信用卡业务已成为获客和活客的主要工具，同时随着发卡量的增加，不良率也在急升。由于区域性银行劣势比较明显，因此培养自身团队，搭建自己的信用卡申请全流程风控体系，对于区域性银行核心竞争力的提升非常必要。

信用卡申请的风控流程

1.申请进件。申请进件渠道主要指线上渠道进件，即通过扫码或微信小程序进件。客户进件后，通过联网核查对客户填写的身份证件完成认证。

2.风控准入。由于区域性银行的特殊区域政策监管要求，信用卡申请的常住地址只能在区域性银行有分支机构的地区。根据信用卡申请者年龄政策，申请者须满足18~60岁的年龄要求。

3.风控策略。信用卡申请常用风控策略有身份验证、黑名单、多头检测、反欺诈等。身份验证策略主要是针对申请者的身份信息进行验证。多头检测策略主要是查询征信系统持有3家银行以上的信用卡或者贷款业务。反欺诈策略主要是申请欺诈。通过引入通信公司的大数据，可以检测客户填写的信息是否存在诈骗行为。

4.信用评分卡。信用评分卡分申请评分卡、行为评分卡、催收评分卡三类。申请评分卡将信用卡申请者分为三类，高分类可以自动通过，低分类自动拒绝，介于二者之间的客户，需要人工审核。

5.授信额度。信用卡授信额度的确定基于信用评分卡的基础之上，结合行内客户画像系统中的存贷款和理财产品，以及第三方的固定资产，如房产、车辆、公司任职、纳税情况等确定。额度确定标准并非全行统一，采用差异化授信，例如考虑地区差异、行业差异等因素。

信用卡申请的风控策略规则

1.反欺诈策略规则。反欺诈数据源获取渠道主要有APP埋点采集的行为数据及第三方机构数据。反欺诈策略规则主要有基础信息核查、用户行为规则、联系人信息校验、中介协同识别、组团骗贷识别、第三方名单扫描、反欺诈模型等。

2.黑名单策略规则。黑名单是反欺诈的重要手段，其有效性和覆盖度是关键。主要包括内部黑名单、外部黑名单、共享黑名单、其他行业黑名单等。

3.多头策略规则。多头策略是反欺诈的常用手段，主要有多头注册、多头申请、多头借贷、多头负债等。

信用卡评分卡的应用策略

1.评分的数据源。以多类弱相关数据源构建强预测能力的信用评分模型。评分的主要数据源有信用历史、多头借贷、多头负债、资产情况、社交关系、线上线下消费能力、互联网行为数据和收支数据等。

2.构建评分模型。构建信用评分模型主要有模型变量、信息价值和模型验证组成。（1）模型变量。模型变量反映的是在自变量每个分组下的违约客户对正常客户占比和总体中违约客户对正常客户占比之间的差异。（2）信息价值。在用逻辑回归、决策树等模型方法构建分类模型时，我们经常需要对自变量进行筛选。信息价值就是衡量自变量预测能力的指标。（3）模型验证。申请评分模型的模型检验主要指标包括K-S值、ROC等指标。K-S值指标越大，模型风险区分能力越强。利用ROC曲线和AUC值，评价优劣。

信用卡额度模型管理

信用卡额度模型根据区隔变量，对申请客户进行额度细分。申请信用卡常用的区隔变量有营销策略、合规因素、风险政策等。营销策略方面，根据客户画像，模型针对高价值客户提升额度。合规因素方面，限制无收入、无担保债务占月收入比例高群体的额度。风险政策方面，申请不同种类的信用卡产品，其额度上限也要有所区别，例如学生卡和公务员卡。

第三方风控借鉴

大数据时代，阿里和腾讯为代表的第三方风控值得借鉴。在移动端，阿里芝麻信用聚焦在客户移动端行为检测，通过客户所持的移动端设备、环境、情报、身份、行为及网络关系，输出风险标签及分值。在社交端，腾讯信用通过QQ、微信、财付通等社交网络上的大量信息，利用现代数理统计模型技术，为客户建立个人征信报告。综上，区域性银行一方面可以借鉴第三方的经验，学习其模型，提升自己风险防控能力。

（本文作者单位为潍坊银行零售银行部）