大数据视域下的中小微企业信贷风险评估

孔换换 河南济源农村商业银行股份有限公司

近年来，我国中小微企业的金融服务需求持续增加，但由于其自身条件有限，对资金和资本的需求难以在银行传统信贷业务中得到满足。为了缓解中小微企业融资难问题，近年来商业银行纷纷将目光转向大数据风控技术。但在实际操作过程中，大数据技术面临着诸多挑战：对企业信贷风险认识不够充分、对大数据系统建设不熟悉、数据处理能力较弱且没有形成可复用模型等。所以，本文对大数据视域下的中小微企业信贷风险评估研究，具有重要的现实意义。

一、研究背景

近年来，随着我国经济的快速发展，实体经济与互联网金融结合越来越紧密，金融科技的运用成了未来金融行业的趋势。大数据风控是以海量数据为基础，通过数据挖掘技术和机器学习算法识别客户信用风险和欺诈风险，从而建立起有效的信用风险评估模型。大数据风控是传统风控体系的延伸，它融合了大数据、人工智能等多种先进技术与理念。大数据风控通过从数据中提取有价值信息来判断客户信用状况以降低信贷风险，并对客户做出相应的业务决策。近年来，我国银行利用大数据风控体系识别并降低了中小企业融资难问题。然而在实际应用过程中，大数据技术面临着诸多挑战。大数据本身是一种高价值数据资源，在信息识别和数据分析方面具有独特优势。大数据应用需要从多个维度进行挖掘，而非仅仅关注单一指标、单一客户等。

其中Houdar 等（2017）基于数据挖掘的信贷风险评估方法能提高企业资信等级；Smith 等（2015）以信贷风险评估为切入点，提出了新的信贷风险评估方法；Jiang，Lu（2018）运用机器学习算法对中国中小企业信用评级数据进行挖掘，得出了中小企业信用评级的最佳参数组合；Jiang 等（2016）基于机器学习算法的中小企业信用风险特征提取方法；刘伟（2016）利用因子分析法构建了包含违约可能性、还款能力和经营能力三个维度的评估模型，并对模型进行精度检验验证；刘伟等（2017）提出了大数据环境下中小企业信用风险评价指标体系，该体系包括三大类指标，分别是违约概率、还款能力和经营能力。

二、信贷风险评估理论

从信贷风险理论上讲，评估主体应该具有较强的专业知识和较高的决策能力，而这些都与信息技术有关。根据已有研究成果，银行信贷风险评价指标体系主要有以下几种：银行的信贷业务流程是：客户经理在了解客户情况后，提出初步贷款申请；客户经理通过尽职调查、对现有资料进行分析判断，决定是否发放贷款并提供给借款人资金需求者；借款人提出融资申请；贷款人根据审批结果和风险偏好、还款能力等情况决定是否给予融资或采取其他方式进行融资。银行信贷风险主要是由以下几个方面造成的：客户经理对贷款的了解程度、贷前审查以及贷款发放过程中对信息的掌握和分析能力。银行信贷风险评估指标体系主要包括三大类指标：一是信息指标；二是结构指标；三是控制性指标（如违约率）和预测型等（如不良率）。银行对信息技术了解不深而将信息转化为结构指标进行评价所导致的主要后果有：一是信息质量差，影响决策；二是不准确、不真实地反映客户状况。在这种情况下银行为降低信贷风险，需要借助第三方机构来提高信贷风险评价水平。如银行将信贷客户分类管理后，可通过第三方机构来实现贷前、贷中以及贷后全流程动态、实时监督。对于银行而言，其贷款额度越大则对信息要求越高。因此需要有更多更高质量的第三方机构来提高评价结果的可靠性。针对以上三种指标的评价体系，商业银行通常采用以下三种方式：一是对各类指标进行量化；二是通过建模手段，在模型中加入一些参数或变量；最后由经验丰富的专业人员对评估结果进行评价和预测或解释。

三、信贷大数据技术发展现状

大数据是信息技术发展的新阶段，是一种能够从海量数据中提取有价值信息的有效手段，在金融领域具有广阔的应用前景。大数据技术自20 世纪90 年代以来获得了迅猛发展，其特点是数据规模大、种类多、变化快及价值密度低。大数据应用技术在金融领域主要包括数据挖掘能力和数据整合能力。数据挖掘，也称数据处理，能够对海量的数据进行分析和挖掘并将其转换为有用的信息以供决策参考。数据整合能力，指对收集到的大数据进行有效归类加工并通过数据挖掘分析将其转化为有价值信息再重新处理以供决策参考。大数据化管理与应用主要有：建立统一数据标准，推进政务数据共享；建立信息安全机制，保障信息安全；建立风险预警模型，防范信用风险；建立信用信息共享平台，有效整合信息资源；搭建智能决策支持系统等五个方面。

四、大数据视域下的中小微企业信贷风险评估的必要性

大数据在信用风险评估中的运用能够解决中小微企业信贷中存在的信息不对称、信息收集难、评估成本高等问题，是一个值得深入研究的课题。大数据技术能够有效提升对风险因素识别分析效率，帮助金融机构及时识别和管理中小微企业信贷中面临的信用风险，避免不合理的信用等级划分和等级评定给机构带来巨大浪费且增加管理成本。大数据技术能够有效提高金融机构对中小微企业信贷业务风险评估的精准度，提升金融机构对中小微企业信贷服务质量。同时，金融机构可以利用大数据信息平台获取到大量有效的数据资源，通过数据挖掘和分析形成对客户信用状况的全面评价。这些数据往往具有数量多、分布广、来源分散和价值密度低等特点，在一定程度上能够弥补传统征信业务中信用信息收集难、获取成本高等不足之处。相关工作人员将基于大数据平台进行对中小微企业信贷风险评估工作，为金融机构有效识别中小轻微信用风险提供新思路和建议。同时，本文也希望通过与大数据企业合作提升评价工作效率，降低评价成本。另外，针对目前商业银行中小微企业信贷风险管理水平有待提升这一现状。金融创新必须从提高客户服务能力出发，以提升客户体验为目标加强风险识别分析工作，同时要不断强化相关知识与技能培训。

五、中小微企业信贷风险评估方法分析

（一）传统小微企业的信贷风险评估方法

小微企业传统的信用评估分为：财务因素和非财务因素两类指标。财务相关的指标包括偿债能力、经营能力、盈利能力等，非财务相关的指标包括企业领导人素质、企业素质、政策环境、合作关系等。财务因素中的偿债能力体现了小微企业的抗风险能力，包括资产负债率、现金比率、主要资产、或有负债等；经营能力包括主营业务增长率、应收账款周转次数、纳税情况等；盈利能力包括净利润增长率、净资产收益率等。非财务因素中的企业负责人应当是实际控制人，小微企业负责人的素质决定了小微企业的经营能力，包括企业负责人的个人品质、信用记录、从业年限、学历、健康状况等；企业的素质：包括管理能力、管理团队、市场竞争力、企业成立年限、企业信用记录等；政策环境：对于小微企业也有很大的影响，包括行业集中度、行业政策、区域环境等；如果小微企业为仓储业，那么其生产经营场所、仓库面积利用率等因素对于信贷风险评估也有很大的影响[1]。

（二）大数据时代小微企业的信贷风险评估方法分析

信息通信技术改变了人们工作和生活的方式，提高了社会效率和生活的便利性，小微企业的采购、销售等生产经营活动被记录下来。小微企业的行为痕迹对于小微企业的信贷风险评估具有非常重要的作用。由于小微企业具有数量多、融资频率高、融资需求额度小的特点，更适合通过借助系统快速实现对小微企业的信贷风险评估。要完成快速的信贷风险评估和放贷，金融企业势必要承担比传统信贷风险评估方式更高的经营风险。金融机构工作难点在于金融风险的管理，而利率就是基于风险大小确定的，贷款预期风险越高，放贷利率越高，贷款预期风险越低，则放贷利率越低。统计学的大数定律理论说明：当试验次数足够多时，事件出现的频率无穷接近于该事件发生的概率，这是偶然现象背后存在的必要规律。根据大数定律理论，可以预见小微企业的平均贷款风险趋于逾期贷款风险，因此可以利用小微企业的总体逾期贷款损失率来代替每一笔小微企业贷款预期损失率，这样可以降低利率计算的难度，提升对小微企业的放贷效率，金融机构可以争取到更多的小微企业客户。与小微企业相对应的是小额贷款。小额贷款具有期限短、额度小、随借随还的特点，因此更需要金融机构快速做出贷款决策。放贷可以分为贷前、贷中和贷后三个阶段，要完成对小微企业的放贷，就需要快速完成对小微企业的信用评估，确定授信额度，并且通过对放贷后小微企业的生产经营行为进行实时监控和风险预警，尽早发现和规避风险，对于确认为具有金融欺诈行为的企业，应当采取严厉的惩罚措施。在贷前阶段，主要任务是完成客户的初步授信工作。小微企业在电子商务平台上积累的交易记录是确定授信额度的主要参考内容，交易记录中具有小微企业的采购、物流、库存以及销售数据，可以反映小微企业的生产经营能力和财务能力。B2C 模式中客户对于企业产品和服务的评价、B2B 模式中供应商和合作伙伴对于小微企业的评级，也是信用评估的重要数据来源。

此外，还可以从金融管理机构获取小微企业的信用记录。在贷中阶段，主要完成对小微企业的审查工作，审查目标是确定小微企业经营者的诚信度。由于小微企业数量众多，可以采用分析远程视频采访录像的方法，测试小微企业经营者贷款意图是否存在撒谎行为。在贷后阶段，主要目标是降低小微企业的本金和利息偿还风险。企业可以通过监控小微企业资金运用情况，掌握小微企业的贷款是否按照事先的计划从事生产经营活动。比如是否将贷款用于广告投放并因广告投放而增加了交易数、是否将资金用于采购销售品等。如果发现小微企业贷款后并没有出现采购、营销等行为，并且销售量也没有因新的资金注入而发生变化，那么就需要进行风险提醒和预警。对于未按合同约定逾期还款的，则需要按约定支付罚息，对于逾期一定期限未还款的，则需要将该小微企业放入黑名单并进行全网通缉，进行更加严厉的制裁，让该小微企业为不诚信行为付出很高的代价。阿里巴巴是互联网企业为小微企业提供小额贷款服务的典范，可以为处于弱势地位的小微企业提供传统金融渠道无法提供的小额贷款服务。阿里巴巴具有像淘宝和天猫这样面向大众的B2C 电子商务平台，有面向供应商和批发商的B2B 电子商务平台1688等，这些电子商务平台中记录的市场推广、交易、评价等数据成为对小微企业授信的“信息流”维度数据源；支付宝可以记录小微企业的现金流，成为“资金流”维度的数据源；“菜鸟网络”等物流平台上记录了小微企业的采购、库存等数据，成为“物流”维度的数据源。

（三）信贷风险评估定量与定性分析的方法

企业的财政与经济发展体系是建立信用评价的基本手段和模式，而这一环节在信用评价中是必不可少的。从信用评价的发展历程来看，由于受客观条件的制约，我国在信贷风险评价的初期多采用定性的方法，目前主要采用定量的方法。

第一，专业评分。专家评分法是一种具有代表性的定性评价方法，也被称作因素分析法。主要顺序为评价分级，之后为专家评分，然后进行加权分析，能够通过计算得到的评价结果。根据分析的因素和视角，将其划分为5 种类型，最具代表性的是5C 法，它是以借款人的经营环境、抵押资产、借款人的质量、资本、经营能力等5 个因素来衡量借款人的信用风险。

第二，综合财务比率分析方法。财务比率综合分析法是通过对企业的财务资料进行分析，把企业按不同的层次进行分类，反映企业的资金结构等。在金融比率综合分析方法诞生之时，商业银行的主要财务指标是：经营状况、偿债能力、创新能力；同时，企业融资渠道、资本结构也是影响企业发展的主要因素，因此，本文对企业的财务状况进行了全面的评估。

财务比率分析方法在企业信用风险分析中起到了积极作用。财务比率分析方法的优势在于它的数据直观、操作简便，但它的缺点在于它无法完全地反映企业的非财务状况，只能反映企业的负债情况，比如企业的负债情况，而企业的经营状况、企业的经营状况等定性指标，都与企业的信用风险有着密切的联系，因此，财务比率分析法无法全面的评价企业的风险。

第三，人工智能的模式。随着计算机技术的不断发展和普及，越来越多的工业企业对人工智能技术进行了深入的研究，以专家系统、决策树等为代表的智能模型具有一定的代表性。目前，最常用的两种方法就是神经网络和模糊数学。在具体的应用中，将神经网络模型划分为四个阶段：其一，对规则等级进行统一；其二，是对标准指标进行多次测量，以保证所获得的数据在一个合理的区间；其三，对模型的稳定性进行检测，得到一个带有权值的网络模型；其四，依据网络模型来确定企业的信用级别[2]。

六、结论

综上所述，本文基于大数据视域下的中小企业信贷风险评估模型，以风险管理为核心，对中小企业信用数据进行分析，建立风险评估模型，并对模型进行优化。另外，在制定小微企业信贷战略时，应充分考虑其自身的能力与信誉，完善其信用评级制度，与征信部门共同整合各部门的内部信息，实现信息共享，严控贷款准入门槛，确保借款企业具有相符合的贷款资质，以规避风险，保障银行最大的收益期望值。