基于阿里小貸模式的企業資信評價研究

曹秋琴　張瑞龍

?

基于阿里小貸模式的企業資信評價研究

曹秋琴張瑞龍

摘要：隨著互聯網技術的不斷進步和電商交易市場規模的擴大，以及互聯網大數據平臺的出現，互聯網金融快速發展，小微企業融資困境的解決出現了新的機遇。以阿里巴巴的阿里小貸為代表的網絡金融平臺，推出了許多新的貸款產品，同時其對企業的資信評價也開拓了新思路，為信貸企業的資信評價研究提供新的方法。文章在總結分析阿里小貸模式的基礎上，研究探索企業的資信評價體系，利用模糊層次分析法構建資信評價模型，對網絡平臺信貸資信評價提供借鑒。

關鍵詞：阿里小貸；資信評價；模糊層次分析法

一、網絡金融信貸的發展

互聯網技術的發展加速了互聯網金融的發展，也改變了傳統金融的投融資模式。互聯網金融的快速發展，在提高金融服務效率、提升金融服務的普惠性及滿足大眾多元化投融資需求方面發揮了積極作用。以阿里巴巴為例，總結網絡信貸平臺的發展過程如下：

隨著網絡貿易的不斷發展，網絡信貸平臺也不斷成熟。2002年，阿里巴巴創立了“誠信通”，用以解決網絡貿易信用問題。阿里巴巴集團為B2B客戶端平臺上的企業建立的信用檔案，包含企業資信指數、好評率、店鋪皇冠等級、A&V認證等參數，為買家進行商品交易提供了重要參考數據。阿里巴巴還與外部獨立機構聯合對注冊企業進行評級，把獨立機構給出的評估結果連同阿里內部的企業資信數據一同展示在頁面上，以提高注冊企業的可信任度，而這些指數是阿里客戶評級的重要數據來源。

2007年，阿里巴巴先后與建設銀行、工商銀行等傳統金融機構合作放貸，分別推出了“e貸通”及“易融通”等貸款產品，主要服務于中小電商企業。在此期間，阿里巴巴建立了企業綜合信用評級制度和企業信用信息數據系統，同時借助平臺對客戶進行風險控制，建立了一套完整的風控機制。此時的阿里巴巴幫助銀行評估信用風險的同時也為其發展了一堆潛在借貸者，同時也幫助電商企業融資。2008年，阿里巴巴建立了中小企業融資平臺，引入風險投資機制，為平臺網商提供資金來源。阿里依據平臺所積累的信息如產品發布數量、用戶評價、頁面訪問人次、退貨率等基本面信息，進行企業的資信評價。

阿里巴巴先后于2010年及2011年成立了浙江阿里巴巴小額貸款股份有限公司及重慶市阿里巴巴小額貸款有限公司，注冊資本分別為6億及10億元，開始向部分城市的淘寶或阿里巴巴上的電商企業放貸。其后阿里小貸進行了多輪資產證券化項目，擴充了它的貸款額度。2013年7月，阿里與萬家基金子公司的證券化項目借助諾亞財富完成募集。2014年8月，阿里小貸開始與海爾集團旗下的金融機構合作，成為首個直投合作機構，其所屬的金融機構與阿里小貸實現IT系統對接，并且為阿里平臺上的小微企業提供3000萬元額度的貸款資金。而阿里小貸則運用自己的數據和技術，提供IT系統對接、信用評估和風險定價、資金的發放、回收與管理、云計算等服務。

二、阿里小貸的資信評價體系

阿里內部資信體系的建設得益于其“平臺”和“大數據”優勢。在基于網絡平臺的資信體系構建過程中，以淘寶網、天貓商城、阿里巴巴網站為代表的電商交易平臺，積累了大量的用戶網絡行為數據，通過大數據的深度挖掘，阿里小貸內部建立起一整套資信評價體系，凸出表現為針對客戶群體進行分層，體系內外動態更新。依據人民銀行征信系統的覆蓋情況，阿里小貸產品的客戶可以分為兩層。一層是阿里巴巴B2C平臺，如淘寶、天貓、聚劃算上的商戶，他們大多屬于個體戶和自主創業者，未能被人民銀行征信系統充分覆蓋到。但由于這些商戶的訂單基本來自于網絡，經營狀況、交易信息和用戶評價信息也已經十分詳細、透明的展現在平臺上，信用評級主要基于平臺上各類信息，輔以人行征信數據。另一層是阿里巴巴B2B企業，這類商戶一般規模較大，有些也已經被納入人民銀行征信體系，阿里小貸在進行信用評級的過程中，會適當增加人民銀行征信體系信息的參考權重。此外，有些商戶已經實現了企業ERP系統與阿里平臺系統的對接，阿里小貸在決策過程中會重點參考商戶的購貨量、銷貨量、存貨等數據。

阿里小貸的資信體系還是一個內外聯動、實時更新的過程，而這個過程主要由“誠信通指數”來幫助實現的。平臺內的商戶每成功達成一筆交易或成功獲得一次貸款，系統就會自動更新商戶的誠信通指數，供消費者參考，同時也作為阿里放貸的重要決策依據。這也間接的引導了商戶要注重自己的“信譽”，及時更新動態以提升自己的商業活躍度，形成盈利能力、獲貸額度和誠信度正相關的良性循環。調查顯示，電商平臺上有92%以上的賣家和85%以上的買家在選擇交易伙伴時會參考“誠信通指數”。

三、基于模糊層次分析法的信貸評價模型

層次分析法將定性和定量分析法相結合，具有實用性和有效性的特點，能夠處理復雜的決策問題。目前，該方法已經應用于運輸、農業、教育、人才、醫療、環境、軍事和科學等各個領域。這一方法將模糊數學中“隸屬度”的概念引入模型中，對具有模糊性的指標通過隸屬函數進行處理。模糊層次分析法，即FAHP，是層次分析法與模糊數學評價法的結合。它可以較好的最大限度降低人為因素對綜合評價的影響同時有效解決綜合評價過程中模糊性的問題。

本文在確定指標權重時將運用到層次分析法（Analytical Hierarchy Process—AHP），這一方法也廣泛運用于對復雜決策問題的分析。它要求對問題的本質、內在關系以及包含的因素有清晰的分析，但對所需的定量數據要求較少。因而極其清晰的分析思路是它的顯著特點。擬通過對層次分析法與模糊評判法的綜合運用建構阿里小貸模式下小微企業信貸評級模型，設計思路如下：首先，結合小微企業特點及其他商業銀行評級經驗建立信貸評級體系；其次，運用層次分析法確定各指標權重；然后，進行模糊綜合評判；最后，引入分數集對小微企業信貸評級等級進行確定。考慮到小微網商企業的經營特點、信貸風險的特殊性和數據可獲得性，綜合運用層次分析法，最終確認指標體系層次結構構建如下：

圖1阿里小貸資信評價體系

層次分析法（AHP）體現的是一種先分解后綜合的系統思想。層次分析法是通過分析復雜問題包含的因素及其相互聯系，將問題分解為不同的要素，并將這些要素歸并為不同的層次，從而形成多層次結構，在每一層次可按某一規定準則，對該層要素進行逐對比較建立判斷矩陣。運用層次分析法，根據本層次中各有關元素相對重要性的狀況構造判斷矩陣，并對判斷矩陣進行一致性檢驗。結合上圖所示的指標體系，分別確定各層次指標的權重。結果如下表：

表2　一級指標權重及一致性檢驗

模糊評價計算公式為：B=A*R，其中A為權重向量，R為隸屬向量，由AHP方法計算得到，對各級指標作模糊矩陣運算，得到對評語集Z的隸屬向量B，將B作歸一化處理，并與等級分矩陣Z相乘得到綜合得分。設定資信評價的評語集為Z=（A，A-，B，B-），相對應的評級分數集如表6所示。分數越高，企業信譽越好，還款能力越高。申請人最終的授信額度由其自身的信貸等級及店鋪的交易量綜合決定。

表1一級指標判斷矩陣

表3信用指標判斷矩陣

表4　　信用指標權重及一致性檢驗

店鋪等級分為紅心、鉆石、藍冠、金冠，作為評語集，采用等權，對應分值分別為90、80、70、60分）。

四、應用實例

本文在天貓商城上選取了一家旗艦店的店鋪數據，按照前文所建立的資信評價體系，對其進行信貸等級評估，以驗證模型的可行性和有效性。具體計算過程如下：

假設有10位用戶對此旗艦店信用評價的評價結果為：6人評好評，3人評中評，1人評差評，評價等級作為評語集，則信用評價這一指標的模糊評價集為（0.6，0.3，0.1），權向量為=（0.0964，0.2842，0.6193），隸屬向量為=（0. 2820，0.4161，0.3019），相應的其得分為74.70分。同理可得，店鋪等級為鉆石，店鋪等級的隸屬向量為=（0，1，0，0），權向量為=（0.25，0.25，0.25，0.25）相應的得分為80分。根據網頁顯示，該店鋪的“描述相符”指標得分為4.5分，對應上表可知得分為95分。“服務態度”指標得分為4.5分，相應得分為95分。

表5　描述和服務分值區間劃分表

表6信貸等級表

所以，該旗艦店的最后得分為：0.0967*74.80+0.5549 *95+0.2517*80+0.0967*95=89.27。

則根據評價等級，該旗艦店的資信評價為A-，符合該店的實際情況。

五、結論

阿里小貸模式的核心機制是“平臺+小貸”，即通過網絡平臺，將積累的小微企業的交易數據、行為數據與大數據技術相結合，經過技術處理得出客戶的經營狀況和資信狀況，形成對客戶的信用評價，并最終作為貸款決策的依據。阿里小貸模式具有平臺優勢和信息優勢，建立了用戶信用評級機制和資信評價體系，有效減少了信息不對稱問題的發生，值得傳統銀行以及其他小額信貸企業學習與借鑒。

參考文獻：

［1］吳俊英.“中小微企業網絡融資模式實驗——以“阿里小貸”為例”.經濟問題，2014（1）.

［2］張嶺，張勝.“互聯網金融支持小微企業融資模式研究”.科技管理研究，2015（17）.

作者單位：（淮海工學院商學院）