大數據視域下的中小微企業信貸風險評估

孔換換 河南濟源農村商業銀行股份有限公司

近年來，我國中小微企業的金融服務需求持續增加，但由于其自身條件有限，對資金和資本的需求難以在銀行傳統信貸業務中得到滿足。為了緩解中小微企業融資難問題，近年來商業銀行紛紛將目光轉向大數據風控技術。但在實際操作過程中，大數據技術面臨著諸多挑戰：對企業信貸風險認識不夠充分、對大數據系統建設不熟悉、數據處理能力較弱且沒有形成可復用模型等。所以，本文對大數據視域下的中小微企業信貸風險評估研究，具有重要的現實意義。

一、研究背景

近年來，隨著我國經濟的快速發展，實體經濟與互聯網金融結合越來越緊密，金融科技的運用成了未來金融行業的趨勢。大數據風控是以海量數據為基礎，通過數據挖掘技術和機器學習算法識別客戶信用風險和欺詐風險，從而建立起有效的信用風險評估模型。大數據風控是傳統風控體系的延伸，它融合了大數據、人工智能等多種先進技術與理念。大數據風控通過從數據中提取有價值信息來判斷客戶信用狀況以降低信貸風險，并對客戶做出相應的業務決策。近年來，我國銀行利用大數據風控體系識別并降低了中小企業融資難問題。然而在實際應用過程中，大數據技術面臨著諸多挑戰。大數據本身是一種高價值數據資源，在信息識別和數據分析方面具有獨特優勢。大數據應用需要從多個維度進行挖掘，而非僅僅關注單一指標、單一客戶等。

其中Houdar 等（2017）基于數據挖掘的信貸風險評估方法能提高企業資信等級；Smith 等（2015）以信貸風險評估為切入點，提出了新的信貸風險評估方法；Jiang，Lu（2018）運用機器學習算法對中國中小企業信用評級數據進行挖掘，得出了中小企業信用評級的最佳參數組合；Jiang 等（2016）基于機器學習算法的中小企業信用風險特征提取方法；劉偉（2016）利用因子分析法構建了包含違約可能性、還款能力和經營能力三個維度的評估模型，并對模型進行精度檢驗驗證；劉偉等（2017）提出了大數據環境下中小企業信用風險評價指標體系，該體系包括三大類指標，分別是違約概率、還款能力和經營能力。

二、信貸風險評估理論

從信貸風險理論上講，評估主體應該具有較強的專業知識和較高的決策能力，而這些都與信息技術有關。根據已有研究成果，銀行信貸風險評價指標體系主要有以下幾種：銀行的信貸業務流程是：客戶經理在了解客戶情況后，提出初步貸款申請；客戶經理通過盡職調查、對現有資料進行分析判斷，決定是否發放貸款并提供給借款人資金需求者；借款人提出融資申請；貸款人根據審批結果和風險偏好、還款能力等情況決定是否給予融資或采取其他方式進行融資。銀行信貸風險主要是由以下幾個方面造成的：客戶經理對貸款的了解程度、貸前審查以及貸款發放過程中對信息的掌握和分析能力。銀行信貸風險評估指標體系主要包括三大類指標：一是信息指標；二是結構指標；三是控制性指標（如違約率）和預測型等（如不良率）。銀行對信息技術了解不深而將信息轉化為結構指標進行評價所導致的主要后果有：一是信息質量差，影響決策；二是不準確、不真實地反映客戶狀況。在這種情況下銀行為降低信貸風險，需要借助第三方機構來提高信貸風險評價水平。如銀行將信貸客戶分類管理后，可通過第三方機構來實現貸前、貸中以及貸后全流程動態、實時監督。對于銀行而言，其貸款額度越大則對信息要求越高。因此需要有更多更高質量的第三方機構來提高評價結果的可靠性。針對以上三種指標的評價體系，商業銀行通常采用以下三種方式：一是對各類指標進行量化；二是通過建模手段，在模型中加入一些參數或變量；最后由經驗豐富的專業人員對評估結果進行評價和預測或解釋。

三、信貸大數據技術發展現狀

大數據是信息技術發展的新階段，是一種能夠從海量數據中提取有價值信息的有效手段，在金融領域具有廣闊的應用前景。大數據技術自20 世紀90 年代以來獲得了迅猛發展，其特點是數據規模大、種類多、變化快及價值密度低。大數據應用技術在金融領域主要包括數據挖掘能力和數據整合能力。數據挖掘，也稱數據處理，能夠對海量的數據進行分析和挖掘并將其轉換為有用的信息以供決策參考。數據整合能力，指對收集到的大數據進行有效歸類加工并通過數據挖掘分析將其轉化為有價值信息再重新處理以供決策參考。大數據化管理與應用主要有：建立統一數據標準，推進政務數據共享；建立信息安全機制，保障信息安全；建立風險預警模型，防范信用風險；建立信用信息共享平臺，有效整合信息資源；搭建智能決策支持系統等五個方面。

四、大數據視域下的中小微企業信貸風險評估的必要性

大數據在信用風險評估中的運用能夠解決中小微企業信貸中存在的信息不對稱、信息收集難、評估成本高等問題，是一個值得深入研究的課題。大數據技術能夠有效提升對風險因素識別分析效率，幫助金融機構及時識別和管理中小微企業信貸中面臨的信用風險，避免不合理的信用等級劃分和等級評定給機構帶來巨大浪費且增加管理成本。大數據技術能夠有效提高金融機構對中小微企業信貸業務風險評估的精準度，提升金融機構對中小微企業信貸服務質量。同時，金融機構可以利用大數據信息平臺獲取到大量有效的數據資源，通過數據挖掘和分析形成對客戶信用狀況的全面評價。這些數據往往具有數量多、分布廣、來源分散和價值密度低等特點，在一定程度上能夠彌補傳統征信業務中信用信息收集難、獲取成本高等不足之處。相關工作人員將基于大數據平臺進行對中小微企業信貸風險評估工作，為金融機構有效識別中小輕微信用風險提供新思路和建議。同時，本文也希望通過與大數據企業合作提升評價工作效率，降低評價成本。另外，針對目前商業銀行中小微企業信貸風險管理水平有待提升這一現狀。金融創新必須從提高客戶服務能力出發，以提升客戶體驗為目標加強風險識別分析工作，同時要不斷強化相關知識與技能培訓。

五、中小微企業信貸風險評估方法分析

（一）傳統小微企業的信貸風險評估方法

小微企業傳統的信用評估分為：財務因素和非財務因素兩類指標。財務相關的指標包括償債能力、經營能力、盈利能力等，非財務相關的指標包括企業領導人素質、企業素質、政策環境、合作關系等。財務因素中的償債能力體現了小微企業的抗風險能力，包括資產負債率、現金比率、主要資產、或有負債等；經營能力包括主營業務增長率、應收賬款周轉次數、納稅情況等；盈利能力包括凈利潤增長率、凈資產收益率等。非財務因素中的企業負責人應當是實際控制人，小微企業負責人的素質決定了小微企業的經營能力，包括企業負責人的個人品質、信用記錄、從業年限、學歷、健康狀況等；企業的素質：包括管理能力、管理團隊、市場競爭力、企業成立年限、企業信用記錄等；政策環境：對于小微企業也有很大的影響，包括行業集中度、行業政策、區域環境等；如果小微企業為倉儲業，那么其生產經營場所、倉庫面積利用率等因素對于信貸風險評估也有很大的影響[1]。

（二）大數據時代小微企業的信貸風險評估方法分析

信息通信技術改變了人們工作和生活的方式，提高了社會效率和生活的便利性，小微企業的采購、銷售等生產經營活動被記錄下來。小微企業的行為痕跡對于小微企業的信貸風險評估具有非常重要的作用。由于小微企業具有數量多、融資頻率高、融資需求額度小的特點，更適合通過借助系統快速實現對小微企業的信貸風險評估。要完成快速的信貸風險評估和放貸，金融企業勢必要承擔比傳統信貸風險評估方式更高的經營風險。金融機構工作難點在于金融風險的管理，而利率就是基于風險大小確定的，貸款預期風險越高，放貸利率越高，貸款預期風險越低，則放貸利率越低。統計學的大數定律理論說明：當試驗次數足夠多時，事件出現的頻率無窮接近于該事件發生的概率，這是偶然現象背后存在的必要規律。根據大數定律理論，可以預見小微企業的平均貸款風險趨于逾期貸款風險，因此可以利用小微企業的總體逾期貸款損失率來代替每一筆小微企業貸款預期損失率，這樣可以降低利率計算的難度，提升對小微企業的放貸效率，金融機構可以爭取到更多的小微企業客戶。與小微企業相對應的是小額貸款。小額貸款具有期限短、額度小、隨借隨還的特點，因此更需要金融機構快速做出貸款決策。放貸可以分為貸前、貸中和貸后三個階段，要完成對小微企業的放貸，就需要快速完成對小微企業的信用評估，確定授信額度，并且通過對放貸后小微企業的生產經營行為進行實時監控和風險預警，盡早發現和規避風險，對于確認為具有金融欺詐行為的企業，應當采取嚴厲的懲罰措施。在貸前階段，主要任務是完成客戶的初步授信工作。小微企業在電子商務平臺上積累的交易記錄是確定授信額度的主要參考內容，交易記錄中具有小微企業的采購、物流、庫存以及銷售數據，可以反映小微企業的生產經營能力和財務能力。B2C 模式中客戶對于企業產品和服務的評價、B2B 模式中供應商和合作伙伴對于小微企業的評級，也是信用評估的重要數據來源。

此外，還可以從金融管理機構獲取小微企業的信用記錄。在貸中階段，主要完成對小微企業的審查工作，審查目標是確定小微企業經營者的誠信度。由于小微企業數量眾多，可以采用分析遠程視頻采訪錄像的方法，測試小微企業經營者貸款意圖是否存在撒謊行為。在貸后階段，主要目標是降低小微企業的本金和利息償還風險。企業可以通過監控小微企業資金運用情況，掌握小微企業的貸款是否按照事先的計劃從事生產經營活動。比如是否將貸款用于廣告投放并因廣告投放而增加了交易數、是否將資金用于采購銷售品等。如果發現小微企業貸款后并沒有出現采購、營銷等行為，并且銷售量也沒有因新的資金注入而發生變化，那么就需要進行風險提醒和預警。對于未按合同約定逾期還款的，則需要按約定支付罰息，對于逾期一定期限未還款的，則需要將該小微企業放入黑名單并進行全網通緝，進行更加嚴厲的制裁，讓該小微企業為不誠信行為付出很高的代價。阿里巴巴是互聯網企業為小微企業提供小額貸款服務的典范，可以為處于弱勢地位的小微企業提供傳統金融渠道無法提供的小額貸款服務。阿里巴巴具有像淘寶和天貓這樣面向大眾的B2C 電子商務平臺，有面向供應商和批發商的B2B 電子商務平臺1688等，這些電子商務平臺中記錄的市場推廣、交易、評價等數據成為對小微企業授信的“信息流”維度數據源；支付寶可以記錄小微企業的現金流，成為“資金流”維度的數據源；“菜鳥網絡”等物流平臺上記錄了小微企業的采購、庫存等數據，成為“物流”維度的數據源。

（三）信貸風險評估定量與定性分析的方法

企業的財政與經濟發展體系是建立信用評價的基本手段和模式，而這一環節在信用評價中是必不可少的。從信用評價的發展歷程來看，由于受客觀條件的制約，我國在信貸風險評價的初期多采用定性的方法，目前主要采用定量的方法。

第一，專業評分。專家評分法是一種具有代表性的定性評價方法，也被稱作因素分析法。主要順序為評價分級，之后為專家評分，然后進行加權分析，能夠通過計算得到的評價結果。根據分析的因素和視角，將其劃分為5 種類型，最具代表性的是5C 法，它是以借款人的經營環境、抵押資產、借款人的質量、資本、經營能力等5 個因素來衡量借款人的信用風險。

第二，綜合財務比率分析方法。財務比率綜合分析法是通過對企業的財務資料進行分析，把企業按不同的層次進行分類，反映企業的資金結構等。在金融比率綜合分析方法誕生之時，商業銀行的主要財務指標是：經營狀況、償債能力、創新能力；同時，企業融資渠道、資本結構也是影響企業發展的主要因素，因此，本文對企業的財務狀況進行了全面的評估。

財務比率分析方法在企業信用風險分析中起到了積極作用。財務比率分析方法的優勢在于它的數據直觀、操作簡便，但它的缺點在于它無法完全地反映企業的非財務狀況，只能反映企業的負債情況，比如企業的負債情況，而企業的經營狀況、企業的經營狀況等定性指標，都與企業的信用風險有著密切的聯系，因此，財務比率分析法無法全面的評價企業的風險。

第三，人工智能的模式。隨著計算機技術的不斷發展和普及，越來越多的工業企業對人工智能技術進行了深入的研究，以專家系統、決策樹等為代表的智能模型具有一定的代表性。目前，最常用的兩種方法就是神經網絡和模糊數學。在具體的應用中，將神經網絡模型劃分為四個階段：其一，對規則等級進行統一；其二，是對標準指標進行多次測量，以保證所獲得的數據在一個合理的區間；其三，對模型的穩定性進行檢測，得到一個帶有權值的網絡模型；其四，依據網絡模型來確定企業的信用級別[2]。

六、結論

綜上所述，本文基于大數據視域下的中小企業信貸風險評估模型，以風險管理為核心，對中小企業信用數據進行分析，建立風險評估模型，并對模型進行優化。另外，在制定小微企業信貸戰略時，應充分考慮其自身的能力與信譽，完善其信用評級制度，與征信部門共同整合各部門的內部信息，實現信息共享，嚴控貸款準入門檻，確保借款企業具有相符合的貸款資質，以規避風險，保障銀行最大的收益期望值。