• 快捷搜索
  • 全站搜索

多表多步关联优化信贷监控模型的分析

2017-11-01 10:23:39作者:中国工商银行江西省分行 杨志军编辑:金融咨询网
商业银行信贷监控系统日新月异,功能日趋完善,在防范信贷风险中发挥了重要作用。在该系统中,多表多步关联,可将孤立的信息串联在一起,使信贷监控模型进一步优化,从而发现较为隐蔽的问题,以便及时采取防范措施。

商业银行信贷监控系统日新月异,功能日趋完善,在防范信贷风险中发挥了重要作用。在该系统中,多表多步关联,可将孤立的信息串联在一起,使信贷监控模型进一步优化,从而发现较为隐蔽的问题,以便及时采取防范措施。

一、信贷监控模型优化思路

  商业银行大部分信贷户是私营企业。在日常经营中,私营企业与经营者个人经常混为一体。大量贷款资金在个人账户间流转。现实中有相当一部分贷款被骗或被用于民间融资赚利差,都是通过个人账户走账。现行信贷监测对个人无法从户名信息监测,如果通过多表多步关联分散的信息,确定个人账户的资金收支用途,就可以发现一些贷款存在的问题。

  1.优化思路一:将某个人的账户与多个信贷户关联

  信贷人员可能监测到某户贷款资金在某时某地发放后转到一个人账户,下次可能监测到另一户贷款资金在另一地点另一时间发放后又转到同样的一个人账户。由于信息孤立分散,上述情况可能没有作为疑点。但如果通过模型查找多户贷款资金转给某一个人,疑点就能浮出水面。如果关联个人工作单位等信息表,并进一步建模,查找个人得到多户贷款资金后,是否高息反利,是否又将资金转给多户信贷户用于还贷。通过多表多步关联,个人账户上反映的贷款问题就能被揭示。具体思路及模型如下:

  (1)关联信贷台账表和个人客户基本信息表,获取信贷资金转到个人账户情况表。设计模型如下。

  select distinct

  t.Party_Id as “客户号”,

  t.Event_Dt as “交易日期”,

  t.Event_Tm as“交易时间”,

  t.Debit_Crdt_Cd as“借贷标志”,

  t.Tx_Amt as“交易金额”,

  coalesce(s1.Party_Id,s2.Party_Id)as“对方当事人编号”,

  s1.party_nameas“对方户名”,

  s1.Corp_Nameas“对方单位名称”

  From

  &dwPV..T05_SYN_ACCT_EVENT t/*账户交易明细表*/

  inner join dwegdata01500.信贷台账表t13

  on t13.“交易对手客编”=t.Party_Id and T.Event_Dt between t13.”发放时间”and t13.”发放时间“+30

  and(t.Tx—Amt_t13.”贷款”)/t13.”贷款”>=一0.6 and T.x_Amt—t13.”贷款:)/t13.”贷款”<=0.6 and t.Debit-Crdt-Cd=’1’

  /*根据交易对手账号取对手当事人编号*/

  left join&dwPV..t03_card_party_rela_ht3

  ont.cntpty_agt_num=t3.card_num

  left join&dwPV..t03_agt_party_rela_h t4

  onsubstr(t.cntpty_agt_num,1,17)=t4.agt_num

  /**———— 根据对手当事人编号取得对手信息**/

  left join &dwSV..c01_indv_cust_basic_infos1

  oncoalesce(t3.party_id,t4.party_id,’@@@’)=coalesce(s1.party_id,”)

  where t.Tx_Amt>= 100 and t.Party_Id not in(“,”,’000000000000000’) and t.Event_D t>= &dtStart and t.Event_Dt <= &dtEnd

  (2)根据信贷资金转到个人账户情况表,进一步筛查10户以上贷款资金转给1户对方户的情况,模型如下。

  SELECT T.对方户名,T.对方当事人编号,T.对方单位名称,Count(distinct T.客户号)AS信贷户数

  FROM信贷资金转到个人账户情况表T

  GROUP BY T.对方当事人编号,T.对方单位名称,T.对方户名

  HAVING((Count(distinct T.客户号))>10)

  (3)对有10户以上信贷资金入账的个人账户明细,进一步筛查其账户对外集资情况。模型如下。

  SELECT T.客户姓名,T.客户号,T.对方户名,T.对方当事人编号,T.对方单位名称,T.交易金额,Count(T.交易金额)AS每月付息次数

  FROM归集10户以上信贷资金的个人账户交易明细表T

  GROUP BY T.客户姓名,T.客户号,T.对方户名,T.对方当事人编号,T.对方单位名称,T.交易金额

  HAVING(((T.对方户名)Is Not Null And(T.对方户名)<>”)AND((Count(T.交易金额))>12))

  (4)筛查一名客户即实际借款人将资金转给多户信贷户用于还贷。当前少数客户以个人及小企业作为融资平台向商业银行申请贷款进行高风险投资,多户贷款风险实际集中于少数人,随时有可能形成系统性风险,商业银行相当一部分不良贷款都与此有关。这种对实际借款人将资金转给多户信贷户用于还贷的监测的模型设计如下。

  SELECT T.实际借款人户名,T.客户号,T.单位名称,Count(T.信贷客户)AS被代为还贷的信贷客户数

  FROM信贷客户交易明细表T

  GROUP B Y T.实际借款人户名,T.客户号,T.单位名称

  HAVING((Count(T.信贷客户))>=10)

  2.优化思路二:问题贷款与银行员工信息表关联

  将某一个人的账户与多户信贷户关联,能够发现问题贷款是否与银行员工有关。对此,可以采用与银行员工信息表及当事人关系表关联的方法进行监测。

  3.优化思路三:对法人信贷户与法人代表关联

  私营企业有很多资金走账是通过其法人代表的个人账户,法人代表个人行为直接关系到私营企业的经营成败,关联法人代表个人账户情况,可以发现法人贷款存在的风险。

二、模型优化后查出的问题实例

  优化后的模型监测信息经实地核查证明有效,有助于银行针对一些问题贷款及时采取措施。检查出的问题贷款实例列举如下。

  1.信贷客户将贷款用于民间融资赚取利差

  客户李某是某房地产开发有限公司人员。其个人账户表明他向223人集资。12名个人信贷户2009~2014年在某支行获得家居消费贷款共1059万元,上浮以后的贷款利率均在10%以下。贷款发放后的几天内,12人共将677.32万元贷款资金转给李某,并从李某处获取高息。如信贷户陈某2009年4月28日在该支行获得15年期综合消费贷款25万元,陈某当天即将20万元贷款资金转给李某,李某此后每月向陈某支付4000元,直到2015年12月。以此推算集资利率高达24%。再如,信贷户黄某2010年3月30日在该支行获得5年期个人经营贷款240万元,黄某次日将110万元转给李某,李某在此后的每季度向黄某支付63900元,以此推算集资利率高达23.24%。

  2.车商、开发商等实际借款人为多户个人信贷户存款还贷

  客户肖某是某市云峰汽车贸易有限公司人员。65名借款人因向该公司购车,于2012年12月~2014年4月在某支行获得两年期个人商用车贷款共1626万元,从2014年1月至9月肖某每月将还贷资金存入这65户借款人账户。

  再如,客户花某是某市安得房地产有限公司人员。10户借款人因向该公司购房(蔚蓝嘉园一期),于2012年7月~1 1月在某支行获得10年期个人商用房贷款共1440万元。发现2014年7月花某分6天将还贷资金存入这10户借款人账户。

  3.问题贷款实际由银行员工操控

  某支行发放的8户个人贷款资金都转给了客户乐某,乐某每月为借款人还贷。网银转账电脑IP地址还显示该支行8户个人贷款主管信贷员郭某在使用乐某账户。郭某与乐某为夫妻关系,这说明银行员工将其经手的个人贷款通过多种途径转出,用于个人需要。

  4.信贷户法人代表向多人集资

  信贷户法人代表如果需要从民间高息融资,说明其所在的企业不能从其他银行或金融机构得到低成本的贷款,这其中体现出的风险性应该引起被申请贷款银行的警惕。例如,根据模型清单核查发现某电气股份有限公司于2014年6月19日在某支行先后共获得三笔项目贷款,总计6500万元。最后一笔贷款将于2018年5月到期。该公司法人代表胡某共向25人集资。又如2012年8月某县宣传部的揭某向胡某汇款25万元,以后每3个月胡某向揭某支付22500元,集资利率36%。再如,2012年11月某车务段物流的张某向胡某汇款35万元,以后每月胡某向张某支付7000元,集资利率达24%。

  综上所述,在模型设计中找到问题的切入点,进行深挖和拓展,会取得意想不到的监测效果。多表多步关联不仅在信贷监控中取得了实效,在其他专业监控中也同样能取得实效。

(文章来源:中国金融电脑杂志)

扫码即可手机
阅读转发此文

本文评论

相关文章