信用卡中心现有客群的信用风险控制

　　第三章 信用卡中心现有客群的信用风险控制

　　该章节将根据第二章介绍的信用风险成因，结合 Z 银行信用卡信用风险管理团队架构、流程、资源等，研究其存量客群，分析不良贷款的分布与成因，提出卡中心在信用风险管理方面存在的问题，并针对现存不良客群采取差异化管控策略，实现高风险客群的节奏性退出。

　　3.1 Z 银行信用卡现存客群的风险管理现状

　　3.1.1 风险管理团队架构

　　从组织架构来看，Z 银行信用卡中心主要由市场部、销售部、信贷审批部、风险管理部、资产管理部等部门组成。其中属于风险条线的部门有信贷审批部、风险管理部、资产管理部，它们独立负责管理贷前、贷中、贷后的风险。以上三个部门各司其职，但部门间业务策略相互封闭，操作相对独立。

　　3.1.2 贷后管理流程介绍

　　（1）系统资源介绍

　　a. 决策引擎系统：

　　决策引擎系统在催收过程中起分案工具的作用。系统结合催收评分对入催账户进行风险分类，并按既定规则发送催收行动指令。决策引擎系统充当催收外挂的大脑的角色，负责向催收外挂分派账户策略指令；而催收外挂则充当其手脚，负责策略的执行。该系统对于催收业务有如下功能：

　　具有自动发送催收指令功能。可以在系统内设置各队列的在账单日后在特定的时间发送相应催收行为指令，行动包括短信、信函、邮件、自动外拨等。

　　具有动态、及时地调整队列功能。例如，现阶段若账户余额较昨天提高或下降20%,第二天则调整至较高或较低的风险队列；日后挑战者策略，系统将会对短期内出现两次失联代码的账户，调整其催收队列与渠道。

　　具有冠军-挑战者功能。它能同时执行两套不同策略，在同一风险时期内进行无差异策略效果对比，选出最优策略。

　　决策引擎系统提供了一整套完善的报表。可以跟踪每月、每日的各队列账户分配情况与满意情况，及时风险预警。

　　b. 催收评分：

　　催收评分是由卡中心内部研发中心团队在 2009 年开发的，针对卡中心催收业务状况以及未来的发展，针对各逾期时段客户开发的催收评分模型。模型结合了客户的自然属性（如年龄、性别、额度、所在城市等）、偿债能力（如收入、行职业状况）、活跃情况（如是否被冻结、消费频率、额度使用率）、逾期情况（如逾期次数、逾期时长、催收记录、联系难度）以及其他因素进行考核，以区分客户风险程度等级，以评分卡等数量化分析方法为有力工具，协助卡中心催收业务的精细化管理，以控制风险、增加收益、降低成本，并提高客户满意度。

　　大部分的评分模型技术上都是采用逻辑回归等分析方法进行建模。然而，评分模型的预测能力也有其局限性。由于建模使用的样本数据一般使用历史数据，近则一年内，远则几年前；此外，从建模完成到实际上线使用仍需要经过半年至一年的上线前测试及准确性观察期。所以，模型对于当前经济环境的转变，或者新产品的风险预测是无法根据历史的数据进行预测的。

　　信用卡贷款发生逾期后，一般情况下采取以下催收方案：

　　a. 前期电话催收

　　该措施主要适用于信用卡贷款刚发生逾期或者逾期时间较短的一般逾期账户，一般应用于 M1、M2 以及部分 M3 时段账户。手段主要分为手机短信催收、信函催收、电话催收、传真与电邮等；部分卡片停止授权。

　　b. 分中心属地催收

　　该措施主要使用于上月末 M2 时段的难以联系、失去联系、套现账户、以及上月末M3 时段全部账户。催收手段依据分案账户结构、催收环境、现有催收渠道等多方面因素来制定。策略具体内容与标准需确保可操作性。主要有电话催收、外访催收、手机短信、传真与电邮等其他催收手段；卡片停止授权。

　　c. 委外催收

　　该措施主要适用于符合信用卡账户欠款逾期达 M4 以上（含）账户；持卡人名下所有卡片全部停止授权。

　　d. 法律程序催收

　　该措施主要适用于恶意拖欠或必须采取法律手段的高风险逾期账户。程序主要分为：

　　专业律师协商谈判、民事督促程序、民事诉讼程序。

　　3.2 现存风险客群分析

　　卡中心的各类客群依照不同的比例组合在一起形成客群结构，各类客群对卡中心盈利均有所贡献，部份提升了整体卡量的交易规模，部分产生了利润。各类客群的有机配合，才能形成健康的客群结构。

　　一旦某个客群出现问题或恶化，则会导致整个客群体系的不健康。因此，需要通过找出高风险客群、引入高价值客群、关注重点客群等方式调整客群结构，满足腾笼换鸟、提升效益和风险管控的需要。

　　所以，只有对出现问题的目标客群作详细的分析，了解目标客群发展的历史，分析其中产生的原因，在结合社会与经济环境下，才能制定出符合卡中心战略及维护卡中心利益的行之有效的策略，从而避免提出盲目的“一刀切”等策略。

　　针对不良率持续高企的问题，本节通过深入分析现存逾期客群的结构，对各维度分析客群的不良率，如行业、职位、年龄、账龄、发卡年份、进件渠道、逾期次数、催收次数等，锁定进件渠道分布与行业分布两个维度，因它们具有较明显的风险特征，且具代表性；而其他维度分析结果并无明显的风险特征。

　　根据以上的各个维度的客群分析，可以初步锁定了现阶段影响卡中心资产质量的两个维度。以下将进一步深入研究该两类客群的人群属性，挖掘其中风险人群。

　　3.2.1 进件渠道分布--网络发卡渠道

　　现存客群的进件渠道可主要分为内部电销渠道、分行渠道、分中心渠道、网络渠道、委外渠道五大类，其中网络渠道是 2009 年新兴开拓的发卡渠道，在最近一年，平均每月批核卡片 5 万。截至 2013 年 4 月已共累计批核卡片已突破 100 万张。

　　经过观察各渠道的不良率，网络渠道不良率远高于其他几类渠道，且居高不下。

　　网络发卡渠道是否可以叫停？且看以下的关于网络发卡的发展趋势介绍。

　　2003 以来，中国信用卡市场逐渐迈入蓬勃发展阶段，国内信用卡发行机构在日益激烈的市场竞争中不断开拓新的营销渠道，开发新的营销平台，发展新的营销方式。然而另一边，互联网的发展也日益成熟并延伸到包括信用卡在内的金融行业，互联网与信用卡的合作也应运而生。

　　信用卡行业客群较多为中青年，拥有较好的经济能力及较高的学历水平，与作为新兴行业的互联网用户有着极高的吻合度。据《互联网发展信息与动态》第 96 期显示[21],截止 2013 年底中国网民数量达 6.18 亿，普及率高达 45.8%.据 CNNIC 第 33 次调查报告显示，截至 2013 年 12 月，我国网络购物用户规模达到 3.02 亿，增长率为 24.7%,使用率从 42.9%提升至 48.9%.

　　随着互联网产业的发展，信用卡的网络发卡渠道也将得到迅速的普及。对于客户来说，网络申请信用卡办理方便；对于发卡行来说，网络发卡渠道能减少销售成本。网络发卡渠道将成为日后主流的发卡渠道，卡中心目前需考虑的是如何从中识别风险客群。

　　经过对网络发卡各维度账户量占比分析，发现客群的年龄主要分布在 20-40 岁，占比 92%;职位属于一般员工的占 83%;达 68%行业主要分布在商业贸易、制造业、零售服务业、专项服务业、建筑业；74%均为男性，以上特征均较明显。

　　结合以上四个较高的维度：男性、20-40 岁、行业（商业贸易、制造业、零售服务业、专项服务业、建筑业）、一般员工，筛选出的网络发卡账户有 27 万户，占整体网络发卡账户的 40%,其不良率达 4.96%,与整体不良率相近；而以同样条件筛选出的传统账户有 56 万户，占整体传统发卡账户不足 13%.通过该四个维度筛选的账户可一定程度上代表了网络发卡账户客群特点。

　　针对目标客群研究其催收效果表现，如各逾期时段、各渠道、各地区的还款率及失联率等指标，根据提取的信息决定具体在哪个逾期时段采取何种的催收手段。

　　跟踪最近三个月网络发卡的各逾期时段滚动比率，M1、M2 时段均远高于传统渠道，而 M4 以上时段则略低于整体水平，网络发卡整体催收乘数也较整体高。

　　逾期 M1-M2 时段催收乘数为 0.98%,约为传统发卡渠道一倍；M3+催收乘数低于传统渠道。表明对于网络发卡账户，属地与委外的催收治愈效果较佳。

　　观察最近的还款率与满意率，M1-M2 的网络发卡均低于传统发卡渠道账户，而属地与委外网络还款比率高于传统渠道。一方面，网络发卡小金额账户较多，还款率相对较低，与前期催收对低额账户实施的宽松策略有紧密关系；另一方面，表明高强度的催收策略对网络发卡的逾期账户有较好的治愈能力。

　　从最近半年的前期催收效果看，M1-M3 逾期时段的网络发卡失联率与首联成功率较传统进件渠道高，反映网络发卡客户在网上提供资料的准确性可能较低。

　　从金额构成上看，逾期 M1-M3 各时段低于 5 千元网络发卡占比均高于传统渠道一倍以上。

　　3.2.2 行业分布--钢贸行业

　　由于客群的行业分类较细，考虑到行业占比太小的客群可能对整体的风险影响也较小，不在此作具体分析，但每月仍需持续观察其贷款量是否有突增的现象出现。在所有行业类型中，按平均贷款占比大小依次为商业贸易、制造业、零售服务业、专项服务业、建筑业五大类，累计约占整体 70%的贷款。

　　通过统计出的各行业不良率，发现商业贸易行业的风险最高。而商业贸易包括什么类型的子行业呢？通过继续细分并统计其中各子行业的不良率，找到了拉升了商业贸易行业不良率高的子行业是钢材贸易行业。钢贸行业的贷款虽然仅仅占整体商贸类贷款5%左右，但其不良贷款已占整体商贸类不良贷款的 22%.钢贸行业的不良率更是在 2012年中旬大幅度飙升！具体不良率详见下表：

　　2011 年，由于欧债危机的升级和经济环境的动荡，引起全球大宗商品的大幅下挫，对国内外经济市场形成了较大的冲击。国内外市场恐慌情绪增加，加上人民币加速升值和欧债危机导致的外需不振，与通胀引起的内需疲软，诸多行业受到波及，钢铁现货市场需求也大幅下跌。

　　由于钢铁需求大多为钢贸商的囤货，钢贸商为从银行获取贷款后发放高利贷，将囤货重复抵押。然而钢贸企业的银行贷款均为短期贷款，放出去的高利贷对象以房地产为主，期限相对较长。随着政府对地产行业的调控，流动性风险便渐渐显现。在这样的大环境下，钢贸企业资金就出现了问题。

　　所以，钢贸行业资金链的断裂是钢贸行业危机的根本原因。钢贸行业是资金密集型行业：钢贸企业提货一般需付全款，并且需要给予下游产业帐期，因此，资金链对钢贸企业的生存和发展至关重要。

　　以下从账户属性、客户属性的各种维度，将钢贸行业与全体行业进行对比分析。

　　（1） 账户属性中账户开户时间、额度与整体行业有较明显的区别：.

　　从各开户年份的贷款占比观察，截至 2012 年 8 月，全行业 2011 年开户账户贷款占比约 26%,而其逾期与不良贷款占比仅占 20%与 9%;钢贸行业中整体、逾期与不良贷款主要集中在 2011 年开户，均超过 50%.

　　从各额度段的贷款占比观察，全行业额度 5 万元以上的账户贷款占比约 30%,而其中逾期与不良贷款占比不足 11%与 9%;钢贸行业中额度 5 万元以上整体、逾期与不良贷款占比均在 60%左右。证明钢贸行业中该额度段的账户风险较高。

　　（2） 而客户属性中地区分布、职位与整体行业有较明显的区别：

　　钢贸行业客群中高级管理层人员贷款约占 70%;而全行业中高级管理层人员贷款占比不足 24%;该类人群也是钢贸行业的逾期与不良贷款主要人群。显示高级管理层是钢贸行业的主要客群特征。

　　3.3 卡中心风险管理存在的问题

　　以上通过对卡中心信用风险管理团队架构、流程、资源等背景介绍与风险客群分析，我们提出以下几点重点问题亟需解决：

　　（1）宏观经济发生深刻变化，信用卡经营环境面临行业企业倒闭、套现等多重风险冲击，原有风险管理手段在新的形势下面临新的挑战。由于宏观经济调整，一部分还款历史较好客户因宏观经济影响演变为一般客户，部分循环类客户因本身脆弱的还款能力转化为违约甚至不良客户。“网络渠道发卡”、“钢贸行业”客户就是很好的例子。

　　（2）信用卡行业从过往了“跑马圈地”走向了现在的“精耕细作”,普遍面临着银行流动性紧张、总行规模限制、贷款规模受约束、资金成本上升的资本约束、经济下行带来风险约束等等的困境。如何在规模约束、资本约束和风险约束的前提下调整客户结构，实现“腾笼换鸟”,信用卡行业的未来发展主题。

　　（3）销售部门没有针对性发卡，业绩考核与风险责任相脱钩。对于新品种卡类，销售部门领导盲目设定过高的销售目标，没有正确地引导销售人员销售合适的客群，导致销售人员为了达到新发卡种的销售目标，销售团队并没有考虑客群需求，在一个期间内专一销售该新卡种。由于很大部分客户并不需要该卡种带来优惠，一般拿到办卡小礼品后便停止用卡，甚至未从未开卡使用。导致了卡中心的制卡与维护成本增加，也占用了信贷资本金限额，甚至埋下了信用风险及欺诈风险的隐患。

　　（4）风险条线各部门间缺乏整合性。风险控制制度及内部控制目标体系不健全或尚未建立，部门间、岗位间、流程间衔接不够默契，缺乏业务交流，政策不衔接，如贷前部门新发卡客群未知会贷后团队，导致该类风险客群不能得到有效控制，甚至造成重大损失；又如贷后团队在催收过程中发现大批量的风险客群，但未能及时反馈贷前团队调整审批政策，导致该类风险客群继续大批量进件。

　　（5）贷后管理部虽然根据决策引擎系统与催收评分将催收客户区分出高中低催收队列，简单来说，在人员管理与任务处理方面，根据催收员经验委派不同风险程度的逾期账户，但处理的效果却强差人意。

　　（6）虽然该卡中心拥有自己团队开发的催收评分，但缺乏对评分的实时动态跟踪与版本更新。据悉，评分模型从开发至今尚未更新，虽然现阶段坏账户识别能力尚可，低分区域的能识别坏账户的 70%,但已逐渐低于刚上线时的识别率有所降低。此外，虽然评分模型考虑了部分账户客户动态维度，但对于其余静态维度可能会受到环境、社会等因素变化的影响而导致预测结果与实际情况出现偏差，如过去高级管理层及白金客户风险较低，但据最近观察，该职位账户及白金客户逾期率已迅速攀升，甚至赶超一般客户。

　　所以，催收评分在使用一段时间后需对其更新，评估现行效果与实际差距。现阶段，信用卡行业已日趋成熟，其中衍生出的功能与服务项目也日新月异产生出来，如近几年发展的网络发卡渠道，还有以信用卡贷款的分期产品，都急需将新产品、新渠道等纳入催收评分的风险评估因素中去。

　　3.4 对存量不良客群的策略优化

　　以上章节已通过大量的数据分析，从卡中心存量客群中挖掘出不良客群根源在于网络发卡与钢贸客群，该节将针对现存不良客群在贷后层面提出针对性的策略调整建议：

　　（1）网络发卡不良账户具有以下特征：.

　　滚动比率：逾期 M1-M2 时段催收乘数约为传统发卡渠道一倍；M3+催收乘数略低于传统渠道；属地与委外的催收治愈效果较佳l

    前期还款率：M1-M2 网络发卡均低于传统发卡渠道账户；属地与委外网络还款比率高于传统渠道；

    失联、首联成功率：M1-M3 逾期时段的网络发卡失联率较传统进件渠道高；M1-M3 逾期时段的网络发卡首联成功率均较传统进件渠道低

    小金额：M1-M3 各时段低于 5 千元网络发卡占比均高于传统渠道一倍以上；网络发卡小金额账户催收乘数远高于传统渠道

    根据以上特性，针对性地提出以下两点策略：

　　高风险队列电催策略

　　现阶段前期电催中低额账户催收策略较宽松，导致网络发卡逾期欠款在分中心/委外渠道较易回收。但由于网络发卡账户量大，不适宜因中后期回收率高而全量提前委派。

　　建议以决策引擎系统识别网络发卡账户，在 M1、M2 时段以金额再作区分。低于 1 千元账户仍仅以短信提醒；介于 1 千至 5 千的账户则根据催收评分识别高风险账户分派特定队列，采用针对性的话术，并加强处理频率与催收力度。

　　留存账户提前委派策略

　　电催策略实施两个后跟踪催收效果，若网络发卡在前催中回收效果未有改善，将对每月月末的网络发卡留存账户提前委派属地催收。

　　（2）钢贸不良账户具有以下特征：

　　开户时间在 2011 年期间。

　　账户额度在 5 万元人民币以上。

　　地区在南京、上海、苏州。

　　职位大多数为高级管理层。

　　根据以上特性，提出以下两点策略：

　　高风险队列电催策略

　　由于钢贸行业风险已爆发，必须执行高强度的催收。通过决策引擎系统识别出具有以上特征的钢贸行业账户，设立独立有较丰富催收经验的小组，在 M1 时段直接采用针对性的话术，并加强处理频率与催收力度。

　　留存账户提前委派策略

　　对于所有留存到 M2 的钢贸逾期账户，统一提前委派属地催收。

　　3.5 本章小结

　　本章节是本论文的理论基础。 首先介绍了卡中心信用风险管理团队架构、流程、资源等，接着通过存量客群的数据挖掘与分析，从多维度中找出导致卡中心现存客群中不良率偏高的两部分风险客群--发卡渠道维度中的网络发卡客群与行业维度中的钢贸账户客群，并进一步挖掘出该两类客群的人群特征。结合卡中心的信用卡业务的风险管理现状，提出卡中心在风险管理中将面临的困境及存在的问题。并根据风险管理中存在的问题，通过针对现存风险客群采取差异化管控策略，实现高风险客群的节奏性退出。