- 0
- 0
- 约4.24千字
- 约 10页
- 2026-02-11 发布于四川
- 举报
2026年小额贷款公司风控管理计划
2026年小额贷款公司风控管理计划
一、行业风险画像与战略定位
2026年,国内小额贷款行业面临“低利率、高不良、强监管”三重挤压。公司年度战略明确“做小额、做分散、做高频、做数据”,单笔额度上限降至5万元,户均余额控制在1.8万元以内,客群锁定在县域常住人口、小微经营者、新市民三类,拒绝跨区域扩张,全年新增贷款规模增速不超过8%,不良率目标≤2.2%,拨备覆盖率≥220%,资本充足率≥15%。风控部据此将全年工作拆成“数据、模型、流程、资产、合规、文化”六条主线,每条主线再细化为可量化、可追责、可回检的42项子任务,全部纳入OKR体系,季度复盘、半年度滚动修订。
二、数据治理:从“可用”到“好用”
1.数据源再梳理
年初对内外部105个数据源做ROI打分,淘汰14个成本高、覆盖低、更新慢的数据源,新增“电力缴费稳定性指数”“医保连续缴存月数”“县域夜间灯光亮度”3项弱敏感高相关变量,全年节省数据采购费用260万元。
2.数据质量闭环
建立“数据质量红绿灯”看板,字段缺失率、逻辑冲突率、异常波动率三项指标日更,触发阈值自动冻结对应环节审批权限。上半年共触发红灯37次,均在4小时内完成修复,未造成一笔问题放款。
3.隐私计算落地
与省政务数据平台完成联邦学习节点对接,实现“数据不出域、模型可训练”。在反欺诈场景下,AUC提升3.7个百分点,全年减少疑似欺诈申请1.9万笔,直接避免损失1.1亿元。
三、模型迭代:把“黑盒”变“白盒”
1.主评分卡重构
放弃传统逻辑回归,改用“分段线性+lightGBM+可解释性后处理”的三层架构,将800维原始变量压缩至42维可解释变量,模型KS从0.34提升至0.41,同时满足监管“可解释”要求。
2.子模型矩阵
针对“农户、个体工商、网店店主”三类客群单独训练子模型,差异化设置风险溢价,农户模型引入“农作物期货价格波动”因子,网商模型引入“平台店铺DSR评分”因子,实现风险定价精度提升12%。
3.模型灰度与回滚
任何模型上线必须经历“10%灰度→30%灰度→100%全量”三阶段,每阶段设置“逾期率+欺诈率+收益”三维熔断阈值,触发即自动回滚。全年共回滚2次,最大潜在损失控制在98万元以内。
4.模型资产库
建立“模型资产库”制度,每个模型赋予唯一数字指纹,记录训练数据、参数、效果、责任人、下线原因,形成公司级“模型族谱”,方便监管检查与内部知识传承。
四、流程再造:让“人”找不到风险漏洞
1.贷前“三查三录”
查身份、查偿债、查用途;录现场、录对话、录签名。全部通过自研“云勘”小程序完成,GPS、时间戳、人脸比对、OCR四重交叉,确保实地尽调真实有效。全年共识别虚假地址申请3124笔,拦截率0.9%。
2.贷中“动态限额”
额度不再一次性授予,而改为“基础额度+行为额度”双轨制,基础额度最高3万元,行为额度根据客户每日经营流水、还款准时率、税务开票额动态调整,每日更新,T+0生效。试点县域客户平均用信额度下降18%,但利息收入提升9%,实现“降额增收”。
3.贷后“135”催收
逾期1天AI语音提醒,3天人工电话,5天外访+社区网格联动。对失联客户启用“数字寻迹”:通过快递收件、医保消费、子女学籍三条公共数据链重新定位,全年修复失联率27%。
4.资产分类与拨备
采用“逾期天数+客户评分+担保方式”三维矩阵,将信贷资产细分为15档,逐档设置差异化拨备比例,最低1%、最高80%,确保拨备金精准充足,全年拨备计提误差率控制在0.3%以内。
五、资产保全:把“烂账”变“现金”
1.不良资产“阳光化”处置
与省内5家持牌AMC签署“零售不良资产批量转让”协议,设置“底价+溢价分成”模式,全年转出本金3.4亿元,回收现金2.1亿元,整体回收率62%,高于行业平均12个百分点。
2.司法催收“批量化”
建立“诉状模板库+要素式立案”系统,实现“1000笔以下一键生成诉状、批量网签、批量立案”,平均立案周期从45天缩短至7天,全年通过法院执行回收现金4100万元。
3.以物抵债“平台化”
与京东拍卖、阿里拍卖完成API对接,对收回的车辆、农机、商铺使用权实行线上竞拍,全年成交312笔,溢价率18%,实现资产保值增值。
4.核销后“继续追”
对核销贷款仍保留“账销案存”追索权,设立专职“资产清收二部”,采取“利润分成+费用包干”模式,全年清收已核销贷款980万元,直接贡献净利润630万元。
六、合规内控:让监管“找不到毛病”
1.监管沙盒对接
主动申请加入央行“县域数字信贷沙盒”,将利率、收费、数据使用、模型变量全部向监管开放,实时回传,全年监管现场检查0次、处罚0次,节约合规成本约400万元。
2.员工行为排查
上线“员工行为AI审计”
原创力文档

文档评论(0)