三个“注重”确保大额贷款风控更得力
近两年，阜宁农商银行借助省联社模型分享,自建“前100大户风险监测”模型，对大户贷款进行跟踪监测，风险监测模型撬动了对大额贷款的提前预警，为探索信贷管理集约化、精细化、数据化作出了粗浅的尝试。
一、注重内需，确保建模导向更鲜明
一是业务发展需要。随着全省农商行系统大数据运用不断深入，风险防控压力的日益加大，管理战略与经营策略联合、内部与外部信息整合、数据分析与监测预警结合已是大势所趋。全省农商行系统大多数同业机构都实施了贷款授用信集中处理，尤其是省联社风险预警系统的上线使用对贷款的风险揭示起到了很好的效果。
二是信贷管理需要。通过日常检查发现，信息录入标准化操作处理明显不足，既不利于风险集中把控，也难以实现信息互通共享。该行在贷款“三查”中数据分析运用能力弱，客户经理大部分时间都用于资料整理，忽略了数据信息的整理转化，无法进一步实现精准化的后续营销维护和贷后管理。模型能把客户资料收集、调查报告形成、授用信审批、贷后管理等业务都需要强大的数据转换为互相支撑的数据链，提高判断的准确性。
三是清降不良需要。首先是前100大户余额占比高、户均额度大。截止2017年6月末前100户贷款余额21.31亿元，占总贷款余额43.13%。户均余额达2131.1万元，是全行贷款户均的70倍；其次是不良、关注贷款占比高。前100户大户贷款不良率9.94%，关注类占比11.73%，均高出全行贷款5个百分点以上；
二、注重梳理，确保建模举措更精准
一是公司贷款梳理。识别各企业自身所处生命周期，同时企业所处行业的生命周期，进行分类，对前100户按公司类贷款成长期、成熟期、衰退期等进行分类，同时收集前100户企业调查报告等相关资料，对企业财务与非财务信息进行分析，将非财务信息进行数据化转变，设定预警法则，进行模型化监测。
二是建模人员梳理。因建模工作需要，该行成立了模型建设团队，团队成员分别来自各业务条线部门，并定期召开讨论会议。该行现已建立前100户贷款客户清单、贷款担保方式、贷款客户在本行的担保情况、贷款增加授信情况、贷款客户资金入行情况、贷款还款资金来源情况、贷款资金流向监测等8个监测模型。
三是监测数据梳理。该行按季进行数据跑批，监测企业所有活期账户的资金流入情况，比较出同期资金流入量下降明显的贷户清单，进行及时预警；监测客户账户还款流水前3笔还款资金来源，若资金来源于担保人、公司主要关联人（法人、股东及配偶）、担保公司等，则进行预警；监测违约、多头授信风险等，监测贷款还款账户贷款还款业务的前3笔和受托支付交易对手是否一致。监测关联企业（交易）风险，防止信贷资金被挪作他用，防止盲目投资；监测资金用途转移风险，监测资金流向是否符合其生产经营范围，交易对手是否真实监测交易对手是否合同约定对手；资金用途流向是否在其经营范围内等。
三、注重收效，确保建模成果更显著
一是提升了数据质量。前100大户全生命周期风险监测的实施，要求前台重点对客户信息的收集，客户经理负责做好客户信息收集、数据真实性把关，实行数据标准、资料标准、录入标准等管理要求，使得客户经理从粗放的管理、监督等转变过来，管理部门负责数据信息整理转化分析运用，后台部门专注于风险监测。
二是提升了工作效率。通过数据分析预警展示，由让原先通过贷后检查获取的信息，通过系统监测预警，及时有效地提高了贷后管理的效率，同时提高了贷前贷时的调查审批效率，通过系统监测预警，大大地释放了客户经理的服务潜能。
三是提升了风控保障。通过定期模型数据跑批和后期的风险监测分析，监测企业所有活期账户的资金流入情况、违约及多头授信风险、贷款还款来源与贷后资金去向情况。并对通过模型监测到存在风险隐患的大户采取了收回退出和压降等防控措施。（文/高兆兵）