应用金融科技服务科创项目

张晓晴 谭培

金融支持实体经济已成为共识，如何支持各方都在探索实践。最具挑战的是应用金融科技支持科创“双创”项目。面对互联网时代市场变化快、技术创新和应用层出不穷，“双创”科创项目的盈利模式趋向复杂，商业模式翻新，跨界趋势明显，应用金融科技识别项目“好、坏”精准金融支持，具有非常广阔的应用前景和市场价值。本文探讨智能评价体系构建，并重点应用金融科技支持科创项目提出建议。

科创项目特点与识别难点

科创项目识别困境。科创企业最初都是中小微技术创新企业，这类企业生命周期特殊，通常寿命短，风险大。国际上中小企业平均寿命为3～5年，硅谷存活率一般不超过10%，我国科创企业可能寿命更短。据不完全统计，截至2019年11月，崩盘跑路、知名的互联网金融企业就超过200家，涉及投资金额可能超过3100亿元，投资者损失惨重。对于初创期的创业项目，死亡率更高，从目前的现实市场环境来看，保守估计成功率恐怕只有千分之一，这就增加了项目识别困难。目前科创项目识别遇到五大挑战：一是缺乏规范化判定标准，主要依靠主观评定;二是项目信息数据的海量化、碎片化;三是科创项目民营企业多、概念多、小微多，成立时间短，初创资本少，几乎无抵押;四是尽调成本高，项目评估效率较低，存在成本与效率矛盾;五是尽调信息真实性考证难度大，没有自信用机构，无法识别风险。面对数量庞大的项目信息，不知道到底该相信谁？现行的识别途径一般是投资人和客户经理通过参加创投大赛、创业创新项目投融资对接会、各类主题峰会、小型创投咖啡吧、企业推介会和沙龙活动等，现场交流，实地考察。再就是借助各类互联网投融资信息交互平台，以及政府、高校、投融资机构、科创园区、众创空间、孵化器和行业协会等举办的线上线下活动，汇聚大量的项目信息，再好一点就是借助人民银行、证监会、工商、税收、海关、中小企业局等政府部门线上公开的企业信息，比对筛选进行初步验证。这类做法获得的信息海量化、碎片化，不能降低识别的时间、人力成本，也无法提高识别效率，带来项目识别风险，尤其是早期项目识别的难度更大。

传统项目管理需要变革。投资机构、商业银行的项目管理通常依赖于传统手段，投资人、客户经理发现项目信息，评估部门进行项目评估，最初依据的就是企业会计报表（一些新项目更看重政府背景、批文），对于小微企业、初创企业可能存在资产负债表不规范，损益表难看，所有者权益表缺损不实等。税务、海关报表真实度高一点，但也未必可得。这些特点加重了项目评估真实性风险。一些机构开始引入大数据技术，进行批量化处理，但是普遍担忧成本高不赚钱，项目资产质量忧、潜在损失。国内各类机构项目评估技术出现同质化，稀缺项目一哄而上“抢单”，人为增加风险控制难度。可以说项目缺乏金融支持已成为社会痛点，科创项目识别成为金融支持实体经济难点，迫切需要新的技术。

金融科技应用在项目管理中的价值。智能评价即人工智能+项目识别的结合体，通过数字技术，依托大数据、云计算，发现影响评估的关键因子和系数，通过模型运算，实现机器识别和进行项目分析评估、风险偏好分析。借助智能风控建立项目评估规范化标准，可以降低主观性影响，利用大数据技术，可以提升数据真实性及有效性，降低项目尽调成本，提升项目评估效率。应用金融科技可以把传统项目分析变成直接可用的互联网软件服务，大大减少人为主观因素影响，客观科学，提高项目识别效率和准确度。换言之，通过数据驱动选择，解放客户经理，节省风投时间。

项目识别管理中投资人、客户经理绝大多数受制于所拥有的资本有限，识别项目风险的能力参差不齐，需要耗费大量时间和人力成本，对所获项目信息进行分类、分析、识别判断和必要尽调，效率低下。引入人工智能就能有效进行信息数据过滤，进行甄别真伪。无论项目识别进行投资或信贷，最希望价值互联和精准数据智能匹配，这就要借助以互联网和移动互联网技术所引领的信息交互模式，帮助投资人与自己投资需求相匹配有价值的项目融资信息数据。人工智能在海量碎片化的创业项目融资信息数据中，可以实现精准项目价值分析和风险识别。

应用金融科技识别项目模型构想

应用智能评价可以有效识别投资项目、配置金融资产，在美国金融资产投资方面平均有60%、70%借助智能投顾。普华永道预期全球资产管理规模在2020年将高达102万亿美元，麦肯锡估计通过虚拟咨询服务的潜在个人金融资产价值将达到13.5万亿美元，智能投顾作为虚拟咨询的重要组成部分，必将受到更多的青睐。普华永道研究表示，未来我国会更多走向金融资产的配置。同时，由于智能投顾所对应的中低端客户群体在中国有很大的客户基数，且对于互联网产品接受程度较高的年轻一代正处于财富快速积累阶段，未来智能投顾市场范围将会有较大的上升空间。据不完全统计，目前国内宣称具有“智能投顾”功能或者正在研发“智能投顾”功能的理财平台已经超过二十家，主要包括京东智投、聚爱财PULS、宜信投米RA、钱景私人理财、蓝海财富、弥财、来钱、微量网、资配易、胜算在握等，并且陆续还有平台跟进，加入智能投顾的大军。

目前项目识别依然主要靠专家经验和传统技术，但是面对更多的不确定性和频繁的市场变化，借助金融科技，应用智能风控将是项目识别的重要补充，把大数据、人工智能、云计算等金融科技综合应用到风险控制环节，前置精准风险评估，将给各类金融、投资机构带来新的管理模式。

理论与模型构建思路

目前在项目识别时，银行或投资人先要比对信贷政策、公司风险偏好或行业禁入等，然后根据财务状况，如把反映企业经营状况、盈利能力、偿债能力、成长能力的财务数据输入系统，进行打分、评估，最后投资决策。这里应用的都是过往业绩数据或行业专家经验，存在主观性和滞后性。应用智能风控，则根据因子影响程度，选取具有代表性的财务指标和非财务指标，使用各种分析法对所选取的指标进行降维处理，如应用因子分析法计算出因子得分函数，对公司价值进行相对评估。研究結论表明，基于相对估值思路的因子分析法能有效对公司的价值进行评估，在一定程度上帮助投资者筛选出行业中表现较好、投资价值较高的公司。但是基于相对估值思路的因子分析结果在数据极端的情况下会出现偏离，需要智能风控对公司价值进行评估时将相对估值与绝对估值结合使用，通过多维度、多元化的方法对公司进行价值评估，为投资者提供更为准确的评估结果。

智能风控需要量化投资系统，具有完整的基础研究、模型构建、回测评价、实证检验、评审输出等单元评价模型，包括因子开发模块、模型优化模块、归因验证模块等。全自动完成对数据的提取、清洗、计算、建模、交易、归因、分析、输出等。通过智能风控，不仅量化投资模型，拟合备选库中项目的基准日价值，得出项目虚拟经营结果。还可以通过多因子风险模型对项目、投资组合结构进行归因，再剔除行业风险收益及市场风格收益等因素后，最终得出项目的阿尔法风险收益。

基于智能风控的项目识别框架

智能风控是手段、工具和基础，项目识别、投资决策是目的。基于此无论是智能风控系统还是智能投顾平台，搭建的最基础（底层）是计算与存储资源层，再次是数据准备层，再上面是数据识别、挖掘，最顶层是风险（价值）判断、投资决策建议。在数据准备层依托大数据融合多数据源，抽取、清洗，提供在线或离线服务。在数据挖掘识别层，就要借用AI，系统自主学习，引擎分析，为用户画像，并进行模型计算。基础数据、用户画像、特征引擎、模型输出等内容都以数据资产的形式来管理。基于这些数据资产，可以为获客、准入、经营、留存等全生命周期提供各种服务。

标准模型的基本因子

基于科创企业构建模型的标准建议包括11项指标：概念框架（非系统性风险），包括产业需求否属于产业结构调整鼓励目录，是否符合绿色产业指导目录，是否属于知识产权重点支持目录;科技创新是否属于科技部重点支持范畴;战略新兴是否属于《中国制造2025》重点领域技术创新技术路线图范畴;概念价值是否属于国家级省部级奖励或成果被国内外相关期刊登载或行业龙头企业认可;资本市场是否已经成功对外融资或融资估值是否过亿元。技术创新，包括团队技术创新能力，团队领军实力、研发实力;技术实力，原创性、成熟性、可替代性，技术成果实力、前沿技术地位;产品的独特性、可模仿性、产业化预期、市场吸引力、需求适应力。商业模式，包括模式成熟度;战略定位，业务系统，自身业务成熟度、业务价值链关键点、盈利模式可靠性、产业链成熟度;产业生态环境，产业链关系、生态关系。系统性风险，包括经济环境、行业;行业前景、壁垒;经济增长率、增长方式;金融与政策环境，金融工具、市场、监管;法律、税收等。团队结构，包括团队构成，团队实力、团队素质、团队稳定性、团队价值观;管理文化与效率，团队激励方式、团队执行力;团队信用，最近三年团队核心成员行为、涉诉记录、不良征信记录。经营状况，包括股东实力，股东知名度、主营业务是否存在相关知名或大型机构个人;经济要素，经营绩效;偿债运营能力;成长能力;经营风险，公司涉诉、违约、不良信用记录等等，不同指标由大数据算出权重系数。

当然，判断风险到投资决策科创企业还需要其他一定能力，诸如经验、硬实力，生产制造、技术支持、或者有底层开发能力、核心能力，在行业内领先的团队等等。也需要软实力，ESG，商誉等。

应用金融科技支持科创项目的建议

无论时代如何改变，商业银行作为服务行业，商业银行“三性”不变，以客户为中心的初心不变，服务实体经济的使命不变。评价“好与不好”就是要借助科技的力量，赋能传统金融创新转型、融入生态，以更加有效地服务惠及大众。

金融要以支持科创项目实实在在支持实体经济。金融脱虚向实、支持实体经济是目前重大任务，当前现实的、最具挑战的就是银行如何支持科创、双创项目。中国经济转型升级需要科技创新、技术进步，但是科技创新往往伴随风险，初创技术企业多数不符合银行信贷支持条件。国家通过资本市场设立科创板给科创企业直接融资快速通道、绿色通道，证券业走在金融支持科创项目的前面。银行如何实实在在的支持实体经济，建议银行调整信贷政策、信贷结构支持现代先进制造、支持新型基础设施建设，探索智能风控基础上的科创、双创项目项目识别与支持体系。科创双创项目资本金少、过往业绩报表难看，可能无资产抵押，银行借助智能风控摒弃以企业项目历史业绩推演未来业绩的“土办法”，转而采用数字化的智能工具前置风险规避，再进行项目筛选，最终提出新型支持方案。

银行需要借助科创项目收益与普惠金融风险对冲，依赖技术进步突破，创新盈利模式。金融科技正深刻改变着银行业的诸多业态，那些走在前沿的银行不仅为客户提供了传统金融服务，还利用“黑科技”智能工具帮投资者、消费者、客户提供创新金融服务产品，为投资者提供收益更为稳健的投融资服务和资产管理。资管新规落地后，资管加速“去通道”，并向“主动管理”转型，银行理财子公司纷纷成立，站在资管行业发展的十字路口，银行纷纷探索新的发展路径和产品模式，其中借道理财子公司进入资本市场和股权投资，可以获得与高风险匹配的高收益。这样也有利于银行做大普惠金融。银行借助技术进步，实现普惠项目的精准筛选、精准投放，批量化智能化操作，可以进一步降低成本，腾挪出利润空间，实现安全和微利。银行对中小企业数据严重不足，对于小企业的现状、走势及其在宏观经济中的脊梁骨作用既没有“质”的认识，也没有量的概念，借助智能风控，可以有效的实现细分客户，找到最适合的终端服务。

深入认识并稳妥处理好几个关系。数字时代人们获得服务越便捷、数据驱动引发的需求越多，越要注重金融的价值导向功能，尊重客户的真实意愿和需求，特别在信贷领域，规避信用风险和道德风险。具体来说，一是处理好多主体服务与消费者权益保护的关系。随着金融服务主体变得多元、金融与非金融业务的边界变得模糊，金融提供者要勇担社会责任，以人为本、关怀弱势群体、强化协同合作，充分保护消费者权益。二是处理好数据开发应用和客户隐私保护的关系。强调有效监管，更好地发挥大数据的潜能，真正让金融回归本源，让科技发挥向善的力量。三是处理好科技性与普惠性的关系。坚持以人民为中心的发展理念，提升金融服务的可得性，促进社会公平、公正。四是处理好金融机构与科技公司的关系。金融机构既要吸收借鉴互联网企业机制，加快内部创新，将科技应用能力转化为金融竞争力，也要加强与科技公司的合作，充分融合协同，通过创新与共享，优化金融供给。

注意系统性风险，优化智能风控系统。要重视数据安全、网络攻击，以及其他输入性的风险。防止风险快速传播产生累积和放大的效应，建立风险防控的体系保障金融安全。需要注意的是银行支持科创项目的核心指标设置，权重跟普通企业、大型企业甚至央企有巨大差异，但是，智能风控不能代替人工，他仍然是传统项目识别手段的补充。本身智能风控也存在系统初期未经实证的系统性风险。金融机构只有在控制好自身风险的前提下，不斷优化智能风控系统，科学决策，实现风险与效益的最佳匹配。

总之，智能风控强大的技术优势，给金融机构识别项目带来巨大便利，有利于银行等机构识别项目风险，优选投资，最终将发挥金融的作用，推动经济结构升级。

[课题项目：科技部《现代服务业创业平台研究》课题资助项目]

（作者单位：清华大学高端装备制造研究院，其中张晓晴系副院长）