對銀行授信審批工作的思考

歐陽秀子

金融科技的飛速發展大大加快了模型、大數據、量化方法在銀行授信審批領域的運用。然而在授信審批這個銀行風險管理的核心領域，“機控”始終沒有完全替代“人控”。對那些信息不完全、信息不對稱程度高、創新力度大、預期高度不確定的授信業務，到底應該更多地服從技術理性，還是應該主要聽從專業判斷，對銀行授信審批工作而言，仍然是兩難選擇。授信審批實際上是理性分析和直覺判斷互相作用和影響，共同推進決策的過程。這樣的理性與直覺互動的決策邏輯也是銀行授信審批工作改革創新的重要考量。

一、引言

一直以來，信用風險管理都是一家商業銀行的核心技能。銀行的信貸審批人員必須仔細分析客戶借款用途的真實性、融資額度的合理性、真實還款能力，在此基礎上做出是否同意授信的審慎決策。這樣的專家型審批模式盡管常常引發爭議，但仍在銀行業通行多年。直至20世紀80年代，銀行開始重視并引進或自行開發新的信用風險管理的模型、技術，之后便蓬勃發展、方興未艾。尤其是近年來，金融科技的飛速發展更是大大加快了各種模型、大數據、量化方法在銀行授信審批領域的運用。然而對銀行業管理實踐的大致觀察就能發現，在授信審批這個銀行風險管理的核心領域，系統始終沒有完全替代人工，而且各家銀行對金融科技實際運用的廣度和深度存在不小的差異。這種差異是源自銀行管理者的主觀認知、選擇偏好，或是不同銀行的信貸文化，還是“機控”與“人控”運作機理方面的內生性差異？到目前為止，對上述問題的回答總體上語焉不詳。授信審批領域運作、管理方式的變革對商業銀行而言無疑是一項基礎性的重大創新，改革的機會成本巨大，不容有任何閃失。鑒于此，在新的經濟、技術環境下進一步厘清銀行授信審批方法的內在機理和管理邏輯應該是當務之急。

二、銀行授信審批方法的演進

在銀行誕生以來，銀行授信審批工作絕大多數時間遵循的是專家型模式，其本質是一個程式化的、勞動密集型工作過程。信貸審批人員從分析企業的借款用途開始，通過了解企業基本情況、分析企業財務報表、測算企業還款能力、評判企業所處行業的結構和發展趨勢、考察企業戰略等多種方式來評估企業的信用風險。在這個過程中，審批人員的專業能力和經驗判斷是至關重要的，決定了銀行是否能夠從企業所提供的信息中及時發現問題，從而有效地控制風險。20世紀下半葉，由于管制放松、信用市場發展、包括資產證券化在內的一系列金融創新等原因，市場涌現出偏量化的信用風險管理模型的開發熱潮，考埃特等（1998）將其劃分為兩類［1］：一類是自60年代開始的，借助會計和市場價值數據的建模，如Z計分模型和ZETA信用風險模型、用于違約預測的神經網絡模型、計算機化的信貸審批決策支持系統、基于市場風險溢價的違約貸款模型等。另一類是自90年代開始的，完全基于市場數據的建模，如KMV公司的EDF模型等。這些模型在銀行內部評級、信用風險管理中得到了廣泛運用，但直接用于授信審批的較少，更多的是作為授信審批的輔助工具使用。近年來，隨著大數據、人工智能在金融領域的廣泛應用，國內銀行在授信審批領域也進行了一系列的研究和探索實踐。比如，通過大數據挖掘技術，驗證授信企業主背景及經營管理真實性，提升銀行風險識別能力（連育青，2016）［2］，深入探討大數據在授信審批工作中應用的必然性和可行性（中國工商銀行江蘇省分行課題組，2017［3］；趙德川和楊立焜，2020［4］），將大數據、區塊鏈、人工智能、物聯網等新技術嵌入授信審批流程，搭建“金融科技+授信審批制”的新模式（陸岷峰，2020）［5］，將信用風險計量、貸款審批作為重要應用場景的基于“大數據+AI”的智能風控平臺架構（李小慶，2021）［6］等等。而且相比對公業務，由于金融科技公司互聯網貸款的推波助瀾，銀行在零售客戶授信審批方面的自動化、系統化走得更快、更遠，銀行授信審批工作中新技術、模型、系統的廣泛運用似乎勢不可擋。但值得注意的是，在銀行授信審批領域，“機控”始終沒有完全替代“人控”，到目前為止，尤其在對公授信業務方面，專家型審批模式在銀行業仍然占據主流地位。

三、授信審批的兩難

授信審批工作受銀行內部授信政策的剛性約束。銀行授信政策的規定通常具體而明確，內容涵蓋行業投向、集中度、擔保、期限、客戶、產品、渠道、經濟資本占用、限制和禁止領域等多方面維度。如此詳細的規定本應大大減少對審批結果的分歧和爭議。然而銀行的授信審批工作始終面臨兩大挑戰，即信息不對稱問題和創新業務。借款企業與銀行之間的信息不對稱是常態，當信息不對稱的程度非常高時，就容易產生逆向選擇問題。銀行授信審批人員由于不能掌握足夠的企業信息而無法做出授信決策，這也是中小企業融資難、融資貴的重要原因。而創新業務的一大特點就是對現有制度、規則、政策的突破，這常常使授信審批人員難以找到對應的政策、制度規定而缺乏決策依據。科創企業的授信就是這方面的典型樣本。基于科創企業的特性和風險特征，加上自身面臨著嚴格的風險偏好約束，使得銀行在科創企業融資場景中只能選擇有所為而有所不為。銀行在對科創企業的授信審批方面，采取了一些“區別對待”的做法，比如一定程度上弱化企業財務狀況、成立年限、擔保來源等傳統信貸評價指標，根據科創企業的不同發展周期作相應的授信安排，探索投貸聯動的創新模式等。但這些“區別對待”的做法并沒有從根本上解決銀行風險偏好與科創企業信用風險特征無法匹配的老問題。

近年來，銀行不斷加大對客戶、資產資源的爭奪力度，將競爭領域拓展到較低評級客戶，中小企業、科創企業、創新業務更是早已成為各家銀行爭奪的主戰場之一。而對授信審批工作來說，盡管有新的技術、模型、系統的幫助，但兩大挑戰問題并沒有得到根本解決。當一筆費盡心血、精心準備的授信業務方案被否決時，到底多少是理性分析的成分，多少是審批人員的主觀判斷問題，營銷人員常常會產生質疑，授信審批部門與營銷前臺很難達成共識。這種意見分歧如果長期存在，不僅妨礙營銷效率和營銷人員的積極性，還會對銀行經營管理政策、意圖向基層的有效傳導產生不可低估的負面影響。

客觀地說，傳統的專家型授信審批模式存在一些缺陷。最大的問題在于，不同的審批人員對同樣的業務往往有不同的判斷，關注的問題重點也不盡相同，這種情況不僅存在于不同銀行之間，就是在同一家銀行的總行與分行、不同分行之間也常常發生，很容易給營銷人員無所適從之感。授信審批中使用模型的風險同樣不容忽視，無論是從外部引進還是自行構建，銀行在基礎模型、模型數據、使用環境等方面都可能存在模型風險問題（尚金峰，2005）［7］。模型風險來源于模型的全生命周期，包括模型設計方法不當，研發過程中的樣本數據不正確或不具代表性，模型參數分布、參數估計方法、變量關系設定、模型運用環境等假設錯誤，模型采用的技術方法的缺陷，以及具體IT實施中的差錯等（黃志凌，2020）［8］。另外，對銀行授信審批人員來說，類似于科創企業的經營管理信息很多是意會知識，無法通過企業的會計報表或信息披露來獲取，也不可能在公開市場上輕易獲得（青木昌彥，2001）［9］。此時還是需要依賴審批人員對一些不易標準化或量化的信息（比如企業家素質、品格、行業技能等）進行專業判斷。從銀行管理實際操作的角度，對那些信息不完全、信息不對稱程度高、創新力度大、預期高度不確定等帶有很大挑戰性的業務，到底應該更多地服從技術理性，還是應該主要聽從專業判斷，對授信審批工作而言，其實仍然是一個兩難選擇。

四、銀行授信審批的核心邏輯

簡單的生活常識告訴我們，人們的決策過程常常既有理性分析的成分，又包含直覺判斷，并且兩者相互糾纏、影響，對決策發生的具體作用并不容易清楚地區分。不少學者對此進行了研究。Klein（1999）就將決策方式看作一個連續的譜系，純粹的理性分析和單純的直覺判斷分別處于這個譜系兩端的極端情形［10］。在Klein看來，當面臨時間緊急、具體事項不明朗、決策因素復雜多變的情形時，反復的分析和多方面的考慮是低效甚至無效的，反而是根據常識或過去類似經驗做出地決策更有效。Gigerenzer（2008）認為符合邏輯推理并非個人決策的主要目標。人們的決策往往是根據個人認知和所處環境狀況做出其認為合理的判斷和選擇［11］。按照Gigerenzer的說法，決策結果本身是否合理有效并不重要，重要的是決策選擇能否和對應的工作任務、環境狀況有效匹配。沿著這樣一條思考路徑，問題的核心就不在于理性分析和直覺判斷誰更有效，而是在什么樣的場景下，哪一種方法更有效。比如，對應復雜的、創新的、專業度高，以及非結構化的、信息不完全、不確定性高、時間壓力大等的決策情形，往往離不開專家意見。Gassmaier et al.（2008）則強調了決策人與任務、環境的互動特征［12］，指出決策人的專業水準不是一個絕對概念，而是以任務為參照系的相對概念。某一領域的專家在另外一個領域很可能是“門外漢”。同時，任務的創新或復雜程度也不是一個絕對概念，而是相對決策人因人而異的。因此，決策人與任務、環境的共同演化才是問題的核心。Akinci和Sadler（2012）分析了理性分析和直覺判斷發生作用的兩種不同機制［13］：一是決策人將認知能力作為稀缺資源，將直覺判斷作為成本較低的決策方式，因而遇到一般問題時首先使用直覺判斷，只有在必要時才使用理性分析。二是理性分析和直覺判斷是平行作業的，當兩種方法產生的意見存在不一致時，可能會導致決策人的思想矛盾，形成競爭關系，但也可能被決策人進行整合，形成互補關系。Marevsky等（2018）進一步研究了理性分析和直覺判斷的互動機制，發現人的認知系統可以自動實現各種信息碎片之間不一致的最小化，以便對相關信息作整體處理；同時對一系列信息又天然存在一定的偏好，通過這些偏好對信息作不同程度的修正。當需要決策時，人腦會匯集收到的信息和記憶中存儲的信息，形成一個臨時網絡，該網絡的節點由不同內容的信息點組成，通過一定的選擇規則激活相關節點，最后得到一個網絡的穩定態，即所謂一致性最大化的最優決策。在這樣一個過程中，人腦對信息的識別、判斷、選擇均服從自動控制系統，其中理性分析的作用在于幫助實現信息一致性的最大化［14］。Adinolfi（2021）對前人的相關研究成果進行了全面的梳理整合，認為人們的決策在很大程度上是決策人與決策對應的任務及所處環境互動的結果，過程中不斷接收各方面信息反饋，并同時進行信息識別、選擇、加工，從而形成一個持續演化的學習路徑［15］。

授信審批人員的決策很大程度上也符合這樣一個動態的人與任務、環境的共同演化過程。首先，審批人員潛移默化地受到一些底層信息的影響和約束。這些底層信息既有認知層面的，如個人價值觀、銀行風險管理政策和信貸文化、對經營機構的看法等，也有行為層面的，如銀行的授信工作流程、與經營機構的交流溝通等。然后，審批人員會對客戶或經營機構提供的、企業公開披露的、自己收集的各種信息進行分析識別，并且與營銷人員、經營單位、相關專業人員反復溝通，溝通內容不僅包括信用風險，還包括貸款的定價、風險緩釋方法、特別的放款條件、貸后的管控措施等（這個過程中往往同時包含一系列的理性分析和直覺判斷）。審批人員在形成自己的初步審查意見后，提交貸審會討論，若得到通過，就從個人決策轉換成了集體決策意見。值得注意，的是審批人員提交初步審查意見的過程也并不簡單，其也會反復考慮、權衡貸審會成員可能提出的各種問題和態度反應，以及貸審會可能的討論結果，特別是他們直接上級的意見。如此的過程多次重復，審批人員的理性分析思維和直覺經驗判斷得到持續積累和強化，從而形成一家銀行一段時期內相對固定的授信審批文化和工作路徑。

從銀行授信審批人員的實際工作情形來看，強行劃分哪些決策來自理性分析，哪些決策產生于直覺判斷，不僅缺乏理論依據，實際意義也不大。兩者實際上互相作用和影響，共同推進決策過程的進行。當然，對應不同類型的授信對象，由于信息數據的結構化程度、異質性、信息不完全、穩定性等方面的區別，兩者作用程度還是會存在不小的差異。這也解釋了銀行授信審批工作中針對不同業務類型，在使用模型、系統方面的差異化。相比零售客戶授信大面積的系統自動化審批，銀行在企業客戶授信審批中，對系統、模型的使用就相對謹慎很多，尤其是對集團關聯客戶、大額授信、非標業務、創新業務等的授信審批還是要依賴專家型模式。相比有事先明確制定準入標準的行政審批行為，銀行授信審批不僅要兼顧風險和收益的權衡，還要一定程度上配合前臺部門對優質客戶的營銷策略和潛在優質客戶的培育、挖掘，審批的標準、依據不夠明確、清晰的情形難以避免。在“機控”尚未完全替代“人控”之前，這樣的理性與直覺互動的決策仍然是銀行授信審批工作的核心邏輯，并且也是銀行信用風險管理改革創新具體推進過程中人工智能技術的應用程度、審批人員的數量配備和專業化分工、審批隊伍的分散與集中管理等決策中的一個重要考量。

五、結語

阿瑟（2014）曾概括了復雜經濟的六大特征：大量行為主體分散的交互作用、沒有全局性的控制者、存在很多層次和復雜纏結、系統連續適應性、永恒的創新、非均衡動力學，并指出對這種自適應非線性經濟網絡的數學和計算機建模方法仍然在發展過程中［16］。時至今日，在金融科技浪潮的裹挾之下，商業銀行的經營生態已經發生了巨大變化，復雜經濟的特征愈發明顯。在銀行紛紛謀求數字化轉型的大背景下，授信審批領域技術與管理方法的革新似乎也是必然之舉。但鑒于銀行嚴格的風險偏好和內部控制要求，以及授信審批工作在銀行風險管理中的極端重要性，同時我們又身處一個易變性、不確定性、復雜性、模糊性的時代，對授信審批工作模型化、自動化的理論和實踐探索都還有大量的工作要做，現有的一些已經投入的技術應用也仍然需要時間和結果的驗證，相關問題值得不同專業領域的學者和銀行從業人員持續關注。

參考文獻：

［1］［美］考埃特，愛特曼，納拉亞南.演進著的信用風險管理［M］.石曉軍，張振霞.譯.北京：機械工業出版社，2001：160，169，197.

［2］連育青.運用大數據分析提升授信審批決策水平的思考［J］.財務與金融，2016（5）：11-14.

［3］中國工商銀行江蘇省分行課題組，岳小勇.商業銀行授信審批的大數據應用模式研究［J］.金融縱橫，2017（9）：11-16.

［4］趙德川，楊立焜.大數據在商業銀行對公授信審批中的應用［J］.金融縱橫，2020（10）：57-64.

［5］陸岷峰.金融科技背景下金融機構授信審批體制改革研究——以商業銀行為例［J］.廣西職業師范學院學報，2020（2）：15-20.

［6］李小慶.基于“大數據+AI”構建全程智能風控體系［J］.金融科技時代，2021（6）：25-29.

［7］尚金峰.商業銀行內部評級體系構建的模型風險研究［J］.金融論壇，2005（11）：3-9，18.

［8］黃志凌.金融智能化不可忽視的模型風險［J］.武漢金融，2020（6）：3-10.

［9］青木昌彥.比較制度分析［M］.周黎安.譯.上海：上海遠東出版社，2001：309.

［10］Klein，G.Applied Decision-making［M］.San.Diego，CA：Academic Press，1999.

［11］Gigerenzer，G..Gut Feelings：Short Cuts to Better Decision-making［M］.London：Penguin Books，2008.

［12］Gaissmaier，W.，Schooler，L.，J.，Mata，R.An Ecological Perspective to Cognitive Limits：Modeling Environment-mind Interactions with ACT-R［J］.Judgment and Dicision-making.2008，3：278-291.

［13］Akinci，C.，Sadler，E.Intuition in Management Research：A Historical Review ［J］.International Journal of Management Reviews.2012，14：104-122.

［14］Marevsky，J.N.，Broder，A.，Glockner，A.Some Metatheoretical Reflections on Adaptive Decision-making and the Strategy Selection Problem［J］.Journal of Behavioral Decision Making.2018，31（2）：181-198.

［15］Adinolfi，P.A Journey around Decision-making：Searching for the “Big Picture” across Disciplines［J］.European Management Journal.2021，39：9-21.

［16］? ［美］阿瑟.復雜經濟學：經濟思想的新框架［M］.賈擁民.譯.杭州：浙江人民出版社，2018：146-148.

作者單位：上海銀行駐行紀檢監察組副組長，碩士，高級經濟師。