技术驱动 把好消费信贷风控关 专访上海汽车集团财务有限责任公司董事总经理沈根伟

来源：金融时报-中国金融新闻 

消费金融可以说是当下互联网金融乃至整个金融领域的一大热点。背靠汽车、家电、水电、天然气等消费品行业的财务公司也乘势而上，做起了消费信贷业务。

　　服务于集团的财务公司开展消费信贷业务如何把握风控？运用了哪些新的技术手段？又有哪些创新之处？对此，上海汽车集团财务有限责任公司（以下简称“上汽财务公司”）董事总经理沈根伟与记者分享了上汽财务公司在汽车消费信贷业务中的风险管理经验。

　　记者：请您简要谈一谈上汽财务公司开展的汽车消费信贷业务主要面临哪些风险？

　　沈根伟：目前上汽财务公司开展的汽车金融业务主要包括批发业务和零售业务两方面。其中零售业务指一般说的个人消费信贷业务。自2008年开展汽车消费信贷业务以来，业务高速增长，历史累计放款量已超过220万单。

　　在零售业务风险方面，主要为客户在履行还款责任期间，因家庭、工作发生变动或经营情况变化造成的还款能力或还款意愿缺失，最终导致客户无法按时偿还贷款；另外，近年来各家金融机构遭遇欺诈、伪冒、骗贷案件频发，财务公司也面临同样的考验，尤其近几年，欺诈骗贷案件呈现出专业人员包装、流动作案、集中爆发等特征，且在骗贷案件发生后，贷款抵押物——汽车往往被不法分子所控制，客户根本没有拿到车，失去还款意愿，故骗贷案件的风险更高，造成的损失也更大。

　　记者：风控可以说是消费信贷业务的核心。上汽财务公司在零售业务方面是如何进行风险管理的？有哪些具体的举措？

　　沈根伟：上汽财务公司的零售业务主要是面向普通工薪阶层的汽车消费贷款，贷款产生风险后处置难度较大。我们根据贷款购车客户的特点，在贷前审批和贷后催收两方面探索建立了专业的风控体系。

　　首先，在贷前审批上，财务公司自主研发了远程面签系统，形成独创的完整认证链机制。另外，我们还深入进行大数据分析，在历史累计超过220万单消费贷款的基础上，建立了区域及经销商风险评价体系，标识区域风险和区域风险经销商，将风险控制力细微到每一笔贷款申请中。充分评估每种个贷产品，标识产品特有的风险，并据此设置有效的风险控制措施。

　　其次，在贷后催收上，一方面，财务公司借鉴信用卡公司的管理经验，选择专业的外访类外包公司，运用其成熟的、覆盖全国的催收渠道，提高公司催收效率；另一方面，根据逾期时间不同，确定不同的催收措施。逾期时间较短的，公司催收岗或外包催收公司进行电话提醒，并发送提醒短信；逾期达到一定期限后，进行电话催收，并发包电话催收任务，同时发送逾期警告短信或催收通知函；出现高风险情形时，进行现场催收，同时发送逾期警告短信或催收通知函；逾期时间超警戒期限的，最终收回车辆，进行诉讼。

　　记者：您刚才提到了财务公司在贷前研发了一套有完整认证链机制的远程面签系统，它与传统的远程视频签约有什么不同？

　　沈根伟：随着信息全球化的发展和通信技术的不断提高，为了提高效率、节约时间和成本，很多情况下双方采用远程视频签约，即使用手工录像或者在线视频的方式进行签约。虽然能达到节约成本和提高效率的目的，但是这种方式存在隐患，无法防范现场作弊、造假等行为。

　　我们发现，需要避免视频签约时的安全隐患，必须将整个面签过程通过“一环扣一环”的方式形成一条完整的证据链，并且通过技术手段留存。于是，我们引入了二代身份证读卡器，引入了自动人脸比对与“活体识别”以及特色身份识别牌，还引入了MD5加签留存证据链方式。通过上述技术手段与系统的流程控制，含完整证据链的、具有人脸识别功能的远程面签系统应运而生，可以有效防范合同冒签的风险。该系统是由财务公司自主开发，目前正在申请国家专利。

　　记者：在风控层面，您认为哪些方面的技术应用值得财务公司深入探索与关注？

　　沈根伟：毫无疑问，行业最值得关注的技术仍然是大数据。当我们有了业务数据又有了监控数据，通过大数据分析尽可能快地得到结果至关重要。关联项越多，揭示真相的能力越强。

　　大数据的付诸应用远比我们想象的困难，既有数据采集方面的问题，也有数据存储和使用方面的问题，而在风险监控应用中还有数据污染的问题。

　　智能化是另一个值得重视的领域。当我们可以获得更多的数据资源以后，对这些数据的理解、分析、得出正确判断并采取适当行动，靠人工很难应付，智能化系统是必然趋势。越早在智能化方面布局，就越能在未来的风险控制中占据制高点。

　　记者：上汽财务公司是否已经在智能化领域展开了应用？人工智能在消费信贷业务的风控管理中可以发挥多大的作用？

　　沈根伟：我们已经将人工智能加以运用，自主研发了“消费信贷审批系统”。

　　与一般金融机构普遍使用的“评分卡”信用评价体系不同，这个系统是建立在人工智能技术和大数据分析技术的基础之上，无人干预操作，具有自动学习和改进的功能。

　　系统以组合的指标系来对对象分类，以各分类人群的历史违约情况为目标来确定申请人群的信用评价，并及时依据最新数据的变化自动调整模型，连续进行优化，同时实时引入人民银行征信系统、同盾、信用中国等外部数据进行辅助反欺诈拦截。

　　从风控的效果来看，系统上线运行以来，在受理业务数据平均通过率高于整体业务平均通过率1个百分点以上的情况下，其审批业务的30天以上逾期率优于历史同期数值。