一、项目背景及目标

（一）项目背景：本次上报案例来源于我行在日常押品风险管理中发现的一些问题及思考

（1）从必要性来看：在今年上半年押品风险管理中发现*分行500万以上零售贷款中存在*笔授信被二押多押情形，*笔已经出现不良或风险显现；*分行出现抵押人伪造我行印章及委托书解除我行押权，导致我行丧失优先受偿权案例；上半年对九江地区开展全量押品状态风险排查发现，存在*笔押品状态不对情形，这些对我行资产存在巨大风险隐患，实现早监测掌握核实押品抵押状态，保障我行押权有效、业务风险可控势在必行。

（2）从紧迫性来看：鉴于当前经济环境下行，客户的第一还款来源不太稳定，故而保障第二还款来源的足值有效，实现押品风险的早识别、早处置迫在眉睫；

（3）从可行性来看：当前我行RPA技术与不动产数据直连技术日趋成熟，为项目提供了服务支持，经评估技术上可行。

本案例从必要性、紧迫性、可行性进行分析，通过对以往押品被二押/多押、被查封、不在押等抵押状态异常的资产质量情况进行深入分析，从加强风险识别、风险监测和化解处置等方面入手，降低我行授信业务风险，并通过流程优化为一线减负赋能。

（二）项目目标：

（1）提升风险防控水平方面。通过数字化运营模式的推广和押品状态异常图谱的构建，强化信贷资产质量，促进金融科技创新。同时，通过加强风险识别、风险监测和化解处置，降低我行授信业务风险。

1.贷前准入环节，押品状态异常识别并阻断率达到5%；

2.贷中操作环节，押品状态异常识别并阻断率达到90%（系统已识别异常的100%）；

3.贷后监测环节，押品状态异常识别并处置率达到50%，处置时限不大于7天。

（2）提升运营效率方面。利用RPA机器人及不动产中心直连模式进行押品状态异常排查，有效降低业务人员人工查询工作量，提升业务运营效率。

（3）线上化排查方面。贷后检查押品状态检查实现全线上化。

（4）提升我行数据质量方面。解决我行押品状态与不动产中心状态不一致的数据问题，我行押品状态与不动产登记中心押品状态数据一致率达到95%。

二、项目/策略方案

（一）项目的总体方案

本项目通过不动产直连技术、RPA机器人技术获取外部数据源，通过对准实时数据分析、行内外数据比对并将分析比对结论在系统展现，代替了客户经理线下渠道确认抵押品的状态信息，提升贷后管理效率。另拟通过对历史数据的统计分析，实现构建押品状态异常风险统计信息图谱，图谱信息运用于贷前审批。在放款环节增加实时查询不动产中心的的押品状态并以此作信息校验。本项目将构建一套覆盖贷前、贷中、贷后全生命周期的押品状态管理体系。

（1）贷前差异化准入风险策略：基于押品状态异常图谱，制定差异化的贷前准入风险策略。针对不同类型、区域、产品等设计个性化的风险评估模型与准入门槛，确保在源头上有效控制风险。

（2）贷中线上化押品状态管控：通过直连对接不动产中心系统的方式，在放款流程中触发押品状态确认机制。既要确认押品所关联的权证在行内系统已入库，又要确认押品在不动产登记中心的抵押状态正常。

（3）贷后数字化风险识别及监测：通过【RPA】机器人及直连系统对接方式，定期获取押品抵押状态情况，及时发现潜在风险隐患。同时将风险隐患信息纳入监测清单进行定期监测，推送至预警系统跟踪处置，有效降低缓释信用风险。

（4）建立动态监测及迭代优化：建立动态风险监测机制，全面评估与总结项目实施效果，定期更新押品状态异常图谱、优化风险评估模型、调整风险预警阈值等措施，不断迭代优化风险管理流程及技术手段。

（二）项目依托的技术和工具

（1）押品管理系统及相关信息系统

本项目主要基于押品管理系统实现数据的加工和统计分析，RPA机器人平台、不动产前置系统、互金平台、历史数据平台等提供数据通道和数据来源，押品管理系统、信用风险预警系统实现数据的应用。

（2）关联分析模型技术

为了寻找押品异常状态的关联要素，为后进一步统计分析找准方向。本项目需要运用关联分析模型技术。关联分析模型用于发现数据集中的关联规则或关联性模式。它主要用于寻找数据集中的项集之间的相关性，即一个项集的出现是否与另一个项集的出现相关。下面是进行关联分析的一般步骤：

数据准备：收集需要进行关联分析的数据集，并进行数据清洗和预处理，确保数据的质量和一致性。

确定关联规则的度量指标：选择适当的度量指标来衡量关联规则的强度和重要性，常用的指标包括支持度（support）和置信度（confidence）。

生成候选项集：根据数据集中的项，生成所有可能的候选项集。候选项集是由项的组合构成的。

计算支持度：对于生成的候选项集，计算其在数据集中的支持度。支持度表示项集在数据集中出现的频率。

筛选频繁项集：根据设定的最小支持度阈值，筛选出支持度大于等于该阈值的频繁项集。频繁项集是指支持度大于等于最小支持度阈值的项集。

生成关联规则：根据频繁项集，生成关联规则。关联规则是指项集之间的条件关系，包括前项和后项，以及关联规则的置信度。

评估关联规则：对生成的关联规则进行评估，可以使用置信度、提升度（lift）等指标来评估规则的质量和重要性。

解释和应用关联规则：根据关联规则的结果，进行解释和应用。可以根据规则提供的信息来进行推荐、个性化定制、市场营销等。

关联分析可以使用不同的算法来实现，其中最著名的算法是Apriori算法和FP-Growth算法。本项目采用Apriori算法，分析押口状态异常、贷款状态异常、押品价值异常、押品抵押率异常等因素之间的关联关系。为风险防控的针对性找准理论依据。

（三）数据来源与数据使用

本项目数据来源为我行押品管理系统中九江不动产直连推送的查封数据、日常贷后管理中客户经理披露的被二押/多押或查封数据、总分行日常监测发现的押品状态异常数据等。通过从押品管理系统中提取押品实物状态为查封/冻结明细，抵押信息中提取二押/多押明细以及导出权证对账信息台账中我行在押不动产不在押明细，并进行加工和分析，为项目实施提供数据支撑。

（四）数据分析及结论

通过从系统加工后的数据提取异常状态（二押、多押、查封、不在押）数据以及信用风险预警系统处置数据，剔除被我行查封的明细，剔除经核实为数据质量问题的不在押状态明细，剩余明细作为本次分析的数据源。经过数据整理，截止10月15日已排查发现736笔抵押状态异常的押品，共识别出678笔符合特征的异常状态押品，本项目从五级分类分布、分产品风险分布以及押品抵押率、押品的价值等方面进行分析，最终得出结论。

（1）我行在押押品被他行查封、被二押/多押，该笔授信业务将面临较大风险隐患，故我行应加大对在押押品状态的风险识别能力，发现风险信息，及时介入并采取冻结剩余额度、压降、追加担保/抵押以及其他有效管控手段，防止风险进一步扩大；

（2）从授信业务产品维度来看，二手房、易抵贷、一手房按揭、房抵贷业务为被查封、被他行二押/多押占全行押品异常状态笔数较多，一手房按揭因总量较大（全行7万余笔）导致，故二手房、易抵贷、房抵贷业务应作为我行贷前贷后重点关注产品，在贷前准入时需重点核实这几类业务客户的第一还款来源及业务真实性，同时加大贷后押品在押状态的检查频率，在贷后中应加大这几类业务押品状态查询频率，及时获取押品风险信号；

（3）从押品价值下跌幅度及押品抵押率来看，押品状态异常与押品价值变化关联度不明显，但从异常状态后不良情况来看，押品价值下跌幅度越大，不良越高，抵押率越大，不良越高。在业务准入中，应审慎评估押品的价值以及控制押品抵押率，提高客户违约成本。

（4）根据数据分析我们发现线上抵押贷款与线下抵押贷款的押品异常率呈递增趋势，说明线下办理的抵押贷款押品抵押状态异常较多，怀疑可能存在线下贷款准入不严格、准入价值偏高情况，故对押品的准入评估方式进行了调研，发现线下申请的贷款中80%以上为直接评估方式发起的估值，即业务人员自己认定的价值，根据进一步分析，发现采用直接评估方式6个月以内采用批量外数估值方式押品价值波动20%以上的占比62%，存在准入时押品价值高估问题。

三、创新点

首先利用了行内先进的RPA技术以及不动产中心直连平台，及时有效获取外部数据，减少系统间信息不对称问题；其次对获取到的数据形成预警信号推送业务人员进行风险识别，同时对数据与行内授信业务联动分析，形成一套押品状态异常图谱及优化风险评估模型；再次将数据分析及结论运用到贷前准入、贷中控制及贷后处置跟踪管理中，同时根据后期数据不断迭代优化风险管理流程及技术手段。通过数据的获取、数据分析及运用，建立押品管理异常状态全生命周期管理，有效提升押品风险管控能力及水平。

同时，本项目的实施将对我行的风险管理产生深远影响。首先，通过数字化运营模式的推广，我们将能够进一步强化信贷资产质量，推动金融科技创新。其次，通过构建押品状态异常图谱并实施差异化风险管理策略，我们将能够显著提升信贷审批与监控的效率，有效降低授信业务风险。最后，通过利用RPA机器人及不动产中心直连模式进行押品状态异常排查，我们将能够为客户经理减负赋能，提升整体业务运营效率。

四、项目过程管理

2024年5-6月，项目团队组建，并对项目的可行性等进行分析；

2024年7月，项目立项，提交需求并对需求进一步分析及开展实施；

2024年8月，实现广州地区RPA自动查询运行试点以及5家与不动产中心直连地区实现自动查询获取抵押状态信息，并对数据进行校验；

2024年9月，对第一批次上线需求进行优化迭代，实现合肥地区RPA自动查询运行；

2024年10月-12月，实现全行押品抵押状态自动化查询及对风险信息的处理；

2024年10月至后期，加大对抵押状态异常的风险识别，加大对风险处置的力度，有效降低授信业务风险，并对当前实现的功能持续优化完善。

五、运营情况

截止2024年10月15日，已实现利用RPA技术对广州/合肥地区的押品抵押状态自动获取，通过系统直连方式对九江市区、景德镇、新余、宜春以及南昌地区的押品抵押状态自动排查，截止10月中旬已排查发现736笔状态异常，已联动推送预警系统触发待办信号，由机构及时识别风险，并对存在风险隐患的及时采取有效管控措施，同时将获取到的异常抵押状态的信息建立押品抵押异常监测表用于日常监测。另外在贷前管理方面，通过对异常该估值流程提级审核、加大对外部估值数据的运用、提高对“老破小”等住宅类押品的准入门槛等，提升业务准入质量，通过在新增业务押品引入端增加押品状态异常校验、对循环贷款再次出账环节增加押品状态异常校验，防止风险进一步扩大。

六、项目成效

经过1个半月的运行，在提升贷前准入质量方面，否决216笔疑似高估业务，阻止28笔准入高估高贷问题，成功控制822万风险新增；在控制贷中风险审查方面，通过对65笔疑似高估且抵押率大于80%的授信业务风险评估，成功冻结1223万元可提授信额度；通过对存量736笔押品抵押状态异常，拦截评估价值16.7亿元的押品再次引用，冻结7290万可提授信额度。在推动贷后风险处置方面，目前共计阻止9335万元授信风险的进一步扩大，按照查封不良劣变率48.9%，二押/多押风险劣变率32.26%计算，预计防控3495万元逾期不良的风险，如按照风险处置率5%计算，预计提前化解174万的不良。

七、经验总结

本项目通过RPA机器人以及不动产直连技术，获取外部数据信息，提高工作效率的同时极大的降低我行人工成本，同时获取风险信息以便及时采取有效管控手段，提升整体贷后风险管控水平。