銀行的風控，經歷了從傳統模式到智能風控，再到數字化風控的進化過程。不同的風控模式有不同的特點，本文作者對這三大風控模式的特點進行了總結分析，一起來看一下吧。

銀行的風控，經歷了從傳統模式到智能風控，再到數字化風控的進化過程。相對于傳統的風控手段，大數據風控體系的數據來源更廣、維度更多，決策審批過程自動化程度更高，基于算法構建的模型更客觀公正。這些特點既成為了大數據風控的優勢，也為大數據風控領域構筑了很高的技術門檻。

通過人工智能、大數據、云計算等新技術，傳統金融機構對借貸中各環節進行優化，包括傳統風控中的金融數據，以及對借款申請人還款能力和還款意愿的風險特征進行描述。通過大數據，將多個維度的數據，例如消費、社交等進行分析整理，以此達成金融新型風險評估模式。

以此，金融機構可以不單一依賴于傳統的金融信貸數據，并且可以對征信白戶，即沒有任何信用記錄的人群進行風險審查，進行定價，進而提供金融產品和服務。

一、傳統風控模式

傳統風控的做法更多是基于專家經驗的人工審批，依賴于審貸官對材料的理解與把握，并給出最終意見。假設有兩筆貸款同時審批，那么審貸官會根據經驗，基于排序做出相應決策，很快得出結論——甲貸款要優于乙貸款。

如果更進一步，請審貸官詳細說明，甲貸款比乙貸款風險低多少，甲、乙兩筆貸款的風險分別處于什么水平？審貸官就很難給出精確回答了。這有點類似大腦在處理一些模糊信號的時候，我們雖然能夠做出評估排序、對比排序，但是很難做到足夠精確。

傳統的風控模式包括信貸工廠、IPC技術模式、臺州模式以及巴塞爾協議模式等，下面我們簡要回顧一下。

1. 信貸工廠模式

信貸工廠模式，是指銀行在授信業務管理時，通過設計標準化產品和流程，統一規范不同信貸產品的信貸作業過程，類似于工廠“流水線”，主要強調全流程風險管理。從前期接觸客戶開始，到調查、審查、審批，貸款發放，貸后維護、管理以及貸款的回收等工作，均采取流水線作業、標準化管理。

這一模式原本起源于新加坡淡馬錫模式。淡馬錫公司成立于1974年，是由新加坡財政部監管、以私人名義注冊的一家控股公司，淡馬錫公司在對中小企業授信管理過程中，開發出了一種批量化生產中小企業融資產品的運作方式，被業界稱作淡馬錫模式、信貸工廠模式。

該模式的出現，主要是為了解決中小企業的融資問題，信貸工廠模式適用于批量化作業的各類信用貸款領域，從個人消費到小微企業經營均可使用，應用空間比較廣闊。

信貸工廠模式的優點如下：

1）責任落實到位

在信貸工廠模式下，作業被切割成最小單元，每個參與人員都能熟練從事崗位職責內工作，責任可以落實到個人。

2）規模效應凸顯

由于個人負責的工作領域極度細分，使得工作效率大幅度提高，規?；靡燥@現，從而提高利潤率。

3）“四眼”交叉驗證

在貸款辦理過程中，客戶經理、審批人員和貸后管理人員分工明確、各司其職，對于同一筆業務，可以從不同角度進行交叉驗證，有效遵循四眼原則。

4）提升工作效率

客戶信息被錄入信貸系統后，自動評分、自動審批；客戶經理也可以根據評分卡結果，篩選符合本行風險偏好的優質客戶，既節省時間，也可以避免做無用功。

5）迅速搶占市場

對于異地客戶，也可以做到依靠系統自動審批處理，審批時間快，客戶體驗好，有利于迅速拓展客戶并搶占市場。

信貸工廠模式的缺點如下：

1）資金投入多

銀行開展信貸工廠模式，前期需要投入大量成本，包括平臺搭建、客戶評分模型開發或者其他針對性的研發。

2）人員成本高

該模式需要的崗位較多，在實際管理上難度很高，相應的人力成本也很高。

3）風控要求嚴

該模式不能做到對每位客戶精細審查，對整體風險監控能力以及壞賬的處理要求都比較高。

2. IPC技術模式

理調查走訪、信息交叉驗證等方面進行培訓，提升客戶經理辨別虛假信息能力和編制財務報表的技能，防范信用風險。

核心主要為三方面，一是考察借款人的償債能力；二是衡量借款人的償貸意愿；三是公司內部操作風險的控制。IPC模式的創新之處在于，銀行風險把控的側重點，是關注借款人的還款意愿、企業的經營情況以及現金流，而不是根據客戶資產價值評估等因素決定。

IPC技術模式的優點如下：

• 專注業務：銀行能夠專注于貸款業務本身，微貸額度較少，資金挪用可能性較小。
• 管理精細：客戶經理對每戶貸款都可以做到逐筆調查，精細化管理。
• 信息對稱：客戶經理從貸前決策到貸后管理全程參與，信息對稱程度高。
• 風險定價：該模式能夠做到根據客戶不同資質進行風險定價，利潤回報率較高。
• 方便快捷：該模式的貸款方式較為靈活，適合不同的企業選擇。

IPC技術模式的缺點如下：

1）人員數量多

采用單戶調查和分析的方式，依賴大量人才支持，銀行必須不斷做好信貸人員招聘與培訓工作，充實一線隊伍。

2）服務單一化

該模式無法為客戶提供全面金融服務，市場競爭能力較弱，不利于鎖定客戶。

3）工作效率低

該模式逐筆操作業務，在走訪客戶時有需要大量時間，放款周期長，跟蹤效率低下，規模增速較慢。

5）道德風險大

決策過于依賴客戶經理自身判斷，很容易產生道德風險。

3. 臺州模式

小微貸款、普惠金融等市場領域，臺州作為我國小微金融發展的標桿地區，在長期發展過程中取得了重要成就，逐步形成了頗具特色的臺州模式，在國內外金融市場的沖擊下其發展也面臨著巨大的壓力和挑戰。

臺州模式的特點如下：

• 泰隆銀行：形成了以“三品、三表、三三制”為特色的小企業金融服務模式。
• 臺州銀行：探索出“三看三不看”的風控技術和“下戶調查、眼見為實、自編報表、交叉檢驗”的信貸經驗。
• 民泰銀行：形成了“看品行、算實賬、同商量”的風控“九字訣”特色做法。

臺州模式面臨的挑戰如下：

1）個性服務供給偏少

面向小微企業信貸產品雖然眾多，但產品功能單一，地方性、區域性特色小微金融服務產品創新較少。

2）技術賦能有待提升

小微金融機構亟需科技賦能，打造線上融資產品體系，提高服務效率和降低運營成本。

3）復合人才集聚不足

臺州金融人才結構不合理，單一專業人才偏多，跨專業復合型人才少，尤其是對國內小微金融市場和業務熟悉的人更是偏少。

4. 巴塞爾協議模式

傳統銀行以巴塞爾協議為基礎開展相關風控工作，可稱之為“巴塞爾模式”。從1988年的巴塞爾協議Ⅰ到2001年的巴塞爾協議Ⅱ，直到2010年推出的巴塞爾協議Ⅲ，最終要求銀行進一步明確資本定義，擴大風險覆蓋范圍并加強交易對手信用風險管理。

在巴塞爾協議模式中，信用風險主要以PD（Probability of Default，違約率）、LGD（Loss Given Default，違約損失率）、EAD（Exposure At Default，違約風險敞口）、期限、相關性等計量方法為核心來計量。

巴塞爾協議模式的優點如下：

• 全面風險管理
• 涵蓋信貸業務等各類風險
• 具有可實施的風控計量體系和方法

巴塞爾協議模式的不足如下：

• 實施巴塞爾協議需要監管機構審批
• 雖然內部計量模型依靠銀行自身數據，但是其局限性極易導致估計偏差
• 對于金融創新監管沒有實時更新和統一的方法

二、智能風控模式

從線下到線上，從因特網到移動互聯網，隨著時代的不斷發展，銀行風控體系也在不斷演變。起初，銀行人工審核辦理信貸業務，后來逐漸引入系統輔助，完成了從人工審批到自動審批的進化。

隨著大數據的發展，更多弱變量加入風控體系，替代了原先的單一強變量風險評估，完成了自動化到大數據的進化。在互聯網與移動互聯網時代，新型欺詐手段層出不窮，人工智能技術催生大數據向智能化的演變。

智能風控技術是銀行在自動化、大數據、云計算、人工智能、區塊鏈等金融科技應用的基礎上，逐漸發展而來的。與傳統風控相比，在以下方面具有鮮明特點。

智能風控的優勢如下：

• 大數據平臺是基礎：為數據模型與風控策略提供高質量數據保障。
• 決策引擎是媒介：為數據模型與風控策略提供高效部署能力。
• 智能模型是大腦：將原始數據提煉為規則集，實時預測風險水平。

智能風控的不足如下：

• 與傳統業務匹配度低，業務人員難以理解和應用。
• 傳統風控制度，與智能風控方式仍存在一定矛盾。
• 經驗驅動的傳統風控，與數據驅動的智能風控難以相互融合。

三、智能風控與傳統風控

與傳統風控模式側重專揀經驗不同，智能風控更多的是以量化模型和基于數據分析的策略為主，不僅能夠對每個申請的好壞進行對比和排序，還能進一步說明每一筆申請的風險在什么水平、PD是什么水平、LGD是什么水平。在這個基礎上我們就不僅能做審批，還能夠做精確的風險定價等更多的工作。

具體而言，兩種風控模式在以下3個方面有所區別，如表所示：

四、數字化風控

我們永遠不要忘記，銀行的本質是風控，無論傳統模式還是智能模式，最終目的都是要做好風險管理。數字化風控堪稱傳統風控與智能風控的集大成者，既吸取了兩種模式的優點，也在最大程度上避免了兩種模式的缺點。

數字化時代，傳統風控的短板顯而易見，而智能風控從銀行實際情況來看，應用領域有限且處于探索階段。大部分銀行最需要實現的是風控的標準化與數字化，其中最關鍵的是信用風險決策的底層邏輯及量化過程。

數字化風控的表現形式主要有以下3個方面。

1. 數字化風控流程

數字化流程是數字化風控的基礎，貫穿信貸業務貸前、貸中、貸后等將部分或全部環節。例如在貸后環節，信貸資金真實流向、客戶還款記錄、客戶回訪信息及客戶其他風險信息，需要通過流程來獲取并保存。

數字化流程以優化客戶體驗、提高決策效率、降低操作成本為目標，其最重要的意義，在于風控的標準化與穩定性。流程標準化才能產生有價值數據。

2. 數字化風險信息

在傳統模式中，銀行信貸決策依據的信息有文字的、數字的；有行內采集的、外部數據源提供的；有原始材料和加工后的信息。這些信息首先都需要電子化，形成數字和標簽，然后通過特定數據邏輯，將信息歸納后呈現出來，用于風險決策的信息依據。

此外，為了支持應用層面的數據需求，往往需要對系統內部的數據資源進行“治理”。從數據治理到數據呈現，是信息由里到外進行數字化的完整過程。

3. 數字化風險決策

風險決策自動化是數字化風控的高級表現形式，目前在信用卡審批和小金額的消費金融領域，已經完全實現決策的自動化。

風險決策的自動化往往涉及數據和風險決策模型。數據涉及內部數據和外部數據的連接和管理。涉及模型就需要根據信貸產品的結構、流程、數據資源和客戶情況，形成風險邏輯并量化。量化的風險決策模型，能避免人員的主觀性和道德風險。

數字化時代，土地等不動產要素價值會不斷降低，企業創造價值的方式也在發生改變，越來越多的企業不再依賴土地、廠房、設備來創造價值。銀行未來的客戶，其業務模式迥異于傳統，如果還堅持無擔保、無抵押不能放款，將面臨客戶大量流失、業務嚴重萎縮的極端不利局面，在新的經濟生態系統中無法立足。選擇數字化風控升級，是銀行必然選擇。

銀行要基于傳統信貸、IPC模式、信貸工廠以及巴塞爾協議的成功經驗，結合最新智能風控技術，構建全面數字化風控體系，如圖所示：

信貸的本質是風控，風控核心是數據，數字化風控看兩個方面的能力：一個是數據積累，另一個就是技術能力。

五、小結

風險管理作為商業銀行的核心競爭力，其能否適應數字化轉型趨勢，將決定銀行數字化轉型的成敗。數字化風控是指銀行通過數字化、智能化手段充分發揮數據和技術等生產要素價值，全面推進數字化風控體系建設，提升各類風險管理的效率和效能。

一方面是提升對傳統風險的管理能力，如在信貸業務全生命周期管理過程中對風險識別更準確、預警更及時、管控更有效，運用大數據技術降低反洗錢合規風險和運營操作風險。另一方面是通過數字化風控，有效應對業務線上化、場景化發展伴生的各類新型風險，如欺詐風險、敏感信息泄露風險等。

隨著銀行線上業務的快速增長，平臺化、場景化、批量化的獲客模式深入發展，各類風險擴散更加快速、隱蔽，對銀行風險管理的敏捷度和精準度提出了更高要求。銀行依靠人工審核和專家策略等傳統風控措施，難以適應線上信貸業務風險防控的需求，這也從客觀上要求銀行推進數字化風控體系建設。