《管理世界》|| 黄益平、邱晗：大科技信贷：一个新的信用风险管理框架

大科技信贷：一个新的信用风险管理框架

文章来源

作者：

黄益平（北京大学国家发展研究院、北京大学数字金融研究中心）

邱晗（北京大学国家发展研究院、北京大学数字金融研究中心）

文章刊发：《管理世界》2021年第2期

文章主要内容

摘要：大科技信贷是指大科技公司利用大科技生态系统和大数据风控模型这两大工具提供信贷服务，创新信用风险管理框架。这项具有突破性的信贷业务首创于中国，并且已经在很多国家落地，为发展普惠金融服务提供了一个相对稳健的解决方案。本文的目的是分析大科技信贷在中小企业贷款领域的信用风险管理框架的工作机制及其宏观影响。大科技平台及其生态系统通过连接数以亿计的用户实现获客，积累大量的数字足迹，支持实时监测与信用风险评估，同时设计相应的激励机制改善还款管理。本文利用中国某家头部金融科技公司逐笔贷款数据的实证分析表明，与传统风控模型相比，大数据风控模型具有突出的信息优势和模型优势，能够更加准确地预测违约。大科技信贷能够有效降低信用历史较为缺乏借款人的融资门槛，提高金融普惠性，同时因为信贷决策不再依赖资产价格，显著减弱金融加速器机制。

关键词：大科技信贷  普惠金融  中小企业融资  大科技生态系统  大数据风控模型

中小微企业“融资难”是各国都面临的一项严峻挑战。为中小微企业提供信贷服务，既要解决“获客难”的问题，又需克服“风控难”的障碍。中小微企业数量大、规模小、不确定性高、地理位置分散，触达这些企业的成本很高。同时，这些企业一方面缺乏完整的财务数据，另一方面也没有足够的抵押资产，很难满足银行信用风险评估的基本要求。自2005年联合国发起“小额信贷年”以来，各国政府都做了许多努力，包括设立大量的小额信贷公司以及鼓励商业银行增加对中小微企业的贷款。但总体看来，进展有限。

过去10年间，一些大科技公司利用大科技平台获客并积累数字足迹，再以大数据支持信用风险评估，走出了一条为中小微企业提供信贷服务的成功道路。大科技信贷是一项国际前沿的普惠金融创新，也是一个重要的“中国故事”。虽然现在大科技信贷模式已经在包括阿根廷、韩国、印度和美国等的许多国家落地，但它最初于2010年诞生在中国。根据国际清算银行估计的数据，中国是全球最大的大科技信贷市场。几家新型互联网银行比如微众银行、网商银行，每年分别发放一千万笔以上的贷款，平均的不良贷款比率不超过2%，远低于商业银行同类贷款的不良率。在2020年新冠肺炎疫情期间，这些新型互联网银行发挥“无接触交易”的优势，持续为中小微企业提供融资服务，发挥宏观经济稳定器的作用，受到了国际货币基金组织等国际机构的关注与赞扬。

如果大科技信贷的业务模式稳健可靠并且可推广，那么中小微企业“融资难”也许就不再是一个不可逾越的障碍。本文通过系统地解析大科技信用风险管理框架及其工作机制，试图回答大科技信贷是否有效、为什么有效这个问题。大科技信用风险管理框架主要包含两大支柱，一是大科技平台以及相关的生态系统，二是大数据信用风险评估。这两大工具相结合，可以有效地降低信息不对称的程度，减少信贷服务中逆向选择和道德风险的问题。因此，中小微企业贷款既能够放得出去，也能收得回来。

大科技平台的主要功能的是获客并积累数字足迹。数字技术平台的一个重要特性是长尾效应，一旦平台建立起来，增加新的用户的边际成本几乎为零，这样就可以海量、快速、低成本地获客，目前微信和支付宝的用户总数都在10亿以上，缓解了传统金融机构很难触达中小微企业的问题。同时，用户无论做社交、网购还是搜索，都会留下一些数字足迹，这些数据累积起来就形成了大数据。大数据可以发挥至少两个方面的功能，一是帮助监测借款人的业务与行为，二是支持大数据信用风险评估。另外，因为借款人大多依赖平台及其生态系统展开业务，大科技公司也可以设计相应的激励机制进行还款管理，控制道德风险。

为了验证大数据信用风险评估的有效性，本文利用国内一家头部数字金融平台的逐笔贷款数据，对大数据模型和传统银行模型的效果进行“赛马”分析。首先，将贷款数据分为两个阶段，前面一个阶段的数据用于训练，即分别估算利用大数据和机器学习方法的大数据模型和利用财务数据和打分卡方法的传统银行模型。后面那个阶段的数据则用于测试，即用估算得的模型分别预测违约率，然后比较两个模型的预测效果。这个分析的基本结论是：一、大数据模型预测的准确性要高于传统银行模型；二、大数据模型可以服务许多不能达到银行风控资质要求的中小微企业，而且风险控制得也非常好。这后一点充分证实了大科技信贷的普惠特性。

本文是第一篇系统分析大科技信用风险管理机制的学术论文，也是第一次提出这样一个概念，并将大科技平台和大数据风控放在一起来分析。对于大数据风控模型有效性的研究，学术界已经有几篇论文。第一篇论文是德国经济学家Berg及其合作者利用一家线上家具店的用户数据，验证了即便是十分简单的数字足迹都有可能被用于信用风险评估。他们那个研究主要是提出了一个理论思路，实操性不强，因为总共只有8个数字足迹的变量。还有两篇论文是本文作者分别与国际清算银行和国际货币基金组织的研究人员一起利用中国大科技信贷的逐笔贷款数据所做的研究。另外，国际清算银行的研究人员也发表了几篇关于大科技信贷的论文，但主要是分析对金融中介的影响并测算各国大科技信贷的规模。将大科技平台和大数据模型结合在一个信用风险管理框架里，分析大科技信贷的普惠性和有效性，本文是第一个。

大科技信贷不仅是一项重要的普惠金融业务，也可以对宏观稳定产生影响。本文发现，传统商业银行的抵押贷款对本地房价变化有非常强的正向反应，即房价提高，信贷增加。这其实就是前美联储主席伯南克等提出的“金融加速器”。但大科技信贷对房价变化却没有任何反应，这是因为新型互联网银行在做信贷决策的时候只看大数据、不再看抵押资产，这样就相当于取消了“金融加速器”的机制，增强了金融稳定性。

无论从理论看、还是从实践看，大科技信贷都是一项革命性的普惠金融创新，为中小微企业“融资难”问题提供了一个可行的解决方案。当然，这项业务还只进行了10年时间，学术研究更是刚刚起步。大科技平台业务多种多样，在此基础上生长出来的大科技信贷有没有明显的差异性？未来大科技信贷业务模式还会如何演变？如果面临大的外部冲击，其风控的有效性是否还能保持？这些问题都值得研究人员持续的观察与分析。

大科技信贷的发展，也提出了一系列的政策与监管问题。第一，大科技信贷是技术驱动的金融创新，监管也需要运用技术手段，实时监测风险、化解风险。第二，政府应该支持科技公司或金融机构整合数据、加强分析，只要有数据与分析能力，大科技公司或商业银行都可以利用这种业务模式服务中小微企业。第三，政府亟需建立一套完整的数据政策，规范确权、标准、交易和收益方面的规则与行为，基本原则是既要保护隐私，又要发挥大数据的效率。最后，监管部门应该充分保障公平竞争并保护消费者利益，特别要防范大科技公司利用平台的优势损害中小微企业的权益。