信貸風險管理的數位轉型
信貸風險管理的數位轉型
原創： 王桂杰（國際商會數位化工作組委員，台灣工商銀行信貸與投資管理部處長）
近年來，人工智能（AI）、區塊鏈(Blockchain)、雲計算(Cloud Computing)、大數據（Big Data ）等數字技術快速發展，推動銀行業邁向數字時代。銀行將數字技術運用到業務、運營、科技、風控、行銷、服務、管理等各領域，構建銀行“數字大腦”，實現信貸業務全流程管控和授信客戶評級模型優化，增強風險防控能力，重塑銀行數字中台，推動信貸風險管理的數位轉型。
一、信貸風險管理模式
信貸風險是指商業銀行在信貸業務經營過程中，由於各種內外部不確定因素的影響，導致銀行信貸資產蒙受損失的可能性，具體可以分解為信用風險、市場風險、操作風險、流動性風險、國家和轉移風險、法律風險、聲譽風險等7個風險類別。實踐中，銀行以信用風險為核心，在信貸管理的前中後三個階段分別涉及不同類型的風險管理。
傳統信貸風險管理具有三個特徵：
1、以信用風險為基礎構建銀行信貸的風險偏好體系。這是一種自上而下的風控邏輯，總部負責制定信貸基本製度、信貸政策、辦法流程來承載風險偏好，並通過動態的調整適應形勢發展和區域差異。
2、以操作風險為原則構建銀行信貸風險的微觀管理體系。商業銀行信貸管理的著眼點在於各個基層分支機構的合規管理，通過執行總部的政策制度實現對信貸風險的控制。
3、以專家經驗作為信貸管理的核心決策模式。其突出特徵是信貸審批的專業化，依托授信審批專家的經驗和綜合判斷做出信貸決策。
傳統信貸管理基於三個特徵建立了銀行與借款人的關係模式，以適應銀行內部多層級經營模式，並在實踐中強化了前中後台分工製衡管理模式。
二、信貸風險管理在數字時代的挑戰
信貸管理的多層級經營和多職能分工有效解決了銀行的規模管理和內部管理問題，緩解了信貸決策的內部人問題和道德風險問題，成為商業銀行信貸風險管理的主流模式。隨著數字時代的到來，傳統模式的優勢逐漸侵蝕，其不足之處亦日益顯現。
一是重視形式合規，實質風險管控弱化。行銷與風控職能分設的大背景下，部分商業銀行的客戶經理崗位身兼二職，在行銷業績壓力下容易把信貸風險控制的底線作為盡職免責的指引開展工作，甚至存在協助借款人規避政策和監管的情況，以促成交易。審查人員在遠離客戶，且僅能依據客戶經理過濾後訊息做決策的情況下，能夠掌控的僅在形式合規。近年來頻繁暴雷的大額信貸客戶風險，反映了商業銀行普遍存在實質風險管控弱化的問題，這是台灣的銀行業必鬚麵對的重要課題。
二是貸款難、耗時長、普惠金融畸形發展。在客戶經理和借款人訊息嚴重不對稱的現實面前，銀行的客戶經理職能通過實實在在的抵押物來控制終極風險，很多企業因為缺少足夠的抵押擔保無法獲得融資，導致普惠金融在很多場景中流於形式。前中後台分離模式下，貸款需要經過建立信貸關係、調查、審查、審批、規模配置、放款等多個環節的交互、制衡、判斷，通常需要幾週甚至幾個月時間，貸款與用款脫節，嚴重製約了社會經濟效率。
三是信貸管理的難度大、成本高。分層和分工模式下，信貸管理既要解決借款人終極風險問題，還要監督和製衡各個層級機構、前中後台部門、全部信貸流程，難度和成本都是一個挑戰。近年來，違法放貸、內部人作案等問題頻發，成為各家商業銀行關注的重點領域。
信貸風險管理有兩個面：一個是著眼宏觀管理的合規運營、風險可控；另一個是微觀的效率、成本和實質風險。後者可以在傳統模式下通過加強信貸風險管理來改進，但空間有限，也可以通過數字技術應用來根本超越、獲得新生。在這個方向上，信貸管理不僅僅是優化的問題，更是一個顛覆性創新的變革時代。
三、回歸本源：信貸風險管理的本質
信貸風險管理的根本是藉款人的信用風險，也就是藉款人的還款能力和還款意願問題。
能力和意願是一種抽象的存在，需要藉助具體的事物來識別和判斷，識別的對象為風險因素，判斷的模式有專家經驗和數字模型兩種。
專家模式主要依托專家的個人經驗做出判斷，並受制於個人的訊息獲取能力和範圍，風控效果決定於：個人訊息獲取、專家經驗。
數字模式基於大數據、風險因子和風險模型做出信貸決策。風險因子和風險模型類似於專家經驗，但是可以集合頂尖專家的經驗，代表最高水平；大數據包括銀行內部數據、外部數據、關係數據、模型數據等不同類型，數據的規模、質量、層級遠遠超越了個人訊息獲取能力。
無論專家模式還是數字模式，信貸管理的核心是風險因子的識別和設立問題。每個人對風險因子的認識不同，每個機構亦不同，風險控制的效果存在差異較大。信貸管理髮展到當前階段，信用風險可以從三個維度識別：
1、借款人主體風險。借款人的靜態特徵。企業、個人、政府的客戶畫像。
2、借款人行為風險。借款人的經營行為、交易行為、資金使用等動態特徵。
3、借款人關係圖譜。借款人靜態特徵是信貸管理貸前調查和貸中審查的重心，借款人動態特徵是貸後管理的核心內容，都是藉款人外在表現出來的特徵。數字技術支持下，銀行有更多的機會去識別借款人內在的隱含動機，借款人關係圖譜是其中重要的應用。
借款人顯性特徵的識別與判斷，從資金流與物流的轉換管控角度，保證借款資金的收回，可以統一為藉款人的主體評級或信用評分；借款人隱性特徵的識別與判斷，則是從轉換的真實性和轉換質量的角度，輔助和強化對資金收回的判斷，是信貸風險管理數位轉型的前沿應用領域。
四、借款人關係圖譜
銀行基於客戶關係網絡，利用圖計算和圖數據庫構建客戶關係圖譜，發現客戶各類訊息之間的關聯性，實現客戶洞見從局部到全網、從靜態到動態的跨越，構建客戶全網關係圖譜，發現潛在的風險並預判風險傳導路徑、概率、影響客群。數字技術將給現有的信用風險管理帶來革命性、顛覆性變化。
1、關係人圖譜。目前銀行對於影子集團、集團客戶多層交叉持股、股權層層嵌套複雜關係的識別手段相對較為落後。隨著企業集團化、家族化、多元化發展，單一企業通過資本運作組建成商業帝國；各類資本系內部股權不透明，隱形股東和股權代持現象頻繁發生，主要股東、控股股東、實際控制人、一致行動人、最終受益人不明晰；企業與股東個人、企業與企業之間的關係與交互影響愈加複雜，單個客戶信用風險的爆發有可能引發整個關聯客群的風險。企業、高管及關聯公司構成一個複雜的關係網絡，利用圖計算引擎搜索國家企業信用訊息公示系統，遍歷集團成員及關聯企業之間的股東及股權結構情況，判斷是否存在交叉持股、受同一股東控制和高管任職關係，識別出隱蔽關聯關係，有助於發現關聯交易非關聯化、關聯交易利益輸送等違法、違規線索。
銀行在貸後管理中如果聯繫不上借款人，即藉款人進入了所謂的“失聯”狀態，那麼資產保全團隊之前製定的催收預案大打折扣。知識圖譜可以幫助銀行利用圖挖掘技術，挖掘出新的聯繫人，從而提高催收成功率。
2、擔保圈圖譜。中小企業為了滿足銀行授信要求、提高其信用等級，通過關聯企業、產業鏈上下游客戶、關係人等相互擔保，形成擔保圈（鏈）乃至關係更為複雜的“擔保網”。擔保鏈中的企業普遍存在超出自身實力對外融資和擔保的現象，擔保鏈整體淨資產無法覆蓋銀行信貸風險，容易爆發風險連鎖反應。特別是在經濟下行週期，當擔保圈中個別企業發生經營問題和財務危機時，往往產生多米諾骨牌效應，風險很快傳染整個擔保圈，導致圈內企業整體陷入困境，從單個企業經營風險轉到擔保圈客群流動性風險，進而引發區域性風險。採用知識圖譜、圖計算引擎為核心技術，深度圖挖掘銀行授信客戶信貸訊息，揭示出客戶複雜擔保網絡，最終形成可視化銀行擔保圈風險圖譜，直觀、高效地識別出客戶是否存在聯保、互保、循環擔保情況，在此基礎上構建貸後違約風險預警模型，為防範、化解企業擔保圈貸款風險提供條件。基於擔保圈風險圖譜客戶貸後違約風險模型，進行自動預警，提早行動，及時切斷了風險傳導路徑，防範信貸交叉違約風險，減少了銀行風險運營成本。
3、資金流向圖譜。建立起銀行賬號、銀行轉賬金額、企業名稱等數據的實體關係，就是“資金流向圖譜”。信貸資金流向始終是監管關注重點，其中，信貸資金違規進入股市、樓市等領域成為監管嚴查領域，監管部門要求銀行監控信貸資金的真實流向。現實中授信企業違規將流動資金貸款投入固定資產建設，或將貸款資金進行權益性投資、房地產、股市、期市等高風險領域。信貸資金實際用途不真實，被挪用。銀行貸款資金的連續性監測難度大，由於大部分企業資金收付結算量大，貸款資金的支付往往涉及不同客戶、不同賬戶和不同銀行，給監測工作帶來很大困難。
“資金流向知識圖譜”也可在公司治理方面發揮作用，比如通過逆向查詢股本金來源，判斷股本金是否以自有資金出資，資金來源真實合法性，虛假投資、循環注資、委託資金、負債資金、“明股實債”等非自有資金投資情況。
4、企業風險圖譜。圖計算技術從招股說明書、年報、公司公告、券商研究報告、新聞等半結構化和非結構化數據中實時搜索借款企業的股東、子公司、供應商、客戶、合作夥伴、競爭對手等訊息，構建出授信客戶的企業風險圖譜。在某個宏觀經濟事件或者企業黑天鵝事件發生時，銀行通過企業風險圖譜做更深層次的分析和更好的風險決策，並能快速篩選出受突發風險事件影響的銀行授信客群從而做出風險預判，提高貸後管理的靈敏度。
風險控制的發展趨勢之一，從事後彌補向事前預測和事中管理的全面風險管理髮展。企業風險圖譜的全面應用,將提升風險管理效率，銀行通過企業風險圖譜，可以提前預判任意企業或任意一組企業發生風險事件後，銀行所有授信企業受風險事件傳導的所有路徑和風險暴露概率。
5、風險客群圖譜。在外部監管以及銀行內部管理的要求下，銀行風險管理關注的焦點從單一客戶到客戶群體。為了避免風險在地區、產品、行業和客戶群過度集中，商業銀行傳統方式是採取信貸總體組合限額、授信集中度限額等風險管理方法，防範和轉移種類風險。這種風險管理技術在大數據時代，存在滯後性，不能滿足現代銀行業的及時性需求。如何及早發現風險客群，切實防範化解突出風險，嚴守不發生區域性、系統性風險底線，是銀行亟須解決的難題。圖計算和圖數據庫可以基於客戶全網關係圖譜，通過各類圖路徑計算來完成風險客群識別，提前主動化解風險，做到洞悉全局、防患未然。
行業風險客群：基於多維數據，從行業關聯的維度預測風險客群。通過建立行業知識圖譜，展示每個行業及與其關聯度最高的多個行業，當某一行業發生了行業風險或高風險事件，銀行可以及時預測存在潛在風險的關聯行業，對相關行業風險做出預判，調整貸款投放行業，及時規避風險，避免銀行貸款投放到風險集中突出的領域。
供應鏈金融風險客群：產業鏈價值面臨收縮風險客群。供應鏈金融業務依賴於產業鏈，一旦行業處於產能過剩狀態，產品最終銷售將面臨壓力，產業鏈的價值無法實現會帶來信用風險。對於限制性的行業或者夕陽型行業，供應鏈金融授信客群會具有較大的風險，通過知識圖譜可以分析出受產業鏈影響的各個成員企業，從而識別風險客群。核心企業的信用資質惡化風險客群。以核心企業為主導的供應鏈金融模式最為常見，銀行出於對核心企業資信的認可向供應鏈上下游提供資金支持。此類供應鏈一般適用於重資產行業，核心企業對產業鏈上下游往往有較強的控制力度，呈現“M+1+N”運作模式，例如汽車、工程機械等。一旦核心企業信用出現問題，必然會隨著供應鏈條擴散到上下游企業。知識圖譜可以精準識別出受核心企業影響的所有授信企業，阻斷風險傳導途徑。
五、信貸風險管理數位轉型路徑
數字信貸意味著銀行商業模式、組織架構、管理模式和業務流程的重塑，實踐中這四個領域沒有通過規劃實現變革的先例，理論和實踐一直是兩回事。信貸風險的數位轉型必須從現實的信貸管理行為入手，結合數字信貸的理論體系，通過打造數字信貸的賦能體系、場景金融和生態金融，實現信貸風險管理的數位轉型。
1、構建風險識別體系。整合專家智慧，全面梳理信用風險因子，建立企業級的風險識別體系。
2、構建數據模型體系。一是建立信用風險模型研發與管理體系，搭建數字信貸工作引擎；二是開展內部數據治理，建立外部數據協作機制，構建數字信貸根基。
通過風險識別體系和數據模型體系建設，引導傳統商業銀行信貸流程變革。
3、賦能信貸節點。數字信貸持續賦能全流程信貸節點，提升客戶經理的調查能力、審查人員審批能力、貸後人員預警能力。通過賦能發展數字信貸技術，通過賦能打通前中後台，實現傳統轉型與數字創新的雙核驅動。通過賦能體系建設引導傳統商業銀行信貸管理模式變革。
4、協同信貸。數字信貸融入銀行行銷和服務行為，圍繞特定場景把信貸管理的前中後台整合統一為數字中台，以數字中台代替傳統的分工製衡模式。通過發展場景金融引導傳統商業銀行組織模式變革。
5、開放信貸。一方面積極參與區塊鏈基礎設施平台建設，打通外部數據，融入外部平台；另一方面開放數字信貸資源，支持同業和客戶的信用管理職能，形成數據資源的行業循環。實現信用風險管理從經驗到數據的徹底轉型，建立超越單一銀行的行業級信用風險體系，形成銀行對集團客戶風險和行業風險的控制能力。通過發展生態金融引導商業銀行商業模式變革。
注：本文僅為作者個人觀點，不代表所服務機構觀點。
