疫情讓我國經(jīng)濟按下了暫停鍵，從個人到各類企業(yè)都受到了很大的影響。尤其是作為信貸主體重要還款來源的收入面臨下滑甚或斷流的風險。這對存量貸款的資產(chǎn)質量帶來了巨大的威脅，同時新增貸款面臨申請拒絕率提升的挑戰(zhàn)。主要表現(xiàn)在：

一是存量貸款面臨客戶還款能力下降及欺詐風險上升的雙重挑戰(zhàn)。大量客戶收入下滑導致還款能力下降，逾期風險上升，給金融機構帶來兩類風險，一類是仍有主觀還款意愿的客戶，短期的現(xiàn)金流下滑導致資產(chǎn)負債表惡化，只要其收入恢復，償還貸款應該不成問題，但是也不排除一部分客戶由于市場競爭能力弱導致長期失業(yè)或者企業(yè)倒閉，變成事實不良；另一類是不具有主觀還款意愿、渾水摸魚的客戶，這部分客戶要么仍具備還款能力，但欲借疫情期間國家、金融機構推出的扶持政策，延遲還款甚或賴賬，要么的確喪失了還款能力，趁機賴賬。

二是新增貸款門檻相對提高。受疫情的影響，申請人收入下滑、消費下降、負債率上升、行為和過往表現(xiàn)呈現(xiàn)巨大的差異，導致以往能夠符合條件的申請人申請貸款難以達到原有大數(shù)據(jù)風控的準入門檻。

大數(shù)據(jù)風控讓我們享受自動化、智能化。但是，當黑天鵝來臨的時候，往往出現(xiàn)大數(shù)據(jù)風控失靈、大面積預警或大面積拒絕。那么，如何優(yōu)化大數(shù)據(jù)風控呢？

首先，建立宏觀層面的數(shù)據(jù)風控體系?，F(xiàn)階段的大數(shù)據(jù)風控以信貸主體為目標，采集信貸主體最新征信數(shù)據(jù)、歷史信貸數(shù)據(jù)、資產(chǎn)數(shù)據(jù)、行為數(shù)據(jù)等，以歷史信貸樣本建立覆蓋貸前、貸中和貸后全信貸生命周期的預測模型，實現(xiàn)對各個環(huán)節(jié)的風險控制，但缺乏對宏觀層面的大數(shù)據(jù)風控手段。

第二，加強對模型變量使用的評估。行為變量在相對穩(wěn)定的社會環(huán)境中可體現(xiàn)對風險的預測能力，但社會環(huán)境發(fā)生變化時，主體的行為會發(fā)生巨大改變，原有行為變量很可能帶來相反的效果，導致對風險錯誤預警。因此，需進一步加強對行為變量的評估，建立行為變量的評價標準，選取不易受影響的行為變量，確保風控模型的持續(xù)有效。

第三，建立模型快速迭代部署機制。我們需要找到讓模型更聰明、迭代更快的辦法。一方面，可以采用智能建模技術，讓模型自學習、自迭代；另一方面，加強模型監(jiān)控，對模型及變量進一步加強監(jiān)控，提高模型迭代標準；再一方面，提升數(shù)據(jù)時效性，要實現(xiàn)使用準實時的數(shù)據(jù)開展建模，讓模型更貼近即時的風控環(huán)境。

第四，建立大數(shù)據(jù)風控應急機制。建立快速的應急機制，可以建立情景模擬模型體系，在模擬各類危機情景下，當類似的情景出現(xiàn)時可以快速的應對。

第五，建立一支高素質、經(jīng)驗豐富的風控隊伍。當風暴來臨，機器失靈時，人是最好的大數(shù)據(jù)風控應急補充手段。

大數(shù)據(jù)風控作為新生事物，雖然仍有不足，但是經(jīng)歷疫情風雨之后，肯定會越來越完善。財務公司作為非銀行金融機構，隨著公司業(yè)務的發(fā)展，買方信貸及產(chǎn)業(yè)鏈金融將面對更多外部信貸主體，如何通過信科開發(fā)，運用大數(shù)據(jù)風控，提高效率，會否成為下一個信科開發(fā)的重點。