大数据时代供应链金融模式中金融机构风险评估的新思考

2019-08-19

福建质量管理 2019年15期

(北京工商大学经济学院北京 100089)

一、供应链金融的产生与发展

20世纪80年代，传统金融信贷融资的发展出现瓶颈，金融机构放贷信用风险评估体系不够健全，大多数目标客户的中小型企业信用能力相对较低，因此金融机构承担着较高的信贷风险，该问题也严重制约了金融机构在信贷业务上的发展。为解决此问题，供应链金融作为一种管理和金融的协同创新逐渐展开[1]，在金融信贷与融资的发展中快速沉淀并不断蔓延。

供应链金融以降低交易成本和提高融资效率为典型特征[2-3]，最初的产生是为了转移或降低金融机构的金融风险，其将金融信贷融资模式由传统的一对一模式(金融机构对单一企业)转换成了一对多模式(金融机构对核心企业与其上下游的供应链企业)。供应链金融较传统金融而言，融资参与主体多样化、融资条件灵活、金融机构参与程度高、信息披露充分、风险相对较低，并可以有效地降低信贷风险，扩宽了金融信贷的风险评估体系。

二、金融机构风险评估中的问题

经过笔者对供应链金融运作下金融机构的风险评估模式分析，发现金融机构在风险评估方面仍然存在着一些挑战，主要体现在以下4个方面：

1、供应链约束力弱带来的风险：理论上供应链中成员企业强依赖于核心企业，但实际上供应链存在着吸引力和约束力不强的情况，没有形成真正的体系，进而提升了供应链的不稳定性与风险性；此外，部分金融机构内部对供应链关联性的分析体系相对较弱，也导致了风险评估不能充分考虑到供应链关联性问题。

2、供应链企业网复杂带来的风险：部分围绕核心企业出发的供应链过于复杂，某些非核心的成员企业对整个供应链的影响较难进行量化评估，对这些企业的评估则会存在评估维度少、评估信服度低等问题，而实际上这些企业又对供应链有着一定的关联性，故而对风险评估与控制来说也存在着挑战。

3、企业信息收集维度片面带来的风险：在对成员企业进行风险评估的过程中，向供应链企业获取某些成员企业信息时，容易出现过于有针对性的信息获取，或者未重视看似与企业不相关的信息，而忽略了供应链或其他相关企业对成员企业有影响的信息，导致风险评估角度不够完善。

4、企业抵押资产难以评估带来的风险：供应链金融模式运作过程中，几乎都会伴随着资产抵押与担保的情况，但是资产或担保的价值评估都稍显复杂，且对评估机构专业性要求较高，针对不同类别资产需要不同的评估方案，在后续放贷中每次都需要重新评估，评估成本极高，评估人为因素影响较大，存在着成本浪费、评估不能完全客观等问题。

三、金融机构数据决策风险评估的新思考

金融机构在供应链金融模式下的风险评估弊病越积越多，“对症下药、标本兼治”则是当务之急。互联网和大数据可以使供应链金融能够从更多维度动态衡量企业的真实经营状况和其他各种行为，评估融资风险。随着大数据应用技术的日益成熟，金融机构应该充分借助金融科技，抓住大数据与人工智能技术的发展契机，利用金融科技对风险评估进行架构革新，有针对性地解决风险评估所面临的问题。故而，金融机构需要构建一套依托于数据决策的风险评估系统，为决策提供更加理性与量化的支持。

在风险评估过程中，金融机构不能对评估维度进行完全理性的决策，或多或少会出现偏颇。而在大数据时代背景下，数据决策变成了多数企业的主流决策方式，目前数据挖掘分析、机器学习、深度学习等技术的发展足够支撑企业进行数据决策。而要搭建行之有效的数据决策风险评估系统，则需要展开以下3个步骤，如图1所示：

图1 搭建数据决策风险评估系统架构主要步骤

1、数据收集与整理：就金融结构风险评估而言，此阶段可分为3个方面进行：第一，金融机构需要面向供应链进行尽可能全面的数据收集，将供应链企业中可能会用到的数据都进行收集，包括供应链企业的基本评估资料、历史信贷详细记录等信息；第二、金融机构需要对企业自身的金融信贷的历史数据、借贷企业详细信息进行收集整理，为训练模型提供有力的数据基础；第三，金融机构需要通过爬虫技术或购买数据等方式对供应链企业部分信息进行深入抓取，保证分析维度的全面性。

2、数据加工与建模：此阶段需要金融机构大数据与人工智能技术团队对所收集到的数据进行特征处理，将数据处理成机器可以识别的形式，方便进行建模。而数据建模则是个很庞大的工程，技术团队需要针对业务进行不同维度的模型建立，并且需要对模型参数进行不断调整优化，提高模型的准确性。

3、数据决策与模型优化：此阶段要求金融机构技术团队对将信贷企业的相关数据进行预处理，并将处理后的数据注入决策模型，根据机器决策加之人为干预，最终得到客观的决策结果。此外，金融机构技术团队需要将本次决策用到的全部数据作为模型优化基础材料，使得模型不断趋于完善。

针对金融机构在风险评估阶段遇到的问题，其可以根据不同问题建立不同类型的决策模型。如“供应链企业关联风险评估模型”，此模型旨在帮助金融机构就是否向供应链金融模式中某企业进行信贷进行客观有效的决策。该模型同时要尽可能多维度和体量的数据输入，通过数据处理与模型建立，由模型判断数据维度对信贷的关联度，不断优化关联度系数，最终根据模型进行决策，可以有效避免评估维度不完善、评估难以量化等问题。