打字猴:1.703655515e+09
1703655515 互联网信贷风险与大数据:如何开始互联网金融实践 [:1703653507]
1703655516 四、不良资产处置
1703655517
1703655518 不良资产处置指银行对逾期客户形成的呆账、坏账进行处理,优化银行资产结构的过程,主要包括不良资产核销和不良资产打包出售等手段。不良资产核销指金融机构承担风险和损失,对符合认定条件的长期逾期账户的逾期本金及利息,按规定程序从账面上剔除的过程。不良资产核销是金融机构处置不良资产最常见的方式,核销长期逾期的账户,更能体现金融机构当前的风险水平和财务状况。财政部印发的《金融企业呆账核销管理办法》对呆账的认定、核销、管理与监督做了明确的规定,金融机构不良资产核销必须严格按照管理办法规定执行。
1703655519
1703655520 银行通过打包将不良资产出售给资产管理公司是较快甩掉不良包袱的一种方式。购买不良资产的金融资产管理公司可通过诉讼追偿、资产重组、出售等方式实现盈利。1998年末召开的中央经济会议决定组建金融资产管理公司。从1999年开始先后成立了信达、东方、长城、华融四家资产管理公司,专门接受并处理四大国有商业银行的不良贷款,最大限度地实现不良资产处置变现的目的。随着四大金融资产管理公司政策性不良资产收购任务的完成,从2007年它们开始纯商业化运作,收购和处置金融机构剥离的不良资产。
1703655521
1703655522 互联网信贷风险与大数据:如何开始互联网金融实践 [:1703653508]
1703655523 五、逾期信息管理
1703655524
1703655525 在整个信贷运营的过程中,逾期催收管理并非割裂出来的独立业务环节,而是与客户引入、存量管理密切相关的。逾期催收并非催回账款了事,而是要从逾期信息中挖掘出不同客户群和产品的风险特征,从催收信息中识别客户的行为特征,从而向贷前、贷中进行反馈,是形成风险全流程闭环管理中非常关键的一步。逾期信息对金融机构来说是一笔宝贵的财富,是客户风险预测的数据来源,只有做好了这部分信息积累工作,方能完整评价客户的风险-收益情况,反推前面的业务环节,知晓客户引入与客户管理的具体方向。
1703655526
1703655527 一方面,在逾期客户管理过程中会通过监测体系,跟踪在逾期客户管理中出现的问题,提高运营效率。同时,通过监测体系监控催收策略是否有效,是优化催收策略的基础。通常,逾期客户运营监测的对象有两部分:一部分是监测最终结果,包括账龄、区域、渠道、计量模型、开户时间、催收公司、催收方式、催收策略等,监测指标包括逾期金额、不良金额、核销金额、逾期率、不良率、各账龄滚动率、化解率、回款率等;另一部分是监测催收过程,如第一次催收距逾期时间、催收日期、催收时间、催收手段、催收结果,第二次催收距逾期时间、催收日期、催收时间、催收手段、催收结果……
1703655528
1703655529 第一部分指标监测的作用在于可以快速掌握金融机构各维度和整体的风险情况和催收策略的效果,有利于下一步催收工作的安排、催收目标制定等,及时调整和优化催收策略。
1703655530
1703655531 第二部分的监控是对催收全流程的监控,催收讲求的是“在对的时间采取对的方式”。什么时候该进行催收,采用什么方式,隔多长时间应再次催收,再采用什么方式,这些环节的设置对回款都会有影响。故催收全流程的监控对于催收策略的设计和优化都有重要的意义。
1703655532
1703655533 另一方面,在逾期管理阶段通过跟踪及监测的情况,可以及时发现客户的问题、流程的问题甚至是授信政策的问题。例如,基于早期逾期信息的反馈,在存量客户管理阶段能够获知高风险客户群的来源与行为特点,有的放矢地进行存量管理。即使是暂未发生逾期风险的客户,由于其与其他已经发生逾期的高风险客户具有同样的客户特征与行为特征,可以归类为高风险客户群,在存量阶段就需要采取客户主动触达、信息确认、贷中检查、降低授信、提前清收等管理措施,及时控制风险,降低风险发生的概率或缩小风险敞口。这也是风险预警体系的重要组成机制之一。又如,从逾期管理再向前延伸至客户引入阶段,基于后端逾期信息的反馈,可将风险客户特征提炼为客户营销与准入阶段的有效信息,将其传递给销售及审批端,从一开始就杜绝高风险客户的引入。例如,在对逾期客户的分析过程中,识别出频繁更换工作的授信客户,由于其工作稳定性较差,还款能力不足,且存在较高的逾期失联风险,就可以将此特征总结为政策规则,在营销与准入阶段,避免引入此类客户,从而降低业务逾期风险。
1703655534
1703655535
1703655536
1703655537
1703655538 互联网信贷风险与大数据:如何开始互联网金融实践 [:1703653509]
1703655539 互联网信贷风险与大数据:如何开始互联网金融实践 第二节 逾期催收计量模型体系
1703655540
1703655541 逾期催收的核心能力在于催收策略的设计,有效的催收策略不仅能降低金融机构的催收成本,还可以提高回款率。因逾期客户具有差异性,对于不同的客户应采取针对性的催收方式,如对临时忘记还款的客户只需要短信提醒,对失联客户应及时通过外部渠道进行信息修复并催收。差异化管理策略是精准化催收的基本思想,而差异化管理策略的基础是客户分群。
1703655542
1703655543 催收计量模型是逾期客户分群的重要依据,通过催收计量模型可以识别客户的风险情况,对不同风险的客户采取不同的催收手段。常见的催收计量模型包括账龄滚动率模型、行为模型和失联模型。
1703655544
1703655545 互联网信贷风险与大数据:如何开始互联网金融实践 [:1703653510]
1703655546 一、账龄滚动率模型
1703655547
1703655548 逾期账龄指客户未按约定时间点还款的违约时间长度,逾期账龄越高,客户的风险越高。逾期账龄是通过逾期天数来定义,例如:
1703655549
1703655550 M1客户:逾期1~29天的客户;
1703655551
1703655552 M2客户:逾期30~59天的客户;
1703655553
1703655554 M3客户:逾期60~89天的客户;
1703655555
1703655556 ……
1703655557
1703655558 账龄滚动率模型是逾期催收中最常用的模型,用来预测每一账龄的客户迁徙到下一账龄的概率。评分越低的客户,迁移至下一个账龄的概率越高,客户的风险越高,在下个月内还钱的可能性越小。账龄滚动率模型包含M0-M1滚动率模型、M1-M2滚动率模型、M2-M3滚动率模型、M3-M4滚动率模型。账龄滚动模型通过历史特征数据分析,预测未来表现,常用的模型开发方法包括Logistic回归模型和决策树。
1703655559
1703655560 M0-M1模型:当前是正常客户,预测下个月会变成M1客户的可能性。
1703655561
1703655562 M1-M2模型:当前是M1客户,预测下个月会变成M2客户的可能性。
1703655563
1703655564 M2-M3模型:当前是M2客户,预测下个月会变成M3客户的可能性。
[ 上一页 ]  [ :1.703655515e+09 ]  [ 下一页 ]