我國商業銀行小微企業催收評分技術應用研究

摘 要：隨著我國經濟發展步入新常態，小微企業經營環境面臨較大變化，商業銀行傳統的小微企業業務面臨風險加大、逾期貸款不斷增多的趨勢。但由于小企業貸款金額較小，采用傳統的對公客戶催收模式帶來的成本較高、效率較低，因此，采用催收評分技術進行小微企業客戶的針對性催收，可以實現催收管理的精細化、集約化，有效提高催收的效果和效率，并通過與申請評分卡、行為評分卡等工具的結合應用，實現對小微企業貸款的“全生命周期”管理。

關鍵詞：小微企業；催收；商業銀行

中圖分類號：F832.4 文獻標識碼：A 文章編號：1003-9031（2015）06-0033-03

2008年金融危機后，我國商業銀行紛紛將小微企業業務作為戰略轉型的重要方向，小微企業業務發展步入上升期。但隨著宏觀經濟發展步伐的放緩，小微企業貸款風險較高的特征也在逐步體現，對逾期資產的催收管理顯得極為重要，而我國商業銀行基于傳統對公大客戶模式的催收體系難以適應小微企業金額小、拖欠頻率高等特點。因此，我國商業銀行應該借鑒國外商業銀行經驗，采用催收評分卡工具進行系統性、精細化、智能化催收工作，推動小微企業業務經營管理的科學化、系統化、規范化。

一、我國商業銀行小微企業信貸催收管理模式

目前，我國大型商業銀行在小微企業信貸業務催收方面多采用了與傳統大中型客戶類似的催收方式，根據催收管理模式精細化程度劃分如下：

（一）被動等待貸款逾期后，采用人工回收方法

此模式下，催收工作僅在貸款發生逾期后才開展，并且采用的方式也僅限于人工電話、上門等方式進行[1]。這種催收模式，在商業銀行日益追求成本節約、精細化發展的趨勢下，已逐步被淘汰。

（二）隨著逾期時間增加，催收力度逐步增加

此方式下，將根據客戶逾期時間的長短，逐步采用短信、電話、信函、上門催收等方式進行。例如，可以針對逾期1-30天的客戶，采用短信方式，對逾期31-60天客戶采用電話催收，對61-90天客戶采用信函，90天以上客戶采用上門催收的方式。

（三）細化業務規則，采用更有針對性的催收策略

目前，國際大型商業銀行多采用細化業務規則，根據不同金額、不同客戶屬性等方面因素，將客戶分為高風險、中風險和低風險客戶，然后利用系統的自動化功能，細化貸后跟蹤監控和催收工作[2]。例如美國銀行借助相關業務系統對小微企業客戶進行持續的跟蹤和監測，并對不同風險等級客戶實行“名單管理制定”，分為若干組別，采取針對性管理和催收措施[3]。例如，針對高風險客戶，將會在貸款合同到期前三天采用短信方式提醒其按期進行還款。

二、采用催收評分卡技術是實現小微企業貸后管理工作精細化的必然方向

由于我國商業銀行過去多傾向于發展大中型客戶，因此，其往往是在被動等待貸款發生逾期后，采用人工上門回收或保全等方式進行。而對小微企業客戶而言，由于其金額較小、擔保質押物不足，使得催收團隊人員在催收任務較多的情況下，更加傾向于選擇大中型客戶，從而錯過了小微企業貸款催收的最佳時機[4]。因此，采用催收評分卡技術，提高小微企業信貸催收的效率和效果，是實現小微企業信貸催收工作精細化管理必然方向。

（一）催收評分卡技術的優勢

1.實現精準化催收，提前發現高風險客戶。小微企業貸款類似于零售個人業務，具有業務量大、單筆金額小等特點。根據國外商業銀行在小微企業催收工作方面的經驗，當客戶面臨多家商業銀行的多筆貸款時，哪一家商業銀行能夠最早采用催收手段，其將最有希望收回逾期貸款。因此，采用催收評分卡，由系統根據評分結果自動判斷其風險的高低，然后采用合理的方式判斷是否需要催收以及提前進行催收的相關動作。這樣不僅提高了催收效率，更可以降低運營成本和人力成本，同時避免了對優質客戶的錯誤干擾，提高客戶滿意度和體驗感。

2.減少壞賬損失。雖然小微企業可能面臨多家商業銀行同時進行貸款催收，但往往催收力度的不同，導致了最終催收效果的差異。因此，采用催收評分卡，可以合理確定客戶的催收策略，有利于提高催收的效果，減少壞賬損失[5]。

3.統一催收策略，實現全行催收策略的統一管理。目前，催收客戶多是隨機分派給催收人員，而催收人員進行催收動作時，多依據催收逾期金額的大小進行，因此，可能會產生對因偶然遺忘等原因導致的低風險高金額客戶采用較為過激的催收方式，而對高風險低金額客戶沒有采用有效催收手段。同時，采用評分卡后，可以根據宏觀環境和不同分行所處區域特征的差異特征，設定個性化評分閾值，并設定不同的催收策略。這樣，不僅保證了催收策略與客戶風險的合理一致，更可以實現全行催收策略的統一管理。

（二）構建催收評分卡的主要技術方法

目前，構建催收評分卡主要有決策樹模型、邏輯回歸（LOGISTIC）模型以及以神經網絡為代表的人工智能模型。

1.決策樹模型。決策樹模型根據確定的需要預測的目標變量（在催收評分模型中是區分客戶在一定時間內是否違約的變量）做為樹根，然后根據卡方檢驗、最大熵減少量、基尼系數減少量等算法，從樹根開始不斷選取新的變量來分割樣本，如此反復循環，直至合適的程度，最后的子集稱為葉子，被認為整體地屬于某一信用級別，這樣的產生的模型就是決策樹模型。生成決策樹的關鍵問題：一是采用何種分割方法，即如何選擇一個好的劃分標準；二是如何決定分割程度，即何時子集可以認為是葉子；三是葉子的信用級別如何確定。決策樹在處理具有大量離散自變量（特別是無序的離散變量，如男和女）的分類問題時，有其特別的優勢。因此，目前在國際大銀行，決策樹是信用評分（特別是信用卡申請評分）的一個比較多的選擇，其缺點是樹結構不太穩定[6]。

2.邏輯回歸（LOGISTIC）模型。Logistic回歸模型是計算違約概率的傳統工具，基本原理是對已有客戶按照是否違約進行0-1分類做為因變量，對因變量進行logit變換，使得由在[0，1]范圍取值變換為在正負無窮大取值，并根據業務規則建立的自變量，采用最大似然法（maximum likelihood，ML）估計回歸參數，對logit變換后的因變量建立回歸模型。Logistic回歸模型要求因變量應具有二分特點，自變量則可以是分類變量和定距變量。Logistic模型在處理綱目數據上有著非常大的優越性，而且克服了自變量必須服從正態分布的要求，還可以直接生成違約概率，是目前國際大型商業銀行構建催收評分卡最常用的方法。

3.人工智能模型——神經網絡模型。神經網絡模型是一種模仿人腦信息加工過程的智能化信息處理技術，具有自組織性、自適應性以及很強的魯棒性，用來建立催收評分模型問題的神經網絡可以視為一個對線性組合后的變量進行非線性變換，然后再循環線性組合、非線性變換的統計方法。其原理是由神經元組成復雜的網絡系統，根據特定的學習算法，按照所提供的數據進行學習和訓練，改變每個節點上的加權系數，找出輸入與輸出之間的內在聯系，并最終形成預測客戶違約概率的模型。代表性的網絡模型有感知器、BP神經網絡、GMDH網絡、RBF網絡、雙向聯想記憶（BAM）、盒中腦（BSB）、Hopfield模型、Boltzmann機、自適應共振理論（ART）、CPN模型等。其中最廣泛的學習算法是BP算法，它是通過向下移動誤差曲線的梯度，使得系統的誤差平方和達到最小。神經網絡的優點是可以充分逼近任意復雜的非線性關系，不用理會需要解決的問題的經濟含義，只要因變量和自變量之間確實存在某種關系，通過一定的拓撲結構總是可以得到比較好的擬合，而其缺點也比較明顯，神經網絡模型對于管理者來說是個黑箱，拓撲結構權重無法解釋，這極大程度降低了它的被接受性，另外拓撲結構的確定缺少理論上的指導性。因此，目前神經網絡方法僅在需要進行大數據計算的反欺詐領域應用相對較廣。

（三）催收評分卡的分類

1.按照面向客戶群不同，可以分為早期催收模型和晚期催收模型。早期催收模型主要應用于逾期天數較短的客戶，如逾期60天以內，其主要以衡量催收效果完成情況為標準進行建模。晚期催收模型主要應用于逾期較長時間如90天以上的客戶，其主要以衡量催收動作有效性為標準進行建模。

2.按照預測變量的不同，可以分為違約概率模型、損失程度模型和催收響應模型。違約概率模型以客戶支用貸款、結算賬戶變得情況、還款情況等行為類信息為基礎，預測逾期客戶（主要是早期逾期客戶）最終違約的概率。損失程度模型是預測客戶違約后可能還款金額占逾期金額比例的模型，其可以根據客戶狀態分為已違約模型和未違約模型。催收響應模型是預測客戶對催收方式是否響應的概率，其可應用于針對客戶情況選擇最有效催收方式的策略制定中，其多數應用于晚期催收客戶中。

三、基于催收評分的小微企業貸后精細化策略管理

對于小微企業客戶而言，由于催收評分卡主要針對逾期兩期以內的客戶，因此，其總的處理原則是以客戶服務為主，在準確評估客戶風險程度的基礎上，對客戶進行分組，采取不同的催收處理手段。評分卡模型要發揮其作用，必須要制定出合理的業務策略。對于催收評分的規則制定，應具體體現在以下方面：一是形成以客戶為中心的視圖，從而對客戶名下所有賬戶的逾期情況形成整體認識。這里的客戶為中心是相對寬泛的定義，例如可以進行小微企業客戶與實際控制人名下經營性貸款數據歸總，也可以進一步拓展為銀行層面的包括企業貸款、個人經營性貸款，也包含其名下信用卡、個人貸款甚至存款等的客戶級數據的歸總；二是充分發揮數據的作用，對客戶的行為和還款能力進行預測。要應用多維度數據分析和了解客戶，從而為每個客戶設定最恰當的催收處理方案，并通過催收作業自動化來實施大規模的催收行動；三是結合定量信息（例如評分）與定性信息（例如催收人員意見反饋），制定出恰當的后續催收行動方案；四是要持續地借助學習-完善的技術（冠軍與挑戰者測試）找出更好的催收行動方案組合，從而達到預期的目的；五是應謹慎地權衡“理想化的策略”行動方案與實際運營資源限制之間的關系；六是結合短期、中長期與長期的關鍵表現衡量指標進行監控，以便開展量化的評估操作。

四、我國商業銀行應用小微企業催收評分卡時應注意的問題

從國際大型商業銀行小微企業催收評分卡應用的經驗中可以看出，其具有如下特點：一是催收策略基于統計分析和測試，催收行動方案有很強的針對性；二是各類信息來源完善，外部征信數據得到了很好利用；三是催收運營系統、信息系統有很強的處理能力，并配備先進、智能的催收工具。因此，我國商業銀行要構建具有上述特點的小微企業催收評分卡，需要從如下方面進行相關基礎工作：

（一）強化數據存儲和積累

目前，我國商業銀行在數據積累方面還有較大的改進空間，尤其是在交易類、還款類變量的存儲和應用上，潛力較大。例如，針對小微企業客戶的還款次數、還款金額以及其結算類帳戶的貸方發生額、發生筆數以及擔保圈、擔保鏈等信息，應適時進行保存。

（二）豐富數據挖掘工具的開發和運用

小微企業催收評分模型的建模方法固然重要，但是好的方法并不一定對應好的結果，實際上模型表現更多的決定于問題本身情況和問題解決的處理細節。我國商業銀行構建催收評分卡，絕對不是簡單的將國外商業銀行經驗“直接拿來”，也不是刻意追求方法的復雜程度和先進性。催收評分工作需要根植于內部業務流程和業務數據，要以商業銀行的實際情況為出發點，開發適合商業銀行實際情況的評分模型。例如，雖然決策樹模型在國外商業銀行催收評分方法中應有較少，但我國商業銀行就可以很好的將此類方法應用于客戶分類中，并以此為基礎設定更為精細化的催收策略。

（三）采用逐步運用的方式穩步推進

催收評分卡在構建完成后，需要強有力的IT系統配合落地才能將其功能得到有效發揮。而對于商業銀行而言，由于小微企業業務量不像信用卡、個人住房貸款等業務的規模大，而且其配備的貸后管理力量較為薄弱，因此，在應用催收評分卡工具時，可以采用逐步研發，逐步應用的策略穩步推進。例如，可以先研發逾期較晚、催收業務策略較為簡單的晚期催收評分卡，并及時將其推廣上線，待業務人員了解相關模型的原理以及應用的優勢后再逐步研發較為精細的早期催收評分卡系統。

（四）定期跟蹤模型表現及閾值的合理性

為了更好的體現評分卡工具的優勢，要設計一系列的報表體系，利用KS、PSI等指標進行模型表現的跟蹤和監控，一旦發現模型表現出現持續下降等情況，應及時發起優化建議。同時，要根據宏觀經濟的表現，合理設定各類催收評分卡業務規則的閾值。

（責任編輯：于明）

參考文獻：

[1] Thurm，Scott.Next Frontier in Credit Scores：Prediceting Personal Behavior[N].Wall Street Journal，2011-10-27.

[2]David Weinberger.Everything is Miscellaneous：The Power of the New Digital Disorder[M].New York：Times Books，2007.

[3]Duncan J.Watts.Everything is Obvious Once You Know the Answer.How common sense Fails Us[M].New York：Crown business，2011.

[4]Vlahos，James.The Department of Pre-Crime[J].Scientific American，2012.

[5]Risenthal， Jonathan.Banking Special Report[J].The Economist，2012.

[6]Rudin，Cynthin.21st-Century Data Miners Meet 19th-Century Electrial Cables[J].Computer，2011.