疫情讓我國經(jīng)濟(jì)按下了暫停鍵，從個人到各類企業(yè)都受到了很大的影響。尤其是作為信貸主體重要還款來源的收入面臨下滑甚或斷流的風(fēng)險。這對存量貸款的資產(chǎn)質(zhì)量帶來了巨大的威脅，同時新增貸款面臨申請拒絕率提升的挑戰(zhàn)。主要表現(xiàn)在：

一是存量貸款面臨客戶還款能力下降及欺詐風(fēng)險上升的雙重挑戰(zhàn)。大量客戶收入下滑導(dǎo)致還款能力下降，逾期風(fēng)險上升，給金融機(jī)構(gòu)帶來兩類風(fēng)險，一類是仍有主觀還款意愿的客戶，短期的現(xiàn)金流下滑導(dǎo)致資產(chǎn)負(fù)債表惡化，只要其收入恢復(fù)，償還貸款應(yīng)該不成問題，但是也不排除一部分客戶由于市場競爭能力弱導(dǎo)致長期失業(yè)或者企業(yè)倒閉，變成事實(shí)不良；另一類是不具有主觀還款意愿、渾水摸魚的客戶，這部分客戶要么仍具備還款能力，但欲借疫情期間國家、金融機(jī)構(gòu)推出的扶持政策，延遲還款甚或賴賬，要么的確喪失了還款能力，趁機(jī)賴賬。

二是新增貸款門檻相對提高。受疫情的影響，申請人收入下滑、消費(fèi)下降、負(fù)債率上升、行為和過往表現(xiàn)呈現(xiàn)巨大的差異，導(dǎo)致以往能夠符合條件的申請人申請貸款難以達(dá)到原有大數(shù)據(jù)風(fēng)控的準(zhǔn)入門檻。

大數(shù)據(jù)風(fēng)控讓我們享受自動化、智能化。但是，當(dāng)黑天鵝來臨的時候，往往出現(xiàn)大數(shù)據(jù)風(fēng)控失靈、大面積預(yù)警或大面積拒絕。那么，如何優(yōu)化大數(shù)據(jù)風(fēng)控呢？

首先，建立宏觀層面的數(shù)據(jù)風(fēng)控體系?，F(xiàn)階段的大數(shù)據(jù)風(fēng)控以信貸主體為目標(biāo)，采集信貸主體最新征信數(shù)據(jù)、歷史信貸數(shù)據(jù)、資產(chǎn)數(shù)據(jù)、行為數(shù)據(jù)等，以歷史信貸樣本建立覆蓋貸前、貸中和貸后全信貸生命周期的預(yù)測模型，實(shí)現(xiàn)對各個環(huán)節(jié)的風(fēng)險控制，但缺乏對宏觀層面的大數(shù)據(jù)風(fēng)控手段。

第二，加強(qiáng)對模型變量使用的評估。行為變量在相對穩(wěn)定的社會環(huán)境中可體現(xiàn)對風(fēng)險的預(yù)測能力，但社會環(huán)境發(fā)生變化時，主體的行為會發(fā)生巨大改變，原有行為變量很可能帶來相反的效果，導(dǎo)致對風(fēng)險錯誤預(yù)警。因此，需進(jìn)一步加強(qiáng)對行為變量的評估，建立行為變量的評價標(biāo)準(zhǔn)，選取不易受影響的行為變量，確保風(fēng)控模型的持續(xù)有效。

第三，建立模型快速迭代部署機(jī)制。我們需要找到讓模型更聰明、迭代更快的辦法。一方面，可以采用智能建模技術(shù)，讓模型自學(xué)習(xí)、自迭代；另一方面，加強(qiáng)模型監(jiān)控，對模型及變量進(jìn)一步加強(qiáng)監(jiān)控，提高模型迭代標(biāo)準(zhǔn)；再一方面，提升數(shù)據(jù)時效性，要實(shí)現(xiàn)使用準(zhǔn)實(shí)時的數(shù)據(jù)開展建模，讓模型更貼近即時的風(fēng)控環(huán)境。

第四，建立大數(shù)據(jù)風(fēng)控應(yīng)急機(jī)制。建立快速的應(yīng)急機(jī)制，可以建立情景模擬模型體系，在模擬各類危機(jī)情景下，當(dāng)類似的情景出現(xiàn)時可以快速的應(yīng)對。

第五，建立一支高素質(zhì)、經(jīng)驗(yàn)豐富的風(fēng)控隊(duì)伍。當(dāng)風(fēng)暴來臨，機(jī)器失靈時，人是最好的大數(shù)據(jù)風(fēng)控應(yīng)急補(bǔ)充手段。

大數(shù)據(jù)風(fēng)控作為新生事物，雖然仍有不足，但是經(jīng)歷疫情風(fēng)雨之后，肯定會越來越完善。財(cái)務(wù)公司作為非銀行金融機(jī)構(gòu)，隨著公司業(yè)務(wù)的發(fā)展，買方信貸及產(chǎn)業(yè)鏈金融將面對更多外部信貸主體，如何通過信科開發(fā)，運(yùn)用大數(shù)據(jù)風(fēng)控，提高效率，會否成為下一個信科開發(fā)的重點(diǎn)。