基于大数据视角的商贸流通企业融资风险测度

孙怡瑶

内容摘要：风险测度的不确定性导致融资难、融资贵问题在商贸流通企业融资中广泛存在，化解此类问题是解决商贸流通企业融资困境的重要内容。国内大数据技术的不断发展和运用，为解决商贸流通企业融资困境创造了技术支撑，大大优化了风险测度效率，从而提高了企业融资效率。大数据技术运用所依靠的数据资源存在真实性无法保障、连续性欠缺、存储周期短及统计口径不一致等问题，因此广泛使用大数据技术进行风险测度还需要一定时间。

关键词：商贸流通 融资 风险测度 大数据

关于商贸流通企业融资方面的学术研究较多，而从大数据技术角度进行分析的相对较少，这源于相关理论和技术并不成熟等因素。破解我国商贸流通企业融资困境是当前促进商贸流通企业发展的重要途径，降低融资风险能够有效提高商贸流通企业的经营效率（聂晶，2018），从大数据角度破解商贸流通企业融资中风险评估难的问题，有关学者给出了不同的看法。所谓的大数据金融，林巍、王祥兵（2016）认为是指利用大数据所开展的金融服务，此观点侧重大数据使用的范围；朱大磊（2017）则从普惠金融的角度对大数据进行了阐述，认为金融科技与普惠金融的结合催生了“数字普惠金融”概念，大数据对普惠金融的实践能够提供技术上的支撑，是风险测度的重要技术手段；考虑到大数据可能带来的负面影响，有关研究指出要从个人信息保护立法、信息共享机制建设、市场自律等多方面入手，为金融大数据产业的健康发展提供良好制度环境（孙国峰，2017）。因此，对于大数据技术在商贸流通企业融资中风险测度方面的运用，不能仅停留于理论和简单的政策建议层面，因为考虑到实际使用中市场的需求情况，大数据技术在进行风险测度的过程中需要适时进行调整，这就涉及到风险测度评估模型的设计。

我国商贸流通企业融资风险评估

（一）传统风险测度模式指标体系分析

传统融资模式以商业银行授信为主，即间接融资模式是我国多数中小型企业获取发展资金的核心渠道，但相对于股权融资等手段则占比较低。现有的融资模式或融资渠道较以往丰富了许多，银行融资始终是核心渠道，而信托、基金、股权融资及P2P平台等各有不同，资金成本不一而足，整体上仍旧是银行融资为最低成本（见表1）。由于银行融资资金投入成本较低，即居民储蓄存款利率较低，可贷出资金能够尽量压缩成本，即便是在当前商贸流通企业融资难、融资贵的现实背景下，整体融资成本还是较其他渠道低。虽然商贸流通企业在银行的融资成本较低，但是不可忽视一直存在的融资难、融资贵问题，因为对于能够获得商业银行融资准入的商贸流通企业而言，资金成本是其能够承受的，或者说是在整体经营成本中占比较低的，所构成的财务费用支出并不十分影响其发展。本文讨论的重点在于商业银行在为商贸流通企业提供融资服务时所遵循的风险测度标准是否影响了企业融资的效率，而这些融资效率影响因素是否能够通过大数据技术进行有效规避。

对于商业银行而言，商贸流通企业要获得银行授信支持，首先需要对其进行基本准入，然后对其相关指标进行风险测度，以考量对其融资可能带来的风险及相应的风险缓释措施。商业银行在测度商贸流通企业融资风险时重点考察企业经营情况、财务状况、经营者素质、上下游贸易（与单次授信申请有关）、信用状况、增信措施共六大方面，具体的考察重点如表2所示。根据表2中的评估指标体系，设定最基本的评估模型为：y=∑ni=1?ixi，其中y表示风险测度值，x表示不同的风险测度指标，i、n对应不同的测度指标数量，?为风险测度指标的权重系数，一般根据商业银行的风险偏好或历史数据设定，具有一定的主观经验判断的特点。上述风险测度模型为商业银行传统做法，并没有过多的技术性因素在其中，实际操作中仅将其视为一种参考，或者在一些特定融资产品中作为唯一的准入依据或授信额度测算参考依据，与风险测度效率和准确性相关性并不大。因此，提高商贸流通企业融资中的风险测度效率还需要对传统的评估模型进行优化改进，尤其是要提高运作效率。

按照常理而言，评估商贸流通企业的实际风险一般对财务情况较为看重，但在实际操作中会发现越来越弱化对财务指标的分析，主要存在这样几点原因：第一，企业所提供的财务报表数据通常存在造假行为，企业通常有银行账、老板账及税务账三套账，企业提供给银行的通常是夸大盈利能力后的財务数据，因此银行难以测度其真实的盈利水平，可信度大幅度降低；第二，银行基于多年的实践经验发现，即便是企业能够提供真实的财务数据，并能够从中评估出企业具备良好的盈利能力和还款能力，但市场是有风险的，不以人的意志为转移，各种不可控的风险时有发生，会导致纯信用类贷款出现不良后果。因此，商业银行就会选择通过房产抵押、专利质押或相关担保等相关增信措施进行风险防范，基于增信措施商业银行就会弱化对财务数据的评估。

（二）传统风险测度模式存在的弊端剖析

第一，弱化财务数据后增加了企业信息负担。在进行风险测度的过程中如果选择弱化财务信息分析，则需要企业通过提供其他方面的数据进行风险测度，而实际上其他方面的数据难以获得，因此最为直接的就是通过增加增信措施来覆盖潜在风险，通过其他信息以替代对财务数据的分析和甄别，如此一来就会在无形中增加企业负担，导致实际融资成本提高。这样一来，实际解决商贸流通企业融资难、融资贵成为空话。

第二，时间成本和人工成本增加导致融资效率大幅度下降。传统的风险测度以人工审核为主，辅助较为简单的计算机程序化操作，实际上只是利用Excel表格进行基本运算，技术手段还处在最为原始初级的阶段，与国外的风险测度技术相比相差甚远。人工审核需要更多的时间成本和人工成本，而且人工审核过程所掌握的风险偏好因人而异，容易出现商业银行前中后台风险偏好不一致的情况，会直接导致企业融资效率降低。

第三，传统风险测度下交叉验证存在缺失，过分依赖企业相关数据信息。传统风险测度模式下企业所提供的信息很难进行真实性验证，无法保障信息的真实性和有效性，一方面源自企业存在的道德风险，另一方面则是没有一个技术手段能够实现交叉验证。交叉验证的缺失导致所获取的信息无法保证真实性，也就无法评估出企业的真实信用风险和偿债能力。此外，传统风险测度模式下很容易出现评估差错，对数据分析失误会导致最终评估结果出现错误，存在高估或低估企业信用风险的可能，也就存在流失有效企业客户或增加自身经营风险的可能。因此，如何有效革除现有风险测度中存在的问题，需要采用更加科学合理的技术手段，大数据技术在依托传统风险测度模型的支撑下，通过采集更多有效信息进行综合性判断，从而对商贸流通企业进行全方位分析，以得到真实信用级别。

大数据维度下商贸流通企业风险模型分析

（一）大数据风险测度发展现状

财务数据弱化、人工成本和时间成本高、交叉验证缺失及容易出错是传统风险测度模式存在的较为突出的问题，因此需要借助大数据技术进行改进，弄清事物之间的内在联系和作用机制，这也一直是传统经济学研究的核心（俞立平，2013），大数据彻底改变了传统的统计调查方式，能够有效解决传统数据采集的弊端。大数据一方面对传统的因果关系理论提出了挑战，另一方面又给因果概念的进一步展开提供了更高层次的整体视角（王天思，2016）。随着国内金融科技的不断发展，基于大数据技术的风险测度模型在进行信用风险识别和判定方面取得良好成效，并促进了商贸流通企业融资效率的大幅度提升。表3介绍了国内部分金融科技公司所开发的基于大数据技术的风险测度产品或服务。

大数据技术在进行风险测度时不仅将传统的风险测度要素纳入考察范围，同时利用互联网思维将更多维度的数据纳入风控模型进行综合的全方位分析（见图1）。大数据技术最重要的一点就在于能够通过多维度的数据进行交叉验证，发现交易中存在的规律性特征，从而核查交易的真实性，而风险测度的本质就在于此。大数据技术下的数据来源是多渠道的，具有“4V”特点（量Volume、多样Variety、价值Value、速Velocity），具体来源包括企业自身提交的数据、网络收集的行为数据、累积的交易数据及第三方数据等，其中第三方数据来源相对权威真实，包括政府、公共事业单位、电信公司、税务、社保等。

对于测度商贸流通企业融资风险，利用大数据技术进行风险评估与一般的建模流程基本一致，仅存在一个行业的差别性特点，因此在建模中会对不同的指标权重进行差异化处理，这需要具有一定的历史数据积累或其他相关类型行业数据的比较和参照。在风控模型建立方面，需要运用到多种机器学习算法，比较成熟的如SVM支持向量机、随机森林、集成学习等，不同的算法比较如表4所示。

（二）大数据技术对商贸流通企业融资效率提升的可行性

基于上述对大数据技术的基本分析会发现，大数据技术在商贸流通企业融资中进行风险测度具有较高的技术含量，完成风险测度技术的转换是一项系统性工程，涉及多个环节。对于商业银行而言，真正采用大数据风险测度技术还需要一个过程，众多风险管理部门对大数据技术存疑，其有效性并没有得到实质性验证，因此单纯依靠大数据技术进行风险测度远不如传统的抵押、担保或质押更为简单有效。但是应该看到，大数据技术的发展对提高商贸流通企业融资效率具有广阔的市场前景，是行业发展的必然趋势，商贸流通企业所涵盖的行业范围广、可积累数据多、交易周期长，能够为数据建模提供丰富的数据资源，因此在推动大数据风险测度工作方面具有一定的优势。大数据技术下，商贸流通企业风险测度所需要的原始数据主要包括经营数据、财务数据、交易数据、传统征信数据、网络数据、第三方数据（政府、税务、水电、电信、交通等）这样几大类，同时匹配商贸流通业自身发展规律进行建模比较。

此外，在运用大数据技术对企业进行风险测度时需要考虑到一定的困难，由于该项风险测度模型对数据的依赖性很大，处于底层的数据资源十分重要，因此企业及金融机构应该意识到数据的重要性。在我国的商业环境下，数据资源积累存在四大问题：一是数据本身真实性无法保证，很多数据为伪造数据；二是数据不具备连续性，经常出现断层；三是数据存储周期短，并没有完整的历史交易数据可供分析；四是数据统计口径不一致，同样是经营收入数据，在不同的企业极有可能因财务报表编制过程中财务数据分类不同而导致可比性下降。因此，全方位运用大数据技术对商贸流通企业进行风险测度还需要很长一段时间，但是从另一方面分析，由于大数据技术下的风险测度模型具有迭代性，即分析模型是根据市场的变化及时调整，因此早期能够运用现有的数据进行初步分析，金融机构配合传统的风控手段能够实现对企业基本风险的控制。

综上，商贸流通企业在融资过程中因风险测度的不确定性而出现融资难、融资贵问题，化解此类问题是解决商贸流通企业融资困境的重要课题。随着国内大数据技术的不断发展和运用，基于行业大数据的风险测度方法逐渐发挥了重要作用，实现了对传统风险测度方法的改进和优化。国内众多金融科技公司纷纷研发大数据风险测度技术，为解决商贸流通企业融资困境创造了技术支撑，大大优化了风险测度效率，从而提高了企业融资效率。但是大数据技术运用所依靠的数据资源存在真实性无法保障、连续性欠缺、存储周期短及统计口径不一致等问题，因此广泛使用大数据技术进行风险测度还需要一段时间。

参考文献：

1.任保平.中国商贸流通业发展方式的评价及其转变的路径分析[J].商业经济与管理，2012（8）

2.路远方.商贸流通企业融资问题探讨[J].商业经济研究，2017（11）

3.孙国峰.金融大数据应用的风险与监管[J].清华金融评论，2017（10）

4.朱大磊.大數据风控助力普惠金融[J].中国金融，2017（11）

5.林巍，王祥兵.大数据金融商业模式的构成要素与创新趋势[J].经营与管理，2016（4）

6.聂晶.商贸流通企业间接融资模式的风险测度分析[J].商业经济研究，2018（4）

7.俞立平.大数据与大数据经济学[J].中国软科学，2013（7）

8.王天思.大数据中的因果关系及其哲学内涵[J].中国社会科学，2016（5）