农村商业银行小微信贷业务风控管理探讨.pdf

Contemporary Accounting49Apr.2023理论探索农村商业银行小微信贷业务风控管理探讨刘睿智常德农村商业银行股份有限公司摘 要：风险控制是金融的核心，如何强化小微信贷业务风险控制，是农村商业银行面对的关键问题。在分析农村商业银行小微信贷业务风控难点及其技术管理手段的基础上，对其风控模式的选择进行了探讨。关键词：小微信贷；风控管理；农村商业银行0 引言当前，国家对小微企业融资难、融资贵的问题给予了高度关注，商业银行加大了小微企业信贷投放力度，有效解决了小微企业融资难题，小微信贷业务规模增长迅猛。由于小微企业数量庞大，传统手工作业模式下的贷款流程难以满足复杂的信贷风险控制需要，这就对农村商业银行的大数据应用能力提出了更高的要求。在数据全面共享的时代背景下，商业银行实现贷款全流程的自动化、智能化控制，在提高风控管理效率的同时，也带来了新问题和新挑战。1 小微信贷业务的界定标准小微企业的涵盖范围较广，既包括小型和微型企业，又包括家庭作坊和个体工商户。针对小微企业的界定标准，工信部、财政部、国家发改委早在2011年就联合印发了 中小企业划型标准规定的通知，指出企业标准划分要全面考察其员工数量、资产规模和年营收规模等指标。同时，为有效解决中小企业融资难的问题，银监会在2007年就从金融授信的层面界定了小微企业标准，即资产总额不超过1 000万元（含）或年营业收入3 000万元（含）从事经营活动的小微企业，其授信额度则不能超过500万元（含）。2019年，为扩大普惠金融定向降准覆盖范围，央行将之前小微企业500万元授权最高额度调增至1 000万元。在实际信贷业务中，农村商业银行将单户小微企业的授信额度通常设置为100万元以下。2 农村商业银行小微信贷业务风控难点及其技术管理手段2.1 小微信贷业务拓展难点2.1.1 小微企业数据获取难度大，难以确认信用等级小微企业能否获批银行信贷的前提是银行掌握其足够的数据信息，并据此确定其信用等级，只有符合贷款信用等级要求的企业，才能迈过信贷准入门槛。而事实上，由于小微企业的经营规模、从业人员有限，无力储存财务数据信息，或数据信息散乱失真，增加了信用等级确认的难度。2.1.2 小微企业治理结构不规范，难以掌握财务状况小微企业大多为家族企业或合伙企业，不具备现代企业治理结构模式，财务状况大多表现出公私不分或家庭收入与企业收入混为一体的特征，以致银行难以有效甄别企业的盈利状况和资金流动状况。2.1.3 小微企业生命周期短，授信风险大国家市场监督管理总局官网公开信息显示，我国小微企业生命周期普遍较短，其平均生存年限仅为3年，可见其生命力非常脆弱，而贷款的稳健性和安全性是银行尤为关注的重点所在，小微企业的短期化运营加大了授信风险。2.2 小微信贷业务风控技术手段2.2.1 IPC 技术模式IPC技术模式又被称为“全手动”风控模式，该模式已形成标准化流程，即贷款必经须经过五个环节：贷款申请调查审批发放回收。其中，贷款调查主要依赖于信贷员逐户上门调查走访，全面了解小微企业的经营范围、“三表”、人行征信，以及借款人的个人品性、口碑、从业经验等方面的信息。而该模式的核心部分在于调查信息的交叉验证，这就需要银行信贷人员具有丰富的从业经验，能有效识别虚假信息，准确判断财务报表的真实性。虽然该模式具有面对面沟通了解、信息对称程度高、贷款全程跟踪等方面的优势，但在实际运作中也暴露2023.4A当代会计50理论探索出诸多缺陷：一是要求对贷款客户逐户上门、逐户调查，这种人海战术式的信贷风控模式需要大量的人力资源支撑；二是获客难度大，需要依靠客户经理的人脉资源，不利于客户资源批量拓展，也不利于锁定客户；三是信贷投放速度慢，管理效率低，通常每笔贷款的流转时间为23周，影响客户体验，不利于业务规模增长；四是贷款调查结论与审批过于依赖人工，容易产生道德风险。2.2.2 信贷工厂模式信贷工厂模式又被称为半自动化模式，即将信贷风控业务切割成不同流程，仿照工厂标准化流程，流水线式处理信贷风控业务。从贷款业务拓展、贷款申请、贷款审批到贷款发放和贷款回收，每个流程都设置专职岗位，每个岗位代表着一个流程。从技术角度来看，信贷工厂模式引入了PAD移动端的信息采集和录入模式，虽然有效克服了IPC技术下全人工操作的固有缺陷，但同样依赖于客户经理的地面作业。与IPC技术相比，信贷工厂模式对信贷作业流程进行了单元化切割，从而使每个流程风险都有专人负责、专人监控，各岗位人员分工明确、各司其职，因此风控责任可追溯。另外，由于同一笔信贷业务在不同流转环节经历了多人经办、多人审核，有利于对贷款人进行交叉验证。虽然工厂信贷模式具有较明显的优势，但该模式的实际应用仍存在较大难度。一是因为该模式的运行需要耗费巨额成本构建系统平台，而且需要开发相应的数字模型对客户等级进行自动化评分；二是整个流程涉及的岗位多、人员多，增加了人力成本；三是工厂化流水作业过程中可能存在数据信息遗漏或错位问题，难以规避恶意逃债或坏账风险。2.2.3 互联网小贷模式互联网小贷模式又被称为全自动化模式，是以大数据和数字化技术手段为依托，通过采集与分析客户数据、精准画像客户，实现自动获客、自动审批，实现从贷款申请、调查到贷款发放和贷后管理的全流程在线操作。具体来说，互联网小贷模式的优势主要表现在三个方面：一是获客渠道更广泛、灵活，互联网具有不限时间、区域联结客户的优势，再加上人脸识别等生物识别手段可以识别客户身份，为重塑信贷流程创造了良好的外部环境和技术条件；二是可用多种方式获取客户数据源，对客户数据进行采集、整理与挖掘，并将相关数据输入数据分析模型，则可对相应的信贷风险系数进行量化；三是互联网小贷模式的流程全部采用在线作业，不仅可以有效提高信贷流程的效率，还可以大幅度压缩运行成本。尽管互联网小贷模式在信贷风控方面的优势较明显，但由于该模式的运行过于依赖大数据，银行必须通过对海量、多维数据的挖掘与储存，才能确保该模式的正常运行，而事实上，很少有银行能够沉淀如此大量数据，所以互联网小贷模式的应用难度相对较大。3 农村商业银行小微信贷业务风控模式应用选择小微企业数量庞大，信贷需求高，是农村商业银行信贷业务的重要客户群体。但由于小微企业存在财务制度不健全、资产变现能力弱、信用等级低等方面的缺陷，加大了小微企业信贷风控难度。为突破数据边界限制，构建数据加工和服务平台，农村商业银行可从以下三个方面入手。3.1 采集政府数据管控风险第一，从政府数据的反欺诈功能来看，从政府与相关部门提取的数据信息真实、可靠，基本可以排除欺诈风险。在实际操作中，还可以根据客户贷款额度的不同采用不同的反欺诈技术：针对贷款额度小的客户，可采用生物识别、电子签名等较成熟的数字化技术手段，在贷款申请和发放环节，可采用人机问答的方式识别和验证客户的身份信息，由系统自行判断客户贷款信息的真实性；如果客户申请贷款额度较大，则要求客户先行去线下网点提交资料，再采用线上方式办理相关手续。第二，关于信用风险评估问题。针对如何对政府部门数据信息获取的客户进行信用评估，业界还没有达成共识。一种观点认为可参照IPC技术的交叉验证方式，根据获取的数据信息构建风控模型。比如，从政府部门获取的小微企业社保、水电数据或车辆、房产信息，推算其营业收入和抗风险能力。另一观点认为这种基于大数据构建的风控模式，只适用于贷款额度不大的消费贷款，如果客户贷款额度大、多头借贷或客户经营真实性存疑，则需要针对小微企业业主的个人信息与企业信息分别构建不同的数据模型用以分析判断，采用“小微企业主+小微企业”的风控模型对其信用风险进行综合评估。同时，针对风控模型的数据权重设计，还需考虑Contemporary Accounting51Apr.2023理论探索数据与信贷风险的相关度、数据的可靠性等因素。比如，税务数据较真实地反映了小微企业的经营状况，数据信息真实性较高，所以此类数据在模型中的权重可适当调高。3.2 通过采集第三方平台数据管控风险采用第三方平台的数据信息开展信贷风控工作，有利于突破政府数据的地域限制。比如，SaaS数据和聚合支付数据等第三方数据可将信贷业务扩展至全国范围，而客户区域范围的扩展也加大了风控的难度。因此，针对此类跨区域信贷客户的反欺诈风险和信用风险评估，则需要采用与之相适应的方法。3.2.1 反欺诈风险控制针对分散于不同区域的信贷客户，如果采用线下调查或数据采集的方式，则成本较高。根据反欺诈控制目标和客户特征，商业银行可采用如下方式：一是针对第三方平台的客户贷款申请，商业银行需要提高准入门槛，如果第三方平台具有承担客户反欺诈责任的意愿，则可适当调低贷款准入门槛；二是由于线上反欺诈手段具有技术手段丰富、效率高的优势，可以放弃线下反欺诈方式，对所有客户统一采用线上反欺诈技术；三是对小微企业和业主进行双重反欺诈控制，这是由于目前市场上出现了大量的空壳公司、相互持股、虚挂法人代表人等非正常小微企业，而这类企业可能隐藏着难以识别的欺诈性。因此，可从第三方平台采集企业主的工商登记、个人征信、资产状况等信息，构建业主、股东等成员的关系网络图谱及其各种利益链条。3.2.2 信用风险控制针对商业银行对第三方平台客户经营数据验证核实难度相对较大的问题，一是要与第三方平台公司合作，构建信用风险控制模型，如果第三方平台已开发相关数据模型，则可以直接用其验证数据；二是可与保险公司合作，保险公司通过收取客户保费建立保证金池，以此作为客户贷款偿还基金。3.3 运用大数据技术管控信贷风险随着商业银行信贷风控技术的应用与推广，数据采集与利用成为商业银行风控的关键环节。当前，政府机构、第三方平台的数据信息逐步实现开放共享，这对农村商业银行信贷风控管理智能化发展创造了良好的外部条件。运用大数据技术管控信贷风险需要从如下方面入手。一是全方位挖掘和采集外部数据资源，以扩大数据来源。目前，商业银行可采用的数据信息主要包括三类：第一类是政府机构向公众提供的共享数据信息，需要商业银行主动对接，并对相关数据进行清洗与转换；第二类是与企业生产经营相关联的数据信息，比如来自电商平台、运营商等方面的采购数据；第三类是个人身份数据，该类数据主要用于个人信用评级。二是重构信贷风险评估模型，比如个体经营评估模型、客户全景图像模型、贷后预警模型、风险控制模型，需要农村商业银行构建基于大数据技术的评级打分系统，根据不同客户的资信、贷款品类、贡献度等指标进行综合评级，以此评估客户信贷风险。因此，商业银行在数据收集与评级授信的基础上，需要设置不同类型的风险标签和风险规则，并构建适应不同应用场景的信贷风险评估模型，以支持数据交叉检验，对信贷业务贷前、贷中、贷后全生命周期的风险进行监测。4 结束语小微企业贷款是农村商业银行的重点业务板块，由于小微企业大多存在财务制度、资产变现、信用等级等方面的缺陷，加大了信贷风控管理难度。经过多年的探索与实践，商业银行风控管理大致应用了三种模式：IPC技术模式、信贷工厂模式、互联网小贷模式。IPC技术模式依赖于信贷人员手工作业，存在数据信息采集难、效率低的缺陷；信贷工厂模式实现了风控流程的标准化管理，但同样难以完全摆脱人工依赖。而随着互联网技术的应用日益成熟，商业银行的数据采集、挖掘能力得以提高，需要农村商业银行在对接政府、第三方平台数据信息的基础上，构建与小微信贷业务相适应的大数据系统和风险评估模型，打造智能化风控体系。参考文献：1 谢文林.农村商业银行小微企业贷款现状与风险控制 J.现代企业,2022(12):116-117.2 张聪.HY农商银行信贷业务内部控制体系的优化研究 J.农村经济与科技,2020,31(2):200-201.3 袁洋.商业银行小微企业信贷风险管理 J.全国流通经济,2019(34):156-157.4 张廷玉.中小商业银行小微信贷业务风控管理探析 J.金融会计,2022(10):55-61.