理性看待小微信貸的數字化決策

劉波

2020年9月，江蘇省如皋市一家小微企業的生產車間。圖/中新

近一年多，小微貸款的形勢很好，余額激增而不良率卻一直維持在低位。

這與政府加大向金融機構開放申貸企業的稅務、工商、司法、電力數據相關，與監管對銀行“小微再貸款”“小微轉貸款”的政策支持相關，更與監管對銀行的“小微業務兩增兩控”考核相關。

這些舉措，確實能大幅拉動針對小微企業的信貸投放，尤其是政府數據的開放，對小微企業貸款的數字化轉型起到了巨大的推動作用。

然而，貸款是雙向的，貸得出去也要收得回來，政策的刺激能決定小微貸款能做多大，而不良率決定了小微貸款能走多遠。

2020年，突如其來的新冠肺炎疫情，讓小微貸款不良率持續飆高，不光是小微貸款，整個銀行的信貸資產逾期率都在陡線上升。疫情之下，傳統的信貸模式受阻，金融機構愿意也好、不愿也好，都在做數字化轉型，可以說是疫情倒逼出了數字化決策的小微貸款發展。

肯定很多人會問，目前中國小微貸款的數字化技術是不是靠譜？

從風險數據上來看，一年多過去，形勢遠比預料得好。準確地說，從2020年7月開始，逾期率就開始大幅下降，11月就基本恢復到了疫情前的水平，2021年以來，風險表現更是達到近幾年最好水平。

光看數字，這幾乎是一張完美答卷，但我們這些答卷者卻不敢貪天之功，所有的業務策略和風控策略都只是技術細節，而真正起決定作用的是貨幣政策這個大勢，我們只是跟著大勢走了一遭罷了。

2020年，疫情之下，中國政府啟動了“六穩六保”工作，作為配套措施，中國人民銀行加大了貨幣投放。2020年12月末，中國廣義貨幣（M2）余額218.68萬億元，較2019年增長20.03萬億元。

這20.03萬億元投向了哪里？2020年，中國社會融資規模增量累計為34.86萬億元，比2019年增長9.19萬億元。其中，對實體經濟發放的人民幣貸款增加20.03萬億元。

隨著貨幣投放的加大，企業手上有錢了，不管它賺不賺錢，短期來看，它的資金流動性變好了，小微企業貸款的不良率應聲而降。

但問題被海量的貨幣掩蓋了，在此情境下去討論小微貸款的數字化技術是不是靠譜，缺乏依據，需要更長的周期去追蹤正常貨幣政策下的風險結果。

五種靠譜的小微企業貸款模式

從負責阿里貸款到負責淘寶、天貓貸款，再到參與籌建網商銀行、新網銀行，這十年來，筆者帶著團隊累計發放了近1萬億元的小微貸款。在筆者看來，中國市場上目前靠譜的小微企業貸款模式只有五種：

第一種以淘寶、天貓貸款為代表，完全掌握了企業的銷售、物流、資金流，不必客戶提供任何資料，就可以直接評估信貸額度和利率。

這當然是數字化貸款，只是對于該模式而言，最關鍵的還不是模型、數據、方法論，而是阿里這個生態圈。離開阿里這個生態圈，這套方法論是否成立，需要觀察，至少目前沒有出現第二個成功案例。保持淘寶、天貓貸款不良率持續較低的最大原因，不是大數據信貸模型，而是生態圈形成的巨大違約成本。

第二種以美團商家貸款為代表，這種模式算是傳統小微貸款的改良版。美團當然能給商家帶來銷量，甚至美團的商戶系統能夠追蹤部分商家全部或大部分銷售額。基于美團的數據也能算出商家在行業或一定區域內的經營排名。但，僅止于此了。

美團帶來的銷量只占到店鋪整體銷量的20%，若基于這20%銷量去測算信貸額度，顯然不滿足商家的用款需求，但額度一旦放大，則商家違約成本降低。

美團的商家貸款是有BD（商務拓展）團隊配合的，BD某種程度上起到了銀行客戶經理的作用，但即便如此，它的不良率也高于淘寶、天貓貸款兩倍以上。

第三種以臺州銀行為代表，大量的客戶經理在一定區域內，每個人跟蹤一批小微客戶，走門串戶，做深做熟，深耕多年后，客戶經理對自己的客戶非常了解，而銀行的流程經過多次優化，逼近了線下效率的極限。

做得很好，值得尊敬。臺州銀行沒有美團、1688、淘寶、天貓、京東們的線上數據，不良率卻比它們低。只是，這樣的模式太重了，不是誰都學得來。從全國范圍來看，臺州銀行這樣的銀行也沒有幾家，且全部集中在江浙。這或許與江浙的民營經濟發達、“抬會”等民間借貸模式興盛，企業普遍比較重信用相關。

第四種是供應鏈，供應鏈這種業務模式極度依賴于核心企業，真正的好企業是銀行哄搶的，利率一家比一家低，那是大行的戰場，基準利率下浮是常有的事。

頂端的一批企業，供應鏈業務是自己開展的，比如海爾、聯想。真正的好企業，絕大多數金融機構是做不進去的，市場上都是大行挑剩下的。可是，一旦核心企業沒那么強，風險就會呈幾何程度放大。因此不要指望數據，對于供應鏈貸款而言，核心企業若出了問題，所有模型都是擺設。

在所有供應鏈貸款中，唯一有技術含量的是倉單質押貸款。倉單質押，控倉控貨是基礎，估價準確是要求，而出風險時能把貨賣出去則是核心。即使是國有大行，也許能控倉控貨，但要做到準確估價及貨品處置也很難。所以，誰能同時做到控倉控貨、準確估價、快速處置，誰就能做好倉單質押。

除了垂直領域，國內能全面鋪開做倉單的除了阿里，也就只剩京東。

第五種是授信給企業實際控制人。企業是有限責任，個人是無限責任，授信給個人當然更有抓手。只是，絕大多數情況下，授信給個人用的是消費信貸評估模型，企業信息只是做為參考。

這種模式下，風險是可控的，但是授信額度偏低，平均只有幾萬元。該模式實際用的消費信貸方法論，和小微企業沒太大關系。目標客戶也只能定位到“夫妻老婆店”、路邊攤、社區鋪子，否則額度無法滿足客戶經營需要。

據央行和銀保監會披露的數據，截至2019年5月末，全國金融機構單戶授信1000萬元以下小微企業貸款不良率為5.9%。這里面還包含了大量的抵押貸款，若是去除，不良率會更高。

小微貸款很難，目前沒有普適的方法論，市場上還沒有出現快速做大，但幾年后風險依然較低的機構。

理性看待數字化決策

這兩年，在監管的強考核下，小微貸款的增速增量成了銀行管理層的頭等大事。傳統的線下模式，產能有限，無法滿足增速要求，尤其是中小銀行，還要面對大行在考核壓力客群下沉的市場競爭環境，能守住原來的老客戶已屬不易，更遑論高速增長。

小微貸款的數字化風控，一再被提及。模式的升級迭代，幾乎成了唯一解藥。但凡事過猶不及，當整個市場都在談論大數據風控、都在吹捧機器學習時，危機已經悄然而至。

不僅是金融科技公司在談，整個銀行圈也在談。城商行、農商行覺得這是彎道超車的機會，國有大行害怕錯失新技術的窗口，金融科技公司對誰都在鼓吹。

銀行小微業務朝數字化轉型當然是方向，科學的數據化決策當然是很好的路徑，但販賣焦慮，甚至神話大數據風控，大可不必。

金融業務的風險決策，是一個數學問題，但絕不僅僅是一個數學問題。決策樹、樸素貝葉斯分類、支持向量機、邏輯回歸、線性回歸、隨機森林……這些算法是工具、是方法，但不能也不應該是決策的全部。

近幾年，依靠稅務和發票數據做數字化風險決策的小微貸款發展很快，筆者所在銀行也是市場參與者之一。

風險數據非常好看，但頭部機構的額度模型筆者是越來越看不懂，不僅筆者看不懂，一大批做了十幾年小微貸款的業內專家也看不懂。

若用人工經驗，我們看模型看的同樣的數據，這樣的銷售額、納稅額、負債、流動性，信用貸款是不大可能給出這么大額度的。

但這樣的情況還不是個例，而是普遍性的偏差。筆者自然知道，模型看了海量的樣本。我們這些從業者，不管履歷再豐富，終其一生肉眼所見的客戶樣本，也及不上它一天的量。

模型的決策，放在靜止的當下看，一定比人工更準確。但是，模型所看的樣本雖然廣度性足夠，時間卻不夠長。如果是針對消費信貸，由于其信貸周期短，幾年時間，足夠經歷十幾次借還款周期，時間跨度或許足夠。

但對于小微貸款而言，客戶的單次借貸周期更長，數字化決策發展的時間卻比消費信貸更晚，我們還沒有經歷足夠的小微貸款周期，尤其是處在近兩年空前寬松的小微貨幣政策下，我們雖然樂觀，但一定要保持足夠的懷疑。

利率定價的可持續性問題

長期以來，小微企業面臨的融資難、融資貴問題，是因為融資路徑少，剛性需求在銀行等金融機構得不到滿足，才會側面導致小微企業去尋找民間融資較貴的渠道。

實際上，目前受疫情影響的小微企業，它們面臨更大的問題是，有沒有救命錢，也就是信貸可得性的問題，它們面臨的是融資難，而不是融資貴問題。

根據2019年6月央行和銀保監會公布的數據：單戶授信1000萬元以下的小微企業貸款的平均不良率為5.9%。長期來看，官方公布的平均5.9%的不良率還是有相當的統計學上的參考意義。

但這里講的5.9%的平均不良率是單戶授信1000萬元以下的小微企業，而更多的小微企業則是路邊的小店，是只有幾個人的家庭作坊，是批發市場的檔口。這些客戶的戶均授信只有幾萬元到幾十萬元，生命周期只有兩年出頭，可以想象，這批客戶的不良率遠超平均線5.9%。

很多人認為銀行的貸款利潤=貸款收入-存款成本-不良。真實情況并非如此，應是：貸款利潤=貸款收入-存款成本-存款準備金成本-不良-資金閑置成本-獲客成本-數據成本-盡調成本-稅務成本-清結算成本-撥備成本-機構運營成本（人力成本、科技成本、房租成本）。

這幾年，政策方向傾向于小微貸款，小微企業融資貴、融資難的問題得到了一定的緩解，此前公布出來的小微貸款平均利率是比較低的。

銀保監會2019年6月25日在浙江臺州組織召開小微企業金融服務經驗現場交流會上披露的數據顯示，2019年前五個月新發放普惠型小微企業貸款平均利率6.89%。

定價6.89%，監管的定向貨幣寬松政策及展期政策恢復正常后，若是參照2019年監管公布的平均不良率5.9%，不良接近定價，這個模式并不具備市場可行性。而且以上數據源自2019年，2020年疫情后，小微貸款的發放量更大，利率水平更低。

另一方面，小微企業拿到的實際價格就是銀行的利率定價嗎？有些恐怕并不是，我們只能保證銀行沒有額外收費。但實際上，對于小微貸款，中介介入的、客戶認可的中介加收費用是放款金額的2%-5%，地區之間有巨大差異，如果是東三省，出現10%的案例也不出奇。

長久的信貸饑渴造成了一種現象：小微貸款對于客戶而言，銀行是過客，中介才能幫他解決問題。中介會幫它美化資料（稅、票、流水）、會幫它推送多家銀行，會在它拿不到錢時，幫它拿到錢。

雖然很多金融機構在管控中介收費上下了苦工，但實際情況是客戶不會告訴機構實情，主動隱瞞中介收費的事實，甚至有時金融機構發現蛛絲馬跡，客戶還幫中介打圓場。

問題的根源還是在供給上。所以解決中介收費問題，首先是遵循國家扶植小微的政策，持續加大小微市場的投放，讓更多小微企業主對小微貸款的持續供給有更多的信心，降低它們對中介的依賴。其次是大力發展非接觸模式的數字化決策小微貸款，減少客戶貸款的中間環節，對公貸款不同于個人，中間的流程要復雜得多，一旦流程拉長，又在線下辦理，中間就有牟利的空間。

更重要的是，在國家一系列高屋建瓴、切中要害的發文之外，還需監管機構對現行監管政策做出優化。比如開戶，現行監管政策是無法支持小微企業線上開戶的，戶都開不了，貸款怎么發放？怎么還款？又怎么落實不見面審批呢？其他更細的貸款及反洗錢規定就更不用說了。

小微企業融資貴、融資難問題，短期之內靠著政府的號召、監管政策的考核可以得到緩解，但長久來看還是得回到市場化解決的道路上來。市場化的定價可使金融機構小微貸款產品的商業邏輯得到自洽，激發商業銀行長期的供給意愿。供給充分后，融資難的問題才能迎刃而解。

至于融資貴，貴是一個相對值。市場充分競爭后，會對不同資質的小微企業形成一個相對公允的貸款市場價格，在這個價格上加上各種補貼政策，才能對融資貴問題形成一個長效的解決機制。市場化的問題，應讓市場來解決。

（編輯：袁滿）