商業銀行線上涉農貸款的風險防控

付英俊

隨著大數據、人工智能、移動互聯網等新技術在金融領域廣泛應用，商業銀行不斷創新涉農貸款模式，實現傳統線下涉農貸款線上化，提高了涉農貸款便捷度，拓寬了涉農貸款覆蓋面，降低了涉農貸款融資成本。

目前，線上涉農貸款已成為商業銀行布局數字普惠金融的重要領域。隨著線上涉農貸款規模擴大，其資產質量也日益受到業界的關注。相比傳統線下涉農貸款，線上涉農貸款更依賴大數據、云計算、人工智能等新技術，風險的生成機制和表現形式更加多樣化和復雜化，傳統風險防控體系面臨諸多挑戰。準確識別線上涉農貸款風險點，建立有效的新型風險防控體系，關系到商業銀行經營管理甚至整個金融體系的穩定，關系到商業銀行服務鄉村振興的可持續性，是商業銀行服務鄉村振興亟須思考和解決的問題。

涉農貸款發展的基本情況

隨著鄉村振興戰略的不斷推進，金融機構的涉農貸款規模不斷擴大。中國人民銀行公布的數據顯示，截至2022年末，我國金融機構本外幣涉農貸款余額達到49.25萬億元，同比增長14%，創下近年新高。從涉農貸款總量來看，已超過同年國內生產總值的40%。國有大型商業銀行在涉農貸款中發揮著金融主力軍作用，為金融助力鄉村振興貢獻主要力量。截至2022年末，農業銀行、工商銀行、建設銀行、中國銀行、交通銀行、郵儲銀行等六大國有銀行涉農貸款余額合計約16.5萬億元，占全部涉農貸款的33.3%；同比增長19%，遠高于14%的全部金融機構同類貸款的平均增速。

伴隨著金融科技的發展和數字化新技術的不斷迭代，銀行業金融機構不斷深化農村金融數字化轉型，利用金融科技成果創新和優化農村金融產品與服務，推進涉農貸款線上化創新。例如，農業銀行推出“惠農e貸”、建設銀行推出“裕農快貸”、工商銀行推出“工銀興農貸”，基于大數據和模型進行批量獲客、精準畫像、自動審批、智能風控，提高了農村地區長尾客戶的貸款可獲得性，推動了銀行涉農貸款快速增長。涉農貸款規模的擴大有利于信貸資源向農業、農村和農民流動，有力地支持了鄉村振興。涉農貸款也有利于提升縣域商業銀行資產業務的價值。

線上涉農貸款面臨的風險

線上涉農貸款與線下涉農貸款都面臨信用風險、市場風險、氣候風險等傳統風險。基于對新技術的依賴，線上涉農貸款還面臨數據風險、模型風險、技術風險等新型風險。此外，由于金融服務方式、服務渠道、服務對象不斷變化，業務模式和流程不斷創新，傳統的操作風險、欺詐風險等在線上貸款業務中呈現新的特征。

數據風險。當前，數據已成為銀行的重要資產。線上涉農貸款依賴大數據和模型進行風險評估、授信審批和風險預警，數據驅動是線上涉農貸款的核心。線上涉農貸款高質量發展的前提是數據真實、完整和及時。當前，數據真實性不足、內外部數據不完整、數據時效性欠缺等因素導致的數據風險是商業銀行發展線上涉農貸款面臨的突出問題。線上涉農貸款的客戶準入篩選、授信額度測算及風險預警等需要以大數據分析為基礎，這些數據包括銀行已有的內部數據、外部第三方機構的數據、銀行業務人員上門調查獲取的數據等。在數據真實性方面，從外部第三方機構獲取的數據缺乏交叉驗證，銀行業務人員線下采集的農戶經營信息，如種植面積、養殖規模等大都依賴于農戶自己提供的數據，難以測量與核實，從而導致數據真實性不足。數據是建模的基礎，數據不真實，模型分析結果必然出現偏差，從而導致過度授信、風控失效。在數據完整性方面，目前農村征信體系建設仍不完善，農戶信用信息分散且不完整，“信用白戶”較多。對于工商、稅務、法院等外部數據，基礎數據字段較少，有效數據維度不多，可用性、完整性不足。在數據時效性方面，隨著時間的推移，數據將發生變化。如果依賴時效性較差的數據建模，將導致授信或風控產生偏差，帶來數據風險。例如，一些銀行個人信息數據庫更新較慢，導致出現對農戶多頭授信的現象。

模型風險。模型風險是指由于模型的自身缺陷或使用不當而使涉農貸款在授信審批、風險預警等環節出現偏差而帶來的風險。模型缺陷包括模型設定偏差、模型泛化能力弱、模型穩定性差等。模型設定偏差是指模型的設計者不熟悉農村、農業、農民的實際情況，在模型中遺漏了重要解釋變量、包含了無關的解釋變量、選擇了錯誤的函數形式，從而導致涉農貸款模型的有效性不足。模型泛化能力弱是指線上涉農貸款模型在訓練、測試階段效果較好，但在應用階段表現不佳。模型穩定性差是指涉農貸款模型在不同時間段數據或不同數據集上輸出的結果不一致。目前，線上涉農貸款模型應用運行時間大都較短，沒有經過完整經濟周期和壓力情景的檢驗，模型穩定性不足。模型使用不當是指原本在特定場景使用的信貸模型，未經過擴展性分析，被應用于涉農貸款領域，導致模型解釋力下降。例如，一些銀行為了降低模型開發成本、縮短模型開發時間，將其他領域的線上貸款產品授信模型直接或稍作改進后應用在涉農領域。

技術風險。新興技術是線上涉農貸款發展的重要引擎，但新興技術本身也存在一定的風險。針對線上涉農貸款，技術風險主要體現在兩個方面，一是線上涉農貸款相關數據在存貯與傳輸過程中產生的風險。線上涉農貸款需要銀行采集內外部多維度數據，數據在不同主體、不同平臺間流通，數據在存貯與傳輸過程中存在被泄露、被篡改的風險，進而給商業銀行與農戶帶來損失。二是線上涉農貸款所依賴的終端的安全風險。線上涉農貸款大都依賴網上銀行、手機銀行、銀行App等終端完成相關操作，這些終端如果存在漏洞，會導致終端安全風險。例如，遇到釣魚網站、界面操作劫持、山寨App，農戶的身份證號碼、賬號、密碼等可能會被竊取，造成貸款資金損失。

操作風險。操作風險存在于銀行業務的各個環節。線上涉農貸款全流程線上自動化運作、無人工或極少人工干預，緩解了傳統線下貸款流程上的一些操作風險，但又產生一些新的表現形式的操作風險。如線上涉農貸款需要使用系統和終端設備，操作相對復雜，而縣域銀行涉農貸款客戶經理和農戶的金融科技素養相對較低，操作不當導致線上涉農貸款無法順利開展或信息泄露，產生操作風險。此外，線上涉農貸款主要采用白名單預授信模式，在白名單生成過程中，由于農村信用體系建設滯后，能夠系統對接的外部數據有限，許多數據仍依靠銀行業務人員通過農戶信息建檔方式取得。一些業務人員調查不深入，有的委托村委會批量收集數據，甚至為了完成業績粉飾數據，由此帶來操作風險。

欺詐風險。欺詐風險是現階段銀行線上涉農貸款面臨的最大挑戰。當前，部分商業銀行推出的線上涉農貸款業務成為不法中介機構牟利的工具。外部欺詐的職業化程度越來越高，通過假身份、假數據、假用途騙取銀行貸款的現象越來越多。有不法中介熟悉銀行準入授信規則，利用業務規則漏洞，利用線上涉農貸款對數據依賴的特點，有針對性地實施“養數據”，批量偽造客戶數據進行大規模欺詐。例如，偽造農戶農業保險投保數據通過銀行“農險貸”騙取貸款。有不法中介甚至通過入侵銀行對接的外部系統篡改數據的手段，騙取銀行貸款。還有不法中介利用信息不對稱，打著銀行旗號，“幫助”農戶獲取銀行線上貸款，又以“走賬”“走流水”為由收取農戶高額服務費。

法律風險。目前，一些銀行的線上涉農貸款手續和流程存在缺陷，導致發生合規與法律風險。例如，涉農貸款多數為線上純信用貸款，農戶通過手機銀行或銀行App申請線上貸款，點擊同意相關條款即可，雙方沒有簽訂借款合同。有的銀行雖與客戶簽訂電子合同，但不符合《中華人民共和國民法典》《中華人民共和國電子簽名法》等法律法規的規定，得不到司法部門的認可，這為銀行起訴不良貸款客戶留下了法律風險隱患。此外，一些地方法院將20萬元作為“家庭日常生活”的標準，20萬元以下的借款通常被認定為日常生活需要的夫妻共同債務，20萬元以上的借款若無夫妻雙方簽字，不作為夫妻共同債務。超出20萬元的債務是否屬于夫妻共同債務，由債權人舉證證明該債務是否用于夫妻共同生活、共同生產經營或基于共同意思表示。銀行對農戶超過20萬元的貸款若無借款人配偶的簽字確認，一旦產生不良貸款，后續較難通過法律訴訟途徑認定為夫妻共同債務，也難從配偶財產中追償。

對策建議

強化數據的真實性核驗與多維度采集。對于線上涉農貸款數據的采集與核驗，商業銀行應堅持線上、線下協同發展，人防、技防形成合力。加大線上涉農貸款貸前調查力度，對農戶種植面積、養殖規模等數據應交叉核驗。涉農貸款客戶經理要加強農業知識的學習，對農畜產品產量、生產周期、市場價格要有獨立的分析判斷能力，降低對客戶自己提供數據的依賴。積極探索運用金融科技對農業大數據的采集與分析，例如，通過衛星遙感技術對農作物種植面積進行測量、長勢進行監測、產量進行預測，運用AI圖像識別技術統計池塘中魚類養殖的數量等。除了對農戶經營數據采集外，要加強對農戶個人道德、不良嗜好、民間借貸情況等信息的采集。通過多渠道擴展數據來源，多維度采集數據，解決線上涉農貸款大數據模型“數據不大”的問題。此外，要加強對外部引入數據的質量檢測和評估。要對數據進行必要的維護、更新，增強數據的時效性。

加強模型的有效性與穩定性檢測。不同年齡階段、不同區域的客群，其行為是不同的，采集的數據所隱含的客戶行為信息也是不同的。線上涉農信貸模型應考慮數據的內在特征，檢測模型在不同客群與區域的表現差異，建立與區域發展特點、客群特點相匹配的模型。要充分考慮不同經濟周期下、不同壓力測試情景下線上涉農信貸模型的穩定性，如極端氣候風險可能使原先的風險模型失真。目前，線上涉農信貸模型的設計開發在總行層級或一級分行層級，而對模型的運行情況、存在的問題，縣域支行的涉農貸款客戶經理有最直接的了解，銀行應建立模型設計人員與基層行客戶經理之間的溝通反饋機制，以不斷對模型進行優化迭代。要持續監測模型運行情況，確保模型的有效性與穩定性。

建立安全可靠的線上貸款信息系統。加強對線上涉農貸款相關的系統、平臺、App等的安全運營管理和維護，建立完善防數據篡改機制，定期開展安全測試，有效防范網絡黑客攻擊，降低信息被泄露、程序被破解、數據被篡改等風險。制定嚴格的外部應用接入規范，加強對外部應用技術風險的防范，當外部應用出現安全漏洞后，應有有效的應急機制。對與外部第三方機構的交互數據，應采取措施對其中的敏感數據進行有效隔離。引導農戶通過正規渠道下載手機銀行、銀行App等客戶端應用。

加強科技培訓與網絡安全宣傳。加強科技培訓，提高縣域支行客戶經理的金融科技素養，預防客戶經理因對線上涉農貸款系統、平臺、App等不熟悉帶來的操作風險。建立數據采集責任制，明確客戶經理在采集農戶數據過程中的責任。嚴格落實雙人調查，定期抽查驗證，防范銀行工作人員內外串通，偽造農戶數據騙取銀行貸款。加強針對農戶的網絡和金融安全宣傳教育，通過村里開會、田間解說、傳單發放等方式告知農戶數字設備使用方法、線上貸款的風險防范等。提醒農戶不可隨意泄露個人信息，加強對資金轉移和支付環節的身份識別，增強農戶的網絡安全意識。

構建外部欺詐風控體系。搭建統一的智能反欺詐平臺，對各類線上貸款產品涉及的欺詐風險進行統一監測和預警。要加強對涉農貸款申請人的身份識別與認證，通過身份證、手機動態驗證碼、聯網核查、生物識別技術等多種方式對客戶身份進行認證，防范假冒申請。對系統交互、外部對接的農戶數據進行系統間的交叉驗證，增加客戶經理走訪驗證環節，嚴防“養數據”等外部欺詐行為。加強對涉農貸款用途的監管，建立線上貸款業務貸后智能化預警管理，通過貸后預警模型實現對客戶風險的自動識別、量化評估和通知推送。客戶經理應不定期通過電話回訪、現場走訪等方式了解客戶經營狀況和資金用途。通過人防與技防，確保“真人”“真數據”“真用途”。

強化線上業務的法律保障。銀行應與借款人采用數據電文形式簽訂借款合同及其他文書，借款合同及其他文書應符合《民法典》《電子簽名法》等規定。增加線上電子借款合同有關共同借款人、配偶承諾函、兩個以上緊急聯系人、貸款資金禁用事項、法律文書送達地址確認書等條款。簽訂借款合同及其他文書時電子簽名采用第三方認證方式，銀行與農戶簽訂的電子借款合同、征信查詢授權書等文本鏈可通過專線傳輸到仲裁機構云上仲裁平臺，固化證據，確保借款合同等文書真實、有效。合同等文書的電子印章可通過時間戳進行固化，為銀行后續依法維權消除障礙。

（作者單位：中國建設銀行湖北省分行）

責任編輯：楊生恒

ysh1917@163.com