中小銀行普惠金融業務信用風險管理調研與改進建議

黎菁 邵丹青

提升中小銀行的信用風險管理水平對于我國普惠金融的可持續發展至關重要。本文基于作者對我國不同地域、不同類型的5家中小銀行進行的深入調研，分析總結了中小銀行信用風險管理的現狀與主要挑戰，并從中小銀行內部能力提升與外部環境改善兩個方面提出了針對性建議。

在國家政策的引導和支持下，我國的普惠金融多年來取得了長足的發展。政策性銀行與大型國有銀行在普惠金融領域的投入與貢獻不斷提升，但是中小銀行當前與未來仍是提供普惠金融服務的主力軍。然而，許多中小銀行由于信用風險管理能力不足，面臨違約率偏高、盈利能力低等問題的制約，難以充分和有效地發揮其支持小微企業、個體工商戶和農戶等普惠金融重點支持群體的作用。因此，提升中小銀行的信用風險管理水平對于我國普惠金融的可持續發展至關重要。為了提升中小銀行的信用風險管理水平的認識，筆者對我國不同地域、不同類型的5家中小銀行進行了深入調研，分析總結了中小銀行信用風險管理的現狀與主要挑戰，并分別從中小銀行內部能力提升與外部環境改善兩個方面提出了針對性建議。

調研背景

根據人民銀行的口徑，中小銀行包括兩類機構：一類是農村信用社、農村商業銀行（以下簡稱“農商行”）、農村合作銀行、村鎮銀行等農村金融機構；另一類是僅在省級行政區域內經營的城市商業銀行（以下簡稱“城商行”）。

雖然包括中小銀行在內的各類銀行近年來普惠金融服務規模不斷擴大，但是小微企業、個體工商戶、農戶等群體的合理融資需求仍未得到充分滿足，長期面臨融資難、融資貴的問題，同時中小銀行的不良率相較大型銀行也長期處于較高水平，面臨較大的生存與發展壓力。其中，中小銀行的信用風險管理能力不足是重要制約因素。

信用風險管理能力不足一方面導致中小銀行無法充分利用政府與監管機構的普惠金融政策，為小微企業、個體工商戶與農戶等群體提供合理定價的優惠性資金支持，損害普惠金融政策的傳導與效果；另一方面也導致部分中小銀行的貸款違約率高于監管要求（5%）。

針對此問題，筆者對5家中小銀行進行了信用風險管理方面的實地調研，以期深入了解中小銀行普惠金融服務的現狀，重點分析中小銀行在信用風險管理方面的挑戰。

這5家被調研銀行包括農商行、城商行和民營銀行等不同類型的中小銀行機構，地域分布上覆蓋東南沿海、中部地區以及華北地區，資產規模上也有一定差異，從100億元左右到2000多億元不等（如表1所示）。

被調研銀行的普惠金融業務及貸款不良率的基本情況

5家被調研中小銀行的主要客戶類型均屬于小微企業、小微企業主、個體工商戶及農戶等普惠金融重點支持群體，同時各家銀行的主要客戶類型及客戶所屬行業有所不同。其中，4家銀行設立了普惠金融相關事業部，具體名稱略有不同。該類部門主要負責全行普惠業務的戰略規劃、業務發展及統籌管理，同時在風險管理方面，與風控部門和（或）信貸審批部門進行協作。被調研銀行5雖未專門設立普惠金融事業部，但設立了微貸中心。被調研銀行的普惠金融業務基本信息如表2所示。

在不良率方面，5家被調研銀行的總體不良率（按戶數）范圍在2.15%～5%之間，按金額的總體不良率范圍在1.04%～1.81%。各家銀行的總體不良率、各類普惠貸款的不良率如表3所示。各家調研銀行的信用風險管理水平存在一定差異，且部分銀行面臨某一類型客戶違約金額較大的挑戰。

被調研銀行信用風險管理的主要挑戰

筆者在調研中了解到，被調研銀行在信用風險管理方面的挑戰大部分是共性的問題，此外也有一些因為區域、成立時間、戰略定位等差異導致的個性問題。其中，共性問題主要集中在數據基礎和信用風險管理能力兩個方面。

共性問題

數據基礎方面，一是農戶信息存在非標準化、不全面和不準確的問題。銀行使用的農戶信息，除了農戶在行內的貸款及信用記錄之外，一般通過客戶經理進行實地調研和訪談，包括依托村集體組織，獲取農戶的資產負債信息、收入情況及可能對償債能力有負面影響的信息。但客戶經理獲取的農戶信息是非標準化的，往往個體差異很大，且因為高度依賴客戶經理的專業能力而存在不全面和不準確的問題。例如，房產抵押物是償債能力的重要保證，但是客戶經理在準確評估農戶的房產價值方面面臨較大困難。二是非財務數據獲取成本高，相關數據清洗、挖掘與分析的人力不足。除了傳統的財務數據，調研銀行也都開始關注非財務數據，但在實踐中面臨不少問題。首先，非財務數據的獲取需要當地工商、稅務、司法、環保等多個部門的支持，若沒有當地政府部門進行協同且為金融機構提供相關的大數據平臺，單家金融機構獲取相關數據的成本很大；其次，原始的非財務數據往往是量大且非標的，銀行拿到原始數據后須進行的數據清洗工作需要大量人力；最后，挖掘非財務數據對于銀行信用風險管理的價值并真正納入分析框架和模型，需要銀行具備數據挖掘、分析及建模的專業能力，這也是目前各家被調研銀行非常欠缺的。

信用風險管理能力方面，一是信用風險模型研發能力不足，定量模型缺失或適用性不強。例如，農商行的信貸管理，包括貸前客戶評級，主要通過省聯社的系統進行。但是由于缺乏模型方面的專業能力，被調研銀行4自2011年開始使用省聯社的貸前客戶評級模型以來，從未根據銀行自身情況對模型進行調整（如調整權重系數等）。又如，被調研銀行5通過與外部金融科技企業合作，開發了針對小微企業的客戶評級模型，但模型適用性不強導致難以落地。此外，所有被調研銀行都沒有針對小微企業的違約概率模型以及針對農戶的信用風險量化分析方法，部分銀行只有簡單的分類。二是貸后管理不足。其中，被調研銀行中的農商行是通過省聯社信貸管理系統中的風險預警板塊進行貸后管理，但存在反饋較慢的問題，因此未能很好地起到及時發現客戶的信用風險從而避免或降低銀行損失的作用。其他被調研銀行的貸后風險管理則主要通過看客戶的交易信息（包括交易流水和交易對手等）以及資金用途是否合規來進行，存在適用范圍有限以及信息不全面的問題。 三是省聯社提升農商行風險管理水平的作用不充分。農商行和農村信用社受省聯社管理，省聯社的管理水平直接影響農商行的信用風險管理水平。筆者在調研中了解到，在操作層面，各地省聯社的管理水平差別較大，市場化程度不一。對于省聯社開發的信用風險管理模型，被調研銀行的風控和信貸部門對解模型原理和應用認識有限，也不確定模型開發后是否有更新，降低了模型的使用效率。

非共性問題

非共性問題主要涉及銀行的地理區位、成立時間和戰略定位等因素。例如，被調研銀行4由于所在城市的產業結構中房地產占較大比例，其客戶的行業分布也在房地產相關領域有較大集中，因此在房地產宏觀調控政策以及當地產業發展周期的大背景下，銀行擔心該領域的存量業務存在較大的信用風險。又如，被調研銀行2由于成立時間較短導致數據積累不夠，給基于歷史數據進行建模及貸中、貸后管理造成很大障礙，只能依賴專家意見。再如，被調研銀行3較早地將環境相關“綠色”因素納入了銀行的貸款管理流程，但目前僅根據綠色因素進行信用評分的調加，而在綠色因素如何科學地納入客戶信用風險分析和管理方面仍十分欠缺。被調研銀行5的客戶群體非常多樣化，盡管客戶中包括上市公司等大型企業，但中小微企業數較多，因此對進一步精細化對中小微企業的信用風險管理有較強需求。

綜上所述，被調研銀行在信用風險管理方面的共性與非共性挑戰如表4所示。

結論與建議

目前，我國中小銀行信用風險管理水平欠缺、違約率整體偏高，既有內部因素，也有外部因素。基于對不同地域、不同類型的5家中小銀行的實地調研，本部分總結了我國中小銀行在信用風險管理方面面臨的主要挑戰，并提出針對性建議。

內部因素與改進建議

中小銀行信用風險管理不足的內部因素主要包括：一是數據收集的標準不明確，數據處理過程的效率與準確率不高，可得數據未得到充分利用；二是信用風險分析與管理的模型研發能力不足；三是貸后管理不足。

針對以上內部問題與瓶頸，筆者分別從完善數據基礎和提升信用風險管理能力兩個方面提出以下建議：

完善數據基礎方面，一是采用多種方法加強數據清理和數據積累。數據質量差、有效樣本數量小是中小銀行信用評價系統無法有效工作的重要原因。因此，建議中小銀行加強數據清洗和數據積累，具體包括：1. 充分了解對本銀行信用風險最重要的幾大指標，并明確數據要求和標準，運用多種來源核實數據的真實性，盡量減少數據輸入過程中的錯誤；2. 考慮自變量與因變量之間的非線性關系，剔除某些自變量的極端值，或者給某些變量設置上下限； 3. 建立覆蓋較長時間段的數據庫，擴大有效樣本數。二是充分利用地方政府平臺提供的非財務數據（如：環境處罰數據、污染排放數據、安全生產情況、稅務、法院涉訴數據等）對企業財務信息進行補充。有關文獻研究表明，企業的ESG（即環境、社會和公司治理）表現與企業信用風險成反比。湖州“綠信通”綠色融資主體ESG評價模型的案例實踐表明，ESG數據有助于提高信用風險分析對于違約概率的預測能力。

提升信用風險管理能力方面，一是處于不同階段的中小銀行可以采取不同的技術路徑來完善信用風險評價體系。信用風險的識別和評價，是隨著數據的可得、需求的變化而不斷變化的。量化分析經驗較少的銀行，可以先從統計分析開始，逐步提高對于財務指標（以及非財務指標）和違約概率相關性的了解。已有統計分析和邏輯回歸模型分析經驗的銀行，在數據量能夠滿足的前提下，可以嘗試大數據和機器學習等方法。二是針對不同的信貸品種設定針對性的信用風險管理措施。例如，針對個人生產經營類貸款，除了提升針對小微企業主各項經營數據真實性的系統驗證能力之外，還需深入分析客戶的經營管理模式、交易結算周期和資金需求特點等，統籌考慮客戶的實際融資需求與債務償還能力、經營性現金流的匹配情況，合理確定經營性貸款授信總量；對個人經營性保證貸款進行嚴格控制，謹慎辦理互保、聯保方式信貸業務；定期開展專項治理，重點核查是否存在關聯保證、互保關系，是否涉及擔保圈風險。針對個人消費類貸款，則需提升交叉授信風險管控，建立個人消費信貸與經營性信貸、信用卡等其他業務貸前授信交叉監查機制，避免交叉授信、多頭授信引起共債風險。針對信用卡透支，在營銷發卡環節，建議通過有效的內部評分卡和銀行準入機制的篩查，對風險評價結果較差的客戶開展合規營銷，有效降低信用風險；提升信用卡線上系統的安全性，主要包括客戶的隱私數據保護以及應用程序系統的性能安全。

外部因素與改進建議

中小銀行信用風險管理不足的外部因素主要包括：一是外部的數據基礎設施有待完善，例如，地方政府的大數據平臺；二是省聯社對于農商行（農信社）信用風險管理的支持與提升作用不足；三是地方政府過度干預對銀行的信用風險管理造成干擾。針對以上外部因素，可以考慮從以下幾個方面改善中小銀行信用風險管理的外部環境：

一是地方政府構建企業與個人的綜合大數據平臺，便利當地中小銀行獲取服務對象的非財務數據。針對小微企業和個人客戶普遍存在的信用數據缺失、抵質押物不足等情況，建議地方政府協調各有關部門，在法律法規允許的范圍內，構建有利于數字普惠金融健康發展的信用生態環境。地方政府應規范數據交易市場，打破數據的分割和壟斷，使分散在不同政府部門、行業機構和企業手中大量有價值的數據發揮作用。建議地方政府著力整合稅務、工商、海關、司法、電力等部門的多維數據，為中小銀行的信用風險管理提供有力的數據補充，也為小微企業和個人客戶進行有效增信，充分發揮非財務（如ESG）數據在信用風險管理中的作用。

二是充分發揮省聯社在協調和加強轄內農商行（農信社）信用風險管理方面的作用。建議省聯社進一步通過將轄內農商行和農信社（行社）緊密連接，以更好達到共同抵御風險、扶持互助的作用。包括：1. 通過數據共享擴大行社的數據庫規模以滿足建模要求，并通過模型參數調整以提高模型的適用性。由于行社自身規模有限，很難通過自身數據庫來搭建信用評級模型。但是擴展到聯社層面，就有數十家乃至近百家農商銀行或聯社機構可以通過數據共享彌補數據量不足的問題，從而搭建信用評級模型，再根據各家行社的不同情況進行區組劃分，設置符合各家銀行情況的模型參數，從而使得每一家行社的模型盡量符合自身的特點與實際情況。2. 提升行社的信息化程度。行社由于其自身單個體量小，業務量有限，存在大量的手工線下操作的業務，而省聯社則可以在全省范圍內統一采購系統，各家行社分別接入。對于每家行社而言，開發過程中的支持支出及每年的維護支出大幅度減少，進一步提升了信息系統化程度。3. 提升行社信用風險管理的專業水平。省聯社可通過定期提供技術指導及支持，組織各家行社的同事共同組建信用風險管理工作組與外部咨詢機構對接，有利于各行社的同事接觸更多的第三方機構及開拓眼界，提升專業水平能力。

三是地方政府正確實施對于地方中小銀行的影響，減少不當干預。城商行和農商行的業務范圍一般限于省內或縣內，地方政府的影響相對較大。地方政府作為城商行和農商行的大股東，擁有對城商行和農商行的高管的人事任免權，進而在中小銀行的公司治理和重大項目貸款等事項上具有實質性的干預權力，影響銀行的信用風險管理。地方政府正確實施對于中小銀行的影響在高度市場化的金融市場尤為重要。減少地方政府干預在一定程度上有利于提高利率彈性和資金效率，有利于推動中小銀行改善信用風險管理水平。

（黎菁為清華大學國家金融研究院綠色金融研究中心高級研究專員，邵丹青為北京大學國家發展研究院宏觀與綠色金融實驗室中級研究專員。本文內容整理自中英繁榮基金“中國金融服務”普惠金融主題子項目的部分成果，作者感謝北京綠色金融與可持續發展研究院院長馬駿、資深研究員趙鋼柱對本課題的指導與建議，同時感謝被調研銀行對調研工作的支持。本文編輯/孫世選）