■術(shù) 業(yè)

一、引言

在銀行業(yè)務(wù)規(guī)?？焖僭鲩L背景下，銀行內(nèi)部審計(jì)風(fēng)險(xiǎn)導(dǎo)向模式顯得尤為重要，隨著信息技術(shù)的迅猛發(fā)展，大數(shù)據(jù)審計(jì)應(yīng)時(shí)而生。在銀行授信業(yè)務(wù)方面，客戶的信用風(fēng)險(xiǎn)與銀行內(nèi)部的操作風(fēng)險(xiǎn)存在密切的依存關(guān)系，信用風(fēng)險(xiǎn)異常高的業(yè)務(wù)領(lǐng)域，往往存在極大的操作風(fēng)險(xiǎn)。

在銀行小微客戶群體中，貸款金額100萬元以內(nèi)，特別是50萬元左右的貸款，對該類業(yè)務(wù)做授信審計(jì)時(shí)，往往需面對客戶量大、信息少的困境，特別是首次申請貸款的小微客戶，審計(jì)抽樣往往需要借助模型實(shí)現(xiàn)?，F(xiàn)有文獻(xiàn)對授信客戶風(fēng)險(xiǎn)識(shí)別建模一般采用多元線性回歸模型、logistic回歸模型或神經(jīng)網(wǎng)絡(luò)模型等，其中l(wèi)ogistic模型在二分類變量數(shù)據(jù)分析中運(yùn)用較為普遍。但在模型指標(biāo)選擇方面，基本圍繞財(cái)務(wù)指標(biāo)為主，該指標(biāo)在小微客戶領(lǐng)域基本不適用，其財(cái)務(wù)數(shù)據(jù)可靠性低，且個(gè)體工商戶也基本沒有財(cái)務(wù)報(bào)表。在實(shí)務(wù)操作中，針對微小客戶的風(fēng)險(xiǎn)評估，更注重其他渠道的信息獲取。如泰隆銀行提出的“貸前三查詢”，包括征信、分戶賬、黑名單查詢，及“三品三表”中的人品信息等。

2013年3月15日，國務(wù)院《征信業(yè)管理?xiàng)l例》的出臺(tái)，將征信業(yè)推向了歷史舞臺(tái)，將征信推向了法制化、規(guī)范化的發(fā)展道路。如今，我國正在部署加快建設(shè)社會(huì)信用體系，構(gòu)筑誠實(shí)守信的經(jīng)濟(jì)社會(huì)環(huán)境，征信信息將會(huì)越來越受到各方的重視。本文旨在通過挖掘個(gè)人征信數(shù)據(jù)中的信息，構(gòu)建一個(gè)小微客戶的風(fēng)險(xiǎn)識(shí)別模型，通過模型的批量測算，分析、判斷被審計(jì)單位的風(fēng)險(xiǎn)所在及風(fēng)險(xiǎn)程度，把審計(jì)資源集中于高風(fēng)險(xiǎn)的審計(jì)領(lǐng)域，提高審計(jì)效率，保證審計(jì)質(zhì)量。

二、實(shí)證分析

本文實(shí)證分析共分三部分：（1）選擇樣本客戶，包含風(fēng)險(xiǎn)客戶和正?？蛻魞纱箢?，樣本客戶數(shù)據(jù)均來自泰隆銀行，該銀行的小微客戶具有一定的代表性。（2）初步構(gòu)建度量指標(biāo)，然后通過相關(guān)性分析和均值比較分析，篩選出顯著性指標(biāo)。（3）逾期風(fēng)險(xiǎn)的識(shí)別和度量，主要為兩分類logistic回歸分析。

（一）樣本選擇

在小微客戶貸款調(diào)查時(shí)，往往首貸客戶的征信信息顯得更為重要。本次樣本選擇范圍為2013年至2014年首次貸款的個(gè)人經(jīng)營類客戶，共隨機(jī)抽取660名。樣本客戶分為兩類：第一類為正?？蛻?，首筆貸款發(fā)放后未出現(xiàn)逾期，該類客戶共360名；第二類客戶為首貸后出現(xiàn)逾期，且逾期天數(shù)超過30天的客戶，該類客戶做為風(fēng)險(xiǎn)客戶，共300名。

（二）指標(biāo)的選取及分析

1.評價(jià)指標(biāo)選取。

指標(biāo)的構(gòu)建主要圍繞征信基本數(shù)據(jù)，分五大維度：個(gè)人基本信息、貸款信息、信用卡信息、對外擔(dān)保信息、被查詢次數(shù)信息。初步共構(gòu)建19個(gè)指標(biāo)，鑒于單個(gè)指標(biāo)對風(fēng)險(xiǎn)的解釋能力較弱，且指標(biāo)不一定能服從正態(tài)分布，因此通過相關(guān)分析和均值比較分析兩個(gè)維度來作為指標(biāo)篩選的依據(jù)。

兩類客戶通過二維變量（0，1）來表示，0表示正?？蛻?，1為風(fēng)險(xiǎn)客戶，且將該變量作為被解釋變量（分組變量），其他指標(biāo)作為解釋變量。

2.指標(biāo)分析。

（1）個(gè)人信息比較結(jié)果。

客戶婚姻狀況差異顯著，性別、年齡和征信查詢總次數(shù)差異較小。風(fēng)險(xiǎn)客戶中婚姻異常情況占比為正?？蛻舻膬杀叮急?1%，兩類客戶平均年齡39歲，男性為主，征信平均查詢13次，風(fēng)險(xiǎn)客戶查詢次數(shù)略高。

指標(biāo) 標(biāo)示 均值 L.Sig 顯著性EV/N 相關(guān)系數(shù) 備注正常 0.11 0.00 0.00 HY 0.14 婚姻狀況0已婚，1（離異、未婚、喪偶）風(fēng)險(xiǎn) 0.21 0.00正常 39.52 0.01 0.65 NL－0.018 客戶年紀(jì)風(fēng)險(xiǎn) 39.22 0.66正常 0.817 0.66 0.82 XB 0.009 性別0女性，1男性風(fēng)險(xiǎn) 0.823 0.82正常 12.87 0.02 0.34 CZ 0.037 征信查詢總次數(shù)風(fēng)險(xiǎn) 13.74 0.35

※L.Sig為方差齊次性指標(biāo)，后面兩個(gè)顯著性指標(biāo)分別為方差齊次和非齊次假設(shè)對應(yīng)的結(jié)果。

（2）貸款信息比較結(jié)果。

首次貸款出現(xiàn)逾期的客戶，申請金額戶均為32.36萬元，較正?？蛻舻?。他行貸款信息差異主要體現(xiàn)在與銀行建立信貸年限、歷次經(jīng)營貸款筆數(shù)及征信貸款查詢銀行家數(shù)情況，未結(jié)清貸款信息差異較小。

指標(biāo) 標(biāo)示 均值 L.Sig 顯著性EV/N 相關(guān)系數(shù) 備注正常 46.36 0.00 0.00 DKJ－0.12 本次申請貸款金額風(fēng)險(xiǎn) 32.36 0.00正常 1.71 0.23 0.61 DD－0.02 他行未結(jié)清經(jīng)營貸款比申請貸款金額風(fēng)險(xiǎn) 1.61 0.62正常 1.10 0.08 0.00－0.111 未結(jié)清經(jīng)營貸款合作銀行家數(shù)風(fēng)險(xiǎn) 0.88 0.00正常 2.31 0.00 0.00 CD征信貸款查詢銀行家數(shù)DJ 0.202風(fēng)險(xiǎn) 3.26 0.00正常 0.67 0.00 0.00 CDC 0.216 歷次貸款查詢次數(shù)比歷次貸款次數(shù)風(fēng)險(xiǎn) 1.55 0.00正常 9.22 0.00 0.00 LJB－0.254 歷次經(jīng)營（非消費(fèi)）貸款筆數(shù)風(fēng)險(xiǎn) 4.72 0.00正常 5.77 0.07 0.00 HZ－0.232 與銀行建立信貸合作時(shí)長（年）風(fēng)險(xiǎn) 4.10 0.00

正常客戶平均歷次經(jīng)營貸款筆數(shù)為9.22筆，風(fēng)險(xiǎn)客戶平均僅4.72筆；正?？蛻襞c銀行建立合作平均年限為5.77年，風(fēng)險(xiǎn)客戶平均為4.10年。兩類客戶他行未結(jié)清貸款額度情況差異較小，他行未結(jié)清經(jīng)營貸款平均為申請貸款額度的1.7倍，正常類客戶平均經(jīng)營貸款合作銀行1.1家，風(fēng)險(xiǎn)客戶平均0.88家。

（3）對外擔(dān)保信息比較結(jié)果。

兩類客戶對外擔(dān)保規(guī)模均不大，但差異較為明顯，正常客戶對外擔(dān)保較風(fēng)險(xiǎn)客戶多。該情況與常理推斷有所不同，但從樣本客戶的貸款申請金額可解釋該現(xiàn)象。本次樣本客戶貸款額度均較小，屬于小微客戶群，該群體較難從銀行獲取貸款，較少形成復(fù)雜的資金關(guān)系及大的擔(dān)保圈情況，且從數(shù)據(jù)來看，客戶擔(dān)保規(guī)模整體不大，因此客戶的對外擔(dān)保可以作為佐證客戶實(shí)力的一種信息，且風(fēng)險(xiǎn)客戶通過隱藏風(fēng)險(xiǎn)而獲取擔(dān)保資格的動(dòng)機(jī)比獲取貸款小，擔(dān)保信息真實(shí)性更高。

指標(biāo) 標(biāo)示 均值 L.Sig 顯著性EV/N 相關(guān)系數(shù) 備注正常 1.86 0.06 0.00 DBJ －0.123 他行擔(dān)保金額比我行貸款金額風(fēng)險(xiǎn) 1.06 0.00正常 1.29 0.00 0.00 DBS －0.354 當(dāng)前對外擔(dān)保銀行家數(shù)風(fēng)險(xiǎn) 0.47 0.00正常 2.04 0.00 0.00 CDB －0.315 征信擔(dān)保資格查詢銀行家數(shù)風(fēng)險(xiǎn) 0.92 0.00

（4）信用卡信息比較結(jié)果。

兩類客戶信用卡持卡張數(shù)相差不大，正?？蛻舫挚远啵渌笜?biāo)均差異明顯。主要表現(xiàn)為正?？蛻艨~度高，但透支率低；信用卡多，但征信信用卡申請查詢銀行家數(shù)少。信用卡信息差異情況與前述擔(dān)保分析類似，可以作為客戶實(shí)力的佐證。大客戶持有大額貸記卡較為常見，小微客戶大額持卡情況相對較少，特別是風(fēng)險(xiǎn)類小微客戶，獲取大額貸記卡的難度更大。從透支情況來看，風(fēng)險(xiǎn)客戶最近一期透支率高于近6個(gè)月平均透支率，可以反映其資金趨于緊張。

指標(biāo) 標(biāo)示 均值 L.Sig 顯著性EV/N 相關(guān)系數(shù) 備注正常 3.84 0.07 0.17 KZ－0.054 額度1000元以上正常貸記卡張數(shù)貸記卡統(tǒng)計(jì)均以該標(biāo)準(zhǔn)風(fēng)險(xiǎn) 3.51 0.17正常 0.26 0.01 0.00 KJ－0.192 單家銀行貸記卡授信比我行貸款金額風(fēng)險(xiǎn) 0.17 0.00正常 2.45 0.00 0.00 CK 0.221 征信信用卡申請總查詢銀行家數(shù)風(fēng)險(xiǎn) 3.84 0.00正常 0.39 0.00 0.01 KTJ 0.104風(fēng)險(xiǎn) 0.47 0.01貸記卡近6個(gè)月透支比率正常 0.39 0.00 0.00 KT 0.15 當(dāng)前貸記卡透支比率風(fēng)險(xiǎn) 0.50 0.00

（三）風(fēng)險(xiǎn)的識(shí)別與度量

logistic回歸分析是用于研究變量為二分類或者多分類觀察結(jié)果與影響因素之間關(guān)系的一種多變量分析方法。logistic回歸分析最早應(yīng)用于流行病學(xué)的研究中，因?yàn)檫@類研究中常常需要分析疾病與各種危險(xiǎn)因素之間的定量關(guān)系，而疾病往往是二分類變量。隨著logistic回歸分析在流行病學(xué)研究中慢慢成熟，其也開始應(yīng)用于其他方面的二分類目標(biāo)變量與有關(guān)因素的關(guān)系的研究中。

借助前面的指標(biāo)均值比較分析及相關(guān)性分析，將前述指標(biāo)進(jìn)行逐個(gè)帶入模型分析，同時(shí)剔除顯著性較差的指標(biāo)，經(jīng)過試錯(cuò)測算，確定最終的回歸方程如下：

Observed Percendage Correct 0 1 Predicted Y Step1 Y 0 1 Overall Percentage 287 82 73 218 79.7 72.7 76.5

a.The cutvalue is.500

Variables in the Equation

95.0%C.I.for EXP（B）B S.E. Wald df Sig. Exp（B）Lower Upper Step1 .263 5.720 1 .017 1.877 1.120 3.146 HY DBS CD CDB LJB KZ.630－.397.563－.389－0.67－1.00.127 9.784 1 .002 .673 .525 .862.065 75.087 1 .000 1.756 1.546 1.995.092 18.060 1 .000 .678 .567 .811.017 15.680 1 .000 .935 .904 .967.040 6.325 1 .012 .905 .838 .978

KJ KT LNDKJ Constant－2.484.666－.412 1.425.540 21.173 1 .000 .083 .029 .240.290 5.262 1 .022 1.946 1.102 3.438.127 10.480 1 .001 .662 .516 .850.444 10.300 1 .001 4.159

a.Varialbe(s)entered on step 1:HY、DBS、CD、CDB、LJB、KZ、KJ、KT、LINDKY.

從測算結(jié)果來看，模型總體預(yù)測準(zhǔn)確率達(dá)76.5%，逾期客戶辨別率為72.7%，全部指標(biāo)均顯著相關(guān)，且各指標(biāo)回歸系數(shù)與相關(guān)分析結(jié)果吻合。

鑒于各指標(biāo)數(shù)據(jù)之間均值和方差存在差異，無法直接通過模型回歸系數(shù)來比較各指標(biāo)的影響程度。通過對指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，以消除各指標(biāo)之間數(shù)量級(jí)差異，通過再次測算得出如下回歸結(jié)果：

從模型回歸系數(shù)來看，與風(fēng)險(xiǎn)正相關(guān)的因素中，征信貸款查詢銀行家數(shù)影響較大，婚姻狀況和貸記卡透支率影響相對較??；與風(fēng)險(xiǎn)負(fù)相關(guān)的因素中，征信擔(dān)保資格查詢銀行家數(shù)影響最大，歷次經(jīng)營貸款筆數(shù)和單家銀行貸記卡額度比申請貸款金額影響其次，貸款申請金額和當(dāng)前對外擔(dān)保銀行家數(shù)影響相對較小。

三、結(jié)論

小微客戶授信業(yè)務(wù)非現(xiàn)場審計(jì)階段，針對數(shù)量眾多的小額首貸客戶，其資料信息少，信息可靠性不高，因此可重點(diǎn)關(guān)注其征信信息。本文通過對首貸客戶的征信數(shù)據(jù)建模分析，模型總體準(zhǔn)確度為76.5%。分析的過程中，對小微客戶首貸的風(fēng)險(xiǎn)做以下幾點(diǎn)識(shí)別：

1.首次申請貸款后即出現(xiàn)風(fēng)險(xiǎn)逾期的客戶，申請貸款金額往往較小，戶均為32.36萬元，且非已婚的客戶出現(xiàn)風(fēng)險(xiǎn)概率更大。

2.小微客戶適度的對外擔(dān)保和持有較大額度的貸記卡可作為其個(gè)人實(shí)力的一個(gè)佐證信息，但對外擔(dān)保整體規(guī)模不宜過大，控制在貸款申請額度的2倍以內(nèi)，貸記卡透支率不宜過高，當(dāng)前透支率超過50%，且當(dāng)前透支率高于近6個(gè)月透支水平的客戶須關(guān)注其風(fēng)險(xiǎn)。

3.小微客戶經(jīng)營貸款合作銀行一般為1家，其歷史經(jīng)營貸款次數(shù)多，往往信用更穩(wěn)定，但征信因貸款被查詢的銀行家數(shù)不宜過多，查詢銀行3家以上需關(guān)注風(fēng)險(xiǎn)，即小微客戶合作銀行家數(shù)不宜過多，或警惕出現(xiàn)被查詢未放貸的情況。

········ 參 考 文 獻(xiàn) ·····················

[1]董汝杰.基于logit模型的微型企業(yè)信用評價(jià)研究[J].區(qū)域金融，2011，（8）.

[2]朱建平.應(yīng)用多元統(tǒng)計(jì)分析[M].北京：北京科學(xué)出版社，2006.