小微金服CEO马林谈信用风险管理

图为小微金服CEO马林

　　新浪财经讯 11月2日消息，“2017税银互动·普惠金融论坛”今日在北京召开。小微金服CEO马林在论坛上分享了信用风险管理的心得。

　　以下为嘉宾发言实录：

　　马林：各位领导，各位嘉宾，大家下午好！非常荣幸今天参加咱们税银互动普惠金融的论坛！今天我分享的题目是中小企业信用风险管理智能化及应用。今天来的嘉宾很多是风险体系的。我在咱们商业银行从事信用风险管理30年，一直是搞对公管理的，以前服务的银行包括建行、招商银行、深圳发展银行，一直对信用风险管理很熟悉。所以今天讲一下信用风险管理这方面的问题。

　　长期以来中小微企业融资难、融资贵，是全社会关注的一个热点问题。有两个问题，第一个问题，我主要是从银行角度，与大企业相比，中小微企业总是受到不太公平的待遇，金融机构从他的角度认为，和大企业相比，中小微企业是天然的高风险，这是一个问题。

　　第二个问题，从信用风险管理角度，核心的要点大家都很清楚，中小微企业和金融机构如何对中小微企业持续经营能力，持续经营的意愿，这么一个判断标准，能不能达成共识。如果说这两个问题解决了，我们中小微企业和金融机构就会搭成共同对话的平台。

　　我讲一个例子，2003年我在某家商业银行，当时有家分行报了一个超过分行极限，他们做了5年的业务，做的过程中超过了，到了那个极限。这家企业是做猪肉加工的，平常我们总行很少到分行做现场调研。这个企业报上来以后我们就去了现场，我们在分行的陪同下去了他们的厂房，他们的加工工厂，里面很多人。我们走过过道的时候，我看到边上的操作人员手上有东西，其他的工作人员是没有东西的，操作台是干净的。我们跑到他的卫生间去一下，结果一看很多人在这里上班，但是厕所很干净，很长时间根本就没有用过。后来也证实了我的看法，我们回到酒店以后又返回来去看，他们的门是关着的，后来我们了解到这个企业停产了三年，但是银行还继续跟他往来，而且往来的过程中他还还款，他今天还款明天贷，实施了三年。

　　这个是当时给我们非常震撼，企业正常的经营已经停了，但是银行还持续给他们代换，他可以把所有的流程都记错了，最终结果大家应该很清楚，有一个非常巨额的损失，这是一个真实的经历。我讲这个经历是为了看后面的内容。

　　首先看一下，我们今天讲得比较窄，首先是市场分析、信用风险和操作风险，我们今天重点信用风险。信用风险包括十个环节，第一个环节就是申请，这是建立一个法律上的委托关系，提交一些资料。第二个就是我们银行做的就是尽调，健康值、变动值和判断值，就是基本资料、生产、经营。第三是评审，因为银行内部流程是做要审贷，这个评审有一些自己固有的参数的比，然后做一个判断。第四个是核准，银行会说你是单签，还有双签，这是一个内部授权的过程。

　　第五个就是放款，就是落实审批的条件，签署一些法律文件。放款结束以后就进入了贷后管理阶段，我们在实务里面，往往把贷后管理就做得没那么实，实际上贷后真正的风险才开始，因为你的款已经出去了，所以有一个监测，我们叫健康值，就是给他做一个体检，他的各种指标体检是不是可以的。如果发现这个体检的变动值，有一些逆向的变化，如果你发现它是逆向的，这时候就可能会做预警。

　　这两个结束以后，我们会对企业有一个分类，五级分类也好，我们内部做其他的分类也好，就是分类，就是健康值加变动值。分类以后会有拨备，最后如果说这笔款回来就结束了，如果没有回来就处置，就是价值信息。

　　下面我们看一下传统流程里面的信息和数据流以及它的问题。我们做智能化首先是信息和数据流的关键点。我们基本上是这么一个状态，客户有了，包括客户的实际控制人，或者法人代表，两方面的信息。到了我们客户经理，基本上可以说是银行和客户接触的核心，有的是惟一的通道，因为内部的管理后台不能到客户那里去。客户的信息客观的可能是这样绿色的，由于经过他本人的通道，变成了橙色，放款以后客户的信息是客户经理做，有的银行防止客户经理独有这个信息，加风险经理，风险经理是风险部，客户经理是市场部，这两个有管理上的矛盾，所以一般情况下客户经理或是负责客户的信息。

　　我们可以看一下，这么一个机制设计，我们觉得有一些弊端，第一是信息渠道垄断和客户私有化。第一个客户经理几乎垄断了银行与客户的联系渠道。第二是银行内部难以形成有效的客户移交机制。第三，中小微企业跟随客户经理变动现象频繁。大企业非常稳定，就是某家银行，但是中小微企业跟客户经理不变动。

　　第二个是信息和数据失真。第一个原因信息来源本身就包含一些虚假内容。你在客户那得到的信息就是有这个虚假内容。第二个，客户经理本身他自身的绩效考核或寻租行为而对客户信息做主观性处理。第三，客户经理由于资力有限，他对客户信息识别与分析与客观实际偏离。

　　第三，评审人员的局限性。做过银行的都很清楚，评审人员贷款放以及不放，什么时候不放，起决定性的影响。跟他打交道的客户经理体验特别好，但是本身是有一些局限性的。第二，评审人员主观的倾向性，评审人员经常这样的，A银行我对它很了解，很快就可以放。但是另外的银行管理程度很差，我就不一定批，有这样的倾向性。第三，评审人员的岗位天然的保守和风险厌恶倾向。他在可批可不批，没有明显差异的时候，他会倾向于我先不做。所以这样就会有一个这样局限性评审的问题。

　　第四，成本和效益的差异，在咱们这个流程里面，针对大企业和对中小微企业所有的信息，我们的要求是一样的，你还是要提交这么多资料，要做这么多审查，但是对客户经理的绩效考核是不一样的，因为他对大企业和十个小企业绩效是一样的，所以他倾向于先做大企业，而不是中小微企业。

　　最后一个是贷后管理，往往这是最忽略的一个点，但是风险都是在这里。中小微企业经营稳定性比较差，客户数量多，贷后管理往往难以落实。

　　这个表是某一家银行的，贷后管理里面列了这么多项，就是风险预警信号，如果出现这些信号，客户经理就要做出一些新的安排。这里面有54项，除了14项以外，你很难去做出判断的。所以客户经理一看这个就发出。

　　另外一个有一个授信监测预警工作时间表。定期的报告也是有客户经理要写的，一共有15项，他要写这些出来，时间真的不够，所以这也是中小微企业为什么不太敢做的原因。

　　客户经理贷后管理的清单，一共22项，仅仅是这三张表，我要是客户经理的话我就会很发怵，我的工作量太大了。

　　有没有可能传统的不改变，我们就把这些工作做完了？比如说我增加一些人员，设置一些岗位，搞一些授权，我们这么多的工作量，传统方法是很难适应的。现在智能化是最重要的趋势，我们也列了一些。如果解决以上的问题，我们怎么样去做一些安排，去解决它。

　　第一，如果我们做到智能化，第一，可以客观、高效、自动的采集信息，提高效率，降低成本。我们做了大概1955个企业贷后管理的模型，对我们来讲，如果把数据整理得比较规范的话，它的效率不是50%、100%，是好几个数量级的变化，所以推出就是瞬间的事。做这个过程中不依赖于任何相关人员，彻底解决信息个数据的失真。

　　第二，客户经理完全可以不受因管理客户数量而产生的编辑工作量影响，他可以有多少客户都可以，极大的便利了中小微企业在金融机构内部获得平等的考核介入机会。

　　第三，贷后监测预警工作可以高效落地，便利金融机构及时处置风险隐患。智能化可以使这些非常轻松简单，而且可以主动的提示你。

　　第四，在不干预现有流程和操作的前提下，我们提供一个完全第三方的信息，看起来非常简单，实际上从管理层的角度，我要有第三方告诉大家有第三方的信息，仅仅这一条客户经理和中间的所有相关人员都会约束他自己本身的行为。所以从而你其他东西都没做，就可以大大提升风险管理的效率。这个作为一个银行的管理层，我们体会特别深。

　　第五，以海量数据分析为支撑，极大的扩展专业的视野，就是我们评审人员和客户经理们，帮助他们高效判断，更好的平衡审慎与市场的关系。

　　最后一个，税务数据我们提供一个非常好的分析依据，风险管理你就得保守，如果有两个数据，有一个非常非常乐观，有一个非常悲观，风险管理会管理这个悲观的数据。我们觉得税务数据是可以采纳的一个理想的数据源。我们公司做了一些样本，大概2100多个样本，我们测试以后出来的结果，税务数据还是非常好的反映了审慎的原则。

　　如何才能实现智能化呢？智能化有什么要求和条件呢？在流程里面，怎么样发挥智能化的作用？

　　第一，抛开银行本身的流程，机构的流程，到目前为止风险识别的关键环节就是信息和数据采集，以及数据的完整性和及时性。我们在实战中有比较大的困惑，我们的模型建立在某一个完整的数据基础上，但是在现实情况下，很多客户只能满足很少一部分，我们的算法可以做得很好精准的情况下，搭的现实模型就不是问题，所以数据的完整性和及时性是特别重要的一环，如果做不到的话，我们只能做简化。

　　怎么样对这些大数据进行风险识别和基本判断呢？这是很难的事情。我们刚才讲的智能化，你给它一个方法论，给它某一个逻辑，在这个逻辑方法论下面它就做一些快速的聚焦，它会在你认定的情况下把数据做聚焦，最后得出快速的结论。

　　我们公司做这个过程中，把国内风险管理专家实战的经验，他们长期体系化的思考，我们做我们的方法和逻辑处理。穆迪基于一些样本做违约率出来，他们前面的指标是静态的，分一些行业，行业里的样本也是不够的。我们的想法是这样，我们想找一个弹性的样本，我们的样本数比如说2000个合格的样本数，我们把我们的客户放在这个样本里面，找到他根据这个样本变化的值，它是一个相对的指标，也就是说把它在同类里面区分出来。尤其中小微企业边界本身就是这样的，它在哪个行业里面怎么去选择客户呢？我觉得更好的逻辑方法就这是种，我把你的同类都拿过来，把你的客户放在同类里面，然后把它区分出来，这样你更好的做一个选择，更直接一些。

　　现在我们有这样的一些大数据已经到了这个时代，这个做起来更直接，更方便。所以我们这个模型和逻辑就基于这样的做法，我们做了四个产品，第一个产品就是准入，我们根据我们模型搞出一个评级和分类，然后做判断，这个企业是不是在它的同类里面是健康的，如果是健康，他在健康哪一个区间，然后把它分类到一个级别里面。如果他的级别刚好够，可以做的一个条件，我们就判断它可以准入，就是它可以准入是健康的。

　　评审，我们有海量的数据提出来，我们把各种样本的均值、各种指标的分类都做一个值放在那里，然后做决策。你到底给他100万还是1000万，这个事你很难讲清楚，原因是他提供的条件不一样，有的条件你给了1000万，有的你给了100万，金额是每个银行本身的考量有关系，但是我们给你一个平台让你做这个决策。

　　第三就是监测，时时跟踪，打出一个健康值。

　　最后就是预警，关键给出变动和趋势的值，你自己去选择。

　　最后我想分享一下咱们非常火的阿尔法狗的说法，阿尔法狗确实有强大的智能，但是无论它怎么样智能，前提条件总是人类的思维逻辑和方法论，它只是在框架下应用计算不断的聚焦。我们相信智慧在赋能基础，职能是思维逻辑的数据验证，而服务是我们的终极目标。过去未去，未来已来，让我们张开双臂拥抱数据时代和智能时代的到来，让数据智能成为信用风险管理最深切的抓手，助力解决中小企业融资难、融资贵，谢谢大家！