导读
在特殊时期，考虑小微企业的成长潜力与创新能力，金融机构要更加积极行动、主动作为，应充分应用金融科技的前沿技术，精准识别客户，提供个性化服务和产品，建立智能风险控制体系，提升金融科技创新服务能力，全力帮助小微企业走出困境的同时，有效控制风险、获得预期回报，这是小微金融领域步入良性发展轨道的有效路径。
正文
新冠肺炎疫情期间，我国为应对外部冲击和经济下行，陆续出台了一系列政策稳定就业、帮扶企业。其中，商业银行对小微企业采取“不停贷、不断贷、不抽贷、到期还息不还本”等措施帮扶小微企业渡过难关，贷款规模有所增加。商业银行的新增贷款对市场前景好、富有潜力的小微企业起到了“输血”的作用，但也使本应退出市场的小微企业得以延续，从而诱发贷款违约的风险。
疫情下小微企业的融资困境
2020年以来，新冠疫情突如其来，在疫情的影响下，小微企业产业链普遍承压，生产经营受到严重影响，给社会经济运行带来严峻考验。疫情下小微企业融资呈现出新的特征。一方面，由于经营风险加大，一些小微企业现金流吃紧，在贷款时比往年更难符合传统金融机构的授信条件，亟须资金纾困，或者调整贷款还款安排；同时小微企业复工复产后展现出顽强的生命力，融资需求旺盛；另一方面，在疫情的冲击下，一些小微企业由于原本经营不善，被迫停业或歇业，也使商业银行存在不良贷款增加的潜在风险。如今我国实行疫情管控常态化，在找到彻底战胜疫情的方法之前，疫情可能还会反复，商业银行与实体经济共生共荣，小微企业出现融资困难，也会给商业银行的业务发展带来压力。
智能风险控制助力普惠金融
智能风控应用的必要性
2020年上半年我国经济遭受疫情冲击，金融部门积极响应党中央号召，主动回应人民群众关切，持续加大对小微企业支持力度，推动普惠金融事业取得长足进步，有力支持了经济社会稳定发展。截至6月末，全国银行业普惠型小微企业贷款余额13.7万亿元，同比增速28.4%，较各项贷款高15.3%。上半年新发放普惠型小微企业贷款平均利率5.94%，较2019年全年平均利率下降0.76%；不良普惠小微贷款余额0.4万亿元，较年初增长9.25%；不良率2.99%，较各项贷款不良率高0.88%。虽然目前的商业银行不良率水平已接近原来设定的容忍限度，但由于疫情影响，我国经济完全恢复正常仍需金融做出更大贡献，近期的金融风险成本上升，既是正常的也是必然的。从短期来看，当前疫情仍有较大不确定性，所带来的金融风险也存在一定时滞，全国商业银行小微企业贷款增加，预计有相当规模贷款的风险会延后暴露，有可能会导致商业银行不良率继续上升，进而冲减相关商业银行的贷款损失准备，最终削弱其盈利能力。从长期来看，以定性风险管理、评分卡、主观规则为主的商业银行传统风险管控模式在定量风险管理能力方面尚显薄弱，难以精确表达用户特征。因此，商业银行需要考虑小微企业发展中的诸多因素，设计与小微企业内在特征相匹配的风险评估体系，探索适合小微企业的风险评估路径，实现既能有效支持小微企业发展、又能有效管控贷款风险并实现盈利的目标。
智能风控是金融科技在风险控制领域的尝试，是将大数据、区块链、云计算等技术应用到银行等金融机构的风险控制业务中，希望通过新技术降低风险控制成本，提升风险管理效率。疫情要求商业银行有更鲜明的风险管理，这从另一个侧面推动了金融行业的数字化，智能风控为商业银行的风险管理提供了新的机遇：第一，丰富了商业银行的风险数据源，拓宽了数据维度，提升了数据准确性和客户甄别度；第二，改善了商业银行原有风险管理方法，“大数据 + 云计算”技术为商业银行风险评估体系带来了优化和升级，实现了数据治理、分类、共享和整合，打破了传统商业银行信息孤立的现状，通过联通信息平台前后环节和简洁规范的风险管理流程，提升了管理效率，缓解了信息不对称问题，提升了风险模型精准度。金融科技的广泛应用扩大了各类金融机构服务的范围，正逐步实现精准把控信用风险。商业银行可以采用数据挖掘技术，利用智能风控体系全方位多维度收集小微企业的相关数据，实现风险动态监控，获得更精确的风险评估，覆盖传统风控模式所服务不了的小微企业和个人客户，为有效服务小微企业开拓新的路径。
探索商业银行提供小微企业融资的智能风控路径
商业银行应充分运用互联网大数据、云计算、区块链技术精准地收集到小微企业的信息，建立大数据分析平台，构建智能风险管理模式。商业银行在贷款审批过程中，通过切实有效的外部增信减轻对小微企业强抵押的依赖，优化风险授权支持体系，提升贷款审批效率和效果。在全国层面，银保监会与税务、市场监管部门联合开展“银税互动”“银商合作”，引导商业银行整合小微企业经营、信用、纳税、工商年检、行政处罚等各方面数据，以及其融资、社交等行为数据，推动商业银行对接海关总署等部门的全国信用信息平台，实现对小微企业数据的处理和分析，提高商业银行获客和风险管理的效率。在地方层面，地方政府加快建设区域性的小微企业信用信息共享金融服务平台，应用区块链技术创新平台化服务，配合推广地方性综合金融服务平台，引导商业银行接入平台发布金融产品，实现商业银行系统与平台数据对接，对接小微企业融资需求，着力解决信息不对称、机制不灵活问题，有效降低风险成本，降低虚假的交易和重复融资的风险。同时，商业银行可通过大数据分析平台对小微企业进行分类和高效排序，以多维度分析小微企业的信用状况，从小微企业信贷业务的实际需要出发，利用数字征信系统挖掘信贷所需关键信息，实施大数据的风险管理建模，在建模基础上实现机器学习，建立小微企业创新能力、发展潜力等指标体系，并将其输入模型，以对风险管理模型进行训练和优化。机器学习能够实时采集新发生的数据输入模型，集成各类算法，进行条件训练，不断动态调整模型参数，促进模型自我进化和完善，提高模型结果的准确性和智能化程度，通过进一步提高模型计算结果的准确性，推动智能风险管理模型的发展，实现商业银行对小微企业的精准信用评级。
商业银行可应用大数据风控平台，开展贷前、贷中、贷后智能风险管理，增强贷款风险防控的精准性和有效性。第一方面，商业银行贷前通过深入应用知识图谱，对企业进行风险画像，利用小微企业的多维度信息展现其关联关系，充分识别和展现小微企业内部股权结构、外部担保关系，精准及时发现潜在风险，形成小微企业全景视图，研发线上全流程操作，加强线上审批，从而提高对小微企业的综合风险评估质量。第二方面，商业银行贷中根据应用场景，对接业务模式和流程化设计，利用区块链技术创建小微企业应收款链平台，主要围绕小微企业资产负债表中资产部分，将小微企业订单、应收账款、存货、固定资产等债权和物权转化为电子金融工具，通过转让金融工具进行融资、采购与支付，盘活小微企业沉淀资源，减少对外融资，降低小微企业负债率与融资成本，缓解融资难融资贵问题。同时，控制交易限额，通过小微企业上下游资金的交易规模控制贷款总额。第三方面，商业银行贷后应通过大数据分析平台进行信息收集、整理，通过规则匹配、模式识别，建立小微企业贷后风险监测模型，以企业生产经营动态监测为重点，构建起以客观数据为基础的风险管理辅助手段，对小微企业的经营特征进行全面风险筛查，分析判断小微企业的潜在风险并进行风险预警，捕捉小微企业经营风险的变化，降低银行信贷资金可能出现的损失。同时，商业银行还可以依托大数据的流计算技术建立实时的风险识别和监测系统，搭建智能化风险监控预警平台与信息共享平台，加强过程管控，动态反映企业生产经营情况，对小微企业的信贷风险进行实时监测和前瞻性分析，进一步有效识别风险。
优化商业银行智能风控路径的建议
数据质量决定风控成败。由于信息相对匮乏，小额信贷客户是商业银行的长尾客户，贷款金额小且分散。商业银行从第三方平台获取数据的导流质量成为贷款风险把控的第一道屏障，开展贷款业务时可以借助第三方合作平台进行数据导流，获取中国人民银行征信报告以外的客户信用数据。当然，银行通过第三方平台获取数据时，应在合规的前提下，在技术上确保信息不外泄，前端设备无法被恶意攻击和破解，尽可能从合作平台获取风控模型准入所需的重要客户信息。
反欺诈是风控模型的重要环节。反欺诈是甄别风险的重要一环。目前智能风控系统仍需与传统人工风险管理环节相结合，如果滥用大数据，则有可能导致客户隐私泄露。商业银行应与专业反欺诈服务商进行技术合作，兼顾客户操作体验，引入“区块链+供应链”的金融服务新模式。区块链因其具有信息准确、可追溯、实时更新等特征，可以深度融入小微金融服务中的信用评级、电子合同存证、资金追溯，以降低欺诈风险。商业银行基于真实交易背景，可对供应链上的企业创设付款承诺，成为不可篡改的链上数字信用资产，作为其融资申请的依据。商业银行在过程中要确保客户本人按照真实意愿进行申请，通过在申请流程中嵌入人脸识别、地理定位等反欺诈技术手段，侦测拦截黑客通过模拟真人手机操作、盗取身份证号及手机号等欺诈攻击。
商业银行应规划建立大数据分析管理团队。金融科技模式的发展虽然侧重于技术应用，其金融风险有可能更隐蔽且难以发现。这种本身具有的传统风险以及新兴技术带来的潜在风险需要监管部门高度警惕。现有金融监管体系尚未全面覆盖金融科技发展领域，资金流信息在商业银行间很难共享，非结构化数据处理仍存在难点，数据统计与监管也有可能出现较大偏差,从而影响银行的风险识别。目前风控仍需要人来实施，商业银行传统风险管理的特征是划分业务部门、风险管理部门和审计部门三道防线各司其职，发挥不同的风险管理职能。大数据智能风控对风险管理治理架构提出了新的要求，商业银行需要经过一系列的数据管理平台和数据加工技术进行组织架构设计，这就有必要在业务部门、风险管理部门和信息科技部门补充大数据专业人才，专设大数据风控岗位，建立跨部门的风险控制与数据分析团队。该团队通过大数据分析进行客户群体细分和风险画像分析，识别不同客户群体的潜在风险，量化银行实际承担的风险。同时，大数据风控对银行风险管理部门提出更高的要求，风险控制需贯穿贷前客户画像、贷中授信核查，贷后监控催收的整个流程。大数据管理则将涵盖前中后台各部门，商业银行需要从全行大数据风险分析需求出发，打破部门信息传递的障碍，设计适合大数据风控的组织架构。
在疫情特殊关键时期，商业银行一方面要做好短期不良贷款较大反弹的准备，通过实施数字化服务战略与智能风险控制，持续推进科技应用创新和商业模式创新，提高风险抵御能力；另一方面商业银行应继续落实中央决策部署和监管要求，充分发挥战略优势，进一步完善支持小微企业的政策、产品、服务体系，让金融更好服务实体经济，为经济发展积蓄基本力量，扎实做好“六稳”工作，全面落实“六保”任务，为加快形成以国内大循环为主体、国内国际双循环相互促进的新发展格局贡献力量。
（孙博宏单位为美国克拉克大学，李全为中国财政科学研究院博士生导师、亚洲开发银行中方专家）
上一篇：客群动态分层与科技赋能养老金融创新（上）
下一篇：北京银行：党建强 全局强
