|
本文刊登在2018年12月28日出刊的《上财风险管理论坛》2018年第4期（总第6期）“洞见”栏目，经过作者的授权在“风控博士沙龙”微信公众号发布。同时声明：本文仅代表作者个人的观点，不代表其所在机构的观点。 近年来金融科技成为金融行业广泛关注的热点，金融科技主要是运用大数据、云计算、机器学习、物联网、区块链等新型技术提升金融管理的效能，加强金融机构的核心竞争力。从最初的大数据征信公司纷涌而出，到BATJ（百度、阿里、腾讯、京东）相继大手笔布局金融科技，到如今各家传统商业银行纷纷成立自己独立的金融科技子公司，无疑可以看出从各方认知层面已达成广泛共识，不布局金融科技，金融就没有未来。 如何运用金融科技有效地提升风险管理，首先我们需要梳理金融机构目前运行体制下风险管理工作中有哪些困境，针对这些困境，在科技层面是否有行之有效的方法和路径去解决。 （一）内部评级 商业银行目前的量化管理主要基于自身内部评级体系之上，但目前内部评级在准确及时地反映企业的风险状况方面还做地远远不够，风险排序效果不佳，经常出现高信用评级客户直接向下迁移至违约客户的情况。模型效果不佳的原因主要有四方面：一是纳入模型的真正有数据价值的变量太少；二是模型进行评价时，许多变量的取数都是人为认定的，存在主观原因带来取数不准确问题；三是传统信用评级模型以线性回归为主，对变量往往进行简单化处理，容易造成风险信号失真；四是内部评级一般按年频率评定，时效滞后，评级对风险事件敏感性弱。 （二）预警体系 大的商业银行目前都建设了自身的预警模型体系，但是预警在“预”上效果不佳，事后诸葛亮，预警模型最后往往演变成报警模型。模型风险提示的提前量不够主要有两方面的原因：一是没有找到足够的有前导性意义的风险指标，二是风险传导网络建设不健全，没有完整及时对关联风险进行传导。 （三）审批效率 商业银行审批效率低下削弱了其在市场上的竞争力，限制了业务规模快速增长，而许多新兴的金融机构就是依靠快速的审批抢占了部分原有属于传统商业银行的市场份额。大中型企业的贷款审批短则两三个月，长则半年到一年，这样的客户体验，往往让金融机构在时间中失去了市场的先机。究其审批效率低的主要原因是前期客户资料收集、资料的初加工耗费了大量时间。 （四）小微企业金融 在大中型企业信贷硝烟四起的战场外，小微企业信贷市场完全是另一番景象。小微企业融资难是长期困扰市场的金融难题，银行给小微企业投放主要顾虑有三点：一是小微自身实力弱，抗风险能力有限；二是小微企业没有健全的财务会计制度，银行难以像投放大中型企业那样，以财务报表作为评判基础，银行看不清也看不懂小微企业；三是小微企业单笔授信额小，投入产出比低；四是中国不健全的信用体系，导致小微企业违约成本低。 （五）不良资产清收 在不良资产清收环节，零售业务不良催收如何提升效率，对公业务的催收如何准确评价不良资产的质量，如何找到有效的可清收的资产等问题成为贷后清收环节主要难题。 （一）利用科技提升评级的有效性 在内部评级之外，积极建设大数据评级，广泛获取多维度数据，比如零售业务获取运营商数据、公安数据、银联数据、电商消费数据、司法数据、学历数据、社交网络数据、设备行为数据，对公业务可以获取工商、司法涉诉、动产融资、股权质押、项目批复、土地信息、税务口径财务报表、纳税数据、海关数据、水电煤数据、招聘信息、专利信息、新闻舆情等。打分卡要进一步细分，在特定行业打分卡上，还要纳入特定行业独有的高价值密度的数据。运用机器学习算法、自然语义分析技术解决传统评级模型难以处理的非线性关系及文本信息，从而实现模型的全面升级。模型运算频率可以由年调整为实时，提高模型的敏感度。 （二）利用科技完善预警体系 积极寻找对企业违约具有前导性的数据指标，在物联网技术成熟的条件下可以接入企业生产环节产生的数据，将大幅提升预警的有效性。完善风险传导网络，从工商信息、司法涉诉、发票数据、舆情信息中广泛提取企业间的关联关系，建立企业关系网。从运营商数据、社交数据、银联数据提取个人间的关联关系，建立个人关系网。建立企业关系网和个人关系网联通关系。对不同类型的关联关系建立不同风险传导路径和传导权重。同时梳理行业与行业的上下游关系，建立行业风险传导关系网。 （三）利用科技提高审批效率 广泛整合内外部数据源，根据自身的准入标准及风险偏好建立风险过滤模型，在营销初期实现风险初筛，提升营销的精准度。在审批环节在获得客户授权的前提下自动从外部调取客户深度信息，运用OCR（光学字符识别）技术、文本自动分析、交叉计算验证、机器自动化等技术对信息进行初加工，科学系统呈现机器初加工结果，提升审批效率。 （四）利用科技管控小微金融的风险 金融科技的数字化、网络化、智能化特征帮助银行更高效地控制小微金融风险。一是运用物联网、云计算技术，银行可以与金融科技平台合作，通过自建或服务外包的合作形式，对小微企业的存货仓单等动产抵质押管理，实现专业化、实时化的移动贷后监控，更加准确及时地掌握企业经营情况；二是运用大数据技术，用自动化数据分析代替大量人工控制，建立全流程自动化风险管理体系；三是运用区块链技术将信贷合同以智能合约的形式迁移至企业级区块链系统，实现更加精准地信贷风险控制。 （五）利用科技改进不良资产清收水平 在零售业务的催收引入智能分案、智能语音催收、失联修复等技术提升催收的效率，在对公业务上引入与资产线索强相关的外部数据，挖掘客户可清收的有效资产，同时引入外部资产价格及交易数据建立抵质押物估值及变现能力的评价体系，更好地掌握不良资产质量情况。 以上对金融机构在风控中的困境做了阐述，同时也从科技角度给出了一些解决方案。运用科技提升金融机构整体的风险管理水平是个系统工程，需要对信贷场景的深刻理解、需要对数据源的熟悉、需要对人工智能技术的掌握，但更重要的是需要我们要有极致的工匠精神，这是永恒的商业本质，每个零部件0.99的质量和每个零部件0.98的质量似乎差异不大，但是当他们组装成一个体系或机器的时候，0.99的n次方和0.98的n次方便是很大的差距。金融实现高度人工智能化的一天终将会到来，但在这之前我们既要怀着拥抱科技的开放心态，同时又要具备脚踏实地的工匠精神。 胡瑞蓉，厦门大学统计学硕士，先后任职于建设银行、招银金融租赁，在招银租赁担任计量风险团队负责人期间，牵头建设公司第一代大数据风控系统，功能涵盖360度视图、风险过滤模型、企业打分卡、大数据预警模型、业务透视地图、报告报表自动化等功能。 |
|
|
