杨凯生：我们需要关注“另类”助贷业务

　　文/新浪财经意见领袖专栏作家 杨凯生

　　要认识到目前在信贷业务中所谓的机器学习还是完全基于“历史”作出判断的，而依据的这些“历史”过程还比较短暂，并未经过完整的经济周期或较长的行为周期的检验。

　　所谓“联合贷款”“助贷”，指的是银行与掌握有一定信息技术以及相关场景客户数据的公司、平台合作，对一些客户提供融资信贷的一种业态。这种业务模式出现的时间还不长，从蚂蚁金服2014年推出有关业务至今大概也就是四、五年。

　　也有人说，信用卡业务实质上就是一种联合贷款业务，已经有近百年的历史了。这个说法固然有一定道理，但它不是我们现在常说的在金融科技迅猛发展过程中出现的这种新业态。

　　正因为新，所以现在联合贷款、助贷业务发展中出现了不少新问题，需要我们认真研究。

　　首先，要搞清楚现在除了和互联网企业的合作之外，银行还有哪些可以称之为助贷或联合贷款业务模式的业务。

　　现在看到比较多的是，一些科技公司利用自己拥有的所谓消费者大数据以及算法、模型等技术，为一些银行进行客户导流或提供风控技术，而银行对相关客户提供贷款。如果有的科技公司已经取得金融牌照，它们还往往在银行向有关客户发放贷款时，也提供一定比例的资金。

　　在这些业务模式中，风控责任究竟如何落实，这个问题现在正越来越引起大家尤其是监管部门的关注和重视。

　　这些问题我下面还会谈到，我首先想讲的一点是，其实还有一些其它的科技助贷模式、数据助贷模式，也许它们的重要性比上面所说的那些模式还更值得我们关注。

　　例如有的大型企业、集团公司，作为一种供应链的核心企业，一方面它有大量的上下游的供应商，一方面又有自身比较先进的健全的数据平台，掌握有这些供应商企业的信息和数据。在这种情况下，它与银行之间的合作可以说是一种较高层次的更加规范的助贷合作。

　　我们曾注意到一个大型企业，它的上下游企业大约有13800家。而在这么多的供应商中，和这个核心企业在同一家大型银行具有授信关系的只有1800家，实际发生了信贷往来的就更少了，大体只有1000来家。形成这种状况的原因当然是多方面的，但在原有的技术条件下，信息不对称问题不易解决无疑是一个重要的原因。这种情形显然既不利于这些上下游企业（其中不少是中小型企业）的发展，也不利于这家大型企业的经营。

　　现在数据技术发达了，核心企业通过自己的数据平台已经有可能把这么多上下游企业与它自身的交易往来情况及时提供给银行了。银行也就从以往需要关注那么多各种类型、各种规模的企业各自的综合信用状况（这实际上是银行的管理半径难以真正触达的），而转向更多的关注它们与核心企业之间的交易情况和资金往来。

　　银行与这个核心企业在信贷业务上的这种合作，不仅仅是一个客户引流的问题，更重要的是促进了银行传统信贷理念和审批机制的变化。这对以往银行在传统的供应链融资、贸易融资中容易遇到的作假流弊也起到了很好的防范作用。

　　而且，十分重要的是在这个过程中，银行作为资金的供应方，风控的责任是清晰的、落实的。核心企业、集团企业所提供的上下游企业的数据信息，所引流导入的客户，只是银行信贷决策的必要条件而不是充分条件。银行还要根据自己所掌握的各种信息，根据自身的信贷政策和风险偏好作出自己的信贷决策。

　　据分析，在这样运作的银企供应链融资模式中，核心企业的上游企业的贷款申请审批通过率约有90%，下游企业的通过率约为50%。这样的数据可以说明两个问题，一是通过银行与核心企业的信息数据合作，银行信贷业务的覆盖面比以往更广了，触达点比原来更远了，普惠性也明显更强了。二是银行的风险把控仍然是落实的，没有因为所谓新技术的使用，所谓有了大数据就放松了对风险的防范。

　　再例如，在一些特定的领域，例如房地产领域，有的银行通过与一些房地产数据头部公司合作，可以了解到不同城市、不同市区、不同小区，甚至不同户型、不同朝向的房价。银行可以将这些数据作为自己房地产信贷投放的参考依据。而且在这个过程中操作也是比较规范的，有关数据都是经过脱敏处理的，可以较为有效地保护客户的隐私。应该说这也是一种比较良好的助贷合作模式。

　　还例如，一些外部公共数据的提供也已经越来越多了。虽然提供数据的模式不尽相同，但总体来说海关、税务，包括有些地方的水、电、气的使用数据，银行已经越来越可以获得了，这也可以说是另一种的助贷模式。

　　总之我认为随着科技的进步，随着互联网、大数据、云计算，包括区块链等技术的不断成熟和使用，银行与外部、与客户的关系已经和正在发生重大的变化，银行的信贷业务已不再是仅仅靠银行自身就能做好的事情了。所谓的助贷、联合贷款就是在这种新形势下出现的新事物。这是应该肯定的。

　　但无论名称如何新，模式怎么变，做金融的任何时候都不能忘却金融的本质，不能忘却防风险、守底线的责任。一定要认真汲取前几年在所谓的互联网金融、P2P信贷方面的教训。当前在助贷、联合贷款业务中应该注意几个问题：

　　1、要抓紧建章立制。

　　如果立法、修法一时确实难以跟上，那必要的行政规章和监管制度一定要及时出台。例如在数据的采集、提供、交易等方面，目前问题就不少。究竟什么机构、什么人可以收集什么样的数据，采集数据应该通过什么手段，什么数据可以自己使用，什么数据可以提供第三方使用，什么数据可以有偿提供他人使用，什么数据只能无偿提供，等等，都应该予以清晰明确。在这些涉及到社会治理层面的问题中，仅仅依靠人们自律的想法是不可取的。

　　在建章立制的过程中，还应该注意的就是所谓对创新应该采取适当监管、包容性监管态度的问题。对哪些问题可以包容，对哪些事情的监管可以适度，包容、适度到什么程度，应该尽量体现在规章制度中。制度不应该语焉不详，更不应该制度规定是明确的甚至是严格的，但在实践中又可以根据形势的不同，允许从业者自己去考量揣度哪些事可以做，哪些事不可以做，允许监管者拥有过度的自由裁量权，去认定哪些事需要处罚，哪些事可以放松尺度。这不仅不利于任何新业务的健康发展，也不符合依法治国理念的落实。

　　2、无论是联合贷款还是助贷，银行都不应该将风控事项外包给并不提供贷款或仅仅只是提供了少量资金的合作方。

　　有部分银行由于自身人员或技术能力有限，难以对合作方引流导入的客户数据进行分析，也没有自己的算法模型，于是就完全依赖和听信合作方的各种说法，本来说的是“参考”，实际上变成了决策结论。这种做法的风险很大。且不说由于合作方没有投入资金，或是仅仅投入了很少比例的资金，双方可能要承担的最终损失是完全不对称的。更需注意的是一些科技公司本身的技术水平也是有限的，其提供的数据的可靠性也是需要验证的。在这样的情况下，如果银行放松了风险控制，那实际上就不是原来意义上的助贷或联合贷款了，而成了完全放弃管理权的全委托贷款了。那样的话对方一是要有发放贷款的资质，二是要有相应的管理能力才行。这与我们今天所说的助贷业务、联合贷款业务不是一码事。

　　3、银行无论是利用自己的数据和技术，还是或多或少的依赖合作方提供的数据和技术，都需要梳理清楚机器适合做什么，人适合做什么，人机结合适合做什么。

　　要认识到目前在信贷业务中所谓的机器学习还是完全基于“历史”作出判断的，而依据的这些“历史”过程还比较短暂，并未经过完整的经济周期或较长的行为周期的检验。在这样的情况下人的作用还是相当重要的。因此，除了一些特定的场景和业务之外，不应该过分强调“秒贷”。例如对于一些需要基于对借款人综合授信决策的贷款，对于一些项目贷款，对于一些借款周期长、金额大的贷款，完全依靠机器在瞬间作出决定，显然既无必要也不应该。如果把银行业的提高效率就是定义为缩短某些交易的处理流程，就是减少处理某些业务所需的时间的话，那我们需要思考大数据、数字化、云计算、区块链技术等等的发展的目的是不是唯一的，是不是就是“提高效率”，这确实是需要我们认真对待的问题。

　　4、银行要建立健全数据审计和模型审计的机制，以确保无论是外部还是自身所提供和采集数据的合法性、可靠性以及有关模型的合理性。

　　在数据信息日益成为一种资源的条件下，在数据、信息已经可以给其拥有者、使用者带来各种利益的情况下，这样的审计无疑是需要的。

　　(本文作者介绍：工商银行原行长、银监会特邀顾问)