《重构中国银行业信贷风控体系》连载丨第六章：因果派（定性派）在实践中的演进及应用

　　意见领袖丨嵇少峰

　　六、因果派（定性派）在实践中的演进及应用

　　（一）定性分析从专家经验法向专家策略法、再向专家模型法的演进

　　信贷风险定性分析方法的演进也经历了从非标准化专家经验（信贷员经验）到结构化因果框架（5C\6P分析法等），再到数字化概率模型的阶梯式跃迁。早期依赖信贷员个人经验的决策模式虽具灵活性，却因知识碎片化和自由裁量权过大容易在信贷机构形成规模后出现严重的管理失效，在面对大额企业贷款时也因个人经验的局限性导致信贷调查质量的不可控。为应对这一困境，业界将经验转化为标准因果框架（如半标准的德国IPC技术的信贷评估、相对标准的5C分析法的知识图谱化），通过构建显式因果关系链（如“行业周期→订单量→现金流”）提升决策一致性，使专家间判断差异缩小。而随着AI技术进步，这些因果规则进一步被编码为可计算的数字模型（如用BERT解析年报文本评估管理层能力），并通过概率化约束（贝叶斯信念更新）实现动态校准，最终形成“人类因果直觉+机器概率计算”的混合智能系统。这一演进本质上是通过知识显性化和决策可计算化，解决传统专家模式中“认知不可复现”与“风险不可度量”的双重困境，其驱动力既来自监管对透明性的要求（如GDPR解释权条款），也源于复杂风险环境下对分析深度的需求（如供应链中断的连锁效应分析）。

　　但是，这种AI技术受限于企业样本不足、风险因子过多、算力要求过于巨大、技术初级阶段等原因，目前仍只能充当企业经营性信贷分析中的辅助工具，部分银行在极端定制场景下尝试充当主要工具使用，但尚难言成功。目前面对特定客群、特定产品下的标准因果框架（如6P专家策略法等）的科学设计，仍然是当前经营性信贷分析需要重点研究与依赖的方法。

　　未来随着AI等技术的进步，机器仿真人类因果推演能力的加强，有可能大幅提升定性分析的严谨性和全面性，这一阶段到来后，专家模型法将逐步转向机器仿真模型为主、专家经验专家模型校验为辅的形式。但尽管这样，应仍会保留人类专家在极端情境下的最终裁决权，形成“算法提供基准，人类把握例外”的新型治理范式。

　　（二）这个演进过程可分为三个阶段

　　专家个性经验向因果推演的结构化标准框架演进（专家经验法-专家策略法）

　　因果推演的结构化标准框架部分向数字模型演进（专家策略法-专家模型法）

　　因果推演的结构化标准框架+数字模型协同和约束（专家策略法+专家模型法）

　　（三）各阶段演进的关键变化分析

　　1．专家经验→因果框架（第一次跃迁）

　　技术突破：专家经验被分解为因果要素（如将“管理层能力”拆解为“战略清晰度”“团队稳定性”等可观测指标）

　　案例：德国IPC技术升级为可量化的“现金流预测九宫格”，事实上IPC技术是传统专家经验法向专家策略法发展过渡过程中的一种状态，它既表现出对纯粹信贷员经验的规范化要求，如要求建立三表还原、还款意愿、还款来源分析等一系列的分析框架和要求，但又没有像5C、6P等专家策略法那样实现整体分析框架的清晰化、标准化，属于半专家策略法，这也是银行很难复制成功的主要原因。

　　局限：因果规则需人工维护（如行业模板每季度更新耗时）

　　2．因果框架→数字模型（第二次跃迁）

　　算法创新、效能提升、现实约束

　　需10万+标注样本训练可靠模型（中小企业数据不足）

　　3．人机协同（当前在试验阶段）

　　混合决策流程：

　　（四）信贷实战案例

　　案例背景：“先锋科技有限公司”，一家主营太阳能面板连接器生产的中型制造企业，申请1000万元流动资金贷款。

　　1．第一阶段：专家经验法

　　技术形态：依赖信贷员个人经验和直觉。

　　分析过程：

　　三位资深信贷员（A、B、C）分别进行尽调。

　　信贷员A（出身制造业）：关注设备新旧程度和产能利用率，认为经营扎实，建议批准。

　　信贷员B（有风险创伤经历）：关注老板名下有大量房产，怀疑有资产转移风险，建议拒绝。

　　信贷员C（年轻海归）：关注ESG（环境、社会、治理）概念，认为行业前景好，建议批准。

　　决策结果：三位专家结论不一，耗时漫长，最终依赖信贷部主任的个人权威进行裁决。决策质量不稳定，难以复制和规模化。

　　2．第二阶段：专家策略法

　　技术形态：使用标准化的因果框架（如5C分析法）。

　　分析过程：

　　银行推行标准化信审模板，要求所有信贷员按统一框架评估：

　　Character（品格）：核查实际控制人征信、诉讼记录。

　　Capacity（能力）：分析现金流、损益表，计算偿债覆盖率。

　　Capital（资本）：评估净资产、负债率。

　　Collateral（抵押）：评估厂房、设备抵押价值。

　　Conditions（环境）：分析光伏行业政策、上游硅料价格趋势。

　　三位信贷员根据同一模板收集信息，结论一致性大幅提高。模板提示：“硅料价格上涨”是重要风险因子，需重点关注企业成本转嫁能力。

　　决策结果：基于统一的因果链条，得出结论“条件通过，但需将贷款成本转嫁能力纳入贷后监控”。决策变得一致、透明，但框架是静态的，无法快速响应“硅料价格暴跌”等突发变化。

　　3．第三阶段：专家模型法

　　技术形态：AI模型辅助人类专家决策（人机协同）。

　　分析过程：

　　数字模型介入：

　　文本分析：AI解析企业上下游合同条款，发现其主要客户合同中存在“价格锁定条款”，因此在硅料价格上涨时无法转嫁成本，此风险在报表中无法直接体现。

　　因果图计算：贝叶斯网络模型整合“硅料价格”“合同条款”“毛利率”“现

　　金流”等变量，计算出在价格波动下企业的违约概率为28%。

　　人类专家决策：

　　模型输出并非最终决策，而是提供深度洞察：“风险核心来自刚性合同条款”。

　　人类专家据此与企业谈判，最终方案为：批准贷款，但增加两项条件：①要求企业将部分贷款用于购买硅料期货套期保值；②重新谈判合同时，须引入价格联动机制。

　　决策结果：“算法发现风险根源，人类设计风控方案”。AI将人类专家的因果洞察（关注合同）量化、深化，人类专家则凭借商业智慧和法律知识，制定了模型无法想到的创造性风控措施。这正是“算法提供基准，人类把握例外”的新型治理范式。

　　4．三个阶段对比表

　　总结：这三个阶段的演进，本质是信贷分析从一门“艺术”（不可复制的个人经验），走向“手艺”（可重复的标准化流程），再迈向“工程”（可计算、可扩展的人机混合智能）的过程。当前我们正处在第二阶段尚缺乏科学标准、同时在第三阶段探索的时期。专家模型法需要计算机、AI技术发展到相当的程度，能够大规模仿真人类因果推演能力后才能得到充分地实现，此前基本上只能充任专家的辅助工具。

　　(本文作者介绍：曾在人民银行、银监会系统工作十六年，后从事私募、融资担保、小额贷款、金融科技工作。小微信贷行业代表性人物，中国小微信贷机构业务创新合作联盟发起人，小微信贷实战专家，互联网金融知名评论者，财经专栏作家。著有《为什么说99%的P2P终将死亡》等一系列热点文章，多次准确预判小微信贷市场走向与监管趋势。)