普惠金融政策背景及发展现状

模块一：普惠金融政策背景及发展现状（3课时）

一、普惠金融的政策背景及发展现状解析

（一）普惠金融的界定、政策背景

1.普惠金融基本特征与关键要素

2.普惠金融参与主体及重点服务对象

3.经济社会及金融可持续均衡发展的必然要求

4.普惠金融监管体系重点监管指标（“两增两控”等）

（二）我国普惠金融发展现状

1.我国普惠金融发展状况与比较

2.政府、传统金融与新型金融服务提供者的作用

3.金融科技的发展与监管

（三）普惠金融的发展路径

1.国务院关于印发推进普惠金融发展规划2016-2020

2.银行普惠金融

3.保险证券层面

4.新型机构层面

小额贷款公司、消费金融、汽车金融、金融租赁、融资租赁、融资担保机构等

5.金融监管层面

6.中央及地方政府层面

二、金融科技在普惠金融领域的赋能

1.带动金融科技，科技巨头冲击传统银行

阿里系、腾讯系、京东系、百度系、万达金融等

2.金融科技背景下银行面临的冲击及新尝试

【案例】民生银行、平安银行等（具体案例以现场授课为准）

模块二：商业银行与互联网金融信贷商业模式比较分析与经验借鉴（3课时）

一、商业银行与互金公司信贷商业模式比较分析

1.经营模式对比

2.客户群体的广泛性与普惠性分析

【案例】网商银行服务小微企业的业务模式解析

【案例】微众银行面向中小微企业的线上流动资金贷款

3.信贷产品比较分析

（1）银行方

（2）互金平台：场景分期、供应链金融、现金贷等

【案例】蚂蚁金服的花呗借呗；京东白条；“微粒贷”等

4.风控措施

（1）银行：传统抵质押、保证等强担保

（2）互金平台：信用、平台担保、场景风控、资金闭环、金融科技风控

【案例】蚂蚁金服的大数据金融风控

5.参与主体及参与模式

（1）银行方（2）互金平台（3）银行与互金平台的合作模式

二、如何运用互联网大数据进行客户营销

1.互联网金融信贷产品的目标客户群

2.运用互联网大数据进行客户营销的手段

（1）资料收集、识别目标客户特征、测算客户的潜在需求

（2）数据分析、测算产品准入门槛、贷款额度和营销方案

（3）测算客户潜在风险，制定黑名单

（4）数据运用

【案例】京东金融的大数据营销策略

三、金融科技在金融风控领域的应用

（一）贷前：利用大数据分析技术批量获客和引流

1.场景获客、平台引流、跨界客户导流、潜在客户挖掘、睡眠客户唤醒、大数据营销

2.行为偏好分析、消费习惯分析、能力意愿分析，客户激活技术

（二）贷中：引进机器学习技术进行反欺诈和风控

1.身份识别等；

2.大数据征信

3.区块链技术下信贷工厂模式、标准化、自动化处理流程

4.评分模型决策和审批

【案例】京东金融的征信、风控模型

（三）贷后：机器学习与人工智能相结合的立体催收策略

1.早期催收模型、晚期催收模型、资产管理策略

2.对行为数据、催收数据的汇总回归分析

3.催收引入移动app定位及数据共享技术

4.互联网模式催收与绩效评价考核模式

【案例】花呗借呗催收模式

四、传统商业银行在信贷风控方面的应对策略及解决方案

（一）传统商业银行信贷风险管理技术方法的创新

1.前端：场景+小额+分散+资金闭环运作

2.中端：场景+数据+模型+信贷工厂+区块链技术

3.后端：行为分析+立体化数据催收模型+催收APP技术

【案例】网商银行与传统商业银行合作，优化小微风控策略

（二）信贷业务中大数据挖掘分析处理的技术方法

1.结构化数据；

2.非结构化数据

（三）信贷工厂的运营管理模式

1.标准化、流程化、电子化的信贷处理流程

2.批量录入、自动核验、模型审批、抽样质检的工作模式

【案例】民生银行总行、平安银行总行案例

（四）评分模型的技术在信贷风控中的应用

1.全流程模型解析

2.模型技术在银行消费信贷风险管理中的应用实证案例

（1）客户评价模型在商业银行小额信用贷款中的应用

（2）贷款额度、定价模型在银行小额信用贷款中的应用

（3）贷后监测和催清收模型在商业银行贷后管理中的应用

【案例】结合互金平台与传统商业银行合作模式进行讲解，具体以现场授课为准