信貸風險的技術論：大數據時代下的「硬信息」及其機遇！
信貸風險管理
信貸人專屬交流、學習的平台
出品：信貸風險管理
作者：寇乃天
當今時代是一個高度信息化的時代，更是一個偉大變革和擁抱發展的時代。數據化、信息化的時代，經濟與信息已經密切聯繫在一起，以雲計算、大數據為代表的新基礎設施，為創新的跨越式發展提供了可能，而銀行業信貸技術的轉型升級，離不開對信息的利用、數據價值的挖掘。大數據信息技術的產生及其運用，對銀行業的傳統信貸經營模式產生了深刻的影響，倒逼銀行轉型和發展，——具體到中小企業信貸領域，傳統意義的「硬信息」被賦予了新的內涵和形式。大數據信貸技術成為銀行業的「寵兒」，為「硬信息」創造了無限的可能性，帶來了重大的發展機遇。「沉舟側畔千帆過，病樹前頭萬木春。」大數據時代下商業銀行應當積極擁抱時代，銳意進取，認清「硬信息」的發展趨勢，積極適應和變革傳統的信貸技術，推動中小企業信貸業務的創新轉型與持續健康發展。
01
回歸信貸技術體系的邏輯本源：「硬信息」的內涵界定
信貸技術的邏輯本源就在於應對「信息不對稱」的信貸配給問題，而信息經濟學視角下「信息」可以區分為「軟信息」和「硬信息」。隨著信息技術的進步和實踐部門各種貸款技術創新不斷湧現，貸款技術尤其是基於「硬信息」的貸款技術的「異質性」逐漸被揭示出來。Berger和Udell(2002)根據不同貸款技術所依據信息類型的不同，將貸款技術分為基於「硬信息」的交易型貸款技術和基於「軟信息」的關係型貸款技術。根據「硬信息」的來源不同，交易型貸款技術又細分為財務報表型、資產抵押型、資產保證型和信用評級型貸款技術。Berger和Udell(2006)在原有貸款技術的基礎上，增加了保理型貸款技術，該貸款技術區別於資產保證型貸款技術之處在於，保理型貸款技術將企業存貨或應收賬款的所有權轉讓給了銀行，而資產保證型貸款技術僅將其抵押給銀行。大數據新時代背景下，大數據信貸技術賦予了「硬信息」新的內涵，成為新型的交易型信貸技術。
商業銀行對中小企業的貸款技術可以歸納為交易型貸款技術與關係型貸款技術兩大類。交易型信貸技術所依據的信息稱為「硬信息」，如財務報表、資產抵押品質量和數量以及信用得分等。這些信息易於編碼、量化和傳遞，具有非人格化的特徵，在貸款決策中可以很方便地生產和傳遞。硬信息一般是資金變現能力強、信息接受方可控性好的信息，一般與現有的資產狀況高度相關。
信貸視角下的「硬信息」具備如下特徵：
1
定量化
中小企業客戶的硬信息一般產生於市場交易的過程之中，具有顯著的數字化特徵，便於商業銀行信貸經理進行數據的編碼、計量和分析。例如，企業的財務報表數據，就是非常典型的硬信息。大數據風控技術中，雲計算平台的各類「大數據」，也具有顯著的「可量化」的數字特徵。
2
傳遞性
硬信息較為客觀和書面化，信息產生以後，容易進行很好地傳遞，方便信息接收方的使用，傳遞性很強，也不會產生過多的信息消耗。例如，中小企業的信用評分一旦產生以後，是以具體的分數形式呈現出來，方便商業銀行信貸決策者的直接使用。
3
非人格
在採集方式上，硬信息不需要信貸經理與客戶進行長期的面對面接觸才能進行信息的挖掘採集，企業的一些硬信息通過信息科技技術和特定系統就可以採集出來，不像「軟信息」具有強烈的人格化特徵。例如，企業的信用數據，通過人行的企業徵信查詢系統可以方便的查詢出來，省去了大量的人力成本。
4
非主觀
中小企業的硬信息在認知因素上一般沒有信貸經理的主觀經驗的價值判斷，不摻雜客戶經理的意見和觀察，具有顯著的客觀化特徵。例如，資產支持型信貸技術依據的押品數量和價值信息都是客觀存在的公允價值，不需要信貸經理的專家式的價值判斷和評估，沒有主觀因素的干擾。
2
中小企業融資之痛：不完美的「硬信息」
西方國家對中小企業融資問題的研究肇始於20世紀30年代。Macmillan（1931）為首的英國金融產業委員會提出了著名的麥克米倫缺口（Macmillan Gap）這一世界性難題。中小企業融資具有「短、小、頻、急、難、貴」等突出特點。而造成中小企業融資的痛點的原因，主要是欠缺傳統意義上的「硬信息」。
1
中小企業融資的「痛點」解讀
中小企業融資問題是一個世界性難題，也是一個長久性課題。無論在我國還是世界其他國家，中小企業己經成為拉動經濟增長、增加國家稅收、推動自主創新、穩定城鎮就業的主要企業群體。信貸實踐中，中小企業融資的痛點主要體現在以下幾方面：
1
「融資結構」不合理
如圖所示，在市場經濟中，中小企業融資的方式一般包括內源融資與外源融資兩種。其中，理想狀態下，中小企業融資應當以內源融資為主。目前，中小企業融資有外部和內部兩種渠道。外部融資渠道主要是商業銀行間接融資和證券市場中的股票直接融資，內部融資企業利潤和折舊資金累積或者企業內部股份化及小企業所有者吸引朋友和家族成員入股籌資。而企業債券市場、商業股票市場遠沒有發展起來，各種金融服務機構也很不完善。對於中小企業，無論是非正常情況還是正常情況，融資都很困難。我國中小企業是在國有大中型企業和外資企業這兩座大山的夾縫中艱難地成長起來的。土生土長的中小企業則不同，既無國家財政機關和國有商業銀行的強力貸款支持，也無外資企業的那種海外資金和技術優勢，其創業和發展都只能靠自有資本的積累，內源性融資始終貫穿其一生。調查顯示，中國中小企業經濟初創時的啟動資金有90%以上主要來自資金持有者、當初的合伙人以及他們的家庭來解決。可知，當前環境下中小企業融資的第一個痛點是融資結構不合理，融資渠道較為單一，融資成本偏高。
2
「貸款獲批性」差
貸款獲批性較差，又可以理解為「信貸配給」的困境。信貸配給可以劃分為信貸數量配給和信貸規模配給,包括逆向選擇和道德風險兩個方面。目前，商業銀行信貸技術的相對滯後以及中小企業自身的缺陷，使得中小企業從銀行得到信貸支持很難。例如，中小企業自身存在諸如企業產權不清、管理混亂、產品生產規模小、競爭力弱、財務狀況不透明等問題，導致中小企業與商業銀行之間存在嚴重的「信息嚴重不對稱」狀況。其中，中小企業的產權不清又體現為財產關係不清、投入性質不清和資產歸屬不清。中小企業產權混亂的狀態，會對中小企業信息的有效獲取產生阻礙，影響「軟信息」、「硬信息」的生產和傳遞。在信息不對稱理論下，中小企業信貸業務存在道德風險和逆向選擇問題，中小企業的資信水平低、貸款風險大等原因都制約了商業銀行對中小企業的信貸支持。可知，中小企業融資的第二個痛點是信貸配給較差，貸款獲批性較差。
3
「信用缺失」顯著
中小企業融資面臨的「信用缺失」的困境。信用困境主要分為兩大類：第一類是中小企業與銀行的縱向信用缺失，主要體現為以下幾方面：一是缺乏還款意願。中小企業缺乏對融資信用的足夠重視，部分中小企業還款意願不夠，容易產生信用違約、信用欺詐和借貸糾紛等問題。二是缺乏還款能力。中小企業由於自身規模和經營能力的限制，信用風險偏高，抗風險能力較差，在經濟下行周期發生貸款違約的概率較高。三是缺乏信用數據資源。中小企業內部會計信息可信度較低，且資源封閉，向銀行提供的財務數據容易造假，可信度較低。中小企業的信用記錄較為欠缺，合法有效的融資信用記錄等「硬信息」相對匱乏。第二類是企業之間的橫向信用缺失，主要體現為：中小企業之間的信用關係和中小企業和大企業之間的信用關係。中小企業融資的第三個痛點是缺乏有效的信用數據進行支持，信用缺失問題顯著。
4
「融資成本」較高
信貸配給作為中小企業人信貸市場的一種均衡機制，是信貸市場風險極小化與收益極大化的理性選擇。在差異化信貸定價機制下，中小企業的貸款利率遠遠高於大企業，融資的成本較高。但是即使在高利率下，中小企業也面臨著信貸配給的困境，中小企業融資貴也就成為一種必然。從銀行信貸渠道講，中小企業融資成本是相對較高，比其在民間借貸市場融資成本「便宜」多了。
中小企業利用銀行信貸渠道進行融資具有以下優點：
一是獲得資金較為迅速。
二是信貸產品種類相對較多。
三是融資費用相對較低。
四是彈性大、靈活性較強，可以進行貸款延期。
中小企業融資的第四個痛點是銀行融資成本相對較高，但明顯低於民間融資成本。
5
「風險偏好」歧視
中小企業信貸風險較高，商業銀行選擇信貸客戶的時候，存在企業客戶的「所有制和規模」的歧視。例如，銀行更是將貸款對象的「所有制」視為審批貸款的一個重要的考察因素。對於具有國有控股股東背景的大型企業，信貸審批部門會認為信貸安全性較高，此類企業往往受到銀行的偏愛。相對而言，對於較為「純粹」的民營的小微企業，由於抗風險能力較差，商業銀行一般較為審慎，不願意進行過多的信貸資金的投放。中小企業融資的第五個痛點是信貸風險偏高，商業銀行不可避免地存在「風險偏好」上的業務歧視。
6
「信貸策略」趨嚴
商業銀行在信貸經營的過程中面臨銀行信貸規模擴大與金融風險提高的困境。在無法處理好風險點與盈利點的時候，商業銀行對中小企業的審批格外嚴格，貸款發放的約束機制較強，中小企業難現象較為突出流動資金越來越緊張。尤其是各地區逃廢金融債務的比例在不斷上升，在高風險面前,商業銀行普遍存在著「惜貸」、「抽貸」等問題。中小企業融資的第六個痛點是信貸審批較為嚴格，經濟下行期信貸經營策略更加趨緊從嚴。
2
直擊痛點背後的「硬信息」
「信息不對稱」(asymmetric information)指交易中的各人擁有的資料不同，造成了市場交易雙方的利益失衡。該現象由肯尼斯?約瑟夫?阿羅於1963年首次提出。阿克洛夫(George Akerlof)在1970年代發表著名著作《梓檬市場》(The Market for Lemons)作了進一步闡述。信貸市場上的信息不對稱問題導致的信貸配給問題是造成中小企業融資困境和痛點的主要原因。而「硬信息」作為一個關鍵的因素，其信息的質量及劣勢直接造成了中小企業融資的痛點發生。從信貸技術視角分析，「硬信息」的「不完美」主要體現在以下幾方面：
1
信息失真
財務數據是「硬信息」中最為典型的一類。目前，中小企業的信息主要通過財務數據反映。大多數中小企業財務管理不規範，財務內控機制不健全，財務數據失真。由於中小企業缺乏必要的財務信息披露約束，因而外部監督也同樣缺失，加之中小企業數量多、分布廣、生命周期不穩定等特徵，發生逆向選擇和道德風險的可能性比較高。造成中小企業財務信息失真的原因主要包括以下幾點：一是合理避稅的需要。中小企業為了避稅，一般會把自己的資產、收入等財務科目盡量壓縮變小，與企業的真實經營狀況不符。二是造假成本較低。企業為了融資的需要，會低價的聘用財務人員粉飾報表。因此，中小企業給銀行提供的報表一般會誇大企業的銷售收入，導致信息失真。三是懲罰機制不健全。針對中小企業財務造假的懲罰機制，主要體現在騙取貸款罪、貸款詐騙罪等相關罪名，其餘的社會監督機制相對欠缺，
2
信息欠缺
中小企業融資難的一個重要原因是欠缺足夠的「硬信息」，比如企業的土地、廠房、機器設備等押品信息。信貸實踐中，中小企業由於缺乏規範的報表、沒有充分的抵質押物、信用評分不夠理想等硬信息少的原因而被銀行拒之門外的案例屢見不鮮，充分反映了中小企業欠缺足夠多的硬信息。許多中小企業由於企業資產規模小，缺乏業務記錄、稅務狀況、財務審計和信貸歷史信用等信息，導致其獲取外源融資的困難。正是由於中小企業「硬信息」的簽約，導致商業銀行「想貸而不敢貸」的尷尬局面出現，——信息欠缺，導致商業銀行無法還原一個真實的中小企業。
3
「驅逐」現象
在中小企業信貸實踐中，不僅各種「硬信息」能夠傳輸，就是各種「軟信息」也可以產生和傳遞達。但是，由於傳輸硬信息需要進行規範的加工、處理，會耗費較多時間，提高工作成本。而軟信息基本上是口頭傳達，「意會」成分很多。所以，在中小企業中會出現「軟信息驅逐硬信息」的現象。尤其是在關係型信貸技術的實踐中，即除了少量必要的硬信息，在中小企業信貸決策中充斥著大量的「軟信息」。
3
遇見未來：大數據信貸技術下的「硬信息」
1
時代趨勢：作為「硬信息」的「大數據
大數據代表了時代發展的一個趨勢和潮流。大數據誕生一個很重要的背景就是雲計算的出現。雲計算為數據收集和儲存提供了重要的平台。大數據是雲計算升級必經的階段。大數據是未來推動生產力發展的新的技術前沿。從某種意義上將，大數據就是一種資產，對於銀行信貸技術的變革意義重大。2008 年《Nature》就針對互聯網技術、超級計算、生物醫學等幾個方面推出了「big data」專刊，專門對大數據進行研究。2012年3月，美國公布了「大數據研發計劃」，這個計劃主要是為了提高海量數據中的數據獲取能力。2012年4月，歐洲信息學與數學研究協會在其主要期刊《ERCIM News》刊登了專刊「big data」。2012 年 5月，以「大數據科學與工程——一門新興的交叉學科」為主題的學術會議在香山召開，國內大數據方面的研究學者對大數據的理論、技術及應用進行了探討。2012年6月，中國計算機學會青年計算機科技論壇舉辦了以「大數據時代，智謀未來」為主題的學術會議，主要針對大數據相關的挖掘技術、安全性、平台開發技術、體系架構理論和大數據案例應用進行了探討。從銀行角度看，大數據主要體現為如下特徵：
1、海量化。大數據與以往數據的不同之處首先在於「大」。當今數據量以驚人的速度增長，數據遍布全球所有的數據產生和存儲的設施，主要是互聯網存儲設備，每天都能產生海量數據。
2、多樣化。大數據包含多種數據類型。大數據不只是增長的速度快，還出現越來越多的數據類型。結構化數據可以存儲在 EXCEL 表格中，進而存儲在一些資料庫中。但是非結構化數據和半結構化數據佔據了大部分比例，以不同於傳統二維結構化形式存在，比如視頻、文本和圖片等。
3、快速化。海量數據的產生對數據的處理速度要求很高。經濟全球化使得企業的生產成本不斷上升，市場競爭越來越激烈。企業必須順應市場形勢，把握市場行情，對經濟形勢、產業發展、消費者需求等情況迅速做出反應，並快速做出符合市場變化的企業經營策略，這有助於企業提高市場競爭力。
4、價值化。大數據分析的最終目的是發現其價值並加以利用。隨著信息量的增加，數據存儲的不斷加劇，數據來自方方面面，且類型多樣。數據已經成為企業擁有的無形資產，逐步形成了企業的核心競爭力。在大數據時代，如何利用好數據資產，充分發揮大數據的價值是企業提升競爭力的關鍵。
5、非人格。從信貸視角分析，大數據主要通過雲計算等非人工方式進行生產和傳遞，不需要信貸經理進行過多的人工干預，屬於較為典型的硬信息。大數據的非人格化的特徵，有利於快速地提升數據的採集效率，為信貸技術的變革提供了先天基礎優勢。
6、可量化。從銀行角度看，大數據不需要信貸經理進行過多的主觀經驗的價值判斷，具有顯著的量化特徵，便於編碼、計量、統計與傳遞，方便銀行信貸經理使用與後續的信貸決策做出。
2
「大數據」的信貸技術
由於大數據具有顯著的「非人格」、「可量化」等特徵，大數據應該被定義為新型的「硬信息」。與之對應的，大數據信貸技術屬於一種適應信息化發展的新型信貸技術，有利於變革傳統的信貸模式。很多大型商業銀行都已經開始使用大數據推動業務發展，如中信銀行通過大數據分析實現了信用卡的實時營銷，招商銀行通過大數據分析發展小額貸款，光大銀行通過社交媒體信息建立了資料庫。如圖所示，總的來看銀行大數據應用可以分為四大方面：客戶畫像、精準營銷、風險管控、運營優化四大方面。具體到中小企業信貸領域，大數據的應用場景體現為大數據信貸技術。商業銀行通過對企業生產、銷售、流通等相關數據進行挖掘，銀行通過評估企業風險等級，確定企業的信用額度，從而更好地開展貸款業務，大幅降低貸款風險。
大數據信貸技術主要通過四個環節實現中小企業客戶的信貸模式創新與流程優化，具體而言：
第一個環節、中小企業客戶的畫像臉譜。
大數據信貸技術通過分析中小企業客戶的多渠道數據，進而形成中小企業客戶的「印象臉譜」，判斷出企業的經營特徵。企業客戶畫像除企業內部生產性和經營性數據外，還包括外部宏觀環境數據。此外，銀行的中小企業客戶數據有限且覆蓋面較小，僅依靠銀行自身數據得到的結果不夠準確甚至誤差很大。銀行除考慮內部業務獲取的數據外，還應考慮銀行外部環境的數據信息，擴展外部業務。例如，企業的微信公眾號、微博、博客、網站、電商平台等媒體上的客戶行為數據，使銀行內外部數據互聯互通，能夠獲取更多的客戶行為信息，以實現更為有針對性地營銷。此外，還包括客戶上下游產業鏈數據。如果銀行掌握了客戶同一產業鏈上其它機構的數據，可推測企業所處的外部環境，預測企業的發展趨勢。
第二個環節、中小企業客戶的精準化營銷。
精準營銷是建立在中小企業客戶畫像的基礎上，主要包括：一是實時營銷。實時營銷是根據中小企業客戶的實時數據進行個性化營銷，比如客戶所在的位置、近期交易記錄等信息；二是交叉營銷。它是指不同產品或業務的交叉營銷，比如招商銀行根據客戶交易數據，識別不同規模的企業客戶，再進行有針對性地交叉營銷。三是個性化推薦。銀行根據客戶的喜好和自身情況，對不同的客戶群進行定位，根據不同的金融需求，向其進行個性化推薦，提供個性化服務；還有客戶生命周期管理。這包括防客戶流失和贏回，並獲取新客戶等。四是信貸發放。大數據信貸技術針對目標中小企業客戶會進行及時性地信貸投放，基本上是「秒貸」，客戶體驗非常好。例如，招商銀行的「閃電貸」產品，主要利用大數據信貸技術進行精準化的信貸投放。
第三個環節、中小企業客戶的風險管控。
大數據技術下，商業銀行會根據中小企業客戶的數據分析，做出相應的信用評分，系統識別判斷該筆信貸業務的風險程度，做出快速的信貸決策。在貸後管理環節，大數據風控技術會設定貸款預警指標，對中小企業客戶的信貸行為做出實時的、可持續的動態監測與評估預警，並將預警結果進行後台推送，做到有效地貸後管理。
第四個環節、信貸產品的運營優化。商業銀行通過運用大數據信貸技術通過分析客戶相關大數據，從中發現客戶的個性偏好和行為特徵，更好地理解客戶的習慣和行為傾向，智能化分析客戶的潛在需求，對產品和服務進行優化。例如，興業銀行通過對客戶的大數據分析，挖掘信用較佳的優質客戶，為其提供差異化的產品和服務。
3
「硬信息」的大數據銀行實戰案例
隨著金融科技的進步，「大數據」作為新型的「硬信息」，代表了一種機遇和趨勢，在銀行業中已經形成了很多經典的案例。通過大數據的運用，讓很多不可能變成了可能，中小企業的信用環境得到了顯著提升，信貸技術也有了顛覆式的進步。
1
興業銀行「科技興行」案例
大數據作為一種新型「硬信息」和金融技術，得到了興業銀行的高度重視，並上升為戰略部署。興業銀行始終堅定奉行「科技興行」戰略，在金融科技的浪潮中執守金融本源，主動擁抱大數據、雲計算、人工智慧、區塊鏈等新科技手段，加力推進流程銀行、開放銀行、智慧銀行和安全銀行建設，持續提升金融資源配置效率和客戶服務水平。例如，2018年4月，在福州召開的首屆數字中國建設峰會上，興業銀行攜近年在金融科技創新方面的部分成果亮相。在數字福建成果展之金融科技技術展現場，興業銀行通過機器人引導、現場互動體驗、APP演示、視頻等形式，展示了近年在金融科技創新方面的累累碩果，包含科技輸出、黃金眼、興業管家、智能櫃檯、一站式網路金融、銀銀平台、金融行業雲等產品和業務。
2
建設銀行「小微快貸」、「金融科技公司」案例
「小微快貸」業務是建行2016年推出的戰略性大數據創新產品，通過應用大數據技術進行數據整合，利用現有的零售系統，實現線上操作、系統自動審批的產品體系。2018年4月18日，建信金融科技有限責任公司在上海掛牌成立，建行也成為國有大行中第一家設立金融科技公司的銀行。金融科技公司的落地，是建行實施金融科技戰略，積極研究與探索大數據信貸技術的重要一步。
3
上海銀行「智慧銀行」、「智慧數據中心」案例
上海銀行數據中心依據多年的運營經驗，結合大數據、機器學習等AI技術，全面打造基於大數據技術的一體化運營服務管理體系，促進上海銀行數據中心從傳統模式向數字化「智慧運營」轉型。運營大數據平台項目是智慧數據中心建設的重要項目之一，該項目在「智慧銀行」、「智慧數據中心」總體建設思想指導下，依託上海銀行三年總體規劃逐步實現精準告警、精準故障定位、精準影響分析，充分應用大數據演算法和機器學習技術不斷提升「智慧運維」水平，為業務系統安全穩定高效運行提供強力保障。上海銀行率先實現國內商業銀行生產系統實時大數據架構，為大數據技術在銀行運營領域的落地提供了典範。
4
招商銀行「閃電貸」案例
招商銀行「閃電貸」充分運用當下最火熱的FinTech技術，橫跨大數據、雲計算、機器學習、人工智慧等多個領域，在整合了銀行內部各種數據的基礎上，接入了徵信、工商、法院、稅務、社保、公積金等外部數據。 2017年，閃電貸累計投放374億元，總共為72.2萬名客戶提供了快捷方便的貸款資金。招商銀行「閃電貸」是大數據信貸技術的典型案例，充分展示了「大數據」作為新型「硬信息」的優越性和創新性。
TAG:信貸風險管理 |