疫情冲击下 大数据风控能否穿越周期？

受新冠疫情影响，银行信贷资产质量压力加大。经过数年实践，并得到监管力推的大数据风控，能否穿越经济周期？

继去年整顿大数据行业以来，2020年，随着二代征信系统切换上线、第二张个人征信牌照获批、央行首度表态“替代数据”需要纳入监管、互联网贷款和网络小贷新规下发，大数据风控被进一步规范发展。

今年出现的新情况是，一方面，疫情冲击一些展业时间较短的消费信贷业务，对疫情突发事件，线上化大数据审贷是否能应对这一突发事件的影响。

另一方面，疫情也使得“双十一”等网上购物增长迅速，与贷款分期有关的个人和企业征信查询也随之大增，金融机构迎来大数据应用的爆发。如，12月28日，记者获悉，截至2020年11月末，央行征信系统个人和企业征信系统日均查询量分别为855万次、20万次，单日最高查询次数分别为1445万次、117万次。

银行全面引入大数据风控

自政策层到商业银行，大数据正在被全面引入，用于个人消费贷款、小微贷款等领域。

11月1日，国务院办公厅印发《全国深化“放管服”改革优化营商环境电视电话会议重点任务分工方案的通知》，要求推动国有大型商业银行创新对中小微企业的信贷服务模式，利用大数据等技术解决“首贷难”“续贷难”等问题。此外，加强水电气、纳税、社保等信用信息归集共享，为增加普惠金融服务创造条件。

同月，央行副行长陈雨露在第三届进博会上表示，普惠金融重点服务的对象往往是缺乏信贷记录甚至是没有信贷记录的“白户”。

据统计，目前全国在校大学生4000万人，工作五年以内的毕业生3500万人，民政低保人群约6000万人，全国小微企业总的数量超过8000万户，这些人群和企业中大部分都是信用白户或准白户。他说：“我们正在积极研究解决他们的真实的金融诉求，这是一项复杂的工程，但是借助先进的数字化手段和替代数据等服务模式，有望予以解决。”

陈雨露指出，通过市场化的机制，运用从地方部门采集的小微企业非信贷类征信替代数据，对小微企业信用状况做出全面评价，改善小微企业征信服务，探索出台州模式和苏州模式，并在全国复制推广。实现小微企业首贷率、获贷率和信用贷款比率同时上升，贷款利率和不良贷款率双降的良好局面。

“大数据风控主要在个人贷款，以及一些对公税务信用贷。”一位国有大行华南分行人士表示，比如以深圳的大行基本做了“银税直连”工作，可以给到企业100万-200万元信用类贷款，但更大额的对公贷款还是需要抵质押。

对于中小银行，金融壹账通企业金融CEO费轶明认为，中小银行存在线下渠道展业过于传统、线上渠道发展水平差异大、信用风控重贷前轻贷后等系列问题。但2019年以来，中小银行普遍加强了金融科技与业务、管理的应用融合，在线上渠道和互联网营销拓展、产品研发能力和针对性、信贷风控的智能化水平、智慧运营效率等方面都有所提升。

根据一份第三方调查，当前超六成的二级以上供应商无法获得贷款，处于供应链长尾端的中小企业仍存在融资缺口。而这些痛点主要可归结为风控能力弱和产业场景缺乏问题，表明当下以金融科技拓展供应链金融的业务并未达到预期效果。

今年以来，受新冠疫情冲击，银行信贷的风控难度加大。今年一季度的极端情况下，A股民营企业营业收入同比增速为-8.6%，利息保障倍数骤降至2.88倍，隐含预示银行接下来不良贷款防控压力较大。

随着“无接触”金融服务快速推进，智能风控也成为各家金融机构共识，各家银行更积极地推进风控数字化改造，强化贷前、贷中、贷后风控。

“除了常规的风控手段，大数据风控的应用也在完善。”一家规模较小的股份行华南分行人士表示，该行新推出的小微贷款产品导入外部数据，如与税务局、征信公司进行系统的对接，根据税务数据、发票数据、征信数据等把控企业经营状况。

大数据风控能否穿越周期？

考验业内的是，经过数年实践，并得到监管力推的大数据风控，能否穿越经济周期，帮助“顺周期”的银行管控信贷资产质量。

接受记者采访的多位业内人士表示，银行业对大数据风控持开放态度，虽已较多引入各类数据作为风控参考。但一方面，要看数据质量，包括数据清洗是否到位；另一方面，一些大数据模型实际还存在不小的人工干预。

对于前者，“最直接的是根据个税、企业缴税直接乘上一个系数，给予一定额度信用贷款。”一位华东城商行人士表示，这是该行近年通过税务数据大力拓展个人消费贷款的不二法门。

大数据风控应用有其边界。“我们今年遇到几个‘爆雷’客户，看税务信息或其他大数据模型能监控到的数据都没有太大异常，但企业还是‘挂了’。”一位大行华南分行人士坦言，出于隐私原因，税务数据抓取目前只是抓总数，税务局开放端口不会允许抓取明细。

但大数据风控确实有作用，增加了企业造假成本。例如，几年前一些中小微企业通过虚假材料“骗贷”，银税直连等大数据手段，原来可能需要半年才知道发生了不良，现在可以更短时间甄别风险。

其中，大数据颗粒度的粗细，反映其信用表现。一位大行人士表示，从经验看，企业违约风险，先体现在拖欠供应商货款，其次拖欠员工薪酬，最后才是刚性负债出现违约。大数据风控不能只抓一个总数，而是要更为细致和下沉。

对于后者，有大行人士表示，“比如一些大行已经实践了纯线上审批贷款，但风控模型还是强规则类的经验模型，不是纯粹的算法类模型。”

“在本次疫情影响下，用户还款决策的外部环境和自身因素短期巨变，历史模型抽象和拟合的规律存在不再适用的可能性。”顶象CEO陈树华认为，很多金融机构的消费信贷业务展业时间有限，未经历过完整的经济周期的考验。金融机构需要根据其资产和客群的结构特点，以自身业务在疫情冲击下的表现，审慎评估现有风控体系的有效性、按需快速调整风控手段。

陈树华举例称，“异常”数据既可能是信贷产品申请环节的团伙欺诈、信用卡交易场景的套现或盗刷、洗钱的资金归集、亲戚好友集体拿消费贷归集凑购房首付，也可能为某类客群对某信用卡或理财产品有高于平均值的兴趣和响应度，或某类客群能够接受App推送而对短信非常反感，这些客群偏好的挖掘也可以帮助注重用户体验的银行提供高品质服务。

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!