客戶信用分析的邏輯

劉呂科

客戶信用分析是一個古老的話題，信用分析的歷史可能要遠早于商業銀行誕生的歷史。雖然亙古不變的是客戶信用分析的對象：償債能力和償債意愿。但隨著經濟社會發展，客戶信用分析的維度越來越全面，分析工具也越來越豐富。在新的經濟形勢下，客戶信用分析的邏輯的內涵更豐富。一是信用分析的內容更繁雜。在農業自然經濟條件下，僅看客戶自身的還款能力，看有沒有抵質押品就夠了;但在經濟相依性越來越高的商業社會，對客戶信用的分析不僅要關注客戶自身，還要關注客戶的交易對手、上下游、擔保關系、集團關系、行業、區域等等。二是信用分析的工具更豐富。二百年前的信用分析可能只有專家判斷一種，后來在專家判斷的基礎上發展出了5P、5C、駱駝、等評價體系，同時定量分析方法不斷涌現，從VaR、邏輯回歸、到creditportfolio、creditrisk+、creditmetrics，再到各類機器學習模型，可以選用的分析工具越來越多。那么，在新的經濟形勢下，客戶信用分析怎樣適應紛繁復雜的經濟環境，怎樣利用合理的分析框架并選取合理的工具評價客戶信用能力。這是業界及學界普遍關注的重點話題。

信用分析方法

客戶信用分析要先看大趨勢，再看行業，再看客戶，從宏觀到中觀再到微觀。宏觀經濟周期，即經濟處于上行期還是下行期決定了行業和客戶的盈利前景和流動性，在經濟上行期，“人人都是股神”，經濟下行期“股神也難掙到錢”。因此對宏觀經濟周期的判斷是商業銀行授信政策和風險戰略制定的立足點，“方向對了，順流而下”，風險管理相對較為簡單和容易;“方向錯了，逆流而上”，風險管理很難護航業務穩健發展。

其次要看行業。一方面客戶所在行業的發展潛力決定了客戶發展前景和競爭力;另一方面，客戶的交易對手、上下游很多情況下處于同一或關聯行業，所以單一客戶的違約或破產很可能在行業或區域內快速傳染，上輪鋼貿客戶的違約潮具有較強的行業和區域特征，原因即在此。

對宏觀及中觀的分析判斷最終還是要放到落實到具體客戶或債項上，要從企業性質、企業運營管理能力、財務、征信、納稅等多個維度分析客戶未來的還款能力和還款意愿。對客戶各個維度的分析應越全面越好，當然對于不同類型客戶應有不同的側重。對于小微企業，應更關注企業實際控制人和高管層，關注其經營能力及個人風險偏好等更為“定性”的“軟信息”，這也是區域或中小銀行更適合通過關系型信貸發展小微業務的原因所在;對大中型企業應更側重于分析其財務表現等“硬信息”，背后原因在于大中型企業財報及信息披露相對較為規范，定量信息能夠一定程度上反映其經營狀況。

信用風險分析工具

圍繞信貸業務全流程管理，大型商業銀行普遍構建了客戶信用分析工具來輔助決策，如內部評級、預警模型、經濟資本模型等。對于各類信用分析工具，商業銀行要使其在風險管理中發揮有效作用，要做到“正確看待、符合需要、合理使用、集中管理”。

一是正確對待客戶信用分析工具及其分析結果。信用分析工具能夠提高風險決策的一致性、專業性和客觀性，極大提高工作效率，但在工具建設與使用過程中我們一定要正確看待客戶信用分析工具。公司客戶風險差異化較大，尤其在一個動態變化的經營環境中，再精確的信用分析工具都不能捕捉客戶所有的風險因素。任何分析工具都是有缺陷的，都是在一定假設下成立的，如果環境變了，信用分析成立的前提變了，風險計量結果可能不僅對風險控制沒有正面意義，反而會給相關使用人員帶來錯覺。所謂“盡信書，不如無書”，新形勢下我們要重視使用信用分析工具，但不能完全依賴，不能偏信，正確對待風險分析工具及其分析結果。

二是開發符合自身情況的客戶信用分析工具。信用分析工具體系建設一定要和商業自身規模和復雜程度相匹配。在“互聯網”、“大數據”熱炒的時代，很多中小銀行追求構建所謂“大數據機器學習模型”，在數據基礎不完善、系統難支撐、人才儲備不充足的情況下，這種做法很不明智。適合自身的模型就是最好的模型，復雜的模型不一定有效，很多時候簡單的分析模型由于其透明度較高、原理易于掌握和解釋，其應用可能比很多“高精尖”模型更有效。

三是合理使用風險分析工具。正確使用信用分析工具的前提是模型建設和應用推動部門充分理解建模原理、假設和模型局限性;如不了解模型原理，強制推進結果應用，不僅難以推進，而且還容易造成分析結果偏離客戶實際風險水平，給業務開展帶來困擾。另外，不同信用分析工具適用不同的場景，對宏觀經濟周期的判斷要用到較為宏觀的系統性風險衡量和評估工具;對行業和區域風險水平的判斷要用中觀層面的行業或區域風險評判工具;對客戶準入、定價、撥備、預警要用相對微觀層面的內部評級、預警等風險分析工具。宏觀風險監測模型、行業風險評估和客戶風險評價模型要統籌和協調，從宏觀、行業、客戶、債項全方位進行客戶風險分析，也即是通過這種系列風險分析工具應用，合理把握信貸節湊（預判上行時放大規模，預判下行時適時收縮），選對區域和行業，再篩選出好的客戶和債項。

四是對信用分析工具進行集中開發和管理。風險管理要有適當獨立性，信用分析工具開發不僅要有獨立性，還要集中專業力量進行開發、建設和維護。國內商業銀行普遍存在的一大問題是客戶信用分析工具開發與建設涉及部門較多，力量較為分散，如部分銀行大數據管理部、風險管理部、資產監控部、評審部都圍繞客戶信用風險分析與監控開發各類模型，但由于各個團隊資源配置都有限，既精通業務又掌握建模技術的人員較為欠缺，各部門開發的模型都或多或少在某些方面存在明顯的不足。同時，由于各相關部門均開發客戶信用分析工具，一家銀行對同一客戶的風險評價可能存在多種體系并且缺乏統籌管理，風險計量結果缺少一致性，給業務部門應用帶來了較多困擾。客戶信用分析工具開發是一個需要長期技術積累和研究的工作，為更有效進行模型開發和應用，商業銀行應集中行內專業資源進行工具開發、維護與應用推動，確保模型體系的專業性和有效性。

前景與展望

客戶信用分析的邏輯隨著經濟社會環境的發展而發展，隨著商業銀行風險理念的提升、社會信用體系建設、數據管理和風險管理技術的不斷演進，客戶信用分析無論在方法上、工具上，還是應用上，都將會有長足進展，未來的客戶信用分析將比當前更具前瞻性和準確性。

一是在數據合規的前提下，數據質量和數據全面性將得以大幅提高，對客戶的風險評價將更加全面。信息安全、數據合規、隱私保護方面的監管將越來越強，客戶信用分析所用數據受到約束將更加強化。但未來隨著社會信用體系建設的不斷的完善，客戶信用分析所用數據范圍將更加廣泛，圍繞客戶的征信信用、交易信用、納稅信用、司法信用等信息將都可以納入客戶信用分析模型，對客戶評價的維度更加豐富，模型的前瞻性和準確性將得以提高。

二是方法上將更注重宏觀和組合層面的管理，未來在這方面的風險管理工具研究與發展將取得更大進展。宏觀大勢判斷準確了，商業銀行才能在激勵的市場競爭中立穩腳步，未來對客戶信用分析應更注重宏觀經濟變化、行業、周期的判斷。中小銀行將更加注重結合銀行自身數據，梳理出對銀行不良率有顯著影響的宏觀、行業、區域類型指標，在此基礎上構建適合自身的系統性風險分析工具，以此作為把握信貸節奏的基礎。在此情況下，未來國內銀行對系統、周期、行業、區域風險分析工具的研究和建設也將取得更大進展。

三是風險分析工具和營銷模型工具逐步融合，實現風險控制服務于業務發展的最終目標。當前環境下，風險管理的一大不足是風險管理與業務發展的融合不足，風險管理滯后于業務發展，只能起到“剎車”作用，不能指導、引領業務發展。未來，隨著風險分析工具體系的不斷健全和風險計量應用的深入，風險控制和業務營銷將不斷融合，通過風險分析工具，快速掃描出目標客戶，客戶經理通過風險分析工具，授信前就知道客戶融資需求是什么，如果開展業務風險調整后收益有多少，該客戶未來潛在風險在哪里。在此情況下，客戶信用分析工具能夠很好的指導、引領客戶營銷，指導客戶經理篩選出優質客戶，更好的進行客戶全生命周期管理，風險管理和業務開展的目標更加一致。

四是隨著大數據技術的不斷進步，機器學習方法在商業銀行的應用將更加深入。當前環境下，由于機器學習模型體系的透明性較差，模型結果難以解釋，因此機器學習結果在互聯網金融領域應用較為廣泛，但在商業銀行的應用相對有限。未來隨著大數據建模和解析技術的不斷進步，機器學習方法的透明度將得以提高，機器學習模型由于其對經濟環境的適應性、數據處理的靈活性，將會在商業銀行客戶信用分析中發揮更大的作用。

商業銀行應深刻理解新形勢下客戶信用分析邏輯的演變及其趨勢，主動擁抱變化，未雨綢繆，在理念、組織結構設計和人才儲備方面做好準備，夯實風控能力，確保在未來競爭更加激烈的經濟環境中穩健發展。

（作者單位：中國民生銀行總行風險管理部）