文/施佳宏 中國人民大學

載于《中國銀行業》雜志2015年第9期

民生銀行發揮傳統銀行研究實力強、數據收集和數據分析能力強的優勢,將信息技術轉化為控制小微金融信貸風險的抓手,這將使風險控制手段從經驗控制、人工監測轉變為數據分析和自動化監測,而風險控制流程的重點也從前臺轉向了中后臺。

小微客戶群體具有數量龐大、分布面廣、經營期短、信用記錄不足、財務信息不規范等信用風險特征,違約成本低、道德風險高。與其他小微金融機構相比,商業銀行存在人工成本過高、沒有地域優勢、無法有效與企業互動等劣勢。面對以上困境,大銀行該如何發掘自身優勢、有效管理小微金融的信用風險?通過剖析民生銀行小微金融信用風險控制的案例,希望為業界提供有益借鑒。

民生銀行風險控制的三大基本原則

一是“大數法則”下的投資原則。“大數法則”是指當貸款資產池中樣本量足夠大,且單筆資產規模較小時,實際貸款損失趨向于預期貸款損失。“大數法則”的成立需要滿足三個條件:資產池的樣本量要大;單筆貸款金額要小,單筆貸款產生的風險對總體平均貸款風險不會產生顯著影響;資產組合的各項頭寸風險相關性較弱,以對沖非系統風險。

商貸通產品就是按照“大數法則”進行投資:業務部門按照總行和小微金融業務部的投資戰略,選擇可進入的行業、產業鏈、商業圈,進行小額、多筆投資,力圖將貸款違約率控制在違約概率范圍內。

二是“價格覆蓋風險”的定價原則。價格覆蓋風險的定價原則是指小微金融的利率價格,在覆蓋資金成本、運營成本以后,還能夠覆蓋大數定律解釋的預期風險損失。如果“大數法則”成立的條件存在,則貸款的特有風險得到有效對沖,資產組合的平均貸款損失趨向于預期貸款損失,因而可以用商貸通資產組合的總體預期損失率代替單筆貸款預期損失率,降低定價模型開發難度。

三是批量、小額的交易原則。批量交易原則對于民生銀行來說,一可以規避高人力成本劣勢,二可以按“大數法則”實現大規模、多筆數的貸款。批量原則體現在商貸通的“一圈一鏈”戰術上:民生銀行按照商圈產業鏈對小微客戶進行分層,從而減少了工作量、增加了客戶粘合度,但這種客戶整合或許會加大群體同質性、增加系統風險。而商貸通的小額交易原則用意頗深,其目的是通過降低戶均貸款余額,增加貸款筆數,實現投資組合池對沖風險,降低單筆貸款違約率。

三大層級的風險控制架構

民生銀行小微金融業務的風險控制由董事會風險管理委員會、小微金融部及各分行分工協作進行。從管理分工上可以劃分為戰略決策層、業務管理層和業務執行層三個層級。其小微貸款信用風險控制總體架構和流程如圖1所示。

首先是戰略決策層。銀行董事會風險管理委員會負責確定全行年度整體性業務導向、風險偏好和風險管理戰略,從整體上把握系統性風險,避免小微金融業務遭遇經濟周期、行業、區域問題帶來的大批量違約打擊。小微金融投資戰略的決策對于傳統銀行來說是至關重要的,而其雄厚的研究實力以及廣泛的信息渠道、強大的研究優勢正是區域性銀行及中小金融機構所不具備的。

其次是業務管理層。按照民生銀行組織結構,總行的小微金融部和下級分行都具有業務管理的職能。總行小微金融部的工作主要是根據總行制定的小微金融整體發展方向制定各行業、區域的具體發展策略。

第三是業務執行層。業務執行層是最終落實戰略、實現貸款發放的層級,其信用風險控制重在個案,風險控制部門負責向分行信貸部門提供風險量化工具的技術支持,各分支行在投資政策與風險量化數據的指導下,根據實際情況與工作經驗在一定范圍內執行具體操作。

民生銀行最初實行“兩級(總行、分行)管理、一級(支行)經營”,但是在實踐中發現這種管理方式還是“頭重腳輕”:總行權力過大,分行權力與總行有一定重疊,支行作為最下沉的組織作用發揮不夠。2013年,民生銀行根據小微金融2.0調整管理架構,按照“聚焦小微、打通兩翼、做強分行、做大支行”方針,縮小總行授權范圍,強化分行權力。總行權力從之前的批項目、批客戶改為批規劃,而將批項目、批客戶的權力下沉給分行。同時強調做大而非做強支行,這意味著民生銀行將以分行為核心,推行國外大型小微金融機構的“信貸工廠”模式——強調標準化、模塊化、批量化管理。分行成為“信貸工廠”的核心層,提供信貸產品規劃設計、營銷策劃、質量控制,支行作為執行層,側重于對客戶的落地提升和售后服務。

風險控制2.0 ——依托信息技術的信用風險控制體系

在民生銀行小微金融2.0轉型之后,個案層面的風險控制徹底由現場觀察、經驗判斷轉變成利用征信數據分析模型進行審批決策與貸后跟蹤。然而,想要實現模型評分的精確性,還必須解決數據獲取以及數據使用問題。

充分獲取數據信息是關鍵。從信息生成的角度,可將客戶信息分為靜態信息和動態信息兩種。靜態信息一般指過去較長時間內產生的信息,更多揭示客戶基本屬性;動態信息是可能迅速變化的信息,更多揭示客戶近期行為特征。民生銀行信息獲取的途徑主要是內部生成和外部交換(購買)。

信息獲取的途徑之一是內部生成,包括獲取內部靜態信息以及獲取內部動態信息。一方面,內部靜態信息主要是客戶基本信息、憑證影像等。基本信息中有客戶身份特征信息和客戶經營信息。信息范圍不僅有小微企業主本人,而且包括企業主家庭成員。客戶申請小微貸款時的相應憑證影像也全部留存。內部靜態信息主要由授信工作人員在貸前檢查、貸中審核階段中獲取,并將這些信息全部上傳至對應信息平臺,供全行進行分析和使用。另一方面,商業銀行的存款、支付、結算等一系列業務為銀行提供了更多的經營收入,也使得商業銀行比其他機構更為容易地追蹤客戶交易流水信息。民生銀行獲取的內部動態信息,正是小微客戶在其行內賬戶的流水情況。

民生銀行在一系列小微金融產品的設計中,都體現了對賬戶流水信息的重視:

“商貸通”產品:按照商貸通規則,凡申請貸款的客戶需在民生銀行開立個人結算賬戶,經營實體則需在民生開立企業結算賬戶。一方面起到了吸收儲蓄的作用,另一方面也為銀行的貸后監測提供了商戶的流水數據。

“小微寶”產品:是指以手持移動終端(iPad)為載體,將移動互聯、數據分析技術與小微金融服務相結合的移動銷售平臺。其實質是一款App應用。依托小微寶,民生銀行建立了小微客戶關懷體系,其中包括了針對小微企業主、企業主配偶及子女等的各類活動,從而獲得了小微企業主及其家人多方面信息。

“商隆卡、樂收銀”產品:商隆卡套卡適用于小微企業主及其家人、生意合作伙伴、員工;樂收銀是民生銀行為小微企業提供的刷卡機,可以實時收付款。通過監測商隆卡交易情況,銀行能夠獲得上下游企業流水、企業主家庭收支等一系列信息。同樣,樂收銀作為企業常用的POS機結算系統,能夠將企業的每一筆交易信息傳遞到銀行終端,實現貸后監控。

能夠獲取到銀行內部動態信息是傳統商業銀行在小微金融方面不可多得的優勢,然而,要能夠將信貸客戶的流水數據利用起來,首要前提是客戶選擇民生銀行作為主要支付結算銀行,而發展小微貸款以外的小微金融服務則是實現該前提的必要條件。

信息獲取的途徑之二是外部交換,包括獲取外部靜態信息和獲取外部動態信息。民生銀行獲取外部靜態信息的內容主要是小微企業客戶的工商信息、法院信息、個人及企業主的信用記錄,但前提是客戶必須在銀行有過借貸行為。主要來源于中國人民銀行征信中心,以及分行所在地的工商局、法院等,具體采用購買或者交換的方式。這部分數據為貸款提供支持的渠道相對暢通,但該部分信息仍然具有較強的局限性、不能充分反映小微客戶信用情況。

銀行外部的動態信息具體包括社交、消費、現金收支、經營等。借助于互聯網和移動互聯網技術,民生銀行正在通過與銀聯等企業展開合作的方式嘗試獲取銀行外部的動態信息。購買信息、搭建信息平臺等都將會帶來高昂的固定成本,只有小微貸款存量足夠大的金融機構才能夠化解這部分成本并實現盈利。在互聯網時代,螞蟻金服、微眾銀行等小微金融機構也已經開始探索利用借款人在線消費、社交表現等非傳統數據評估借款人信用情況。

有效使用數據信息是核心。獲取足夠的數據信息僅僅是實現“信貸工廠”風險控制模式的第一步,數據分析、信用評價以及對分析結果的使用效率仍直接影響該風控模式的效果。民生銀行在進行小微金融2.0版改革中,著手建立以兩大引擎為核心的風險控制技術體系:垂直搜索引擎主要負責實現數據的儲存、查詢和推送,決策引擎負責貸款過程中各種評分指標的生成和推送。工作人員將前端渠道采集到的信息上傳至數據平臺,由決策引擎提供模型進行授信評審,并在售后系統中對已發放貸款的客戶進行跟蹤管理,垂直搜索引擎則為授信業務的全流程提供信息支持。兩大引擎系統與前端渠道等業務系統的對接,如圖2所示。

垂直搜索引擎相當于一個信息集成的查詢軟件,具有搜索權限的工作人員獲得貸款申請人的信息檔案,在放貸全程實現電子化的管理與監控。垂直搜索引擎通過綜合查詢、信息推送、電子檔案、數據分析、銷售支持五大服務,對業務系統起到支持作用。所有服務中,最核心的內容在于信息查詢服務,提供銀行內部、外部的多種信息。垂直搜索引擎提高了客戶信息的全面性、即時性、透明性和整合性,但其質量在很大程度上取決于數據信息獲取的全面性和及時性。

在垂直搜素引擎提供的大量原始信息基礎上,決策引擎使用特定的數據分析技術和分析模型對數據進行分析,生成衍生指標,為各類評分模型提供依據,對貸款過程中四個重要決策內容——是否準入、擔保方式、利率、授信額度——提供輔助決策。目前決策引擎主要為包括政策與限額管理、申請征信評分等在內的決策項目和模型提供支持。

從兩大搜索引擎的內容看,民生銀行風險控制所需要的信息技術與數據分析能力均相對完善,基本平臺已經搭起,最終效果還取決于信息獲取的數量和質量。

兩大支持體系的構建同樣體現了大型商業銀行的獨特性:只有資金量充足的金融機構有條件承擔其固定成本,而傳統商業銀行高昂的人力成本又使其無法像多數小貸機構那樣、依賴于信貸員執行貸中貸后的風險控制。相對而言,信息化的風險控制平臺建設成功降低了單筆貸款的變動成本,將風險控制的重點從貸后監控轉為了貸前、貸中評審,利用銀行特有的流水數據,破解了商業銀行貸后監控不足的困境。我們因此認為,信息化風險控制體系的建設對傳統商業銀行而言幾乎是必然的。

民生銀行小微金融信用風險管控經驗總結

通過對民生銀行的信用風險控制的案例研究,民生銀行做小微金融業務的信貸風險控制有四方面經驗值得關注:

首先,民生銀行在小微金融風險控制方面優劣勢并存。與地域性小金融機構相比,民生銀行做小微金融在風險控制方面的優勢包括,可負擔和分攤大量研究、技術平臺構建的高昂成本,可通過合理的貸款行業區域配置、定價定額策略分散風險,可提供儲蓄、支付、結算等相關金融服務以獲得客戶流水數據信息用于風險控制等。同時,也存在貸后監控成本過高、組織架構復雜導致授信流程長、與客戶互動能力不強等劣勢。這些優勢與劣勢的聚合,在信貸風險管理上無不指向一個成熟的模式——“信貸工廠”模式。

其次,民生銀行的風險控制發揮了大銀行的優勢。從小微金融1.0到小微金融2.0版本,民生銀行對小微金融業務的探索與改革過程,也是發揮大銀行優勢的過程。與1.0版本比較,2.0風控模式更強調對大數據信息的獲取和分析,更重視信息技術、互聯網技術在信貸風險監測方面的全面性和即時性價值,更重視集中分析、集中決策和集中管理,因而更具有“信貸工廠”模塊化、程序化、規模化的管理特征,而這種信貸工廠特征只有將業務重心集中到一個適度的高度——分行才合適,如圖3所示。

再次,獲取大數據能力是風控模型取得效果的關鍵。信貸工廠的風險控制模式,對于有強大研究能力和數據分析、建模能力的傳統銀行來說,最大的挑戰依然是數據獲取。民生銀行已經將數據信息獲取融入到了全方位的小微金融業務中,利用儲蓄、支付、結算等多項業務服務獲取含金量頗高的經營流水信息,并努力打通其他外部信息渠道以獲取準確的底層數據。

最后,民生銀行還需要進一步完善風險控制模型。民生銀行選擇將大數據征信作為其風險控制的主要方式,也就意味著分析模型的準確性將直接決定信用風險控制的準確性。從防范系統性風險的角度,民生銀行的風險控制依賴于宏觀研究、回歸分析,當發生模型外的情況時同樣面臨虧損風險;從防范特有風險的角度,民生銀行的貸前審批依賴于大量模型的征信評分、以及“收益覆蓋風險”的定價策略,這就對模型的準確率有極高的要求;而其貸后監測更依賴于模型評分,但模型的反應往往與現實具有一定的時滯,相比于其他小微金融機構主要依賴于現場觀察的貸后監測,這種對模型的過度依賴可能使得民生銀行不能完全適應小微金融風險突發性強的要求。因此,民生銀行有必要不斷對模型進行必要的分析與調整,確保其分析控制模型的有效性與準確性。本文原載于《中國銀行業》雜志2015年第9期。