刍议小贷业务信用风险的量化风控及大数据应用

施维

[摘 要]小额贷款业务存在由平台特征和用户特征导致的信用风险，针对互联网环境下的小额贷款业务信用风险问题，依托多渠道科学化管理和防控，以及大数据技术或可防控小贷风险。文章对小贷业务的信用风险进行阐述;分析小贷业务量化风险运行现状;对大数据在小贷业务中的应用提出建议，以期为小贷业务量化风险防控提供借鉴。

[关键词]小额贷款;信用风险;量化风控;大数据应用

[DOI]10.13939/j.cnki.zgsc.2021.01.013

由于征信机制、信息披露、风险防控、金融监管机制的不完善，贷款信用风险的量化防控有待进一步完善，特别是在中小型的小额贷款企业中，有效的量化风险防控对企业的服务管理工作具有重要意义。一般来说，小额贷款公司的贷款业务需要客户书面申请，贷款公司受理小贷业务之后，对客户提供资料的真实性、合法性进行小贷业务初步审核，初步审查通过后，再由承担小贷业务的小贷企业开展小额贷款前的实地调查，包括客户征信记录的审核，最后发放小额贷款再收回贷款，构成小贷业务完整流程。其中，信用风险的防控是整个流程中最为重要的问题。近些年互联网技术大范围应用，依托网络平台收集用户数据，实现企业联合和信息共享，对于小额贷款公司的小额贷款业务优化非常有效。

1 信用风险的概念

（1）信用风险的内涵。在金融学领域中，信用风险又称违约风险，在小贷业务中，由于客户未能按照合约中的规定或双方协定完成贷款偿还，导致小贷公司遭受损失。金融行业中的信用风险在贷款业务中尤为明显，具体在小贷企业中，规避客户违约风险对小贷公司来说非常重要，利用金融衍生工具有助于规避信用风险。

根据信用风险的成因，可将信用风险分为恶意欺诈、环境改变和微观改变三种类型。具体到小贷业务中，客户隐瞒自己的财务状况，或者谎报自己的经济状况，去申请小贷业务，未能如期偿还或拒绝偿还贷款本金或利息的行为，构成恶意诈骗;由整体的社会环境或者是金融环境，造成某类金融资产的质量产生系统性或金融结构性变化会导致小贷公司承担信用风险;由于客户的个人经营失败等微观因素，导致偿还小贷能力丧失，造成信用风险，这也是狭义的小贷业务信用风险[1]。

（2）信用风险的表现。在互联网金融行业中，小贷业务信用风险主要表现为用户特征导致的信用风险，以及互联网平台特征导致的信用风险。

用户特征导致的小贷业务信用风险，一方面，主要是因为在金融行业中，互联网服务并未覆盖所有用户。

比如说ZOPA公司，针对客户群体中的“自由组织者”类型，具有小贷偿还信用能力，但由于互联网覆盖等因素限制，不能提供传统小贷业务需要的信用证明，或者所提供的信用证明不能满足传统银行所需的信用考核，公司针对这一群体提供小贷服务，成为英国乃至欧洲最大的网贷平台之一[2]。

另一方面，小贷公司覆盖群体主要为微型企业和收入较低的散户，中国银行及其他大型银行的贷款业务中，有80%以上提供给大型企业，国有或私人企业通过大型银行获得大额贷款，小额贷款只占到贷款业务的两成。互联网背景下的小贷业务主要面向散户群体，根据长尾理论，这部分群体是具有金融价值的。

比如说，阿里巴巴旗下小微信贷平均余额规模较大，用户群体数量较多，总的来说单个用户的平均额度较低，侧面说明金融及信用风险较大。

互联网背景下平台特征导致的小贷业务信用风险。整体来看，我国小贷平台数量较多，竞争激烈，各个小型贷款企业的市场份额较少，特别是与国外成熟的平台相比，我国P2P平台处于劣势。我国开展小贷业务的企业经营存在问题，具体来讲，有许多小贷平台停业破产，甚至有网络贷款平台刑侦介入，数百个承接小贷业务的小贷公司倒闭或不知所踪。这与互联网金融本身的平台特征有关，互联网金融依靠互联网技术和个人用户端为载体，具有隐秘性等特点，除了企业主观原因以外，互联网技术的使用不当可能会遭到攻击，或者由于技术不成熟出现严重代码错误等情况。用户信息泄露或是整个小贷业务的系统崩溃甚至会影响金融系统，包括互联网金融系统本身[3]。这种技术性问题则需要通过技术更新补缺漏洞和后门，防止黑客入侵，全新的芯片技术和系统开发能够有效解决问题。从宏观角度来讲，可操作性和科学性的金融技术执行标准的制定有助于小贷企业防控信用风险，保障小微企业的核心利益不受侵犯。

（3）信用风险的成因。首先，完善的征信机制的缺失是造成信用风险的重要原因。小贷业务中，客户提供的个人财务信息的真实性是考核客户贷款额度和是否为该客户提供小额贷款业务的重要指标，我国征信数据收集信息较少，只有信用卡银行卡消费情况、取现情况和转账情况，维度的缺失导致小额贷款企业无法对申请小额贷款业务的客户进行全面而深入的考核。

其次，信息披露机制的不完善会造成小贷业务信用风险。债券承担双方具有高度关联性，无论是评级方还是销售方都有义务进行信息披露，但是信息披露过程中的真实性、客观性很难被完全保证。第三方监管的缺失是小贷企业甚至是所有承担小额贷款的企业面临的又一问题。

最后，风险防控体制的不完善会造成小贷业务信用风险。国内企业主要使用资金管托和三方担保作为风险防控的落地措施。但是在实践中，一旦小贷业务企业超支，该平台就只能宣布破产，甚至数百P2P跑路。

2 小贷业务风险量化管理现状

小贷业务的风险管理分为定量风险管理和定性风险管理两种。文章探讨的主要是量化风险管理。规模上，银行通常会选择传统对公业务，因为其成本低、较为简单，也有创新型金融机构由于高成本不受到青睐，小微信贷业务具有市场潜力。单笔贷款规模较小，市场庞大，后续发展具有潜力，也就是说，小贷业务具有技术先进、单笔成本大、营销团队数量多等优势。

（1）反欺诈规则集。小贷业务开展过程中，对于明显欺诈行为的客户整合，防范企业信用风险。具体来讲，有些客户伪造信用信息，弄虚作假，甚至有些申请小微贷款的客户盗用他人信息欺诈小微P2P平台，目前我国已經进入了职业化欺诈现象明显阶段，在小额贷款业务中，这种行为的规范原则较为单一。目前需要对客户或存在欺诈行为的微型企业进行整合，相关信息的搜索和相关合作单位信用搜索网络的形成对于防范这一类欺诈具有重要意义。批量化的团伙欺诈迅速识别机制，有助于防控金融风险。

（2）评分卡及量化工具。评分卡是我国小贷业务中现有的常用风险量化工具。具体来讲，在小贷业务的量化风险管理工作中，先要对某一用户进行风险评价，这样的量化尽管存在细微误差，但是却是可以查缺补漏的，针对有问题的客户，或者说针对那些可能存在评估风险的客户，可以不断修正、量化、改进评估模型，规模化、成熟的评分卡被大范围地应用于小贷业务中。

但是评分卡同样存在缺点，首先是对于大规模或者大型平台来说，需要升级组合风险，也就意味着有些平台发展的不同阶段也要对风险量化机制进行内部升级。小型平台基本上都会面临集中度风险。因为小型平台主要面向某一部分群体或某个行业、某个社会领域，组合集中管理具有效用。一定阶段后，小贷平台需要将风险和收益进行匹配量化分析。因为两者构成整个小贷业务的核心，两者匹配与否直接关系到平台收益，单一的高收益并不一定匹配低风险，低风险也并不一定对应高收益，甚至有学者认为钢贸行业存在严重的非理性行为[4]。

其次就是数据真实性缺失问题。客户在申请贷款额度的時候必然是进行事先设计的，可操作空间范围内进行可控的调整，甚至有些客户的可操作空间特别大，也就是小微企业频繁出现信用信息造假问题的主要原因。客户的日常数据的考量就更加重要，对于小微业务来说，那些日常金额流动较高的用户必然信用风险较低，基于评分统计数据，小贷公司对客户进行分类，即前10%的客户，前30%的客户，前50%的客户，前80%的客户多个等级的评定，有助于量化风险防控。但是需要注意的是，并非排名越靠前的客户就能为平台创造最高的效益，客户群体没有好坏之分，但是量化能够帮助小贷业务迅速分辨出利益最大化的客户群体。尽管需要人工对某一种类客户进行重点关注，但是大数据可以有效解决大多数问题。

3 小贷业务大数据应用原则

（1）可操作性。首先，小贷业务的大数据指标应尽量简单，过于复杂的指标可操作性较差，会影响到最终信用风险控制评价结果;其次，客户的信息简洁可靠，保证详细性;最后，指标应该具有可理解性，诉求直接明显。

（2）可量化原则。可量化原则是小贷业务大数据应用的核心原则，因为小贷业务风险评估中，量化评估方式进行的风险评估最终目的正在于此。最终形成可视的评估报告，数量的大小能够直接地保障信贷平台直观了解到用户情况。进而减少主观误差对客户风险防控的影响，但是可量化原则并非小贷业务风险评估的唯一标准，专家建议和从业经验也是重要辅助。

（3）可预见原则。信用风险评估中，微观和宏观环境会直接影响客户偿还能力，小微业务办理过程中对可预见的风险进行风控，将其考虑在风险评估机制，对小贷平台是重要保护，对客户也是有利的。但是需要注意可预见范围和可预见的合理性，不合理的评估会对企业和客户造成伤害。

（4）灵活性原则。不同客户的小贷还款方式不同，贷款规模有所区别，所属行业千差万别，灵活的量化评估对于客户来说是公平的，对于平台来说也是科学的。每个不同的平台面对的行业不同，客户之间也存在信用、规模、偿还能力等方面的差别，需要平台灵活调动。

4 大数据在小贷业务量化风控中的应用对策

大数据技术对当代商业产生重要影响，金融行业也不例外，依靠大数据技术，对小贷业务进行量化风控具有很大的可行性。首先，需要建设基础数据库，根据内部和外部数据的整合归纳，得出最终客户信用审核结果;其次，黑灰名单的建设非常有必要，在小贷业务中，黑灰名单对存在严重恶意欺诈行为的客户或存在过恶意欺诈的用户进行划分，大数据的迅速识别能够保障P2P平台的效益，降低信用风险;最后，反欺诈干预机制能够对小贷业务量化进行科学风控。

（1）基础数据建设。包括内部数据建设和外部数据建设两个部分。基础数据的囊括量越大，数据的真实性越能够得到保障，小贷业务中，外部数据主要是数据平台引进不同行业、不同种类的外部多种数据，模型化的分析能够有效防控预测可预见的风险。内部数据则主要是开展小贷业务的平台本身对数据进行处理分析，包括字段分析、频次分析等及基本信息、关联合作单位财务信息等相关信息;内外部的量和整合分析是基础数据库建设的又一重要内容，内外部数据是一个联合整体，两者之间存在强关联性。

（2）黑灰名单建设。针对恶意欺诈行为或者存在恶意欺诈倾向的客户建立预设性黑名单和灰名单，根据等级划分，具体来讲，曾经有过严重小贷业务欺诈行为的客户被划分进黑名单，根据情况程度的轻重，对于那些存在小贷业务欺诈行为但是影响较小的客户划分进灰名单，一般情况下，灰名单的用户数量小于黑名单。根据平台自身的利益需要进行调整，可控性和可调整性较强。将这些数据作为大数据考核的重要影响因素，可以支持与其他机构实时共享互换。

（3）反欺诈。外部数据指的是将其他平台或组织收集到的关于用户信用评价机制的信息进行整合，纳入平台的客户风险审核控制机制中，能够快速识别那些黑名单的客户，规避平台风险，事先对客户的信用风险进行预见，或者拒绝客户的小贷申请。

比如说，某民营P2P平台，有客户通过互联网申请50万元贷款，在其申请的70笔贷款中有47笔存在逾期情况，那么专业的大数据分析就能为平台提供风险评控支持，互联网恰恰可以对通讯录名单进行量化分析，发现这个客户的群体基本面较差，10个里有8个以上存在逾期行为，常用联系人反映了第二类集团的欺诈行为，这就有可能有专门的人在做业务，平台可以随时停止这项小贷业务。这实际上是一种事项干预机制。

大数据技术的应用一方面纠正了小贷业务的数据误差问题;另一方面扩大了模型清单数据的范围和规模，比如说，有些散户公私不分，不能将私人消费和企业消费进行严格划分，大数据能够了解到企业主的个人信息，包括消费信息和拖欠情况，甚至是各种生活数据，这些数据扩充了量化小贷风险分析的信息数量，有助于平台提高决策效率，及时做出额度预判，进而帮助营销前置工作。

5 结论

信用风险又称违约风险，在小贷业务中，由于客户未能按照合约中的规定或双方协定完成贷款偿还，导致小贷公司造成损失。主要表现为用户特征导致的信用风险，以及互联网平台特征导致的信用风险。反欺诈规则集和评分卡及量化工具能够有效量化小贷信用风险，根据可操作性、可量化、灵活性等原则进行大数据建设，依次进行基础数据建设、黑灰名单建设和反欺诈建设，有助于保障P2P平台的效益，降低信用风险，反欺诈干预机制也能够对小贷业务量化进行科学风控。

参考文献：

[1]姚奕，毕德翌，张广杰.小贷业务的量化风控及大数据应用[J].金融电子化，2017（3）：40.

[2]周大林.基于大数据征信的商业银行小微企业信贷风险控制研究[D].合肥：安徽大学，2017：1.

[3]陆岷峰，葛和平.基于大数据应用的互融宝精准营销[J].河北金融，2017（11）：1.

[4]冯文芳.互联网金融背景下小微企业大数据征信体系建设探析[J].国际金融，2016（3）：74-80.

[基金项目]2019年度广西高校中青年教师科研基础能力提升项目“多头贷款背景下广西小额贷款公司信用风险管理研究”（项目编号：2019KY1619）的研究成果。