必須對借款用途強化風險評估

劉曉春

信用風險管理無疑是銀行等信貸類金融機構最關鍵的業務環節，這個環節打通了，就打開了信貸業務的康莊大道。各類金融科技都希望在這方面取得突破，包括大數據、云計算、人工智能、區塊鏈等，甚至元宇宙和ChatGPT。然而，各類技術的客戶畫像、風控模型等，基本上是以信用風險評估替代了信用風險管理，或者說是以信用風險評估混淆了信用風險管理。

應該說，以客戶精準畫像為基礎的風險評估模型，在以大數法則為風險管理基礎的標準化消費信貸、小微企業信貸領域取得了巨大成功，尤其是全線上閉環場景下的信貸業務更是可圈可點。但是，一旦脫離全線上、全閉環場景，線上的貸后管理手段則無用武之地，單純依賴傳統精準客戶畫像的風險評估模式就捉襟見肘。一些網上銀行借助衛星遙感技術獲取客戶實時生產信息和種植信息，強化信貸資金應用的管理，無意中突破了傳統精準客戶畫像以風險評估代替風險管理的局限，走上了真正的風險管理之路。

人工智能風控有局限性

信用風險評估，一般指貸款發放前對借款人或信貸項目的還款風險進行評估，包括借款人的還款意愿、還款能力和貸款用途風險等。現在人工智能風控模型基本上是對借款人還款意愿和還款能力的評估，側重點還是在還款意愿及信用記錄，幾乎沒有對貸款用途風險的評估。還款能力，換一個角度，也就是確定合適的授信額度。還款意愿和還款能力是信用風險評估的最基本內容，但不是信用風險評估的全部內容。

單純從理論上說，還款能力評估應該包括貸款用途風險的評估。但現實中，情況比較復雜。銀行通常會把貸款用途的風險評估和借款人綜合還款能力的評估區分開來。貸款用途風險評估是第一性的，綜合還款能力評估是第二性的。貸款用途風險，首先是貸款用途是否合法合規，如貸款用途是販毒、賭博等，即不合法；如企業流動資金貸款用于房地產投資、貸款投資股市等，則是不合規。貸款用途不合法、不合規，借款人信用記錄再好、綜合還款能力再強，都不能貸款。其次是對于借款人而言，貸款用途的合理性。比如，過多的原材料儲備是否合理、新的投資是否超出借款人的經營管理能力等。再次是該筆貸款運用的投入產出效益。一般而言，只有貸款應用本身產生的效益足夠還本付息，該筆貸款才是安全的，綜合還款能力一般情況下只是加分項。

通道業務流行時期曾有一筆業務，銀行理財資金通過信托作為優先級，一家著名的民營企業出資作為劣后級，設立特殊目的公司，經QDII（合格境內機構投資者）渠道向特定人士購買其持有的該民營企業在香港發行的股票。業務已經通過了各項調查和審查環節，等待最后的審批。審核了調查報告和審查報告后，我找相關人員就這筆業務問一些問題。

首先，QDII單筆是否可以這么大金額？是否可以單筆只投資一只股票？這是希望知道QDII的基本規則。其次，新成立的特殊目的公司與這家民營企業是否是一致行動人？如果說不是，但實際是，在中國香港應該是違法了；如果是，這次通過QDII要購買的股票占該企業發行量的20%多，企業實控人持有70%多，市場上在流通的股票就只剩1%-2%左右，那意味著企業是要退市了。從當時的兩份報告來看，沒有哪處顯示該企業要退市。報告中也沒有說明向特定持有人購買這些股票的必要性和可行性。

此外，如果到期企業不能還款怎么辦？當時的工作人員說，可以把股票拋掉，中國香港市場隨時可以拋。但是，這只股票平時交易頻率不高，交易量大概就是發行量的1%左右，如果突然拋出20%多，誰接盤？股價能承受住嗎？工作人員又說，還有實控人無限責任擔保。我問，實控人憑什么擔保呢？工作人員回答，他們持有70%多股票，價值遠遠超過我們的出資。我說，我們20%多都拋不出去，他70%多能拋出去？因為業務邏輯說不通，所以我否決了這筆業務。幾個月以后，該股票被做空，股價一天之內跌去98%以上。

雖然許多消費信貸、小微企業貸款可以應用大數法則標準化評估風險和審批貸款，但對一些特殊用途的貸款還是需要一些特殊的風險審查。圖/視覺中國

這筆業務，單純看企業是當時的明星企業，報表反映企業效益很好，信用記錄良好；有當時估價足值的質押品和保證擔保；作為通道業務，也符合當時的規則。然而，穿透業務表象，款項用途在邏輯上說不通。我的推論是，企業當初上市與那些特定持有人簽有抽屜協議，約定在一定期限后，在一定價格以上持有人可以在市場上出售股票，否則發行人必須按此價格回購股票。現在對賭的抽屜協議到期了，股票市場價格沒有到協議的價格以上，也沒有接盤人，發行人必須履行抽屜協議。但發行人肯定不能直接回購如此多的股票，否則會觸發退市機制，于是便有了這種業務模式。上市需要與特定投資人簽署這類抽屜協議，是因為發行人希望達到一定的市值，但市場并不認可，所以找來這類特定投資人抬升發行價，并維持市值。股票上市后，沒有交易量，甚至需要靠所謂的市值管理花錢來維持股價，就充分說明了問題。這樣的上市方式，不僅沒給企業帶來經營優勢，實際上是害了一家正常經營的企業。類似這家企業這樣的上市方式，前些年在A股市場和H股市場數量不少，是股市不健康的因素之一，說來話長，暫且按下不表。

借款用途需要專門的風險評估

必須對借款用途進行專門的風險評估，不僅發生在對公業務領域，零售業務和小微企業業務也是需要關注的。零售業務和小微企業業務的不同貸款產品的不同準入要求，許多就是針對借款不同用途而設定的。現在來看，雖然許多消費信貸、小微企業貸款可以應用大數法則標準化評估風險和審批貸款，但對一些特殊用途的貸款還是需要一些特殊的風險審查。比如按揭貸款，實際上可以分為兩種，現房按揭貸款和期房按揭貸款。期房按揭貸款，除了現房按揭貸款需要評估的風險，還應該評估開發商按期交房的風險。

信貸風險評估并不等于信貸決策。信貸決策要根據信貸風險評估所呈現的風險狀態和可能，確定貸與不貸；如果貸，則要確定合適的貸款金額、期限結構和利率結構，還要確定貸款方式和風險控制方式，為貸后風險管理提供依據和措施。以期房按揭貸款為例，開發商的實力再強大，信用記錄再優秀，不能按時交房的風險是存在的，在貸款保障措施中就必須確定開發商的責任，以及當出現不能按時交房甚至發生爛尾的情況下，如何確保購房者的權益和銀行貸款的安全。目前按揭貸款模式，沒有區分現房按揭和期房按揭，不僅風險評估缺失一個環節，貸款決策中自然就少了必要的風險控制措施，為貸后的風險管理埋下了隱患。

前段時間，與一位企業家交流。他最初開食品廠，以后依次做過工程承包、出租工程設備、代理國外著名品牌運輸車銷售。隨著中國運輸車制造水平的提升，國外品牌不那么容易銷售了。為了維持銷售業績，他開辦了小貸公司為購車者提供貸款。發現小貸公司滿足不了需求，又開辦擔保公司，為購車者向銀行貸款提供擔保。可以看到，他是在逐步往食物鏈頂端發展。

因為疫情，物流業受到重創，許多運輸戶還不了貸款，他的擔保公司必須履行擔保責任，最后他自己成了失信人員。他的公司有專門的風險管理人員，但是水平一般。

從他的敘述中可以感到，他做這項業務并不是盲目的，他是在自己熟悉的領域發展業務。他曾經也進入乘用車領域，為購車者提供貸款或擔保。因為那個領域市場比運輸車市場大。但很快就發現，雖然都是賣車，卻各有各的套路，他把握不住乘用車領域的潛規則，于是很快就退回自己熟悉的運輸車領域。他還做過P2P，也很快退出了。但熟悉運輸車領域，并不等于他就能做好運輸車領域的金融業務。在提供擔保前，他做了客戶的信用風險評估，但在提供擔保時可能并沒有在合同中安排反擔保措施，也沒有明確當他履行擔保責任后該擁有的債權主張方式。當他履行擔保責任后，繞過法律程序，用傳統民間的方式粗暴主張債權，結果輸了官司。

兩個案例雖然不是貸款業務，但性質與貸款一樣。由案例可見，資金有不同用途，不同用途有不同風險，需要進行專業的評估與預測，以確定不同的信貸方案和風控措施。而不同風控措施本身又需要進行專業的風險評估，比如不同的擔保方式、不同的抵押物、不同的質押物和質押方式等，并在評估基礎上確定具體的約束安排。這些都遠遠超出客戶畫像的范圍。這是銀行數字化轉型中，對公業務領域進展不盡如人意的關鍵所在。一方面，廣泛應用人工智能技術，是風險管理的必然方向；另一方面，現有技術還不能滿足這類需求，更重要的是在應用技術中對業務和技術兩端都沒有深刻的洞察。方法上，必須突破客戶畫像的思維局限，技術應用要貫穿信用風險管理全過程。技術上，要突破單一技術的局限，綜合應用不同功能的人工智能技術解決不同信用風險管理環節的不同需求。

深刻理解技術的適配性

科學的新發現、技術的新發明，所謂從零到一固然重要，但技術實現商業化應用，同樣是非常重要的，這是另一個領域的從零到一。一項新發現、新發明，導致一系列科學理論和科學技術的革命，是一到十甚至更多，然而這只是科學研究領域的一到十，并不等于實現了商業化應用。一項科學技術的商業化應用，即科技應用的創新，與科學研究既有關，又無關。有關是需要對這項技術有深入的認識，并有應用的能力；無關是這時更需要對社會領域，比如生產、商業模式、金融業務規律的深刻認識，有能力遵循商業規律將技術應用到具體的業務中去。當然，科技應用的創新，反過來可以促進科學技術的繼續創新、改進與提高。

任何技術創新，應用的空間可能都是無限的，但每項技術都有自己的特點，也必然有自身的能力邊界和局限。再先進的技術都不可能替代之前的所有技術。不同技術路徑的人工智能，都有各自適用的范圍。所以，對一項新技術，一方面要打開思路，大膽創新應用，另一方面更要深刻理解技術的特點和不同業務特點的適配性，以期達到有效創新應用的效果。

ChatGPT是人工智能技術的重大突破，為人工智能的廣泛應用帶來了極大的想象空間。作為自然語言處理技術，它通過深度學習找到了詞語間的相關性，但這并不說明它知道了真實世界事物間的因果關系。在信用風險管理中，業務邏輯、信貸項目的投入產出風險、抵質押品風險等，作為通用語言模型可能可以做一些信息收集等輔助工作，但做不了實質性的評審與管理工作。這不是一句“只要有足夠數據它就能深度學習”能搪塞的。這只是未來時的表述，可能需要自然語言處理技術之外的技術路徑來解決，科學家們還需努力。更何況，即使目前的人工智能技術真的在技術上能解決所有業務問題，還有一個效益和效率問題。

人工智能技術在信用風險管理中應用還必須解決的難點是：一是評估結果和決策結果是確定正確的，不可以是模棱兩可甚至有誤導性；二是模型必須是可檢驗和可解釋的；三是模型應用的結果是可以追責的。如果不能做到這三條，風險將比不應用人工智能更大。其中不僅有技術本身可能存在的風險，更重要的是，一旦不可追責，會引發道德風險。

總的來說，信用風險管理需要廣泛應用人工智能技術，但不同環節、不同階段的操作，需要應用不同的人工智能技術。互聯網銀行應用衛星遙感技術核實貸款農戶農作物種植和生長情況，就是很好的例子。如沒有成熟的技術，也不必勉強為之。技術是人發明的，也是人應用的，技術的有效應用，更需要與人的作用無縫對接。只有這樣，才能真正做好信用風險管理工作。

（作者為上海新金融研究院副院長；編輯：張威、袁滿）