智庫中國 > 

黃益平:以大科技風控解綁貸款抵押 減震宏觀經濟

來源:《財經》 | 作者:黃益平 | 時間:2020-10-16 | 責編:申罡

通過研究比較可以得出結論,在中小微企業貸款中,大科技風控比傳統銀行風控更可靠。


近日,北京大學數字金融研究中心分別與BIS(國際清算銀行)、IMF(國際貨幣基金組織)聯合發佈了大科技信貸相關研究論文,一經發布引發國內外關注、討論熱潮。


北京大學國家發展研究院副院長黃益平認為,作為金融數據風控的一部分,大科技信貸是指大型科技公司利用大的科技生態系統和數據風控模型,為中小微企業或個體工商户提供信貸服務,以及創新的信用風險管理框架。


相比於傳統的銀行信貸風控,大科技信貸突破的是在沒有央行徵信數據的情況下(目前絕大部分人沒有央行徵信數據),通過對大科技平台的數據足跡進行分析,同樣可以得出可靠的信用評估,甚至結果會更好一些。


在上述研究論文中,通過比較樣本發現,大科技信貸與規模小、信用歷史短的中小微企業的適配度更高。為此,黃益平認為,大科技信貸可能為普惠金融找到一條可行的路徑。


那麼,大科技信貸背後的風控邏輯有何創新,大科技信貸觸碰了傳統金融的哪些機制?以及大科技信貸能否應對經濟週期的變化?針對上述疑問,《財經》記者獨家專訪了黃益平,以求對大數據風控模型有更為深入的理解。


黃益平向《財經》記者表示,在大科技信貸的背景下,部分信貸決策和房價之間的綁定關係能夠解脱出來,一定意義上取消了伯南克所説的金融加速器的機制。從這一角度來看,金融體系的穩定性得到提高,但與此同時,信貸政策對現金流的反應就變得更大一些。


實時變量的多數據風控模型


《財經》:在具體的業務中,相比於傳統的銀行信貸風控,大科技信貸在具體的風控模型中表現出了怎樣的獨特優勢和價值?


黃益平:總體來講,傳統銀行使用財務數據抵押資產的方式進行貸款,此外還有一種“關係型貸款”,意思是銀行根據企業家的人品、社會地位以及社會關係進行貸款。那麼,線上貸款可參考的信息數據更多,不過並非對這些數據直接參考,而是進行相應地處理。


在具體的信貸風控中,我們的研究論文對數據和模型兩個不同的風控要素進行了比較,銀行傳統風控數據主要包括企業的業務狀況、財務狀況,以及企業主的性別、年齡、教育;傳統的打分模型則是對上述數據變量進行打分加總。這種評定標準存在兩個弊端,一是其對數據要求比較高,通常只適用於具有一定規模的成熟企業;二是財務數據大部分來自企業的財務報表,財務報表起碼是一季度發佈一次,因此財務數據具有一定的滯後性。


大數據風控模型的數據是來自大科技平台實時監測的線上數據,這些數據在一定程度上可以認為是行為變量,這些變量由商業、金融、社交、娛樂等多方面行為數字足跡組成。透過這些變量信息,信貸機構可以全方位地觀察借款人的行為與交易,從而間接判斷借款人的財務狀況、經濟活動、社會及網絡地位與行為特徵。


相較於傳統風控模式,大數據風控數據更具多元性和實時性,在一定程度上更有利於信貸機構作出及時有效的風險評估,同時還利於信貸機構實時監測借款人的狀況,及時對風險因素做出反應。


此外,在傳統的打分卡模型中,每一個變量都是獨立的,即使進行了彙總,也只能得出“1+1=2”的效果,而機器學習模型更加擅長於處理數量龐大的數據,更能夠抓住一些複雜的非線性關係以及解釋變量之間的交互作用,達到“1+1>2”的效果。


《財經》:小微企業貸款難、貸款貴一直是存在已久的問題,在你看來,傳統信貸風控對上述問題構成怎樣的關係?


黃益平:傳統信貸風控模型與小微企業貸款難有直接關係,因為在這種風控模型下,數據要素收集工作量大、成本高,銀行無利可圖。


而大數據風控優勢體現在兩個方面:第一,與傳統信貸看重滯後的財務數據不同,大數據風控的數據具有實時性,基本反映企業當前的狀況;大數據大多反映行為變量,相比於財務數據的可變性,行為變量具有更高的穩定性。我們通過比較得出一個結論,大科技風控比傳統銀行風控更可靠。


需要補充一點,大科技信貸突破的是在沒有央行徵信數據的情況下(目前絕大部分人沒有央行徵信數據),通過對大科技平台的數據足跡進行分析,同樣能得出可靠的信用評估,甚至結果會更好一些。通過比較樣本發現,大科技信貸與規模小,信用歷史短的中小微企業的適配度更高。


解綁貸款抵押,減震宏觀經濟


《財經》:從你們的研究來看,大科技信貸會更多地關注行為變量和實時數據,但是,在另一方面會不會導致新的不穩定機制?


黃益平:我們還沒有深入研究,所以我們並不能絕對地説大科技信貸的風控比傳統銀行的風控好,我們在下結論的時候還是要保守一些。


在大科技信貸下,潛在的風險可能還會很多,只是目前我們還沒有發現而已。目前來看,線上的風控本身就對監管提出了很多新的要求,包括規範數據、維持市場共性競爭等等。客觀而保守來看,我認為大科技信貸可能為普惠金融發展找到了一條可行的路徑。


《財經》:如果將來金融週期和金融市場環境發生了變化,大科技信貸這一套風控的做法還會有效嗎?對此是否做過評估?


黃益平:這應該也是監管部門現在普遍關注和顧慮的問題,在文章裏面我們有嘗試回答這個問題,但是我們還需要進一步地研究分析來確認。即使金融週期發生改變,這種大數據風控模型相對於傳統模型的相對優勢應該還是會保持,會保持的原因就在於我剛才説的數據優勢和模型優勢。在IMF的文章裏面,我們通過對2017年理財產品整治政策的影響來分析驗證大數據風控模型的優勢,我們發現大數據風控模型相較於傳統模型的優勢,不但沒有縮小,反而還被放大了。


《財經》:伯南克(前美聯儲主席)曾提出金融加速器機制,指出抵押貸款可能導致經濟主體當中的微小波動被放大,從而成為影響較大的事件,大科技信貸對這種機制構成怎樣的影響?


黃益平:目前我國很多貸款都是住房抵押貸款,因此信貸政策和房價的彈性係數非常高,在金融加速器機制下,當經濟遭受負面衝擊時,房價、信貸與經濟很容易形成惡性循環。


所以,抵押貸款可能會內生很多金融不穩定的機制,我們在發表論文之前就曾做過彈性係數研究,研究發現傳統銀行質押貸款與房價的彈性係數非常高,大數據風控系統主要依據數據統計進行風險管理,在一定程度上減弱了企業對抵押品的依賴,進而減弱金融加速器機制。大數據風控的特點是用大數據分析替代傳統抵押,優勢在於信息更全、模型更好。


我們的研究結果顯示,在大科技信貸的背景下,部分信貸決策和房價之間的綁定關係能夠解脱出來,這兩者之間的聯繫變得沒有那麼直接與明顯,一定意義上取消了伯南克所説的金融加速器的機制。從這一角度來看,金融體系的穩定性得到提高,但與此同時,信貸政策對現金流的反應就變得更大一些。


大科技信貸是我們數字金融研究的一個板塊,從規模來看,中國目前是大科技信貸規模最大的國家,尤其在疫情中顯現特別明顯,即便銀行網點關門,但是銀行依然還在做信貸業務,這類信貸業務的特徵就是完全通過線上信息開展。


因此一定程度上來説,大數據風控其實是起到了一個穩定器的作用。


中國是大科技信貸規模最大的國家


《財經》:根據你們的研究,大科技信貸的起源是怎樣的?


黃益平:大科技信貸的金融業務模式首創於中國。2009年,阿里巴巴組建團隊開發阿里小貸業務,並於 2010年6月發放第一筆貸款,這筆貸款就是中國科技信貸的開始。


當時,阿里小貸的原理和現在科技信貸的原理如出一轍,即依託平台所擁有的數據和數據挖掘算法對企業和個人信用進行評價,然後授權貸款,當時阿里小貸依託阿里巴巴電子商務平台,將客户在大科技生態系統裏的相關數據影射為企業和個人信用評價,向無法在傳統金融渠道獲得貸款的弱勢羣體批量發放“金額小、期限短、隨借隨還”的小額貸款。


雖然大科技信貸的業務模式已經在許多國家落地,但是,那些大型科技公司開展信貸業務的時間都要比中國晚一些,所以,中國是該業務模式(大科技信貸)起源最早且目前規模最大的國家。


《財經》:對比傳統貸款模式,大科技信貸對現階段的中國金融體系最大的價值和意義是什麼?


黃益平:目前,發展普惠金融仍然是各國政府普遍面臨的挑戰,普惠金融工作中最難的挑戰就是解決小微企業“融資難”的問題。即便在金融服務業十分發達的英國,也只有大約50%的中小企業能夠獲得銀行貸款,在中國,這個比例只有20%左右。


造成這個問題的原因在於我國金融體系的體徵,一個是政府幹預比較多;二是以銀行為主的金融體系結構。儘管在過去十幾年裏,我國政府一直採取措施來改善中小企業“融資難”的問題,例如鼓勵商業銀行設立普惠金融業務部、定向為中小銀行提供流動性支持以及行政性地要求銀行提高中小企業貸款佔比,但總體看來,我國中小微企業“融資難”的局面並沒有得到根本性的改變。


我們研究發現,通過對大科技平台數字足跡進行分析,能夠對企業做出相對可靠的信用評估,這一特點與中小微企業貸款的適配度很高,有利於普惠金融的實現,對其他國家也具有借鑑意義。


發表評論