大數據背景下租賃公司風險控制研究

林萍

[摘 要]當前宏觀環境復雜多變，租賃行業競爭激烈，租賃公司面臨眾多外部的和內部的風險挑戰，利用大數據技術可以有效避免風險事件的發生。但目前租賃公司大數據風險控制平臺還處于發展初期，普遍存在數據收集廣度、數據挖掘深度、決策支持力度不足的問題。租賃公司應該通過增加投入、建立風險數據庫標準和建立模型分析等手段提高數據的收集廣度和挖掘深度，還可以通過大數據、云計算、人工智能技術的應用來提升風險決策支持力度。文章通過借鑒互聯網金融公司、商業銀行的大數據風險控制經驗，對租賃公司的風險控制提出對策及建議，以供參考。

[關鍵詞]大數據;租賃;風險控制

[DOI]10.13939/j.cnki.zgsc.2020.35.189

近年來，隨著經濟產業結構的升級，租賃作為一種新的經濟業務展現了很強的生命力。租賃可以分為融資租賃和經營租賃，兩種形式的租賃在形式上不同，但都對推動資產的更新換代、實現技術進步和產業升級產生了積極的作用。但是，在租賃業務實現過程中也同時伴隨著風險，尤其是融資租賃公司，因一個項目違約導致整個公司破產的例子也不罕見。隨著大數據、云計算、人工智能等互聯網新技術的發展，租賃行業又發生了新的變革。文章旨在探討大數據的應用對風險控制起到的深遠影響，對如何用好大數據的利器降低租賃公司風險，實現平穩運行提出有益的建議。

1 大數據背景下租賃公司風險概述

當前宏觀經濟環境復雜多變，租賃行業競爭激烈，租賃公司面臨眾多的風險挑戰。首先，從外部環境來看，近年來宏觀經濟面臨下行壓力，利率、匯率波動頻繁，大量的租賃公司從銀行借款，銀行利率直接影響了租賃公司的資金成本和毛利率。同時，大量的租賃公司客戶由于經濟持續下行導致的業務萎縮，資金回籠不暢引發租賃合同違約。其次，從租賃行業市場環境看，仍然存在許多客戶用欺詐手段騙取資金行為。部分客戶通過會計手段粉飾財務報表，甚至提供虛假抵押物所有權證明、虛假印章等騙取租賃公司信任，最終導致風險事件的發生。從內部環境看，許多租賃公司對自身的財務風險把控不足，有的盲目擴張導致資產負債率過高，有的資金錯配導致流動性風險。因此，應對風險挑戰是關系到租賃公司生存和發展的大事。

然而，風險是一種未來的不確定性，存在風險的同時也往往伴隨著巨大的機遇。近年來，由于智能手機的推廣和移動數據網絡的升級，移動互聯網的發展極為迅速，智能手機讓上網的便捷性大大提高，因此互聯網大數據的容量變得更加龐大。而云計算、人工智能等新技術手段的出現，使得互聯網變得更智能化，能解決更多的問題。由于大量現實世界的信息會通過智能手機、電腦、攝像頭、GPS定位系統等電子終端上傳到互聯網大數據，因此大多數現實的租賃風險也能從智能化的互聯網中找到解決方案。匯率、利率的變動信息，客戶的真實財務狀況，抵押物的權利情況等均可在互聯網大數據中找到相關信息，如果能發掘利用，可以很大程度上避免風險事件的發生，使風險成為發展機遇。

2 大數據背景下租賃公司風險控制存在的問題

當前租賃公司的風險控制還處于從人工風險控制模式到大數據風險控制模式的轉型期。人工風險控制模式下，通過租賃公司風險控制人員人工調查發現風險，雖然偶爾會用到網絡上的風險數據，但還稱不上是利用了大數據。在向大數據風險控制模式轉變的轉型期，租賃公司風險控制平臺還存在至少三個方面的不足。

2.1 風險數據收集廣度不足

租賃公司風險數據分為內部數據和外部數據。內部數據涉及戰略風險、財務風險、運營和操作風險，如公司自身的資產負債率、資本結構、客戶信息、項目信息等;外部數據包括市場和產業風險，如某上市公司客戶的股票市場價格、某客戶所處產業的宏觀政策導向等。目前租賃公司在這兩個維度的數據收集廣度都不足。

首先，現實中許多中小型租賃公司的風險控制部門未建立信息化系統，風險控制主要依賴人工上網收集風險數據或實地盡職調查，一些大型租賃公司雖有風險控制系統，但數據庫使用的數據大多是依靠人工收集錄入的數據，數據范圍狹窄;其次，租賃風險數據共享不足。租賃行業尚未制定統一風險數據標準，各租賃公司的風險數據互通性差，形成了數據孤島，這也影響了數據廣度。

2.2 風險數據挖掘深度不足

大數據能解決問題的重要步驟是從數據（Data）中發掘信息（Information），數據是信息的載體，信息是數據的含義，而目前能真正從大數據中進行深度挖掘的租賃公司少之又少。

首先，當前大量違約風險的發現還依賴人工，通過人工分析客戶財務數據、行業經營數據、技術數據來發現風險隱患，每個人能夠處理的信息量是有限的，所以往往人工挖掘只能發現比較明顯的風險問題，無法把大量風險信息綜合考慮。其次，深度挖掘的前提是對數據進行分類整理，去除無用數據，把核心數據用數據庫的標準重構。目前這項工作在很多租賃公司進展緩慢，缺少既精通數據庫語言又懂得風險控制的復合型人才來開展。最后，深度挖掘需要對數據的內在邏輯關系進行長期性的持續研究，將研究結果用模型、指標、公式等形式固定下來。公司風險數據的風險指標體系還不成熟，能夠通過建立風險模型進行數據研究的公司也不多。

2.3 風險控制系統決策支持力度不足

智能的風險管理系統不但能發現風險，還能對風險問題提出策略和解決方案。目前風險管理系統主要功能還處于風險發現功能。發現風險后如何解決則移交到公司管理層，由管理層決定采取行動來化解風險。這些行動包括：要求客戶提供增信措施增加抵押物價值，要求客戶提前還款，改變還款計劃，提起訴訟，債務重組等。這些決策的正確性依賴管理者對現有數據的分析計算，而當風險問題暴露后，往往管理者決策的時間緊迫，很難在有限的時間做出最有利的決策。

3 大數據背景下完善租賃公司風險控制的措施

根據以上分析，目前的大數據風險控制系統存在數據收集廣度、數據挖掘深度、決策支持力度不足的三大問題。因此，要完善租賃公司的大數據風險控制系統，有以下的著力點。

3.1 增投入、建標準、促整合，提高數據廣度

首先，增加資金人員的投入。加大資金投入購買相應的數據服務器網絡平臺等硬件設施，招聘數據收集方向的計算機專業人才，如現在流行的“爬蟲”工程師，突破種種限制從互聯網中獲得所需要的數據。其次，建立風險數據庫的標準。必要時租賃行業協會應出面建立概念框架，明確要收集數據的時間空間范圍以及數據排列字段等。在標準建立后，可以實現租賃公司之間的資源共享，這種共享對風險控制有重大意義，如果一個客戶在兩個租賃公司同時以同一資產做抵押就能馬上被發現。最后，整合各大數據平臺信息。和風險相關的各類數據平臺有成百上千家，并且一直在上升，這些平臺中比較常見的有萬得資訊、中登網、金稅三期系統、人民銀行征信中心網站、天眼查平臺等。萬得資訊提供海量的金融市場資訊、宏觀經濟、行業發展情況、客戶股票價格變動等權威數據，中登網提供了客戶的抵押、擔保信息，對租賃客戶的資產抵押擔保登記變動的實時跟蹤，有利于發現客戶的異常。金稅三期系統有客戶開出的發票信息、納稅情況，能辨別客戶虛假發票，從納稅信息分析客戶財務狀況。征信中心有客戶的貸款存量、貸款違約等信用情況。通過整合盡可能多的平臺數據，能大大提高風險數據的廣度。

3.2 建模型、定指標、作比對來提高數據挖掘深度

其一，利用數理統計手段，建立各類風險評估數據模型，如貝葉斯模型、VAR模型、蒙特卡洛模型等。可以對宏觀風險建立模型，研判匯率、利率的變化方向和變化幅度對公司業務的影響，還可以對單個客戶建立違約概率模型來研判潛在客戶質量，這種研判建立在現有客戶的特征，如年齡、收入、房產狀況等數據建立的模型上。其二，制定各類風險控制指標體系?？梢灾贫蛻暨`約評分指標體系，根據公司客戶在金融機構貸款還款情況、在租賃公司的租金支付情況給客戶評分，進而甄別客戶質量，還可以制訂財務預警指標體系，如短期償債能力、資產負債率指標等。其三，利用大數據進行數據比對，找出風險點。未來風險控制大數據也能通過交叉比對客戶的各類信息，對異常數據發出風險提示。這類信息的來源渠道很廣泛，可以是權威官方機構公布的數據，也可以是非正式的信息。這些數據遍及方方面面，如宏觀政策、經濟指標、行業平均毛利、行業平均能耗量、行業產品成交均價、客戶的各類財務指標、非財務指標等，既可以把客戶和行業平均水平做比對，也可以把客戶自身的各類指標互相比對，從中找到一些在人工風險控制模式下容易被忽略的風險點。

3.3 大數據、云計算、人工智能三者并用，提升風險決策支持力度

大數據、云計算、人工智能并稱為互聯網三大技術，三者有層層遞進的關系。基于大數據之上的云計算，能夠快速地計算出數據隱藏的內涵，而基于大數據和云計算的人工智能能夠做出類似人的自我學習進化的動作，人工智能在醫療、教育、財務等各個領域都展現出了驚人的作用。在風險決策中，對客戶風險策略的制定離不開金融工程的建模和概率計算。但目前這種計算對相關人員的金融學、數學水平、計算水平要求較高，一般的租賃公司還缺少相關的人才資源。這時大數據、云計算和人工智能可以發揮計算和建模的優勢，在較短時間內計算出合理的決策方案。首先通過人工智能的學習能力，建立模型并根據情況不斷改進。其次把海量的大數據代入模型中。最后通過云計算所具備的強大計算能力得出最優解決方案。

4 結語

隨著大數據等新技術在租賃行業的深化發展，大數據風險控制平臺必定對租賃風險控制產生越來越重要的作用。租賃公司應把握發展時機，多措并舉，大力提升大數據平臺的廣度、深度和決策支持力度。通過大數據風險控制平臺提升公司的風險管理水平，為公司的穩定發展保駕護航。

參考文獻：

[1]華挺，宋穎達.金融租賃公司流動性風險研究[J].運籌與管理，2019（9）：157-167.

[2]彭小輝.大數據在互聯網金融風控中的應用研究[J].中外企業家，2020（8）：79.

[3]舒奎.大數據在金融風險管理中的應用研究[J].時代金融，2020（6）：72-74.

[4]梅崇秀.基于大數據背景下的銀行智能風控體系建設[J].中外企業家，2020（6）：82.

[5]馬楠藍，李雨芹，曹云，等.基于數據挖掘的房貸信用風險評估系統設計[J].湖北農機化，2020（1）：147.