（11）王剑：银行技术进步

　　文/新浪财经意见领袖专栏作家 王剑

　　在介绍银行业务及经营策略后，本篇回顾了现代银行业引进信息技术的几大阶段，以及最新进展，以此来展现信息技术对银行业务的推动。

　　一、   银行科技三大阶段

　　1．电子化阶段

　　银行业最初引进计算机技术和网络技术的原因，主要是海量的业务处理需要实现自动化、电子化以提高业务效率，所谓“银行电子化”。这一阶段的主要进步有：（1）前端，开始使用现金、票据、账目的自动处理和显示的各种机具，业务办理的效率得到有效提升；（2）在中后端，大量数据可以更高效地存储于计算机系统中，通过专用网络传送；（3）从经营管理角度，开始使用银行专用网络（包括银行内部的业务网络、银行之间的电讯或清算网络、ATM专网等）。总之，这一阶段在银行业务逻辑上没有任何变化，但电子化确实在业务流程、经营管理上大幅提升了效率。

　　2．网络化阶段

　　所谓的“网络”主要是指互联网，电子化阶段的专用网络更多是提升银行中后端功能。零售银行业务需求开始增加之后，大量客户在柜面过长的排队时间严重恶化了体验。2000年前后，家用互联网开始日渐普及，中国银行于1997年率先在国内银行业中推出了网上银行业务。

　　网上银行的本质是广大客户可以通过互联网办理部分银行业务。比如余额查询、汇款转账、网上支付等简单业务。2003年之后，电子商务日渐普及，网上银行也进一步普及。而且，那时移动互联网开始兴起，银行也顺势推出了手机银行，本质是在移动终端上接入的网上银行可以用网页或应用程序（APP）登录，其服务内容和计算机网银类似，便利性却得到进一步大幅提升。（见图4-8）

　　互联网能够传递信息，但不能传递信任。因此，如何实现银行和客户双方在自始自终不曾见面却能够可靠地办理一切银行业务，实现真正意义的互联网银行，成为了下一阶段的技术课题。

　　3．数字化阶段

　　随着新一代信息技术在数字化、智能化等领域的突破，经济活动的数字化水平快速提升，进而又快速积累了大数据，银行逐步实现了网络化阶段无法实现的功能。

　　大数据是指数据的总量较大且维度较多，最终能够保持数据的真实性水平。以电子商务活动为例，大量的网上交易能够留存下可反映特征的信息，且大部分不是刻意伪造的，因此真实性水平较高。再加上维度众多，能够综合化地刻画一个人的各方面特征。因此，大数据逐步积累形成并被开发应用之后，互联网开始具备处理“信任”的功能。在这样的背景下，银行完全通过线上、自始自终未与用户线下见面，而能够办理开户、贷款等业务，也得到了突破。

　　二、   互联网贷款主要技术原理

　　互联网贷款是数字化阶段的重要突破，主要依靠互联网、大数据来实现客户的拓展和风险控制。根据其客户来源可划分为两种：专属客群模式一般由大型互联网公司、大型传统银行或其他大型企业开办的互联网银行来实施，因为这些大股东本就已掌握了大量的客户资源和信息，可以完成风险评价。大股东通过筛选出一些优质客户，定向对他们推送贷款或其他服务。以深圳前海微众银行的贷款产品微粒贷为例，客户是否受邀所看到的界面不同（见图4-9）。

　　全客群模式是一些没有大股东提供现成的客户资源的银行，面向全市场获取客户，因此便需要对这些客户完成一个完整的风险评估流程和其他流程。

　　1．针对还款意愿的反欺诈系统

　　还款意愿和还款能力是信用风险分析中的两大基础内容。目前互联网贷款主流品种单笔金额都不大，更多的风险在于还款意愿，容易出现类似“骗贷”的行为。因此，反欺诈系统本质上是为了识别并排除恶意申请贷款的人。当前，现代智能手机技术高度发达，甚至可以识别客户上网的作息时间、设备或地点等行为信息，反欺诈能力大幅提升。

　　2．针对还款能力的大数据风险评价系统

　　风险评价非常类似于过去的征信系统。目前，互联网贷款主要服务于无法获取传统银行贷款服务的人群，一般俗称“白户”，这些客户没有征信记录，而征信记录是传统银行投放个人贷款时几乎必备的依据。有了大数据之后，银行尝试用来替代征信记录建立征信模型，分为几个步骤：

　　首先是建模期，先从丰富的大数据中，猜测出一些可能和信用水平相关的变量，在放贷后收集还款情况数据建立回归模型，找到与信用水平最为相关的变量来初步构建征信模型；然后是验证期，用以测试验证模型，代入不同于建模样本的历史变量数据，将得到的结果与最终真实的信用结果比对；最后，在实战中运用该模型，将新客户的这些变量输入，得到对信用的预判作为放贷依据。全流程体现为图4-10：

资料来源：刘新海．征信与大数据[M]．北京：中信出版社，2016

　　3．成本优化系统

　　银行从事互联网贷款业务还需要考虑商业可持续性。因为互联网贷款面向的客户群体有很多白户，包括不少收入水平较低的人群。目前主流的互联网贷款品种单笔金额在几千元左右，且很少出现借款一年的，单户单次贷款能够为互联网银行带来的收入可能无法覆盖成本费用。

　　从“变动成本“优化角度，银行会配备多套模型，通过分层风控的手段，尽可能使全部数据成本最小化。解决面临“固定成本”则需要巨大的客户量。互联网银行实现了变动成本的优化、海量客户覆盖固定成本之后，才能实现商业可持续。

　　三、   未来展望

　　数字化和模型化共同构成了数字化时代银行业务的核心，未来还会出现什么样的突破，暂时不得而知。大数据处理模型的门槛越来越低，但大数据资源却是不容易获取的，很多机构即使掌握了模型原理，也不能转化成为真正的金融服务能力。因此，政府集中整合大数据资源并提供给金融机构，是一个良好的趋势。但对于单家金融机构而言，由于大数据门槛降低，甚至有可能逐渐同质化，那么业务会面临标准化挑战，难免会陷入价格战，负债成本低的大型银行占据成本优势。因此，单单就互联网贷款的这一业务而言，未来的行业格局还不明确。

　　(本文作者介绍：中国人民大学金融学硕士，CFA持牌人，曾供职于浙商证券、光大证券研究所，担任金融行业分析师，2018年加盟国信证券，任金融业首席分析师。)