，并为405万存量优质客户提额，同时识别潜在高风险客户，清退81万户，降额19万户，总体实现花呗余额全年新增20.26亿元，23年年化不良下迁率3.19%，较上年末下降2.17百分点。此外，信用卡优化后的模型策略支持减少人工审批量18%，整体通过率从22年的13.32%，提升至21.63%，当年新发卡客户当年不良率0.47%，较22年下降0.52个百分点。

六、项目成效

从社会效益来看，促销费是当前宏观经济政策的重要发力点，而银行消费贷在其中的作用至关重要，依托大数据实现实时精准风控，有助于积极拓展新型消费领域场景，提高人民对消费金融的可得性和便利性。由于零售信贷对银行自主风控能力要求较高，因此个人信贷风控基石模型体系的搭建，有助于提升银行自主风控能力，增强提升银行抗风险能力和盈利能力，保障金融安全。

七、经验总结

在建模数据方面，对比银行同业看，除客户自身属性外，个人信贷风控主要依赖人行征信、司法、多头、偿债能力等数据，对行为数据采集和挖掘应用不足，我行作为银行机构，首次引进银联交易数据并构建定制模型评分，建立的模型排序能力、区分度均表现优秀，填补此类数据在该应用领域的空白。

在信贷模型评分应用方面，因逻辑回归算法的可解释性和稳定性优势，被各家银行广泛应用，消费金融公司和小贷公司则会尝试更多应用预测精度更高的集成模型。我行在银行贷前信用评分普遍应用逻辑回归算法背景下，探索运用集成模型算法筛选模型变量，并在建模阶段综合逻辑回归、XGBoost等机器学习算法构建集成模型，极大地提高了预测的精确度。