近年国商业银行普遍在个人贷款（以下简称个贷）的数字化风控领域开展了大量建设工作。然而，随着房地产市场持续低迷、房地产企业债务风险不断爆发，个贷不良率仍然呈现上升态势。

在此背景下，为分析A商业银行个贷不良增长的原因，并对个贷数字化风控领域的难点进行研究，A商业银行内部审计部门（以下简称审计部）积极贯彻落实中央审计委员会与审计署提出的“做实研究型审计”的要求，结合前期数字化转型取得的成果，实施了针对个贷的研究型审计。

审计组始终将研究型审计思维贯穿此次审计项目始终，发现近年个人贷款风险呈现“集群性风险”的新特征，即大量风险集中于少数营销渠道与营销场景。因此，有必要将营销渠道的数字化风控提升至与个贷客户风控同等重要的水平。

目前银行的风控模型主要是经济上行周期的产物，尚未经过逆周期的实践考验，近年来经济增速放缓后，诸多个贷风险案例的特征已呈现出与以往不同的特点，确需对风险成因进行深入研究分析，而研究型审计“边研究、边实践”的工作特点恰好可有效应对该挑战。审计组深入研究后发现，银行业大量风控模型的规则与原理高度同质，但各家银行不良率及不良特点却存在明显差异，同一家银行的不同分行也存在显著差异，原因很可能是在风控模型规则之外、不为人所熟悉的领域中，存在着本应被高度重视的其他因素。

在对多家分行不良贷款数据的分析研究过程中，审计组发现了一个更为重要却易被忽视的因素：不良贷款高发的分行所在地往往有一个或多个楼盘爆发了“集群性风险”，即大量风险集中在个别按揭楼盘中。风险成因包括开发商资金链断裂造成期房住宅楼烂尾引发按揭客户集体断供，商业广场因整体经营失败导致商用房按揭贷款客户集体弃房断供等；此外，还有假按揭、房价下跌、销售纠纷等因素引发的各类集体断供。这些风险案例呈现诸多新特征，少数风险楼盘集中出现了大量不良客户，而以往不良贷款的风险特征往往是“多点、散发”的，新形势下很多客户断供的首要原因并非还款能力不足，而是还款意愿丧失，即遭遇问题楼盘后集体弃房断供。这些风险特征在经济上行阶段并不常见，也不是传统风控模型所能控制的。

A商业银行的个贷风控模型虽能评估个人客户的还款能力，但难以预测客户在楼市下行时的还款意愿，也难以识别开发商与楼盘风险因素所衍生的“集群性风险”。全国房地产形势较好的时期该问题并不突出，但随着经济形势的变化，该隐患已逐渐浮出水面。可见，尽管A商业银行个贷风控模型持续优化，针对单个客户的风控模型已较为成熟，但在新形势下，有必要针对集群性风险构建新的风控模型。

近年来，部分房企集团陆续出现资金链紧张或经营困难的情况，这都是期房按揭楼盘出现集群性风险的重要信号，这些隐患正日益影响着按揭客群的资产质量。如果能通过数字化风控技术揭示这些先兆特征，便能提前预警集群性风险隐患，发挥审计“防未病”作用。审计组将公司信贷业务审计的分析思路引入住房按揭贷款领域，通过企查查与数易宝等企业资信分析软件，对全行近5年办理的期房按揭贷款所对应的按揭楼盘和开发商进行了批量性分析。在审前分析阶段，审计组发现A商业银行个人住房按揭贷款业务中共有36家开发商存在大额未执行债务、资金链紧张等情况，涉及按揭项目共51个，按揭余额31.65亿元。还有一些开发商因完工风险或房价下跌等因素引发群体性销售诉讼，涉及按揭贷款规模较大。

针对这些风险信号，审计组实施了精准抽样调查，在现场审计过程中揭示了各类相关风险，包括开发商失信涉诉、群体性销售纠纷、四证不全、预售款被挪用、无证预售等。审计组向相应分行提示了这些风险信息，分行对这些风险房企和问题楼盘的按揭业务予以限制或停办，对已办理的按揭则加强贷后检查与监测，做好风险处置预案。审计组进一步向全行各级风险管理部门建议，在期房按揭业务的风控中，应对开发商的异常经营风险予以重视、及时预警，这些建议也得到相关部门的积极回应。

住房按揭客群的集群性风险特征，是否也会出现在其他个贷品种中？审计组本着研究型审计的工作思路，通过审计数据研究实验平台建立模型，展开“大胆假设、小心求证”的探索和研究。

审计组将分析范围延伸到集群性营销的其他消费信贷业务：如围绕商圈、商会开展集群性营销的个人经营性贷款，围绕各类网站开展集群性营销的信用卡网络发卡，围绕房产经纪类中介开展集群性营销的个人二手房贷款，以及汽车消费信贷等。在这些消费信贷业务中，审计组均发现少数合作渠道或中介机构中出现大量集群性风险的现象。为避免数据分析取证的局限性，审计组在数据分析和抽查档案之外，还采取了访谈与问卷调查等形式对全行个贷风控人员进行调研，再次证实了此前判断，即个人信贷的其他产品也会不同程度地呈现集群性风险的特征，大量风险也会集中于少量渠道。

当前A商业银行个贷智能化风控系统及其主要模型的基本思路是以客户为基础，多方位采集客户行为数据开展特征画像，对客户的还款能力进行综合评分。其背后的核心风控理念是统计学上的“大数法则”，该理念假设个人信贷风险是随机且分散的，“户数多、金额小”的客群基础构成了个人信贷业务抵御风险的天然屏障。但根据本次审计的研究结论以及近年来的审计实践显示，个人信用风险分布并非仅遵循“大数法则”，风险也并非随机分布，而是可能集中于少数营销渠道。风控策略应该是经营策略的延伸，集群性营销的经营策略会使不良贷款呈现出集群性的特征。当商业银行开展个贷集群性营销时，会呈现“80%的风险集中于20%的营销渠道或媒介”的风险特征，也即“二八效应”现象。银行应区别于不同渠道所营销准入的客群，根据“二八效应”的风险特征实施风险评估，当某些营销渠道出现风险，如期房楼盘烂尾或是某些营销渠道所介入客群的不良率高于预警值与容忍值时，便限制或停止该渠道的客户准入。

本次研究型审计，也论证了“二八效应”广泛存在于集群性营销业务中。该效应的存在，为集群性风险控制策略提供了理论基础，对于改进风控模型有着重大意义。它意味着在集群性营销的业务领域，商业银行可以采取类似于“微创手术”的方式，对风险点实施精确防控。只要将少数高风险渠道的业务叫停，便可显著降低风险，将其对正常业务发展的影响降至最低。

2022年6月，审计组对此前揭示的问题进行整改跟踪，发现有8个期房楼盘对应的按揭客群出现延期交房或集体断供情况，多家银行都向这些楼盘投放了大量按揭，而这些楼盘在停工后均发生大规模停贷。由于审计组在2021年已针对这些期房按揭业务向各分行提出预警，2021年后各分行未再继续投放按揭，还要求房企将挪用的预售款转回，并做好按揭客群的安抚工作，因此，这些分行在本次停贷事件中的信用风险损失被降到最低，也有效化解了涉及本行的负面舆情。

审后阶段，审计组向相关部门提出了管理建议书，建议在建设智能化风控系统及风控建模过程中，要特别关注数据风险和模型算法风险，提示风险管理部门要对风控算法模型进行有效管控，定期评估模型数据来源的合法性、准确性和充分性。审计建议指出，风险管理部门应审慎设置客户筛选条件和风险评估模型参数，模型上线前应通过系统与人工并行评估、压力情景下的模拟校验等方式验证模型的可信度，模型上线后应定期评估模型的预测能力和模型在不同场景下的局限性，对模型适用范围和配套策略予以持续监测。在经济下行周期时，风险管理部门还需关注模型内在的风控逻辑是否符合当时风险管控的新特点，避免因市场环境变化而导致模型失效。同时，应及时开展数据治理工作，对基础数据的准确性与规范性进行完善，否则前台数据录入的失真，也足以导致风控模型失效。