|
出品：信贷风险管理 作者：寇乃天 信贷技术是商业银行开展信贷实践，做出信贷决策的信息筛选、信贷流程、信贷文化和风险管控的有机组合，分为基于“硬信息”的交易型信贷技术和基于“软信息”的关系型信贷技术两大类。其中，交易型信贷技术一般包括财务报表型、资产保证型、信用评分技术、固定资产抵押型、融资租赁、保理和商业信用等类型，而关系型信贷技术则至少包括关系型信贷和判断型信贷两种类型。一般来说，交易型信贷技术中的“信用评分”信贷技术是当前银行业开展中小企业信贷决策的一项重要技术支撑，在国际和国内银行业中小企业信贷实践中均取得了良好的效果，能够提高信贷审批的效率和中小企业贷款的可得性，具有重要的理论和现实意义。 信用评分信贷技术是商业银行运用现代数理统计模型和计算机系统对客户的信用情况进行分析、预测并作出信贷决策的新技术。根据信用评分原理图所示，该技术的基本原理是商业银行通过对目标客户的历史数据进行综合分析，进而选择与信用风险密切相关的若干变量建立模型，然后根据模型对借贷申请人的未来还款能力进行预测并作出信贷决策。 古典意义的“信用”可以追溯到5000年前的古巴比伦时代，但信用评分的历史却只有短短的半个多世纪的时间。对于近代意义的“信用”的关注，最早可以追溯到1801年英国布鲁林克成立的征信局。。1910年的摩利斯计划银行率先开始提供消费信贷。1916 年，一个名为Russell Sage的慈善机构制定出“小型贷款统一法”，提出了第一个针对消费贷款者的信贷框架。实际上，20世纪30年代开始，美国一些邮购公司开始使用数量化的评分系统克服信用分析人员在信用决策时的标准不一致问题。二战结束后不久,一些人开始将信贷决策的自动化与统计学中的分类技术相结合，以获取在信贷决策中利用统计模型的好处。20世纪50年代初，比尔·菲尔(Bill Fair)和伊尔·伊萨克(Earl Isaac)在旧金山成立了第一个咨询公司，它们的客户主要是财务公司、零售商和邮购公司。该公司研发出一系列的算法,用于对消费者进行个人信用评分，公司的主要业务是替授信机构和信用报告机构建立用于个人信用评分的数学模型。在成立的当年，该公司就以创始人的经验为基础，开发出第一个商业用途的个人信用评分模型，辅助放贷的金融机构做放贷决策。后来，世界上许多大型商业银行、征信机构、房地产贷款和担保机构都使用该公司的服务，委托其开发专用信用评分数学模型，现在全世界广泛使用的FICO评分就是该公司开发的。 信用评分（Credit Scoring）信贷技术自20世纪50年代首次运用于信用卡贷款领域的信贷申请评估后，商业银行又将该信贷技术应用于其他信贷产品，如汽车贷款、住房贷款等，到90年代中期该技术已经发展成为美国银行业评估并发放消费贷款的主流信贷技术。美联储1996年11月的调查表明，97%的银行应用信用评分技术发放信用卡贷款，20%的银行应用该信贷技术制定或调整信用卡贷款政策。由此可知，信用评分信贷技术在个人消费信贷领域应用程度很高。 美国的银行在小企业信贷实践中逐渐发现，对于10万美元以下的贷款，预测小企业贷款履约情况最重要的指标是企业所有者的信用，——银行可以借助类似处理消费信贷申请那样的评分系统来处理小企业信贷。信用评分技术在企业贷款领域的应用开始于1995年3月，美国一家著名的计算机软件设计商Fair Issac and Robert Morris Association（RMA）开发出了世界上第一个小企业信用评分服务（Small Business Scoring Service，SBSS）产品，标志着信用评分信贷技术在小企业贷款领域规范应用的开始。在此过程中，银行协会的每家成员银行提供约300个中小企业的信贷数据（100个好企业、100个差企业和100个由好变差的企业）、两位企业所有者的消费者信用局报告以及一份关于企业自身的商业信用报告。通过研究发现，对于10万美元以下的贷款而言，预测中小企业贷款履约情况最重要的指标是企业所有者的信用，而非企业本身业务经营情况，企业所有者的信用记录比企业净值或盈利性更具预测力，银行可以借助于类似处理消费者信贷申请那样的评分系统来处理中小企业信贷。 随后，美国一些大银行率先将信用评分信贷技术应用于小企业贷款业务中。例如，1995年，美国的Wells Fargo银行应用该信贷技术发放了1.01亿美元贷款，比1994年增加了61%。该技术还使得该银行能够在美国50个州发放小企业贷款，尽管该银行在其它州井没有分支机构。另外一个典型案例是，Hibernia Corporation是美国路易斯安那州一家资产规模为36 亿美元的银行，该银行凭借信用评分信贷技术迅速提升小企业贷款业绩，到1995年，该银行平均每月处理近1100笔申请，中小企业贷款总额超过了3亿美元，而且所有这些业务仅需4 名信贷工作人员办理。上述两家银行是美国许多大银行运用信用评分信贷技术的典型代表。在美国，还有一些银行则将中小企业信用评分技术视为对其他信贷分析技术的一种补充，以提高信贷决策的精确性。目前，美国多数大银行和社区银行都在小企业贷款业务中一定程度上应用了小企业信用评分信贷技术。据1998年1月美国亚特兰大联邦储备银行对美国200家银行控股公司开展的一次关于使用小企业信用评分的电话调查，99 家银行反馈了信息，其中62 家银行使用了此项技术。目前，美国有3家主要的信用服务公司为Equifax、Experian和TransUnion，主要的信用风险模型生产公司则为Fair Issac和First Data Corporation。 除美国外，小企业信用评分技术在日本、英国、法国、印度、墨西哥等国家也得到了广泛的应用。例如，在日本，八千代银行2000年12月开发并已投入使用的SOHO 模型，就是专门针对贷款额不超过300万日元的小企业和个体经营者而设计的信用评价模型。该模型共有10个模块，每个模块评价企业不同的侧面（如企业前景、流动性等），分别输出10项得分，通过10项得分的平均值和方差分布，将申请贷款企业的信用状态分为“白色”（风险较低）、“灰色”（风险一般）和“黑色”（风险较高）。CRD运营协议会在拥有近200万条企业信息的基础上开发了用于对企业信用进行初步评价的数学模型及软件，对企业的信用进行评分（0-100分）。 纵观全球银行业，Fair Issac的SBSS信用评分模型依然占据着小企业信贷业务的信用评分市场的最大份额。除此之外，美国的邓百氏（Dun & Bradstreet）、益百利(Experian)、欧洲的波盖耳公司（Burgel Wirtschafts Information GmbH & Co.）、亚洲的日本帝国征信公司（Teikoku Data Bank Ltd.）等征信服务公司也都提供中小企业的信用评价服务。世界著名的资信评级公司如穆迪（Moody's）、标准普尔（Standard & Poor's）和惠誉国际（Fitch）除了对国家风险和大企业信用进行评级以外，也对中小企业进行评分。 中小企业信用评分信贷技术是一项发展潜力巨大的金融创新技术。商业银行运用信用评分信贷技术，中小企业信贷流程将日益标准化，信贷经营的效率将得到明显提升。综合而言，如图所示，信用评分信贷技术的价值特征包括以下几方面： 小企业信用评分信贷技术的实施，有助于小企业从银行获得贷款。以美国为例，小企业信用评分的应用对贷款额在10 万美元以下的小企业贷款评估非常有效，大大提升了小企业的投放笔数，同时有助于银行增加远距离小企业的贷款数量。 信用评分信贷技术更加注重中小企业的实际控制人个人资信状况的调查评估，——从传统的关注企业本身，到揭开企业面纱，更加关注企业的实际控制人。实践中，中小企业贷款与消费者信贷有很多相似、甚至相通之处，例如笔数多、金额小、交易成本高，小企业的信贷价值与其所有者的信贷价值紧密相联。因此，从小企业主个人的信用历史，就可相当准确地预期小企业的未来的还款表现，——通过”企业主信用”评估，对企业产未来的信用状况产生一种可预期信赖。从某种意义上将，起源于消费信贷领域的信用评分信贷技术非常适用于小企业贷款，更加贴近小企业贷款业务的实际。 信用评分信贷技术有助于商业银行根据信用评分结果与风险程度大小，更精确地对中小企业开展贷款定价活动，并根据风险缓释情况做出差异化的信贷定价策略。商业银行在小企业贷款业务中运用信用评分信贷技术，可以根据信用分数结果合理预测出中小企业的违约概率。在此基础上，商业银行可以基于违约风险的大小，有针对性地对单笔小企业贷款进行差别化的定价，增强银行的业务竞争力，提升信贷经营的水平。 信用评分信贷技术可使银行更准确地判断客户的违约风险程度,有利于商业银行的风险计量和风险资产配置。信用评分信贷技术是商业银行依据大数原理，运用统计技术科学建立的模型体系，通过从大量数据中提炼出的预测信息和行为模式，能够较为精准地预测借款小企业的信用表现，有助于银行对小企业客户违约风险的掌握、计量和控制，有利于商业银行对中小企业信贷风险违约概率的合理化预判。 2003年1月1日，我国实施《中华人民共和国中小企业促进法》以后，相关部门、商业银行和信用评级企业加快推进中小企业信用评分工作，取得了长足的进步。一般来讲，中小企业信用评分按机构划分，可以分为三类，即中国人民银行的通用评分、商业银行的内部评分和信用评级公旬的专门评分。具体到银行业，商业银行信用评分信贷技术主要体现在对银行内部评分的运用上。我国商业银行在中小企业信用评分方面也取得较大的进展。按照巴塞尔协议的有关要求，商业银行多从风险管理的角度出发，根据各自的发展定位，相继开展基于统计分析的中小企业评分系统的研发。目前，我国运用信用评分信贷技术主要面临的问题包括以下几大类： 目前，我国信用环境和信用体系还不完善。中小企业信用数据质是决定信用评分成败的关键。数据质量一般存在两类问题：一是数据积累数不足；二是数据存在虚假、缺失现象。 非银行数据如司法、环保、社保、质检等企业相关数据的共享机制尚未真正形成，处于探索完善阶段。在信息不对称的情况下，中小企业的各类数据信息存在不真实、不完善等问题，全国性信用数据库尚未形成。信用环境和信用机制的不完善，给信用评分信贷技术的应用带来很大的困难。实践当中，信用评分信贷技术的模型建立需要采集的样本数据必须充分、真实、有效，包含正常和拖欠贷款的样本。经济的周期性特点，对于信息数据的采集也产生很大影响。例如，经济上行期和下行期中小企业的贷款违约率是不一样的。因此，信用评分采集的数据必须涵盖经济周期的不同阶段。另外，样本数据必须不断更新。信用评分的模型要经常进行测试，否则将会影响中小企业信贷决策的准确性。 当前我国银监机构缺乏专门针对中小微企业信贷的监管方法和实践，需要继续完善、丰富。《中华人民共和国中小企业促进法》、《国务院关于鼓励支持和引导个体私营等非公有制经济发展的若干惫见》、《国家发展改革委关于印发贯彻落实国务院关于鼓励支持和引导个体私营等非公有制经济发展的若干惫见重要举措分工方案的通知》等法规和政策文件中都提出国家推进中小企业信用制度建设，建立信用信息征集与评价体系，实现中小企业信用信息查询、交流和共享的社会化，但是这些法规制度基本上都是宏观性、原则性的, 缺乏可操作性。如果银行采用了信用评分信贷技术，则国家法规建设、监管部门也要做出相应的调整。从国外经验来看，部分银行存在过度依赖小企业信用评分方法的做法，直接根据信用评分给企业发放信用贷款，这样必将导致一定的信贷风险，如果成本节约不能补偿由此导致的损失，银行经营也会面临问题。 中小企业的信用评分信贷技术是金融学与管理学等多学科交叉的领域新型信贷技术，对信贷工作人员的专业化水平提出更高要求。从深层次上讲，信用评分信贷技术需要结合中小企业信用特点研究信用评分指标选择、评分的程序、评分模型以及指标体系和评分数据的处理等操作层面的问题。这要求中小企业评分的人才是一个具有多学科背景的复合性人才和创新性人才，需要商业银行注重专业化信贷人才队伍的储备和建设。 作为交易型信贷技术的一个细分，信用评分信贷技术向我国商业银行提供了一种量化中小企业信用风险的相对简单实用的方法，并广泛地应用到中小企业贷款市场中，接收来自市场的锤炼与提升。当前经济新形势下，信用评分信贷技术在我国中小企业信贷市场的运用，呈现出以下两方面发展趋势： 信用评分信贷技术与大数据信贷技术相互融合趋势显著，中小企业贷款效率和客户体验将得到显著改善。商业银行将通过金融科技的手段，做出更为精准的评分，减少与中小企业的“亲密接触”，甚至可以无人工、自动化、线上化的进行信贷决策，——商业银行结合大数据分析，通过计算机系统评估出来的得分测评中小企业的信贷风险，改变了传统的信贷经营模式。这与传统中小企业贷款中借款人与银行关系的重要性形成了鲜明对比。以往中小企业与银行之间存在较严重的信息不对称问题，为解决这一问题，中小企业不得不与银行进行长期、多渠道的关系交往以获得银行的认可。而信用评分信贷技术的应用减少了银行与企业之间的联系接触，使得银行甚至不需要和企业申请人见面就可发放贷款并进行监督。 信用评分信贷技术将凭借金融科技的优势，深入、稳健地推进，改变传统银行的信贷格局。在信用评分信贷技术的推动下，大型商业银行开始注重优质中小企业的信贷业务经营。一般来说，中小企业主要向小银行申请贷款，因为小银行多在企业所在地拥有分支机构，小银行可通过与中小企业业主、供货商、客户、当地社区等多渠道的联系交往获得有关中小企业的有关信息。一般来讲，大银行的中小企业贷款比例低于小银行。目前，信用评分信贷技术正在改变传统银行的信贷格局，大型商业银行开始积极进行创新，应用信用评分信贷技术提高中小企业贷款的市场份额，达到规模效应和社会效应的有机统一。 |
|
|
