近日,银保监会主席郭树清公开表示,当前我国金融供给不平衡、不充分与金融需求多层次、多样化的矛盾仍然比较突出,实现金融的普惠性目标,还需要做许多工作,必须坚定不移地推进金融供给侧结构性改革,既要发展大型、超大型金融企业,也要培育中小型金融机构;既要有综合性的一站式机构,也要有特色化的专业机构。不同类型的金融主体坚守定位,取长补短,相互竞争。所有金融机构都要抓紧数字化转型,唯有如此才能切实提高服务大众的能力。
中小承担着服务小微企业重任,在数字化转型过程中如何服务好众多小微企业,是中小转型的必经过程。小微企业在经济发展中扮演着关键的角色,为了推动中小微企业健康、稳定、有序发展,政府及监管等部门先后出台了系列扶持政策,其中,在解决小微企业“融资难、融资贵”难题上也给下达了硬性考核指标。当前,中小在小微产品设计、场景触达、风控经验缺乏的条件下,如何在小微金融业务领域快速实现线上化改造,完成数字化转型,是中小需要面临的考题。
搭建高效、可靠、自动化的小微金融风控体系
科技在帮助实现小微金融业务数字化转型过程中扮演怎样的角色?
资产化赋能。百融云创CEO张韶峰日前撰文表示,首先,科技公司基于对行业的理解与联合设计金融产品,好的产品设计能够实现完整的交易闭环(在受托支付、销售渠道、还款来源等层面都能有所涉及),能够规避将近一半的风险;其次,在对行业数据深入解读,对产业数据、场景数据深入加工处理的基础上做大数据风控;最后,持续化赋能运营,小微产品因其特殊性、不同场景的差异性以及产业风险,需要不断监控企业的风险表现,对策略模型做出动态调整。
数据化赋能。场景端充斥着大量的经营数据,虽然数据精准度比不上征信数据,但是通过数据佐证、交叉验证之后,同样能在一定程度上反映企业的经营状况,是重要的数据来源。百融云创这样的第三方机构也是重要的数据来源,可以在获得合规授权条件下提供企业主数据以及基于工商、司法数据的标准化产品。再加上充分发挥金融机构的优势获取征信数据,通过经营数据、主体授信数据以及征信数据的整合,可以完整地描摹B(企业)+C(企业主)大数据信用画像。科技的作用主要是对各种来源的数据进行汇聚、深度解析和标准化处理,产生相应的金融指标,构建完整的数据主题层,为大数据信用风险管理做充足准备。
平台化赋能。利用科技手段搭建的智能风控体系包含决策引擎、规则引擎以及相关的智能进件平台。小微金融业务无法完全脱离线下,除了信贷场景,抵押物场景尤其需要通过线下尽调工具采集数据后进行线上核验。通过平台化部署,在场景端和金融机构间搭建桥梁,提升业务效率。
全生命周期的小微金融风控
标准化的线上小微金融信贷流程包括:融资申请、反欺诈、策略筛选、信用评估、审批决策、签约放款、监控预警和贷后管理。张韶峰表示,科技公司可以帮助在标准化的环节中进行科技赋能,解决业务线上化转型的难题。
在融资申请阶段做准入核验,百融云创除了对企业主的审核,对经营性材料进行光学字符识别,还可以在标准化合同基础上对合同要素(金额、服务内容等)做快速识别。
在反欺诈阶段,百融云创针对企业主主要查询个人不良表现(是否命中黑名单),进行设备反欺诈(移动或个人电脑(PC)设备是否有欺诈风险)以及通过关系图谱查询是否命中黑产。小微反欺诈主要侧重经营场景,深入经营场景评估是否有流水造假、虚开发票等行为。经营性反欺诈是小微金融业务反欺诈的重点,根据不同场景、不同数据源会有差异化的策略筛选体系。
在信用评估阶段,百融云创需要构建适用于不同场景的信用评估体系,做出额度策略、定价策略的综合决策建议。在建模样本不充分的情况下,可以根据评分卡模型对客户进行风险分层,对各信用等级的客户设置差异化的风险折扣系数,基于具体业务场景确定初始额度,再结合业务调额策略确定最终授信额度建议。
在贷中预警阶段,基于经营属性数据和B(企业)+C(企业主)大数据风控模型,百融云创对贷中风险做动态预警。结合产业互联网后得到产业端的数据支持,可以做到T+1预警,甚至有些行业或场景可以实现分钟级预警。
在贷后管理阶段,百融云创也有完整的智能管理方案。但是好的产品设计和交易结构能够在事前对不良情况进行收缩和控制,贷后催收不会成为小微金融业务的重点。下面对贷前反欺诈、信用评估、额度策略进行更详细的说明。
小微金融反欺诈方案
企业经营性反欺诈的建模思路可以参考信用评估模型的建模思路,先准备样本以及好坏标识,再进行模型训练。之前反欺诈建模一般把首逾作为坏样本标识,但这种方式比较武断。企业反欺诈建模方式其实不同于信用评估模型,是一种多分类模型。反欺诈模型的好坏标识,需要对欺诈行为进行分类,每个分类都是一种标识。常见的欺诈行为包括:虚假融资主体、虚假交易背景、虚增流水、虚假用途、虚假报表,供应链体系中逆上下游的大额资金往来也是欺诈的一种手段。确定欺诈行为标签后,建立企业欺诈行为特征库,基于特征指标构建策略和模型,针对不同欺诈行为训练多层次的数据模型,建立经营性反欺诈体系。信用评估模型可以根据群体稳定性指数,来衡量模型效果是否有偏移,如果模型有偏移了需要重新构建模型。反欺诈模型也可以建立部分自动的迭代程序,但是周期比信用模型更短,因为“道高一尺,魔高一丈”,反欺诈体系永远会遇到新的欺诈行为的挑战。
企业贷前信用评估模型
小微企业的量化评级会应用在多个场景中,比如税务、发票、供应链、产业园区等场景,经过大量的实践和积累,发现可以不用对每个场景单独建立一套评价模型,而是通过模块设定的方式,根据不同场景进行插拔式的替换,既有共性,也有差异性。
一个标准的信用评估模型包含五大子模块:一是基本面,包括注册资本、注册时间、变更情况、失信被执行、诉讼等工商、司法、纳税评级指标,一般作为固定模块单独建立子模型,来判断客户资质。二是信贷行为,包含企业主个人征信数据和企业征信数据,科技公司在不侵犯客户隐私的条件下辅助进行综合信用评估,给出信用评估分数和建议。三是关联风险,无场景业务一般指对外投资和任职关系。结合场景后,关联关系可以拓展到供应链上下游、发票、物流等场景,所以关联风险与场景结合后有了较大拓展。产业链中包含几万家甚至几十万家企业,使用相同的座机或相同的注册地址代表存在关联风险,这是比较明显的通过产业场景分析出的关联风险。四是企业主,的小微企业商账很多公私混淆,企业的资金可能被企业主挪用,企业主也可能使用个人资产贴补公司,所以对于企业主的资产状况、借贷行为、消费行为、是否涉及黑名单等要素进行评估也是重要环节。五是经营风险,经营风险是难度系数最大的评估环节,需要分析不同类型企业经营行为的平均金额、平均交易间隔、交易规模、服务内容以及应收账款确认情况。
多层次、差异化的额度策略
关于额度的确定:一种方式是根据核心经营指标乘以相应的系数,在税贷中使用比较多的参数是增值税和所得税,能够准确反映企业的经营利润;发票贷中使用比较多的是开票金额,尤其是能够体现核心指标销售额的大客户开票占比。另一种方式是基于特定场景,比如供应链场景中的订单情况,订单能够体现融资的具体标的物,结合标的物本身资产属性做融资量化分析,确定额度。在标准化行业中,针对库存控制的最小可用单位(Stock Keeping Unit,简称SKU)比较统一的3C用品(计算机类、通信类和消费类电子产品)、大宗商品,通过设置一定的安全保护垫来确定额度。在小额场景中,可以根据行业标准设置额度的上限和下限,通过信用评估模型得出的信用分设置风险额度系数。