客户风险画像在互联网交易风险防范中的实践探索.pdf

栏目编辑：梁丽雯 E-mail:liven_2023年第9期5050Research|技术应用近年来，随着互联网和科技的飞速发展，中小银行普遍实施数字化转型，为广大客户提供了更加便捷的互联网渠道服务。但随之而来的互联网资金交易风险成为银行风险管理的重要挑战，阻断诈骗、防范洗钱成为银行互联网风险防控的重要任务。与此同时，由于存在技术水平低下、科技人才短缺、资金投入不足等短板，中小银行的互联网交易风控水平与国有大行以及股份制银行存在巨大差异，面临较高的贷款诈骗、网络洗钱等风险。中小银行多年的信息化建设积累了一定的数据基础，部分领域尝试运用新兴技术，不断探索有效的互联网交易风险识别与防范方法。本文所描述的客户风险画像体系，是总结银行互联网金融业务场景的风险特征，结合银行长期积累的内外部数据，开发20余个大数据标签模型，并参考各领域专家经验，利用层次分析法为不同的标签赋予权重，从而构建起识别互联网客户风险高低的客户风险画像体系。利用该体系，银行可以精准、高效地识别出从事互联网违法违规行为的企业客户群体，及时有效地防范互联网业务风险，为广大中小银行风险防范提供了一定的参考借鉴。客户风险画像在互联网交易风险防范中的实践探索 齐鲁银行王明扬刘建丁小冬摘要：金融科技发展对银行业互联网业务产生积极推动作用，业务场景和金融产品的丰富大大提高了银行服务客户的能力和效率。中小银行作为金融市场的重要组成部分，在享受互联网业务发展红利的同时，其线上业务风控能力面临前所未有的新挑战。文章依托审计实践，归纳总结互联网交易风险特征，在大数据的基础上开发标签模型构建客户风险画像体系，精准刻画高风险客户的特征，提出具有实践价值的互联网交易风险防控路径，为中小银行互联网交易风险防范提供参考和借鉴。关键词：风险防范；中小银行；互联网交易；客户画像作者简介：王明扬（1991-），男，山东诸城人，会计师，国际注册信息系统审计师，研究方向：大数据审计；刘建（1978-），男，山东菏泽人，工学硕士，高级审计师、国际注册内部审计师、国际注册信息系统审计师，研究方向：银行非现场审计；丁小冬（1986-），男，山东临沂人，工学硕士，审计师，研究方向：数据分析与建模。收稿日期：2023-03-24栏目编辑：梁丽雯 E-mail:liven_2023年第9期5151Research|技术应用一、客户风险画像体系构建（一）数据是客户风险画像的基础材料数据是数字经济时代的“石油”。中小银行互联网业务场景下，数据主要分为强金融属性数据和弱金融属性数据两大类。强金融属性数据指客户在银行办理的传统业务和互联网业务产品线产生的金融数据，包括客户信息、交易流水等，这些数据直接产生自客户的金融行为。弱金融属性数据指客户在进行互联网交易时，与交易相关的数据，如IP地址、MAC地址等。弱金融属性数据能够对强金融属性数据起到较好的补充和增益作用。（二）标签是对数据加工的中间结果标签通过对客户数据的加工达到对客户特征的描述，是反映客户特征的一个结果。针对客户不同维度的数据，可抽象出不同的标签，反映其单方面的主要特征。将所有标签综合起来，可达到完整描述某个客户的目的，即客户风险画像。如标签“未成年人开办公司”，即是对符合企业法人代表年龄为118岁的企业客户赋予该标签。这类企业客户的风险在于该年龄段的法人代表一般不具备经营企业的能力，实际经营者另有其人；标签“交易IP地址为境外”即是对在国外登录网银的企业客户赋予的标签，这类企业客户的风险在于IP地址为境外，具有较高风险，很大程度上属于被控制的账户。（三）客户风险等级计算公式依据上述标签设计原则，可从客户属性、客户行为、交易特征、客户授信等维度出发，设计一系列描述客户风险的标签和标签权重，汇总形成客户风险画像体系，实现对风险客户的多维度、智能性、动态性判定。在客户风险画像体系中，客户风险的高低可通过客户风险等级来描述，其中客户风险等级的计算公式为：RiskLevel=XiWini=1式中Xi表示某客户各项评价指标的最终评分，Wi表示评价指标所占权重。客户每符合一个标签特征就增加该标签对应的权重分值，通过汇总计算客户所有标签的加权分值，可以得出相应的风险等级。客户风险等级实行百分制，得分越高，说明该客户符合的风险标签越多，风险程度也就越高。（四）客户风险标签权重计算方法上述客户风险等级计算公式中，标签权重是极其重要的参数，直接影响该体系的运行效果。本课题采用层次分析法确定各标签所占权重，并向银行相关业务部门骨干及风险管理人员发放调查问卷，要求业务专家根据Satty1-9比率标度方法对各标签的重要程度进行比较，最后通过层次分析软件对专家数据进行计算处理，最终确定各风险识别标签的权重。实践中，本案例共对5个部门27位不同业务领域的专家发放问卷，包括银行中高层管理人员、风控经理、反洗钱业务专家、审计业务专家以及基层柜员、客户经理等。计算公式为：Xi=100i-minmax-min上述公式中，Xi是指某客户各项风险特征的最后评分，Ti是指某客户该标签的统计数据，min是指银行全部客户该标签数据中的最小值，max是指银行全部客户该标签数据中的最大值。具体计算过程如下。1.建立标签层次结构根据前述分析过程总结出中小银行互联网交易客户风险画像标签体系框架，见表1所列，共21个维度。2.对特定目标风险的n个判断标签建立判断矩阵A=a11a12a1na21a22a2nan1an2ann其中，aij表示标签Wi相对于Wj的重要程度，且aji=1/aij。3.计算标签权重比较标准参照Satty1-9比率标度方法，行内专家栏目编辑：梁丽雯 E-mail:liven_2023年第9期5252Research|技术应用根据经验判断标签Xi相对于标签Xj的重要程度，见表1所列。常认为CR0.1时，判断矩阵即通过一致性检验。最终，通过上述4个步骤，可以确定评价标签占所在风险种类的判断权重。二、客户风险画像体系运用实证为积极响应人民银行、银保监会和公安机关等部门打击涉嫌互联网非法资金交易的要求，某中小银行综合运用现有技术平台和人员力量，基于大数据分析和标签技术，快速归纳出非法资金交易特征和客户群体特征，建立20余个简洁高效的风险防控模型，快速、准确地锁定了一批涉嫌互联网非法资金交易的企业和账户，及时防范银行互联网交易风险。（一）实施思路结合银行数据资源现状，调集风险防控骨干人员成立攻坚小组，详细分析项目目标、风险分布，开展基于标签模型的数据分析，抽象出互联网非法资金交易的主要特征，通过开发客户风险画像体系评价客户风险等级，对高风险客户进行延伸核查，最终确认存在的问题，提出相应的风险防范措施建议。（二）数据基础1.银行内部数据本案例基于银行数据仓库、大数据信息服务平台的原始数据，主要包含核心系统、网银系统、信用卡系统、网贷系统4个系统的数据，通过抽取数据并加工转换成客户信息类、账户信息类、资金交易类、操作日志类、业务授信类等5个类别的基础数据，生成结构化的中间表进行数据分析，见表2所列。2.外部数据外部数据主要包含政府公用数据、互联网IP数据及各种公共信息查询工具等，可以作为数据分析强有力的佐证，是印证企业风险状况的重要数据支撑。通过对银行内部数据和外部数据的关联比对，可以精准、快速地锁定可疑客户，提高工作质效，见表3所列。标度定义1标签xi与标签xj同样重要3标签xi比标签xj稍微重要5标签xi比标签xj明显重要7标签xi比标签xj强烈重要9标签xi比标签xj极为重要2，4，6，8对应以上判断的相邻情况表1Satty1-9比率标度及含义判断矩阵A体现了各项评估标签之间的相对重要性，可通过计算矩阵最大特征根max对应的特征向量表示每层各标签的相对权重，的分量i即表示对应各因素单排序的权重值。由于每层标签权重和为1，因此采用归一后最大特征向量=（1，2，n）T作为标签的权重。计算方法：A=4.一致性检验采用Satty1-9比率标度计算判断矩阵时，由于行业专家存在主观偏好，因此各标签权重可能产生一致性冲突。如x1比x2重要，x2又比x3重要，则正常情况下x1相较于x3更为重要。但若判断矩阵中x3比x1重要，则认为此判断矩阵存在一致性冲突。因此，需对判断矩阵进行一致性检验，并反复进行修正，直至满足一致性检验。一致性检验基本公式：CI=max-nn-1式中CI为一致性判断指标，采用随机一致性指标RI对CI进行修正，即：CI=CIRI当CI为0时，认为判断矩阵具有完全一致性，CI值越小，则认为一致性越强。一致性是代表评分结果稳定性的重要指标，通过随机一致性比率CR来反映，通栏目编辑：梁丽雯 E-mail:liven_2023年第9期5353Research|技术应用（三）标签权重计算根据上文描述的风险标签的设计原则以及标签权重分析方法，结合各领域业务专家问卷调查结果，风控人员将客户属性、客户行为、交易特征、客户授信四个大类的权重分别设定为17%、38%、39%、6%，每一维度下又设计多个具体的风险标签，同样计算标签权重。客户风险画像维度及标签权重详细信息，见表4所列。（四）体系运行成果基于该中小银行当期数据运行“客户风险画像”标签体系，发现涉及互联网非法资金交易的客户群体。该客户群体具有广泛的共同特征：账户被集中控制，交易频繁、金额较大，交易对手地域分布广泛，资金过度性质明显、快进快出、不留余额，跨境操作、IP地址显示为网络赌博高发地区，部分交易描述包含赌博字样等。大量跨行交易所造成的风险在金融机构间传染，一旦触发案件，将给中小银行造成巨大的风险。银行创新运用上述客户风险画像体系，“短平快”地查清了互联网非法资金交易问题，及时进行移交和处置，取得显著成效。三、客户风险画像体系创新价值本文总结客户风险画像标签体系和相关技术，对中小银行探索适用于自身发展阶段的风险防范手段进行研究分析，对于指导中小银行开展互联网交易风险识别及防范具有重要的借鉴意义。主要创新之处有以下3点。业务系统主要数据表关键字段核心系统交易流水表客户编号、客户名称、账号、交易日期、交易时间、交易金额、余额、借贷标志、对方账号、对方户名、备注、交易渠道核心对公客户信息表客户编号、客户名称、所在地区、注册资本、联系电话、通讯地址核心个人客户信息表客户编号、客户名称、证件号码、联系电话客户关系信息表主客户编号、从客户编号、关系类型、关系描述、认定日期账户信息表客户编号、账号、开户日期、余额、开户机构网银系统企业网银日志表网银编号、客户编号、客户名称、操作日期、操作时间、操作代码、客户IP、客户MAC企业客户信息表客户编号、客户名称、开户时间、状态信用卡系统客户基本资料表客户编号、证件号码、客户名称、工作单位、联系方式、信用卡额度客户地址信息表客户编号、客户证件号码、通讯地址、工作单位地址信贷系统业务借据信息表客户编号、客户名称、借据编号、品种、借款金额、余额、发放日期、到期日期、利率客户基本信息表客户编号、客户名称、联系电话、证件号码客户关联信息表关联关系、主成员编号、从成员编号、认定日期表2银行内部业务系统数据情况外部数据源主要应用结构化工商登记数据社会统一信用代码、企业名称、注册地址、法人代表名称、法人代表证件号码、成立日期、当前状态结构化IP地址归属地IP地址、归属地（电子设备接入互联网的IP地址及其归属地，用于查询网银登录的IP归属地）结构化国家企业信用信息公示系统重点针对可疑账户的关联账户，主要是同法人、同股东、同高管、同地址以及法人、股东、高管交叉嵌套情况进行查询，并且关注相同高管人员在一段时间内集中开立账户的情况工具类启信宝工具类地图搜索引擎分析判断企业注册地址、通讯地址等信息真实性工具类表3实践中使用的外部数据情况栏目编辑：梁丽雯 E-mail:liven_2023年第9期5454Research|技术应用（一）创新风险标签体系，降低中小银行技术运用门槛标签是大数据时代对客户群体特性进行分析刻画的重要技术，被广泛应用于客户营销分群、风险管理等领域。中小银行采用标签体系刻画风险，降低了运用的大数据技术难度，以标签模型的数量优势替代大数据技术的高深复杂性，在实践中取得了较好的效果。更重要的是，银行面对各类业务场景，很难通过大而全的客户画像体系或更复杂的算法来解决问题，但可以通过调整体系中的不同标签来描述不同业务场景所面临的典型风险特征。借助该标签体系的持续运行，中小银行可以对高风险群体进行及时核查和风险处置，并不断挖掘客户群体的特征，丰富完善特征标签体系，优化调整标签权重，保证体系的灵活性、适用性和持久生命力。（二）探索新技术新方法，提升重点场景的风险防范能力大数据技术是适用于大数据处理的一系列技术框架和算法软件的套叠。中小银行受限于多重因素，很难一蹴而就地建成完善的大数据系统，通常需要结合发展阶段，优先提升部分环节的技术运用水平，防范重点场景的业务风险。如采用基于大数据的SNA社会网络分析技术，快速勾画出企业之间、法人代表之间、账户交易流水的关联关系网；应用地图热图技术、热点词云图技术，更直观地展现高风险客户的地域分布、异常交易备注等；通过可视化柱状图、折线图、饼图等图表对汇总数据进行展示分析，提升大数据分析技术对风险防控的促进作用，增强风险预警能力。除此之外，网络爬虫、机器人RPA技术、区块链技术等均能够运用到中小银行部分业务场景之中，以轻量级的方式帮助银行提高效率、加强管理和防范风险。（三）落实全面风险管理，跨条线全方位排查风险上述客户风险画像体系涵盖客户属性、客户行为、交易特征、客户授信等银行主要互联网业务，贯彻了全面风险管理理念，突破了银行业务条线管理的鸿沟，对客户进行跨条线全方位风险评估，全方位排查处置银行经营中潜在的各类风险，提升了风险防控站位和大局观念。一是关注客户授信领域风险，建立信用黑名单，对高风险客户群体申请授信及时作出预警提示，从根源上严控授信风险；二是延伸员工道德风险范围，及时处置违规行为，排除风险隐患；三是关注数据报送等银行合规和声誉风险，及时进行补救并采取措施提前预防风险。四、客户风险画像体系展望上述客户风险画像体系属于探索性实践，实际运用中也存在部分不理想的地方，需要结合银行内部业务实践和外部风险变化进行优化完善，主要有以下3个客户画像维度风险权重风险标签标签权重客户属性17%同时注册2%法人相同3%地址异常5%分散开户4%法人低龄3%客户行为38%主动改密8%境外登录8%IP相同8%账户试用6%持续交易4%集中交易4%交易特征39%手续费多6%交易对手多4%整数金额4%备注异常7%余额为零5%对手分布广5%对手复杂4%对手个人多4%客户授信6%网贷频繁4%额度低2%表4客户风险画像维度及标签权重栏目编辑：梁丽雯 E-mail:liven_2023年第9期5555Research|技术应用方面有待提升。（一）细化客户风险标签的针对性实践中所构建的客户风险画像体系聚焦银行互联网业务场景，未从客户维度针对个人客户和单位客户的具体业务品种和特点进行细致划分，因此下一步可针对不同客户群体的风险特征对客户风险画像标签进行分类细化，形成不同场景下特定的客户风险画像标签体系。（二）优化标签权重计算方法采用层次分析法度量客户风险画像标签权重具有较强的主观性，相关专家的知识背景、工作经历甚至所处地域文化特征都会影响其对风险标签的判断，因此需进一步研究分析。（三）扩展客户风险画像体系应用场景随着金融与科技的高度融合，特别是国家出台数字经济发展规划，中小银行不断加码线上业务生态布局，业务创新和金融服务场景更加多样化，互联网业务风险防控面临更为复杂的挑战，因此，需持续对客户风险画像标签体系进行动态调整和优化更新，使其保持长久的生命力。FTT参考文献：1龚明华.互联网金融特点、影响与风险防范J.新金融，2014(2):8-10.2姜涛.大数据背景下中小银行小微信贷发展研究D.杭州：浙江大学，2018.3杨畅.我国中小银行金融科技创新与发展研究-以Z银行为例D.杭州：浙江大学，2019.4王松奇.银行数字化转型路径与策略M.北京：机械工业出版社，2021.5陈伟.智能审计M.北京：机械工业出版社，2021.6程广华.数字化审计实务指南M.北京：人民邮电出版社，2021.7柯沐君.电信网络诈骗行为的政府监管研究 以广东省银行业为例D.广州：华南理工大学，2021.金融科技时代 版权声明本刊被 中国核心期刊（遴选数据库）、中国学术期刊（光盘版）、中文科技期刊数据库（维普网）、中国知网（CNKI）系列数据库、万方数据数字化期刊群等相关数据库和媒体收录，并许可其以数字化方式复制、汇编、发行、信息网络传播本刊全文。如作者不同意文章被收录，请在来稿时向本刊声明，本刊将作适当处理。作者向本刊投稿，应保证所投稿为原创，未侵犯他人著作权或其他权利，所引用的图表等受著作权保护的材料均已获得权利人许可；保证所投稿件的整体或主要部分未被其他期刊采用，并且从未正式出版；保证所投稿件一经本刊刊发，其版权将不再转让或许可给第三方使用。作者向本刊投稿的行为，即视为同意本刊编辑部上述声明。金融科技时代杂志社