小微企业信贷智能风控系统的构建思路

2024-01-10向娟杨茜云

中小企业管理与科技 2023年21期

向娟，杨茜云

（湖南涉外经济学院商学院，长沙 410205）

1 引言

小微企业是我国的经济重要组成部分，其发展极大程度上影响了经济复苏和居民收入增长。近年来，新冠疫情对小微企业的生存环境带来极大的影响，资金短缺是大部分小微企业难以持续经营的重要原因。然而，由于小微企业的特殊性，包括经营规模小、信息不对称、抵押品少等因素，其融资难、融资成本高的问题尤为突出。随着计算机技术的发展，用大数据对客户信息进行采集、清洗、挖掘，运用人工智能技术进行自动分析和决策，这些问题有了解决的途径和方向。

随着互联网金融、大数据和人工智能等技术的迅猛发展，AI 智能风控技术为解决小微企业融资难题提供了新的机遇。AI 智能风控可以利用大数据、机器学习、模型预测等技术手段，对小微企业信贷进行精准的风险评估和信贷决策，提高贷款的准入率和融资效率。然而，小微企业信贷与AI 智能风控领域仍存在一系列挑战。小微企业的多样性、抗风险能力差、管理制度不完善和欠规范等问题，使得AI 智能风控系统在小微企业信贷的应用上存在不可忽视的问题。因而，结合农村特殊需求和AI 智能风控技术，提出具有创新性、可行性和社会价值的解决方案，为小微企业提供更便捷、高效的融资服务尤为重要。有效的小微企业信贷风控体系和创新的风控模型成为解决小微企业融资难问题并推动小微企业可持续发展的有效途径。

2 小微企业信贷存在的市场痛点

2.1 “想贷不敢贷，想借借不到”矛盾

国务院出台的扎实稳住经济一揽子政策措施指出加大普惠小微企业贷款支持力度，从资金支持比例、业务流程、产品创新、融资担保等方面均提出了具体的要求，效果显著。但仍然存在“想贷不敢贷，想借借不到”矛盾的主要原因有：第一，小微企业生产经营的可持续性较差。由于小微企业资产规模小，流动资金少，在当前宏观环境不太乐观的情况下，抗风险能力更差。另外，由于经营范围较窄，市场极易被挤占，由此导致小微企业持续经营能力较低。第二，小微企业的信用评级难度较大。小微企业大多缺乏规范的企业管理和财务制度，经营管理及财务数据不规范且不易获得，且数据的真实性、完整性存疑，因而导致小微企业信用评级存在较大难度，且成本较高。第三，小微企业的贷款管理成本较高。整体而言，小微企业的资金需求量较大，但是单个小微企业贷款规模较小，因而在贷款总额相同的情况下，小微企业贷款涉及的企业数量较多，且小微企业各自的情况差异较大，不管是贷前调查、贷中审查，还是贷后管理上，均需要付出更多的人力和精力，贷款管理成本远远大于大中型企业。

2.2 人工智能技术“双刃剑”

以大数据技术为依托，构建人工智能风控系统，金融机构由此获得丰富的数据了解客户的基本信息、财务和信用状况，降低了信息不对称性，减少了由人工审批带来的失误率，提高了业务经营效率，降低违约成本。但同时人工智能、大数据技术在风控系统中的运用尚在研究开发中，首先势必会增加金融机构的成本，同时系统中传输和存储着大量机密和敏感的数据，因此不可忽视系统运行的安全问题。第一，身份认证审批。开放互联网中若系统的登录方式过于简单，那盗用并假冒用户信息就极为容易，此时系统中双方身份的真实性会受到质疑。第二，数据保密识别。风控系统审批中数据是在开放的网络中传输的，若数据加密程度不高，则极易被不法分子获取，存在极大的泄密风险。第三，数据完整性识别。在开放网络中传输的重要数据，可能遭到不法分子的恶意篡改，数据的准确性、真实性、完整性得不到保障。第四，数据不可抵赖识别。在缺乏检测机制的情况下，贷款申请者及审批者皆可否认各自的操作内容及操作行为，甚至出现假冒他人进行申报或审批的行为。

3 小微企业信贷智能风控系统的理论框架

互联网金融时代，大多数小微企业信贷采用线上贷款的模式，金融服务方式的改变和服务效率的提升，要求每笔贷款的风险评估、授信等环节必须既快又准。由此，有必要构建小微企业信贷大数据智能风控系统，制定标准的评估体系和指标，实现风险管控的定量化，自动识别并评估风险，给出客观合理的贷款授信建议和方案。最后，再将风控模型与信贷业务贷前、贷中、贷后的全流程相结合，形成闭环化风险防范的信贷智能系统。同时，在整个过程中应采取有效措施保障系统及数据的安全，包括选择先进的决策引擎、成熟的流程引擎，在各个环节及端口部署系统安全技术和方案。

3.1 风控的高效准确性

第一，数据化--夯实风险管控的基础。风控系统数据化，则能获取丰富的客观数据，同时构建统一、科学、合理、明确的风控指标，风险判断结果则更为客观准确，这是智能风控系统构建的基础。第二，系统化--构建风险管控的载体。由于大数据和云计算技术的发展，智能风控系统的构建使得大量数据的实时运算能够实现。同时，在整个贷款期间，智能风控系统根据预先设定的预警条件，一旦触发就自动推送相关信息至信贷部门的有关业务人员，并给出客观的处理方案，降低信息接收不及时或者人工处理疏忽带来的不必要损失。第三，闭环化--优化风险管控的流程。小微企业信贷业务的各个环节的风控有紧密的联系，且前期的贷款准入环节的风控管理对贷中审批和贷后管理有极大的影响，因而，需要对各环节的风险控制措施和策略进行合理规划和设计，从而形成一套覆盖全部业务流程的完整风险管控体系。

3.2 系统的安全可靠性

第一，先进的决策引擎、成熟的流程引擎。智能风控系统基于成熟的展现中间件、工作流引擎、决策引擎构建而成，可利用流程引擎驱动、以决策引擎智能判断模式，建立自动、快速、高效的线上信贷决策平台。通过构建专业的小微企业智能风控系统，实现集中控制小微企业信贷业务全过程的信用风险和操作风险。第二，应用系统集成。智能风控系统从接受客户申请开始，依次经过贷款准入、申请反欺诈、申请评分卡、人工审核、授信审批、签约和放款等全过程。系统在流程之外设置了质检环节，规范操作员的业务操作，如电核岗、审批质检岗等。

4 小微企业智能风控系统流程设计和模型应用

小微企业信贷通常采用线上贷款模式，业务流程同样包括贷前调查、贷中审批、贷后监控3 个主要业务环节，每个环节以系统自动决策为主，辅助较少的人工干预。因此，在上述总体设计思路指导下，结合小微企业信贷特点，考虑风控的智能化、系统及其数据的安全性，小微企业信贷智能风控流程架构设计如图1 所示。

图1 小微企业信贷智能风控流程架构

4.1 贷前风控--风险准入模型

客户完成相关验证注册并登录贷款申请页面，签署有关授权书后，首先对客户进行贷款申请的风险准入筛查。风险准入模型包括评分决策和规则决策两大部分。评分决策是基于申请评分卡的评分结果，综合考虑实际业务需求设定评分等级；规则决策需总结当前产品政策规定、业务经验和必要的行业经验。由评分决策和规则决策综合得到最终的准入决策建议，如图2 所示，准入决策建议分为快速批准、建议通过、人工审核、审慎审核和快速拒绝，对应通过、转人工和不通过3 种结果。前两种决策建议的结果为通过，则可直接进入贷款审批环节；最后一种决策建议的结果为不通过，则贷款被拒绝；剩余两种的结果为转人工，则需要工作人员进行线下人工审核。

图2 风险准入模型应用示例

第一，评分决策。风险准入模型中评分决策的核心是根据设定的规则对客户的各类信息进行评分，以此来量化评价客户的综合风险，进而给出相应的准入筛查结果。小微企业信贷申请评分卡的风险指标可分为财务和非财务两方面，具体指标及权重设置可参考我国目前商业银行和资信评级机构评级体系以及国内外学者的相关研究。智能风控系统依据评分决策针对小微企业的实际情况进行打分，表1 中各单项指标的分值是1～10 的整数，各单项指标分值的加权分之和为企业的最终得分，所对应的评级等级如表1所示。第二，规则决策。规则决策是辅助手段，一般是根据历史的极端风险情况、产品政策、其他等难以在评分卡中充分体现出来的风险特征，则以规则的形式进行补充，小微企业信贷公司的风险准入规则决策的主要内容举例如表2 所示。

表1 小微企业信贷申请评分卡得分的评级等级对应表

表2 小微企业信贷公司的风险准入规则决策内容示例

4.2 贷中风控--风险审批模型

通过贷前风险准入模型的客户进入贷中环节，推送至自动审批模型，此时需要制定出具体的授信方案，如额度、利率、期限等，授信方案中的额度、利率等要素还需对风险评分卡的评分等级进行调整，主要包括额度策略和定价策略。第一，额度策略。贷款额度需要综合考虑申请评分、担保方式、行业发展前景、还款能力、经营及盈利情况等相关信息来决定，额度的一般计算方法如下：建议额度=min（申请额度，担保可贷额度，额度上限控制）。其中，担保可贷额度根据评分卡评分等级及担保方式进行调整，假定由政府机构、金融机构、担保公司及公用企业提供的保证为一类保证，由一般企业提供的保证或者其他保证为二类保证，无保证为三类保证，以抵押贷款为例，则可设定担保可贷额度评分调整系数如表3 所示。第二，定价策略。定价策略主要是基于评分卡所反映的信用风险，对定价进行差异化调整，需综合考虑较多因素。在实际运用中，基于申请评分卡所反映的信用风险及信贷产品类型对贷款利率进行调整，最终小微企业信贷的贷款利率等于银行执行利率乘以定价评分调整系数。以目前全国正大力推动的政府性融资担保为例，定价评分调整系数如表4 所示。

表3 抵押可贷额度评分调整系数

表4 政府性融资担保贷款定价评分调整系数

4.3 贷后风控--风险预警模型

贷款审批通过放款后，进入贷后管理环节，此时风险预警模型开始工作，进行持续风险监控，直至贷款结清为止。贷后预警模型同样包括评分决策和规则决策，贷后环节的评分卡称为行为评分卡，与申请评分卡最大的差别就是引入了序列的概念，考虑不同时间段里借款人的统计特征，如过去一个月、一个季度、半年内借款人的款项支出、还款比例、额度利用率的均值、标准差、最大最小值、总和等统计量，结合评分决策和规则决策的综合结果，最后模型给出的建议包括不预警和多级不同的预警提示，贷后预警模型的应用流程如图3 所示。