金融科技對商業銀行信用風險的影響研究

文/方舟 張中政 盛伊蕊（安徽財經大學金融學院）

一、研究背景

2017年4月，中國銀監會發布了《關于銀行業風險防控工作的指導意見》，強調要求加強銀行信用風險的防范和管理。商業銀行信用風險指的是貸款者無力履行合約給銀行造成的風險，信用風險是商業銀行經營中主要的風險之一，其管理好壞決定著銀行經營成果。研究表明，逆向選擇和道德風險是商業銀行信用風險產生的主要原因。由于存在信息不對稱，銀行無法獲知借款人真實的信用水平，而借款者為了申請貸款往往隱瞞自身不利信息，故容易引發信用風險。

2014年3月，金融科技首次出現在政府工作報告中；2019年8月，中國人民銀行發布金融科技未來三年發展規劃，把金融科技提到前所未有的高度；2019年12月，中國人民銀行推出金融科技監管試點，啟動中國版監管模式。由此可見，國家高度重視金融科技在金融領域的作用。商業銀行作為金融系統的重要組成部分，需要抓住金融科技發展的契機，加強自身信用風險管理，實現自我蛻變和轉型升級。

二、金融科技的技術手段

（一）大數據

多類型和大容量的數據集合是大數據的特征，大數據技術成為對格式多樣、數量龐大、來源分散的數據進行收集、儲存和分析的手段。商業銀行的數據具有來源廣、質量高和規模大等特征，成為大數據技術得以應用的底層依賴。商業銀行可以利用大數據技術為客戶提供精準營銷和精確畫像，從而實現風險管理和優化運營。

（二）區塊鏈

區塊鏈是一種基于互聯網的數據庫技術，其本質是利用大數據的加密算法而實現的節點信任方法，具有無法篡改、去中心化和透明公開等特點。利用區塊鏈技術可以提高運營效率，減少交易成本。商業銀行可以利用區塊鏈技術管理抵押品、監管資金流、開發信貸產品，為解決數據孤島、信息失真等問題打下基礎。

（三）云計算

云計算是一種新型的計算模式，僅需在本地下達指令，便可在遠程利用虛擬的服務器對數據進行處理和運算。在該模式下，用戶只需能夠連接網絡的終端，便可使用由云服務商運營和維護的計算平臺，可以降低終端配置成本，提高數據計算效率。商業銀行可在內部建立私有云，使數據的儲存和處理從分散變為集中，逐步擺脫硬件限制，降低網點運營成本，提高安全和效率。

（四）人工智能

人工智能是利用計算機實現人思考和行動的技術手段。人工智能依賴于海量數據，通過傳感元件獲取信息，通過云儲存和互聯網實現記憶，通過深度學習的算法實現邏輯推理，對數據進行高效處理。商業銀行可利用人工智能實現智能交易、智能行研、智能銷售、智能風控和智能監管。

三、科技公司的先進經驗

（一）線上自動業務辦理

大型科技企業和互聯網電商平臺的金融產品主要通過線上渠道進行辦理，依靠大數據和人工智能技術實現線上業務審批和智能風險控制。這些企業在消費金融端和企業客戶端推出的產品基本實現了線上交易、自動審核和快速到賬，人工只需處理少量的大金額和復雜場景業務。

（二）預授信和閉環管理

這些科技公司和電商平臺通過大數據分析對用戶進行預授信，用戶可以在申請前獲悉自己的預授信額度，且額度會在不同階段隨著客戶需求和應用場景的變化而動態調整。借款者不需要提供抵押品來進行擔保，且整個運營過程公司后臺完全可監控。這些公司和平臺推出的供應鏈金融服務，通過把控客戶的數據接口，形成了全鏈路和全場景的整體服務流程，達到了整個流程在自身框架內，額度實時轉換和統一授信的閉環管理模式，從而有效防控信用風險。

（三）模型化的智能風控

這些公司和平臺依靠長期積累的風險管理和控制技術，實現了模型化、場景化和數據化的風控手段。這種新型風控技術建立在海量數據和超強計算的基礎上，具有大數據、多維度等特點。相較于傳統的金融風控體系，各種模型具有自我學習能力，可以自動進行迭代升級。

四、商業銀行的路徑選擇

商業銀行應當順著金融科技的發展潮流，借鑒大型科技企業和互聯網電商平臺的成功經驗，創新自身信用風險管理方法、流程和模式，實現自動化、精確化、智能化的識別和管理。對于數量大金額小的中小企業或個人信貸業務，應當使用金融科技進行線上智能風控和決策；對于數量小金額大的公司信貸業務，應當以線下審批為主，同時通過金融科技加以智能改造，實現線上輔助、線下決策。

（一）線上模式創新

1.線上智能決策模式的選擇

（1）電商平臺模式

在此模式下，商業銀行可通過自有的電子商務平臺或者與專業電子商務平臺合作，以其中交易記錄、信息記錄和現金流等數據為依據，構建信貸審核模型，選擇優質客戶下發貸款資金。

（2）三方合作模式

在此模式下，通過和第三方機構聯手，利用線上渠道獲取信息，通過機構累積的金融交易數據評價貸款者信用違約風險，從而進行決策。

（3）大數據模式

在此模式下，利用大數據技術，通過客戶的社交和交易等歷史數據，以及稅務、司法等政府公開信息，對客戶進行評估，合格者在線發放貸款，此舉解決了傳統模式下個人及中小企業難以獲得貸款的問題。

（4）產業鏈模式

在此模式下，借助產業鏈中核心機構的信用增級作用，對接企業數據系統進行審核，為產業鏈中的上游和下游企業提供在線融資。

2.線上決策的風險防范要求

（1）確保數據數量及質量

線上業務及自動決策以客戶數據的數量和質量為保證，商業銀行要通過各種渠道獲取多維度的海量數據，并且對數據進行甄別和挖掘，確保數據的真實性和時效性，充分利用數據內在價值。

（2）重視反欺詐風險防控

開展線上業務，最重要的環節之一是判斷客戶和交易的真實存在性。商業銀行應當構建反欺詐模型，設立反欺詐機制，能夠自動識別并拉黑存在欺詐可能的客戶，保證貸款的真實有效性。

（3）建立科學合理的模型

線上業務及自動決策對建模有著很高的要求，高度依賴風險模型的適應性和有效性。商業銀行應當利用數據優勢，深入挖掘分析，精確識別銀行信用風險的傳導機理及影響因子，提高建模能力，完善評審機制。

（4）推動模型的迭代升級

建模是一個不斷嘗試、不斷改進的過程，模型需要快速升級和智能升級。商業銀行應當利用知識圖譜和機器學習等方法，對數據中的信用風險因素深度挖掘，在精確性和前瞻性的基礎上，實現模型智能迭代、自動升級。

3.建立預授信和客戶白名單

商業銀行應當充分利用大量的客戶信息，通過金融科技手段對客戶進行精準畫像，制定客戶白名單，并結合預授信模型，為客戶提供預授信額度。該額度可隨客戶需求和場景的變化自動調整，并通過App、微信和短信等方式告知客戶，主動營銷潛在客戶。

（二）線下環節優化

1.金融科技輔助營銷

商業銀行可以利用金融科技整合不同場合的銷售信息，通過App、微信和短信等方式與客戶聯系，同時收集客戶信息，挖掘優質客戶，針對不同客戶進行主動營銷，提高主動營銷、分類營銷和精準營銷的能力。

2.金融科技輔助行研

商業銀行可以通過大數據技術挖掘和分析多維度數據，在行業數據采集、數據預處理、數據分析挖掘和數據可視化等階段深耕，從海量數據中獲取有用信息，提高行研精準性，提升行研效用。

3.金融科技輔助審查

商業銀行可以利用大數據進行場景識別，多方位、多角度處理客戶信息，繪制客戶畫像，輔助調查及審查人員進行企業財務指標分析，為客戶財務報表綜合分析提供技術支持，還可以通過大數據進行交易關聯、股權關聯、擔保關聯等關聯分析，幫助調查及審查人員快速甄別關聯關系。

4.金融科技輔助貸后管理

商業銀行可以利用金融科技獲取全面可靠的貸后信息，提高貸后風險管理水平。通過對內部數據和外部數據的整合及分析，排除可疑信息及虛假信息，為客戶精準畫像，緩解信息不對稱；通過建立資金監管模型，對貸后賬戶進行實時監控，建立預警指標，尋找風險因素，及時提醒客戶，提高監管的時效及有效性。

5.金融科技輔助抵押管理

商業銀行可以利用金融科技進行規范化和動態化的抵押品管理。通過大數據勘察的方法輔助現場勘查，解決抵押品真實性的問題；通過與第三方評估機構合作，對抵押品進行線上快速估值，滿足客戶融資需求；通過對接市場數據，獲取當日交易價格，推行抵押品逐日盯市制度。

6.金融科技輔助風險監控

商業銀行可以利用大數據和人工智能技術進行信用風險智慧化監控。在客戶層面，及時挖掘數據中的風險因素，對客戶作出全面實時監測；在員工層面，及時監控員工的業務流程，防范違規操作；在組合層面，構建多時點、多維度的監控體系，提高組合監控水平。

五、相關建議

（一）夯實基礎數據

商業銀行應當充分整合數據，擴大數據來源，提升數據價值。通過整合會計、審計、信貸等內部數據，破解內部信息孤島，實現行內數據深度挖掘和全面使用；通過引入稅務、法院、工商、公積金等外部信息，以及與其他公司和平臺進行有條件的信息共享和交換，實現外部數據匯總。商業銀行應該努力提升數據清洗、挖掘和分析能力，去除無效數據，提高數據質量，同時還應打破信息壁壘，構建統一視圖，實現數據融合。

（二）加強模型建設

商業銀行應當根據客戶和業務的特征，開發信用決策模型。通過客戶在銀行的資產數量、征信報告和信用記錄等內部數據，結合第三方外部數據，合理選擇指標體系，恰當構建評價模型，對客戶進行評價；通過客戶的融資需求及風險偏好，構建決策模型，進行授信決策。商業銀行還應根據行業、地域、客戶、產品等維度的不同，建立防范監控模型，這些模型應當具有及時性、準確性和前瞻性等特點，重點關注資金流向、異常交易、征信信息、供應鏈融資等內容。

（三）健全管理機制

商業銀行應當組建自己的金融科技隊伍，研究各項業務創新的可能性及可行性。業務部門中應設有模型開發團隊，及時、快速開發相關模型，滿足部門中的模型需求，并不斷更新迭代。對于線上信貸業務，應當建立容錯糾錯機制，通過更新迭代糾正模型錯誤，通過設置風險容忍度，免除合理范圍內的人員責任，確保人員創新積極性。除此之外，商業銀行還應吸取科技企業和網購平臺的經驗，加強技術人員同業務人員交流，用科技思維改造業務管理，在信用風險管理方面實現技術和業務深度融合。