大数据在互联网金融企业风险控制中应用研究——以M公司为例

摘要

中国自改革开放以来所建立的金融体系以银行、保险、基金债券为主，在银行体系下面结合信用社、城乡银行为辅金融生态体系。自20年世纪90年代以来、随着互联网技术的迅速发展、手机移动技术的越来越成熟、国家政策对网上虚拟交易的政策扶持和信息安全技术的逐步提升。中国第一家网上银行是招商银行在1997年开通的“一网通”。小微企业、企业员工及有资金需求的主体对于网络借贷、P2P、抵质押等业务借助互联网的蓬勃发展日益进入平常百姓生活之中。并且网上银行时代的来临也极大的拓展了中国小微企业、消费者个体的资金需求渠道，极大的解决了这些借款主体资金融资难的问题。
　　由于互联网金融业务形态是线上线下形式皆有，线下贷款主要是借款人提供证明材料亲自到贷款柜台、亲笔签名审核合格后银行在一定周期内给予房贷，现场提交的面签材料包括但不限于身份证、中华人民共和国房屋所有权证、机动车辆登记证、人民银行个人征信报告详版、人民银行机构征信报告详版。此外有些贷款是无抵押贷款的信用贷款;另外一种方式是纯线上信用贷款主要形式是小额分期，具有周期短、资金回笼快等特征。
　　互联网金融发展“一日千里”的速度给传统金融风控体系带来挑战，衍生出各种金融诈骗已经成为金融领域的一大公害，金融诈骗活动网络化、团队化、专业化明显，且欺诈的频次和金额正不断攀升(杜冰2015)。在这些互联网金融阶段过程中风险控制最核心的部分就是信用审核，尤其是无抵押信用贷款、借款人往往利用信息不对称，伪造相关证件骗贷，给贷款金融机构带来极大的风险。
　　本文主要研究领域就是如何借助大数据技术、信用评分卡模型、风控技术去降低消费金融公司、网上银行、网络小贷公司在贷款全流程环节的风险，确保公司经营健康发展。在研究过程中结合M公司实际经营案例、国外发达国家大数据风险建模技术在互联网金融风险控制领域应用、大量参考阅读国内外知名学者发表的文献、期刊。采用的研究方法主要有归纳演绎法和案例研究法，对国内互联网金融领域的消费金融信贷大数据风控技术进行研究。结合信贷风控大纲、信用评分卡筛选出跟信用评分卡强相关的特征变量、采用统计分析算法进行信用评分卡模型开发、从而掌握在不同城市、不同金融产品风控流程环节点的风险规律，制定相应措施降低避免欺诈、法律、政策等不同风险。供同行业企业结合自身的战略定位、规划出符合自身业务发展的风控政策、流程和搭建大数据风险评分卡平台。
　　本文结论是，随着监管政策的越来越规范，过去的风控裸奔、跑马圈地的无监管时代已经不复存在，企业比拼的核心竞争力必然转变为风险控制、大数据技术、人工智能技术的应用，互联网金融企业谁使用大数据技术把控住风险，谁就占领了战略制高点。

目录

声明

摘要

第一章 绪论

1．1 研究背景与意义

1．1．1 研究背景

1．1．2 研究意义

1．2 研究目的与方法

1．2．1 研究目的

1．2．2 研究方法

1．2．3 研究技术路线

1．3 本文研究主要内容

1．4 本文的主要创新点

第二章 大数据风控和互联网金融的相关理论基础

2．1 大数据概念及内涵

2．2 互联网金融概念及内涵

2．3 互联网金融企业风险

2．4 大数据消金信用评分卡模型

2．5 国外发展现状研究

2．5．1 美国大数据信用评分发展现状

2．5．2 欧洲大数据信用评分发展现状

2．5．3 亚洲大数据信用评分发展现状

2．6 国内发展现状研究

2．6．1 中国的大数据信用评分发展经历

2．6．2 中国大数据信用评分评级的对象

2．6．3 中国大数据信用评分面临的困难

第三章 大数据在信贷风控全流程的应用

3．1 信贷风控流程

3．2 大数据在信贷流程环节中应用

3．2．1 申请环节大数据应用

3．2．2 审批环节大数据应用

3．2．4 放款环节大数据应用

3．2．5 贷中客户管理环节的大数据应用

3．2．6 贷后逾期催收与转卖环节大数据应用

3．3 风控各流程节点信用评分卡模型

3．3．1 申请环节评分卡A卡

3．3．2 审批环节评分卡F卡

3．3．3 贷中客户管理信用评分卡B卡

第四章 M公司大数据风控应用案例介绍

4．2．1 房屋抵质押贷款风险

4．2．2 汽车抵质押贷款风险

4．2．3 个人信用贷款风险

4．3 M公司风控政策

4．3．1 借款人资格

4．3．2 借款人应提供的资料

4．3．3 尽职调查

4．3．4 贷款抵押特定资料

4．3．5 借款金额

4．4 M公司信贷风控流程

4．4．1 贷前风控流程

4．4．2 贷中风控流程

4．5．2 M公司信用评分表

4．6 基于信用评分的大数据风控平台

4．6．1 大数据平台信用评分风控数据源

4．6．2 M公司信用评分卡建模步骤和流程

4．6．3 M公司的信用评分卡模型介绍

4．6．4 申请评分卡模型验证与分析

4．7 大数据给M公司带来的提升

4．7．1 支撑集团战略落地

4．7．2 风控审批效率更便捷

4．7．3 反欺诈能力大幅提升

4．7．4 营销更精准和客服更智能

第五章 结论与展望

5．2 研究展望

参考文献

致谢