中信银行王鹏虎:创新供应链金融数据化风控体系
2019/5/31 19:55:09

基于新的模式、理念、手段和流程,构建适应新形势和客户需求的供应链金融风控体系,是当前供应链金融发展的需要,也是银行更好地服务实体经济和实现经营转型的需要。

作者 | 王鹏虎 中信银行审计部副总经理

来源 |《当代金融家》杂志2019年第5期,原题为《中信银行:创新供应链金融数据化风控体系》

作为服务于实体经济和小微企业的供应链金融,在国家政策支持和市场各方的努力下,目前已成为金融行业的热点和各路金融资本角力的焦点领域。随着业务模式的创新和金融科技的深入应用,供应链金融的服务效率逐步提高,服务成本日趋下降,风险管理能力也得到迅速提升,供应链金融已初步完成了技术迭代,成为公司金融最具创新活力和技术含量的业务。在新型供应链金融发展中,供应链金融数据化风控体系的构建发挥了关键的积极作用,本文将对此进行分析,以促进中国银行业进一步转变观念,强化创新,增强服务实体经济和小微企业的能力。

供应链金融的风险特征

供应链金融的风险存在多个方面,可以从三个维度来看。

第一个维度是从主体来看,供应链金融的风险包括借款人风险、担保人风险、押品风险和第三方风险,特别是供应链金融中需要依靠物流监管企业、电商平台和数据商等第三方的配合,就产生了不同于传统信贷的第三方风险。此外还有来自于外部行业与市场的风险。

第二个维度是从风险的类型来看,其中突出的还是信用风险和操作性风险,特别是由于供应链金融流程环节涉及多个主体,且操作复杂而产生的操作风险,如核保不实不严、未落实质押权,虚假出置、押品高估和悬空、未办妥抵质押登记和付款方未将应付账款支付到银行指定账户等操作风险,这些操作风险甚至在一定程度上引致信用风险。

第三个维度是从流程来看,在准入环节的风险,包括行业准入、模式准入、集群准入和客户准入等环节的风险,在贷前调查环节的风险以及贷中审查审批环节、用信放款环节以及贷后管理环节的风险。

供应链金融的服务对象实际上是供应链中核心企业上下游的企业,这些企业通常都是小微型企业,它们具有以下特点:首先,小微企业风险相对较高,经营非常不稳定,变化非常快,抗风险能力是很弱;其次,小微企业存在高度的信息不对称,信息对外披露较少,且可信度较低,尤其是财务信息,收集小微企业信息非常困难,风险管控难度大;此外,小微企业规模小,银行风险管理成本高。

基于以上特点,供应链上小微企业的风险管理就成为世界性难题,小微企业融资难、融资贵和融资慢也就成为难以破解的金融困局。

供应链金融风控体系创新

开展供应链金融就必须破解小微企业融资困局,主要有以下三个战略支点:第一,成本必须降下来;第二,效率必须提上去;第三,风险必须控得住。通过创新建立三个战略支点,创新内容包括模式创新、流程创新和技术创新等。

模式创新

首先是模式创新,小微金融风控模式经过了以下三个阶段。

第一个阶段:全手工线下模式,也叫供应链金融1.0,完全依靠客户经理人工线下收集客户信息,并通过信审经理进行经验判断。

第二个阶段:半自动信贷工厂模式,将流程进行集中化处理,在若干流程中引入标准化作业工具,如信贷打分卡等。

第三个阶段:全自动数据融资模式,也称为大数据风控模式,技术基础是互联网,人工智能(artificial intelligence,AI)和流程自动化(robotic process automation,RPA),通过互联网和内联网获取客户数据,然后通过规则模型对数据进行处理,并根据处理结果去驱动业务流程。

理念创新

首先要重用信、轻授信。传统的授信业务往往在授信过程中花费大量时间,但是在用信这个阶段,却流于形式,没有进行实质性风险审查,而形成实质性风险的恰恰是用信环节。在供应链金融中,可以把授信彻底舍弃,直接进入用信,每一次用信就相当于是授信,授信额度相当于未结清余额加上本次用信额度。这样做的好处在于认真全面地审查每一次用信的风险,更加回归风险管理的实质。

其次要重债项,轻主体。银行的主体评级是基于企业过去三年的财务报表,但供应链金融小微企业往往还没有三年的历史,即使有,其财务报表的可信度也非常低。通过财务报表做评级这种方式适用于大中型企业,很难及时反映小微企业的实时风险状况,所以,我们在供应链金融风控中,要更加注重企业的交易,而不是企业主体,根据每一次交易来判断企业的风险。

再次要重短期视角。多数小微企业没有遥远的过去,也很难有遥远的未来,小微企业平均寿命只有三年,因此,银行更应注重小微企业的当下,关注其现时的经营状况。

最后要以交易额度代替授信额度。根据企业的每一次交易,给予一个额度,这种额度的基础就是交易以及交易形成的数据、债权和物权,和企业主体关系不大。由于额度与交易相关,交易结束,贷款就应该收回,因此,这种额度是小额高频短期的,是可以根据企业的经营状况及时调整和收回的。

手段创新

理念创新需要相应的手段创新,必须从原来传统的作业手段过渡到基于金融科技的手段。

首先从手工录入到线上获取信息,通过与企业系统直连以及部署网银等方式,实现线上自动获取数据,无须再通过资料收集后手工录入的方式获取数据。

其次是从单一数据来源到多渠道来源,数据不再单纯依靠客户经理采集,也不局限于客户以及银行系统等单一方式和来源,电商平台、企业ERP、物流系统、政府信息等各类外部大数据都是可利用的数据来源。

再次是数据处理方式从专家经验到规则加模型,模型包括简单的规则模型,也包括统计模型和复杂的机器学习模型。这些模型可以实现专家经验的积累和传承,保持理性和决策的一致性,能够标准高效地执行信贷审批。

最后是从人工到自动化和智能化,自动分析业务中的数据和信息,从中挖掘出数据规律、趋势等,并加以有效应用,达到“总结过去、预测未来”的智能化效果。

流程创新

手段创新需要落地到流程创新,以线上化和自动化的操作优化供应链金融的流程体验,达到降本增效控险的多重目标。在整个流程中,开户、贷款申请、审批、放款、签署合同、抵质押登记、贷后管理、预警催收等环节其实都可以通过系统自动处理,每一个环节的分析判断与决策,都是由数据模型来做出决策的和推动流程。实践中也可以在若干节点设置人工干预,特别是对难以直接通过或拒绝的犹豫状态,可以借助专家来判断和决策。

供应链金融风控体系的构建

基于新的模式、理念、手段和流程,构建适应新形势和客户需求的供应链金融风控体系,是当前供应链金融发展的需要,也是银行更好地服务实体经济和实现经营转型的需要。

供应链金融风控体系的构建具备了相对成熟的条件

首先是已经具备较为完善的数据基础,互联网、大数据技术的兴起以及电商平台的蓬勃发展,交易行为线上化趋势明显,供应链交易数据的获取成本低、效率高且可信度高。外部宏观经济、行业以及征信、工商、税务等一系列相关公开信息平台的完善,将进一步打通部门间的信息孤岛,对企业进行精准画像和实时评价监督的可行性提高。

其次是数据技术也较为成熟。在数据获取方面,可以通过物联网、互联网和移动互联网,实时采集企业生产经营数据和交易数据;在数据存储方面,云计算和分布式数据库可以容纳海量数据;在数据处理方面,自然语言理解、图像识别、数据挖掘和机器学习技术日益成熟,AI技术的应用可以极大地提高信息处理效率,部分甚至全部替代专家决策。商业银行内部信息系统也日趋完善,核心业务系统、信贷系统、供应链金融系统、电子票据系统等相关业务系统基本搭建完毕,部分领先银行已经开发了大数据和人工智能平台。

此外,国内外部分先进银行和一些金融科技企业已经在供应链数据融资方面积累了大量的实践经验和成功案例。花旗与Biz2Credit、摩根大通与Ondeck、法国巴黎银行与Mysis都开展了基于供应链交易数据的业务合作。国内也有工商银行、中信银行和平安银行等,通过与供应链核心企业电商平台合作,开展基于数据的供应链金融的成功案例。京东金融、深圳怡亚通和阿里一达通等贸易服务企业也基于供应链交易平台数据开展了大量融资业务,与商业银行实现获客引流和部分风控职能的合作。

数据是构建供应链金融风控体系的基础

要获取全方位的数据,包括宏观经济数据、中观区域和产业数据以及微观客户主体与交易数据,只有建立了立体多层次的数据,才具备构建新型供应链金融风控体系的基础。

对于宏观和中观数据,银行可以通过采购获取,而客户主体数据和交易数据,一方面来自银行拥有的数据,一部分可以通过采购外部数据获取。

银行拥有大量的企业资金结算数据,这部分数据质量非常高,而且也可以真实反映企业经营状况。企业资金结算中的收付款数据就是企业生命体征数据,就像人的呼吸、心跳和体温一样,只要企业在正常经营过程中,这些数据就会持续地表现在资金结算系统中。这些数据可以归纳为一进六出,一进是现金流入数据,主要是企业的销售回款,六出包括供货商付款、缴税、工资报销、社保、公用事业缴费以及其他。如果拿到其中一类企业全量数据,比如电费支付或者代发工资的数据,银行就可以根据用电和雇员的数据持续了解企业的经营状况。

在供应链金融中最主要的是交易数据,可以通过电商平台、企业ERP和物流企业的系统获得,随着社会经济信息化的推进合同、订单、仓单、提货单、应收账款等信息都逐步实现了电子化,成为可以直接利用的格式化数据。银行可以通过银企直联的方式,直接对接企业或第三方合作伙伴去实时获取这些数据。基于API(Application Programming Interface)和SDK(software development kit)技术模式的开放银行(Open bank)标准,目前已成为国际银行业发展基于互联网金融服务的最新趋势和技术标准,银行通过与企业和伙伴的系统连接,更加紧密地嵌入供应链场景,实时获取交易数据,为企业提供更加敏捷顺滑的供应链金融服务。落后于这种技术标准的供应链金融都将逐步被淘汰出局。

AI+RPA实现模型基础上的流程自动化

从新型供应链金融应用架构看,处于基础的是数据,将各类内外部数据获取之后,就要通过ETL(Extract-Transform-Load)完成数据的抽取、转换和加载,之后进入模型层进行处理,这个阶段主要是AI技术的逐步应用。模型决策之后进入流程应用层,要对各个流程节点进行改造,引入RPA技术,实现流程自动化。最后,再通过银行的电子银行渠道或者开放银行平台嵌入生态化场景中,为客户提供无处不在的服务。

在重构后的流程中,要引入社会共享的黑名单,构建和持续优化反欺诈模型,并应用于客户准入环节,实现KYC(know-your-customer)和AML(Anti-Money Laundering)的外部监管要求和银行内部风险管理要求。

在信贷审批环节,要在进行客户风险判断和信贷决策时,同步实现客户信贷产品定价,以满足收益覆盖风险的要求。对于高于风险容忍度的客户可以直接拒绝,或者输出到生态平台上的其他金融服务商,对于优质客户,可以将额度和价格同步展示给客户,由客户自助发起用信流程。对于处于犹豫状态的客户,可以启动人工干预流程,增加额外的判断或者押品。

在贷后管理环节,可以通过客户风险预警模型和数据,对客户进行实时监控,一旦发现预警信号,则进入预警处置流程。目前已有催收机器人可以帮助银行实现早期预警客户的自动催收。对于逾期超过阈值的客户,可以进入人工催收流程,包括客服中心电催和客户经理催收,也可以采取委外催收。

跨区域的供应链金融服务

随着互联网和电商的发展,目前很多供应链金融需要在跨区域甚至全球范围内提供服务,核心企业和供应链上下游企业,希望银行一个机构能够承做分散在多个区域的供应链企业的融资业务,实现规模经济效益和流程高效。这种客户需求和银行内部授信管理政策与流程存在差异,对目前的开户、客户属地化管理和信贷筛查形成挑战。如何促进监管和银行管理层对现有政策做出调整,就成为当前供应链金融发展的难点和焦点了,这远比技术的应用困难得多。这不仅要冲击现有的理念和政策,更重要的是会遇到惯性思维和既得利益者的阻抗,因此这也是银行开展新型供应链金融举步维艰的根本原因。可喜的是,已经有一些互联网银行,如百信银行、微众银行,在积极尝试新型供应链金融业务,实践证明,这种创新业务满足了大量供应链小微企业的融资需求,效率高,成本低,风险也相对可控,符合商业可持续原则。希望有更多的传统银行能够迅速转变观念,积极应用金融科技,跟上供应链金融发展的时代潮流,实现数字普惠金融,更好地服务实体经济。

中信银行供应链金融实践

中信银行供应链金融业务始于2000年,是国内同业最早提出供应链金融服务的银行之一。经过近二十年的发展,中信银行不断适应市场和客户需求变化,在业务模式、产品服务、风险管理和技术应用等方面持续创新,不断提升供应链金融的服务能力,为众多小微企业提供了优质的供应链金融服务,有力推动了产融结合和实体经济的发展。

中信银行始终将供应链金融作为全行公司银行业务的核心业务加以推动,通过深入研究产业经济和客户需求、加大金融科技的充分应用以及与众多科技、物流、电商和数据企业的合作,建立了供应链金融业务集中化、专业化的管理运营体系,搭建了供应链金融业务的“三大平台”,打造了“四大增值链”,并形成了“五大特色网络”,形成了预付、应收和存货三大类产品,不断推动供应链金融电子化、线上化、自动化和智能化。经过多年的努力,中信银行供应链金融业务已处于同业领先地位,其中独具特色的汽车金融、钢铁金融和B2B电商金融在市场上形成了很高的知名度,赢得了众多行业头部企业和广大小微企业客户的高度认可。

本文转载目的在于知识分享,版权归原作者和原刊所有。如有侵权,请及时联系我们删除。

展开全文
相关阅读
资讯查询取消