A seminar I gave at Minsheng Banking Corp's Card Headquarters in Beijing. The audience included Minsheng Card's most risk managers and VP Card Services. In Mandarin.

1. 蒋源
2012/5

2. I. 信用欺诈 ，贷后风险管理 II. 授信
 美中授信大环境比较： 广发厚管  潜在卡户来源
 信用风险还是欺诈风险？  市场细分决定授信策略
 信用欺诈的多重定义和特征  计分卡常用数据变量
 美国市场的信用欺诈  现金价值模型群： 授信决策的主要工具
 反信用欺诈生命周期  模型架构
 风险管理项目如何赚钱？  现金流量计算器
 商业策略的类别  决策
 每月流程
 反信用欺诈模型如何最有效
 授信阶段的信用风险和欺诈风险策略
 美国银行反第一方欺诈成功的首要秘密
 策略部门引导审查部门的账户排序和资源管理
 账户审查部门的核心问题

3. 流程优化？ 首先…
量化！ 量化！

5. 美国市场：
 信用卡市场极度饱和
 争抢市场份额
 主要的获取客户渠道为传统邮件 （Direct Mail)， 其他为辅
 美国银行是最大的伙伴式授信发卡人 （Affiliate Card Issuer)
 极低的回应率。 通过数据模型来提升回应率
 非常宽松慷慨的开卡优惠
 风险管理（Risk Management), 多方式增收（Revenue Enhancement)
已成为一门非常成熟的科学/艺术
 不同银行选择不同定位和不同的目标人群
 成熟的系统和数据工具
 数据天堂：
 信用局数据，本行信用卡数据，本行关系数据，行业联用数据
 授信非常重要，但贷后风险管理是重头戏

6.  欺诈风险：
 第三方
 组织机构
 信用风险
 客户本人违反信用卡合同
 组织机构
当你提到“欺诈”， 你是指什么？

7. 定义
根据最终欺诈额度的严重程度，信用欺诈有三重定义：
A. 高额爆卡 （Bustout）
A B C
B. 第一方欺诈 ( First-Party Fraud)
C. 信用欺诈 (Credit Abuse)
特征：
 为非第三方欺诈（传统意义所指的 “欺诈 – Fraud”为第三方欺诈): 即持卡人本人
欺诈银行或者肆虐式使用银行授予持卡人的使用信用的权益。持卡人熟知账户的
一切关键查证所需信息，因此，较第三方欺诈而言，信用欺诈要更加难以实现预
测和侦探。
 在申请与潜伏期间，申请书或账户的特征与用卡行为与良好低风险账户无大异。
 在爆卡之前的潜伏期，持卡人经常蓄意通过按时还款来建立良好的（表面）信用
资质，甚至基于此表现进一步要求银行提升信用额度线。另一部分持卡人得卡后
首月即不还款（定义为“首付不还”）。
 申请者经常向多家银行申请开卡，并经常全线同时爆卡。
 通常使用还款跳票手段来欺诈。当跳票之时，所有的消费活动已经发生，损失已
经造成。因此，跳票及“支付行余额不足”的信息不是有效的预测变量。

8.  各大行对第一方欺诈的不同定义，和发展中的行业定义
 部门构架：
 负责反信用欺诈的部门隶属于信用部门还是反欺诈部门?
 反信用欺诈团队有哪两支核心支队？
 账户处置：
 自动决策还是人工决策？
 何种人群细分得到何种账户处置？
拒绝发卡，降低额度线，关闭账户，刷卡交易拒绝，还款额信用浮动
 美各大银行对结果的不同衡量办法

9. 发卡管理 贷后管理
冬眠卡
成熟卡
幼卡
授信
阶段
 不同的阶段应有不同的反欺诈策略。
 例如：幼卡（卡龄< 6 个月）一般受到比较严格的审视，也不会被给予较多（或任何)
“转余额”及“取现金”的旨在刺激余额增长的机会.
 美国银行的反信用欺诈策略着重于贷后管理阶段。发卡管理团队的主要针对目标是逾
期预测和第反三方欺诈。
 成熟卡的第一方欺诈管理策略大量使用刷卡交易数据（实时或次日数据）。相比之
下，传统的风险管理策略更多地依赖于每月更新的月末账户描述性数据。

10. Profit loss mitigation forgone revenue
利润 = 损失减免 - 收入放弃
a) 由于关闭一部分账户和降
通过各种账户处置办法实现
低额度线而引起的利息，
损失额的降低。 风险高的
交易费，及费用损失
申请人账户被拒绝发卡，关
闭，降额，交易拒绝，或其
b) 由于对持卡人采取“逆反
付款被短期信用浮动。
处置”（及非友好行为）
而引发的加速加大损失

11. 这些策略属于哪一类别？
 准则式策略  如果年龄小于23且年收入大于XYZ，则“人工排查”（judgmental review)
 决策树
 如果前7天的现金加消费总量大于$8000, 且超过信用卡额度线的
 数据模型 70% 以上，则 （1）自动浮动该卡的下一还款信用， （2）人工审
 其他 查
 .
账户： 60,000
坏率：3%
FICO <= 680 FICO > 680
账户： 50,000 账户： 10,000
坏率：2.6% 坏率：5%
行业内申卡 数<=8 行业内申卡 数>8 行业内申卡 数<=5 行业内申卡 数>5
账户： 45,000 账户： 5,000 账户： 9,600 账户： 400
坏率：2.1% 坏率：7.1% 坏率：4.3% 坏率：20%

12.  使用实时或者一天旧的数据
 毫不留情地创新，打破传统风险管理的旧条框
 将主策略建立成灵活的装载平台，除数据模型作为主体外，
可插入各种准则式小策略，以快速应对市场新动向
 策略小修改的生效速度： 半天。
测试，测试，测试。
 永远主攻主因

13. 速度快 + 多时点干预

14. 速度快 + 全方面防位
双防卫层 多时点干预
首层防卫：
模型，每 夜晚
计分一次
所有信
用卡
第二层防卫：
由特定事件激发
的策略
• 比第三方欺诈相比，第一方欺诈要求银行有更
快的反应速度。
• 数据的即时性与否意味着不同的信息丰富性。
从另一方面来说，等得太久才对持卡人行为作
出反应往往导致巨大损失。

15.  （例）使用量化模型，每天从从3千万账户中
挑出风险最高的2千个账户送往审查部门审查
策略 运营
 将这些账户按风险分数倒排序，因而风险最高
部门 的先被审查
部门
 除模型推荐的账户外，另提供一些由特定事件
驱使的高风险账户（亦由策略产生）
 全天候提供一部分系统支持
 清空审案系统中的前一日剩余账户，装载策略
部门今日提供的账户名单
 从上而下，按排序审查账户。使用各种系统工
具和信息并跟从一定的步骤。
 审查完后在系统中记录每对每一个账户的处置
决定。每天提供“行动率报告”和“工作效率报
告”
 向策略部门提供反馈： （1）策略的有效性和
可提高的地方， （2） 员工观察到的欺诈行为
新动向。
 策略人员完全主导审查部门应该审查哪些账户。
 每天应该送多少个待审账户给审查部门？这个数字主要由以下两个因素决定： （1）公司对风险的容
忍度（比如，额度损失率>15% 的客户群） （2）审查部门所配置的人员数。每一年做预算计划之时，
人员配置数被放在大环境里重新审视调整。
 策略和审查每周联合开会一次来: (1) 讨论策略表现及审案中发现的趋势 （2）一同回顾5-20个实际账
户来需找改进机会 – 那些未被策略抓到因而成功实现了欺诈的账户，及被策略抓到，待时机稍晚的
账户

16.  审案效率
 Decisions Per Hour (DPH): 我们的审案组每人小时可审查多少个账户或申请？
讨论  审案过程的标准化和手册化
 我们是否有一个标准化了的, 定期更新的, 审案步骤和技巧指导性文件?
 我们是否给前线审案员工提供: 操作步骤指南, 与客户或潜在客户对话用语蓝本,
策略一览表?
 人力资源分配
 在授信组和贷后管理组之间，人员应当如何调配？
 基于本公司的资产风险容忍度，我们应当给反欺诈评审团队配备多少员工？
 审案有效性的衡量
 如果我们有若干不同的策略，每一个策略的“处置率”是多少？
 基于处置率，哪一个策略最有效？
 员工奖励机制
 在我们评审部门的审案员工的报酬机制中，是否有一大部分报酬是与他/她的
DPH挂钩的?
 我们是否有一个 “传帮带” 的过程, 即挑选出几名 “审案明星”, 正式给予他们培训
新员工的任务?
 团队精神面貌建设
 我们是否经常(至少每周)都使用小礼品, 致谢卡, 会议表扬来认可前线员工的工作?

18. 又称授信渠道 ：
 传统邮件 （向信用局购买消费者名单）
 支行申请卡
 伙伴式发卡 （透明式运作）
 互联网
 赛事及活动 （Events)

19.  主流市场 / 新兴市场
 熟件 / 薄件 （thin file)
 富人群 / 一般大众
 本行高资产客户 / 一般客户 （用净资产额来定义）
 本行主流客户 / 非主流客户 （用往来关系行为模式来定义）

20. 可用于计分的数据变量可分为以下主要类别 （例子）：
 以往还贷记录： 房屋按揭，信用卡，店卡，车贷，医疗债
 所有的各行业各金融产品的信用总额
 各金融产品的的额度使用率
 信用评级分，破产预测分等
 近期（如近6个月） 该申请人的信用申请频率
 申请人的负债对收入比例
 滞还行为的近期性
……

21.  模型架构
 由多个子模型组成 （10～20）
 每个子模型预测一个将影响盈利性的重要方面
• 是否会回应授信邀请，是否会激活卡?
• 激活后，成为“交易式用户”或者“循环余额式用户”的概率各是多少?
• 会使用百分之几的额度？
• 会给银行创多少“费用收入”? 多少“利息收入”? 多少“交易收入”？
• 在未来的36个月内，每一个月会给银行带来多少总收入？
• 在每一个时点（即月), 逾期不还的概率是多少？
• 若逾期不还，该账户的循环余额将是多少？
…
 现金流量计算器
将以上的预测输出（有概率式输出也有金额式输出）， 同财务部提供的各种成本
和收益参数一起 放入现金流量计算器来计算/预测出每一个申请者将会给银行带
来的净利润的现金价值。

22.  决策
 决定线(cutoff) 的划定
 每月流程
 客户源计分 （scoring)
 划定待邮目标人群 （cutoff； write a file of targets)
 发信 (direct mail)
 支行申请卡快速审批

23.  信用风险策略
 只关注客户本人逾期，或者客户本人欺诈 （即第一方欺诈)
 数据模型预测逾期风险；人工审查第一方欺诈的可能性 （量极小）
 IP 地址策略
 欺诈风险策略
 只关注第三方欺诈
 欺诈风险评分为主要预测变量 （模型是外购的）
 行业共享数据库： 已有欺诈前科的人
 电话系统内置反欺诈逻辑
 大部分策略装载在交易审批引擎内 (authorization system)

24. 如有关于本PPT的问题，可致信蒋源于： enlight@gmail.com