银行数字供应链金融信贷风险控制研究

王洪昌，鞠彦辉

(1.渤海大学管理学院，辽宁 锦州 121013；2.福建江夏学院工商管理学院，福建 福州 350108)

0 引言

银行数字供应链金融是指银行通过大数据、云计算、区块链等新兴技术与供应链金融紧密结合，将核心企业及其上下游中小企业之间的信息流、物流、资金流等整合，为客户提供在线的供应链金融服务[1]，是有效解决供应链上下游中小企业融资难题的有效模式。但在数字经济环境下，这种融资模式带来了新的风险，传统的信贷风险控制手段对这种新型融资模式风险控制已不再适用。为此，本文对银行数字供应链金融风险控制问题进行分析，提出相应的风险控制对策建议。

1 文献综述

近年来，众多学者对数字供应链金融风控进行了研究，主要包括以下两大方面。

1.1 数字供应链金融风险类型

大数据应用不足的风险。杨颖航等[2]分析了银行信贷风险管理中存在的问题，如不能充分利用大数据、无法实时监控信贷风险等问题。

大数据真实性风险。邱晖等[3]认为大数据在供应链金融风险管理中存在大数据真实性难以保证的风险。付含逸等[4]归纳出银行数字供应链金融风险来源有数据信息真实性不够、数据信息透明度低、可追溯性差以及数据信息的应用和管理存在不足等风险。

信息不对称风险。郭菊娥等[5]认为银行供应链金融发展中由于信息不对称带来的“信息孤岛”信贷风险较为严重。刘少波等[6]通过文献梳理和银行数字风控调研后总结出银行数字供应链金融信贷风险包括信息搜寻方式单一、信息搜集成本高、信息获取时效性差和信息处理效率低四个风险。章梦虹[7]分析了大数据在银行数字供应链金融信贷风险控制中存在的问题，包括数据质量问题、数据孤岛问题以及大数据信息安全问题。

1.2 数字供应链金融风险控制对策

大数据应用不足风险的解决对策。陆岷峰[8]提出构建数字化供应链金融平台，以数字技术手段对供应链金融进行管理，使参与供应链的各个企业的信息流、资金流、商流、物流相关数据信息都能在平台上得到监测。

数据真实性风险的对策。田德红[9]提出区块链的分布式账本功能可实现数据实时共享，确保供应链间数据信息真实性，智能合约功能有助于防范操作风险和市场风险，降低风控成本，搭建信息共享平台，提升银行供应链生态圈数字化能力。严振亚[10]提出将区块链和物联网技术与供应链金融业务相结合，以此解决供应链金融领域存在的信贷风险，包括区块链技术确保数据安全存储、多种技术方式保障数据安全、“智能合约”自动触发交易和无线射频技术实现物—物相联四条对策。

信息不对称风险的对策。曹允春等[11]提出打造多维数据支撑的供应链风险控制体系，运用金融科技手段提高核心企业信用穿透能力以及完善银行数字供应链金融的信用评估体系。陆岷峰等[12]提出制定、完善数字银行方面的法律法规，加强金融科技基础设施建设，加大征信系统建设力度三条建议。宋华[13]提出可运用及时化的数字信用刻画和风险分析技术，对供应链金融信贷风险进行动态管理。

2 银行数字供应链金融发展现状

目前，平安银行、建设银行和工商银行等各大商业银行正在积极开展供应链金融业务数字化转型，通过数字科技赋能，推出具有特色的产品和服务。商业银行数字供应链金融发展主要有两种模式:一是商业银行搭建自有平台；二是联合外部第三方平台进行金融服务输出。商业银行通过自有平台向融资客户输出融资服务是其数字供应链金融发展的主要模式，在该模式下，银行借助现有的企业网银或者自建的供应链金融线上平台，为供应链上中小企业提供融资服务。在与外部第三方平台合作输出服务模式下，商业银行联合中企云链、普洛斯金融、壹诺金融等供应链金融科技企业，共同为供应链中小企业提供金融服务[14]。我国主要商业银行数字供应链金融业务如表1所示。

3 银行数字供应链金融信贷风险分析

通过网络调查与实地调研开展数字供应链金融业务的银行，和有关人员进行深度交流后，总结出目前银行在开展数字供应链业务时所遇到的信贷风险，具体分析如下。

3.1 数据集成及应用能力不足

目前，在对企业授信、判断客户的信贷状况时，许多商业银行获取数据的渠道较为单一，对利用互联网平台来全面获取和分析客户企业的相关信贷信息的能力还有所欠缺，客户信贷数据库完善度也不够，导致商业银行数据收集和应用能力尚有欠缺，传统信贷风险管理模式已失去作用，信贷风险有加深的趋势。

表1 我国主要商业银行数字供应链金融业务

3.2 用户隐私安全没有得到有效保护

银行开展数字供应链金融业务确实带来了诸多便利，但大数据的广泛应用也增加了数据信息泄露的风险。从内部处理来看，数据的流转经过前端采集、中端处理、入库存储和后端监测等诸多环节，所涉及对象较多，任何一个环节出现问题都会导致数据泄露问题的发生。从外部交易来看，银行提供在线供应链金融服务时希望尽可能多地了解客户信息，包括客户交易信息、银行账户信息、个人联系方式、家庭住址等等，不可避免地会触碰用户的隐私。若这些数据库被网络上的非法组织所攻击，窃取数据，将给客户以及银行自身带来巨大麻烦。

3.3 数据真实性难以保证

大数据的真实性是银行有效开展数字供应链金融风险管控的前提，但是在数字互联网时代，银行大数据获取来源较多，如融资企业提供的电子交易记录、新三表数据、公共社交平台信息以及外购数据公司的数据。与传统数据相比，这些数据更加全面和及时，因而具有较高的应用价值。但同时，数据来源的广泛性必然导致数据的真实性无法得到保证，如果银行数据库中混入虚假信息，将导致银行在进行大数据风险防控时做出错误的分析与决策，给银行供应链金融业务带来不可挽回的损失。

3.4 信贷风险评级方法过时

目前商业银行采用的风险评级模式仍为外部信贷评级结合内部信贷评级体系为主的评级模式，信贷评级方法仍是对企业过去历史数据信息评价，且多为财务评价。随着银行所面临环境的时刻变化，在银行数字供应链金融转型的重要时期，传统风险评级模型显然不能满足银行数字信贷风险管理的需要，银行进行数字信贷风险管理必须建立新的信贷风险评价方法。

3.5 信贷风险决策效率较低

在传统模式下，商业银行进行信贷风险管理决策必须经过人工审批，审批过程不仅会浪费大量时间，而且由于多方信息相互交叉，银行审批人员不可避免的在评估客户信贷水平和还款能力的时带有一定主观色彩，这将会影响风险管理决策的效果。在数字化时代，商业银行处于动态的发展环境之中，信贷风险管理决策若不能提高效率，不能契合信贷业务发展，将对银行数字供应链业务发展产生阻力。

3.6 数字风控管理人才缺乏

在银行数字供应链金融业务蓬勃发展的重要时期，银行面临着金融科技复合型人才缺乏的问题。一是由于商业银行在数字风控方面人才引进力度不够；二是银行传统风险管理队伍的知识结构与能力素质尚未达到供应链金融数字化转型对风险管控的需要。因此，面对瞬息万变的市场环境，商业银行迫切需要大量既懂业务又精通数字技术的复合型人才来提升信贷风险控制能力。

4 银行数字供应链金融信贷风险控制对策

4.1 构建数字化平台，加强数据获取和应用能力

银行需要充分利用大数据技术，搭建信息平台来提高数据采集和应用能力，使风险信息开放、共享，以此缓解信贷风险管理中信息不对称带来的压力。客户信息主要从内部和外部两个渠道进行收集，外部渠道主要是融资客户信贷状况的有关数据信息的获取，商业银行可通过加强与互联网金融公司、政府有关机构和物流企业进行业务合作，来获得融资企业征信、司法、税务和商业交易等多渠道的数据，以此扩大银行的风险管理覆盖面，增强信贷风险管理能力。内部渠道主要依靠银行金融平台上所推出的各类信贷产品，来获取更多的客户消费行为数据。需要注意的是，在信息平台上，应将外部数据与内部数据有效整合对接，才能最大程度提高数据使用效率。

4.2 运用数字技术，充分保护客户信息

在供应链金融服务中，在充分利用大数据的同时需要使客户的隐私信息得到安全保障，但银行机构在对客户隐私信息进行处理时极易忽视对其的保护。首先，银行应采用数据脱敏来保护客户隐私。银行要加强与互联网安全公司的合作，设计出特定的脱敏产品，运用设定好的脱敏规则对客户信息通过数据变形的方式加以保护，既可以提高数据安全性，又确保了数据的分析价值。其次，银行应购进安全程序，定期进行安全性测试，扫描安全漏洞并及时修复，模拟非法入侵，做好防护措施，以此保证银行数据库的安全性。最后，银行也需要定期对从业人员进行操作规范性培训，组织网络安全知识讲座，提高工作人员的网络风险意识。

4.3 应用区块链技术，提高银行信贷数据信息真实性

区块链是金融科技领域的重大创新技术之一，其本质是一种分布式数据库，是服务于分布式账簿的底层技术。该技术可将供应链上所有的交易数据通过密码学算法加密并记录到某个特定的数据块中，之后生成数据“密码”用于验证信息的有效性。采用区块链分布式账本技术，供应链上只要发生一笔经济业务，其经营活动、票据信息均会被记录在分布式账本中，实现数据的实时同步。借由区块链的去中心化、带有时间戳和不重复记录等特性，可确保所有的交易活动都能够按时间序列被准确地记录，并可以被追溯到，保证了数据真实、可信、有效。因此，商业银行可依据真实的历史交易数据进行分析与决策，降低虚假信息带来的信贷风险和风控成本。

4.4 创设数字信用，提升客户数字信贷评级

数字经济时代，商业银行必须改变传统信用评价系统，探索新的数据挖掘方法，建立客户信贷风险评估模型，数字信贷评级模式应运而生。在供应链金融领域，大多数中小企业缺乏完善的财务报表和抵押物资产，使得他们在融资时银行多数情况不愿贷款给他们。而“机器学习+大数据技术”可通过对围绕中小企业发生的包括企业基本信息、企业内部生产信息、内部财务信息和多维交易信息等对企业建设信息标签属性集，建立全方位的客户数据库，对客户进行多维度、立体化数字重塑，实现对客户企业进行精准画像，刻画融资企业独特的信用状态，做到“千人千面”，提升其经营稳定性和还款能力的判断力度，为银行信贷决策服务提供切实依据。此外，商业银行也必须对外部信息进行全面分析，如对市场的发展动向进行分析，以全面捕捉客户市场活动信息，并将其纳入机器学习模型中，以便能够准确评估融资企业信贷风险，及时采取有效的管理措施。

4.5 采用数字孪生技术，进行动态信贷风险管控

在数字化时代，商业银行必须利用数字工具与金融技术相结合的方式，全面提高信贷风险管控与决策的效率。传统的风险测评手段主要是通过对中小企业的财务数据和历史经营数据进行信贷分析与风险刻画，这种静态的信贷刻画已无法准确反映企业运营行为和业务状况，评判融资企业现在的能力和质量。借助数字化手段建立的动态分析系统是未来的发展趋势，实质是一种近实时或者完全及时化分析的数字信贷刻画和风险分析方法。基于数字孪生的信贷与风险动态管理将成为一种新的手段和途径。数字孪生又称为数字镜像，是借由物联网传感器技术，将目标对象的所有信息数据由网络上传至云端，再进行数字化映射，从而显示目标全生命周期的一种技术手段。因此，将“数字孪生”技术用于金融领域，通过映射实际的物理状况来预判风险的发生，可预见企业未来可能的行为和运营状况，有助于提高银行的主动防范能力和风险治理效率，更好地管理供应链金融的整体运营过程。

4.6 加强数字金融人才建设，提升信贷风险管理能力

在科技赋能的供应链金融信贷风险管理背景下，风险管理人才应是具备深层次的金融业务知识、高水平的数字化技能、卓越的风险分析能力与交易控管能力的复合型金融从业人才。这对银行提出了更高的风控人才战略规划，一方面，有必要制定科学的培训内容和培训计划，并为现有的一线人员和风险管理人员提供定期的专业培训，使他们掌握先进的信贷风险管理概念和方法，更加适应数字金融的发展趋势；另一方面，商业银行还应树立持续性人才战略理念，通过与高等院校进行合作，形成持续的人才输入机制，如将高等院校中金融专业课程与计算机、数理统计专业等课程进行交叉学习，让学生对这两个领域的知识结构体系有深刻的理解和更高的敏感度，实现商业银行对复合型金融风控人才的需要。

5 结语

在数字经济时代背景下，商业银行信贷风险管控必然要转型为数字风控，作为银行发展数字供应链金融业务的重要组成部分，数字风控模式是银行面对数字时代风险挑战的最佳选择。本文从银行数字供应链金融的视角，分析其风险管控中存在的主要问题，并提出构建数字化平台、数字化保护客户隐私、应用区块链技术、创设数字信用、采用数字孪生技术和加强专业化人才建设六条建议，使银行对数字供应链金融业务发展中产生的风险加以应对，为其稳定持续发展提供助力。