基于大數據技術開展普惠金融的實證研究

陳海旭 李鵬武

【摘 要】“普惠金融”是指以可控的成本，為需要金融服務的社會弱勢群體提供適當的金融服務。WeBank（微眾銀行）由騰訊等知名民營企業創建，并于2014年正式開業。核心產品“微粒貸”實現從申請、審批到放款全流程互聯網線上運營的貸款產品。微眾銀行采用騰訊平臺現有的QQ、微信用戶數據為源，與其他互聯網平臺聯合開發，利用大數據技術開展借貸業務服務，本文基于此進行研究分析。詳細描述了微眾銀行將大數據技術對小微企業及個人信用評級的過程，并設立一系列普惠金融發展指標，基于微眾銀行2016年、2017年財務數據對微眾銀行普惠金融服務方面的影響力進行計算和測度分析。最后，本文還指出了微眾銀行普惠金融服務中的潛在風險。

【關鍵詞】微眾銀行；大數據技術；網絡借貸；普惠金融

一、前言

當前，我國企業網絡借貸迎來起步期，微眾銀行的出現無疑意味著低成本的借貸和投資，隨著移動互聯網的普及，信息交換的成本大幅下降，而這加快了大數據技術在商業領域的應用，僅僅通過對看似雜亂的數據做恰當的分析，就可以了解一家企業的歷史運營情況，這無疑是商業的革命。網絡借貸恰恰就需要這些數據作為支撐，通過有效系統的處理、分析、評估，可以做到對借貸企業的業務開展、營銷狀況、資產負債、客戶來往，尤其是信用情況等決策管理的理解準確和高效。再者，通過對這些大數據的認識，人們還可以準確把握業務提升的方向和金融市場的發展趨勢，并且在風險可控的情況下，將資金借給需要的企業，實現資源的合理配置。在此背景之下，微眾銀行設立并很快推出了“微粒貸”等產品，依托WeBank專業團隊的風險控制和質量選擇，實現高效便捷的資金調度，幫助用戶更輕松地管理財富。，降低操作門檻。平臺金融方面，微眾銀行目前已與一些物流公司、線上裝修平臺、二手車電商平臺等國內知名的互聯網平臺聯合開發產品。通過將互聯網企業與數據和用戶連接起來，將渭中銀行的金融產品應用到其服務場景中，將互聯網金融帶來的包容性利益垂直滲透到普通大眾的服裝、食品、住房和交通運輸中，從而實現了對金融產品的整合。實現資源的有效整合和優勢互補，實現合作共贏的新模式。

本文以大數據分析為基礎，通過分析微眾銀行如何運用大數據技術對小微企業進行信用風險評價。將普惠金融發展指標結合近幾年財務報表分析微眾銀行對普惠金融服務的影響力。

二、微眾銀行的基于大數據信用評級模式

“微粒貸”作為一種在線運營的信貸產品，基于大數據風險控制技術，依托微信和移動QQ為中小企業提供個人小額貸款和貸款服務。

基于大數據分析技術，發楚準敏線上風險識別和監測信息系統。微眾銀行建立了風險識別，實時檢測，測量和報告的能力，以滿足風險管理的需求，如風險監控報告，風險計量模型，貸后警告，反欺詐和黑名單識別。

（一）模型架構

WeBank起源于傳統金融機構的金融供給缺口，小微集團長尾融資需求的結合，以及傳統金融大數據應用的不足。

大數據應用和信用報告的創新有效地提高了客戶定位的效率和準確性。

（二）運行邏輯

第一，客戶數據挖掘。基于客戶大數據挖掘構建數據模型，選出符合要求的客戶，調查客戶可支配資金和客戶的信用記錄，預測目標的借貸風險，實現精準提供資金。

第二，客戶行為分析。基于客戶的社會行為，調查客戶微信、QQ、瀏覽器等搜索記錄，生活狀態支付情況和消費狀況，通過數據分析技術搜索可靠、信用度高的客戶，實現風險控制的目的，同時也不斷提升高價值客戶的忠誠度和粘度。

第三，應用第三方數據進行確認，通過傳統信貸數據，論壇、娛樂記錄，法律記錄，通訊記錄，五險一金數據等深入了解互聯網上客戶的活動狀況，通過這些誠信記錄來做到審核客戶。

第四，形成客戶信用報告，通過金融機構直接發放貸款或發行資產支持證券。

（三）使用大數據技術對借款企業或者個人信用評級的優勢

傳統的信用評級是建立在靜態和歷史數據的基礎上，存在一定的滯后性。

當需要貸款的企業申請金融機構的信貸資金支持時，需要提供過去的財務報表等信息。資產質量，抵押資產數量和擔保能力與獲得貸款的可能性，信貸額度和信貸價格成正比。

那些能夠提供更好的歷史數據來證明申請人往往具有較高信用評級的人，所以這些高信用評級的主體更有可能獲得資金；如小微企業主、個體工商戶等一般缺乏優質可靠資產（或抵押資產），難以提供令人信服的抵押貸款和擔保，且往往缺乏財務報表等官方財務數據，所以通常信用評級較低，信用評級較低的主體在融資阻力較大，融資成本較高。

傳統的信用評級方法容易導致信貸資源配置嚴重失衡。

1.信用評級的主觀任意性較強，對人性等道德風險的評價往往被輕視。

“5C”因子分析方法在傳統的商業銀行信用評級中得到了廣泛的應用。通常，有經驗的信貸員會定量評估借款人的性格、資本、償付能力、抵押品和經濟狀況進行初步估計。

但是，由于金融機構采用“5C”信用評級（即Character、Capital、Capacity、Collateral、Cycle Conditions），重點不同。因此，給予這五個指標體系的權重也存在質的差異。這種主觀差異將導致信用評級結果出現偏差。

此外，傳統的信用評級缺乏對貸款申請人人性等主觀因素的深入、具體的評價，對還款意愿等因素造成的逾期和不良資產損失的定量分析也存在重大缺陷，道德風險和綿羊效應。

微眾銀行大數據信貸形式多樣，覆蓋面廣，內容豐富。

微眾銀行通過用戶身份數據和社會數據來分析人的誠實、受歡迎程度和工作穩定性，信息性更強。

信用評級過程中的大數據內容包括文本、音頻、圖片、視頻等多媒體形式。收集到的數據不限于公司的財務報表，也延伸到各種存儲媒體、互聯網網頁和社交軟件聊天記錄。從運營的總體數據到單交易和互動數據，內容包括傳統評級過程中的必要指標，以及基于全面、實時、更全面、多角度的軟信息數據，以及動態的信用評級。

基于復雜的數據分析模型，深入處理，開發和利用大量結構數據，半結構化數據和非結構化數據。

實時監控，顯著的規模效應。利用騰訊等社會平臺收集海量數據資源，使微型銀行能夠高效、方便、充分了解潛在客戶的信用狀況和實際經營情況，大大提高效率，節約信息收集時間，準確評估信用狀況。繼續跟進貸款情況。進而降低客戶對抵押品的需求，保證、提高貸款速度，提高融資效率。

貸款公司一旦發生風險行為，將立即通過安全機制進行預警。實時監測有助于提高信用評級預測的準確性，提高信用評級的可靠性。由于騰訊的信貸設計、運營和管理的預投入成本是固定成本，因此總成本不會隨評級數量的增加而有顯著變化，個人評級主體分擔的成本也會越來越小，從而實現信用評級的規模效應。

三、微眾銀行應用大數據技術開展普惠金融的實證研究和分析

研究微眾銀行2016年、2017年的銀行服務的業務狀況，利用相關數據對微眾銀行普惠金融發展指標進行計算和測度分析，結合對其在開展中小微企業、個人金融服務進行普惠金融方面的工作進行研究，探索微眾銀行普惠金融服務方面的影響力。

（一）設立微眾銀行的普惠金融水平測算指標

考慮到普惠金融主要服務于中小微企業和個人，并結合傳統銀行的相關指標，以此方向來研究微眾銀行普惠金融服務的影響力。參考HDI和國內外前沿的建模方法，本文章選取滲透度、使用度2個指標維度和5個具體指標來設計普惠金融發展水平。

具體指標如下（見表1）：

表1 微眾銀行普惠金融評價指標體系

（二）線性普惠金融指標（LIFI）

參考Sarma（2008），結合聯合國開計署測換人類發展指數HDI的做法。并參考線性評價指數的設計方法，考慮微眾銀行業務數據的有限性，本文采用簡單的線性加權方法設計微眾銀行普惠金融指標（LIFI）。

公式中W1，W2各自表示滲透度S和使用度U在最終指標中的權重。每個維度有各自的具體指標和權重。由此得出最終的具體計算公式。

根據普惠金融服務特征，向傳統信貸難以觸及的普通客戶和小微企業主提供極其方便快捷的金融服務。

確定權重大小如下：

LIFI數值越大，表明普惠金融水平越高；反之數值越小，表示普惠金融水平越低。

（三）微眾銀行普惠金融服務基本情況

根據上述提及的普惠金融發展指數計算方法，對微眾銀行的普惠金融服務進行實證研究，比較分析應用大數據技術發展普惠金融服務的程度。

本文分析的數據主要來源于微眾銀行2016、2017年財務報表和歷年銀行業務數據統計。

2017注冊用戶6000萬，覆蓋567座城市；授信客戶3400萬人；向1200萬人在線發放貸款8700億元。筆均8100元。

2016注冊用戶2800萬，覆蓋城市549座，授信用戶2833萬，2016貸款量1600億，發放人數2000萬，平均每筆貸款8000元。

（四）基于普惠金融指數的普惠金融發展程度測度分析

考慮數據的分析利用情況，本文使用時間截面數據計算各指標實際值（為了數據的精確，除去了各自相應的單位）。

表2 普惠金融評價指數評價指標的權重

從結果可以看出，2017年相比于2016年，微眾銀行普惠金融服務指數（LIFI）上漲48.79%，普惠金融服務水平大幅度提升。

基于線性加權普惠金融指數模型的角度來分析微眾銀行在普惠金融發展水平的分布情況。從上表2可以看出，微眾銀行在農戶金融方面服務方面整體金融服務都還處在普惠金融的較低水平階段，并不能滿足客戶的金融服務需求。但是得力于“微粒貸”產品的提出，微眾銀行的業務量和營業水平在2016年、2017年有了大幅度提升。

四、當前微眾銀行普惠金融發展存在的風險

從微眾銀行普惠金融的供給、金融產品、政策制度來看，存在不少因素制約著微眾銀行普惠金融的推廣與可持續發展。

一是用戶信用違約風險。雖然微眾銀行已經可以以大數據為核心構建創新風控體系，引入機器學習、SVM、回聲預測等算法，建立了微信、QQ、第三方平臺和國家信用機構合作的系列風控模型。將人行征信和公安二代身份證等傳統數據，與社交和行為等新型數據相結合，從更加深化、綜合的角度評估和考量信用風險。。但是，從歷史經驗看來，中小微企業與個人仍然具有相對于一般客戶更高的違約風險。如何更精準地識別客戶身份、發放貸款并開展反欺詐仍是重點與難點。

一是新興技術運用風險。隨著移動互聯網的蓬勃發展，以支付寶、微信為代表的移動端支付迅速普及，但是其面臨的安全風險也不容忽視。而且由于數字普惠金融面向的人群數目眾多，數字平臺在構建時通常會采用一些新興技術，如云計算和大數據等。這些新興技術會帶來諸多新的風險。一些云服務商同時支持了大量金融機構，如果出現故障將導致大面積金融服務停用，例如近年阿里云、谷歌云等國內外巨頭皆出現過云計算服務的中斷。在大數據運用方面，大量數據的集中存儲使得攻擊獲得的潛在收益增大，會引來更多的攻擊者，從而增加了數據泄露的風險。互聯網銀行金融服務多采取指紋或者面部識別技術。在生物識別技術運用方面，盡管人的生物特征不能改變，但泄露生物特征的途徑卻很多，如指紋信息可能被套取等。此類生物隱私信息被獲取、復制，從而會對采用生物識別技術的用戶造成難以估量的損失，補救措施也難以實施。

二是國家對于互聯網式銀行金融機構的監管問題。傳統銀行金融機構經過國務院設立的監管部門長期的監督和指引，已經建立了較為嚴格的管理體系和內控機制，對信息系統的安全性比較重視。相對而言，數字普惠金融機構尤其是新興業態對信息系統基礎設施的可用性和可靠性、運維管理流程以及人員的安全意識缺乏必要的安全評估。

【參考文獻】

[1]李桂峰 . 基于大數據技術開展普惠金融的實證研究——以X行廣西分行為例[D]. 中國農業銀行股份有限公司廣西壯族自治區分行，2019.

[2]張明嬛 . 基于普惠金融視角的我國小微企業金融服務問題探析[J]. 經貿實踐，2018（ 24） ： 17.

[3]吳善東 . 數字普惠金融的風險問題、監管挑戰及發展建議[D]. 中國社會科學院研究生院，2019.

[4]徐充，張瑀. 基于普惠金融視角的我國小微企業金融服務問題探析[J]. 江西社會科學，2017，37（ 02） ：222 -228.

[5]微眾銀行，微眾銀行2016年財務報告.

[6]微眾銀行，微眾銀行2017年財務報告.

[7]趙尊振，趙燕. 互聯網銀行大數據應用創新研究——以前海微眾銀行為例[D].中國人民銀行泰安市中心支行.