趙 夢(mèng)

一、引 言

現(xiàn)今，金融科技迅猛發(fā)展，可以預(yù)見(jiàn)，互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算以及AI 正在重新塑造全球的經(jīng)濟(jì)金融環(huán)境，如何發(fā)揮金融科技的威力實(shí)現(xiàn)商業(yè)銀行的轉(zhuǎn)型，是銀行業(yè)面臨的最迫切的課題之一。與此同時(shí)，中小銀行多數(shù)存在風(fēng)險(xiǎn)管理機(jī)制不健全，客戶準(zhǔn)入標(biāo)準(zhǔn)不明，貸款重放輕管，風(fēng)險(xiǎn)預(yù)警工作量大但效果不佳的困境，為解決上述銀行核心業(yè)務(wù)中存在的問(wèn)題，需要依靠科技化、數(shù)據(jù)化的手段。

華融湘江銀行股份有限公司成立于2010 年10月，截至2017 年末，被英國(guó)《銀行家》雜志評(píng)為2017年中資銀行排名第64 位的銀行，現(xiàn)已完成信貸系統(tǒng)的基礎(chǔ)功能的建設(shè)和較初級(jí)的風(fēng)險(xiǎn)預(yù)警系統(tǒng)建設(shè)，信貸客戶數(shù)量超過(guò)7000 戶，具備開(kāi)發(fā)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的樣本基礎(chǔ)、數(shù)據(jù)來(lái)源和實(shí)際訴求，有一定的代表性。

二、中小銀行風(fēng)險(xiǎn)預(yù)警存在的主要問(wèn)題

（一）預(yù)警信號(hào)未體現(xiàn)前瞻性效果

財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警業(yè)務(wù)規(guī)則設(shè)計(jì)較為單一，且多數(shù)指標(biāo)的預(yù)警事項(xiàng)發(fā)生時(shí)，體現(xiàn)實(shí)質(zhì)風(fēng)險(xiǎn)已經(jīng)暴露，無(wú)先兆性和預(yù)測(cè)性，不能作為有跡可循、具備趨勢(shì)性和規(guī)律性的預(yù)警分析指標(biāo)。

（二）預(yù)警發(fā)起和處理時(shí)效性不足

大多中小行的預(yù)警信號(hào)需要依靠分支行業(yè)務(wù)人員定期和不定期對(duì)事件進(jìn)行人工判別和排查。人工處理一方面耽誤時(shí)效，另一方面受主觀因素影響較大，多數(shù)存在流于形式現(xiàn)象。

（三）預(yù)警指標(biāo)信息存在重疊或缺失

為實(shí)現(xiàn)危機(jī)的預(yù)警功能，財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)在選擇時(shí)應(yīng)具備如下特征：明確的經(jīng)濟(jì)意義、具備代表性、具備可操作性、指標(biāo)具有顯著性且相互獨(dú)立。從華融湘江銀行現(xiàn)有預(yù)警規(guī)則看，該行風(fēng)險(xiǎn)預(yù)警中并未通過(guò)數(shù)理分析方法對(duì)各指標(biāo)之間關(guān)聯(lián)性、指標(biāo)設(shè)計(jì)的全面性進(jìn)行分析，可能導(dǎo)致片面?zhèn)戎啬骋环矫娴娘L(fēng)險(xiǎn)成因預(yù)警，而忽視了其他重要的風(fēng)險(xiǎn)現(xiàn)象。

三、財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型研究設(shè)計(jì)

（一）模型構(gòu)建

1、樣本來(lái)源

樣本應(yīng)優(yōu)先選擇分析對(duì)象中占比較大、預(yù)警需求較迫切的規(guī)模類型，首先，研究時(shí)點(diǎn)該行大型客戶貸款余額占比10.97%、中型客戶貸款余額占比47.68%，小型客戶貸款余額占比27.72%，故該行信貸資源主要向大中型企業(yè)投放。對(duì)公貸款不良客戶80 戶，不良貸款余額14.91 億元，占全行不良貸款的82.01%，故選擇大中型公司類客戶，對(duì)該行信貸資產(chǎn)質(zhì)量能夠起到重大影響。

2、樣本分類

將正常類客戶作為一組樣本，稱為“正常類客戶”，“不良、關(guān)注、次級(jí)、損失”四類客戶為一組樣本，稱為“違約類客戶”，根據(jù)五級(jí)分類定義，違約類客戶為極有可能或已發(fā)生信貸違約事項(xiàng)或的客戶。

3、樣本配比

國(guó)內(nèi)外諸多研究的樣本分類配比采用1:1 的比例，國(guó)內(nèi)學(xué)者也通過(guò)論證認(rèn)為，1:1 配比與研究對(duì)象的實(shí)際客戶群分布嚴(yán)重偏離，破壞了樣本的隨機(jī)原則，會(huì)高估模型的預(yù)測(cè)能力，如樣本總量不足，則盡量接近研究對(duì)應(yīng)的行業(yè)水平。經(jīng)統(tǒng)計(jì)華融湘江銀行制造業(yè)大中型企業(yè)違約貸款客戶數(shù)占該規(guī)模和行業(yè)客戶總數(shù)的21%。

4、模型訓(xùn)練

結(jié)合上述分析，同時(shí)考慮到銀行存在通過(guò)續(xù)貸、借新還舊等形式掩蓋和延后風(fēng)險(xiǎn)暴露的情況，共選取187 個(gè)合格樣本作為因變量，其中正常類樣本134 個(gè)，違約類樣本53 個(gè)，違約類占樣本總數(shù)的28.3%。

選取財(cái)務(wù)指標(biāo)主要選擇利息保障倍數(shù)、速動(dòng)比率、總資產(chǎn)周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、銷售利潤(rùn)率、總資產(chǎn)收益率、銷售收入增長(zhǎng)率、資本積累率、經(jīng)營(yíng)性現(xiàn)金凈流量比債務(wù)、產(chǎn)權(quán)比11 個(gè)指標(biāo)作為自變量，通過(guò)Logistic 分析、在模型臨界值選取0.6 時(shí)，能夠達(dá)到較好的壞樣本預(yù)測(cè)率。

首次以11 個(gè)財(cái)務(wù)指標(biāo)經(jīng)過(guò)Logistic 分析，預(yù)測(cè)準(zhǔn)確度為66.0%，由于準(zhǔn)確率不高，故認(rèn)為原始的財(cái)務(wù)指標(biāo)之間存在相關(guān)信息，需依靠主成分分析法刪除其中重復(fù)多余的信息，將變量中的信息提取并整合成一組不存在線性相關(guān)關(guān)系的變量來(lái)優(yōu)化模型。

將主成分處理后的指標(biāo)定義為“成分1-成分11”，將11 個(gè)成分逐一加入Logistic 分析中，發(fā)現(xiàn)各成分與違約客戶預(yù)測(cè)正確率的關(guān)系如下：

圖1 保留成分?jǐn)?shù)與違約客戶預(yù)測(cè)正確率關(guān)系

從關(guān)系圖可看出，第2、4、7、11 項(xiàng)是不顯著的成分，據(jù)此，剔除這四個(gè)成分，以剩下7 個(gè)成分做預(yù)測(cè)，得到最終的Logistic 財(cái)務(wù)預(yù)警模型的計(jì)算公式為：

其中：g(c)＝2.49980+0.00009c1+0.00511c3+0.023 13c5-0.15133c6+0.04442c8+0.10765c9+0.10565c10

這便是通過(guò)優(yōu)化分析后的最終模型結(jié)果，其中Ci表示第i 個(gè)主成分。

模型結(jié)果體現(xiàn)，違約客戶預(yù)測(cè)的準(zhǔn)確率為77.4%，正?？蛻纛A(yù)測(cè)準(zhǔn)確度為87.3%,預(yù)測(cè)準(zhǔn)確率較高。

5、穩(wěn)定性檢驗(yàn)

用187 個(gè)樣本中的80%做預(yù)測(cè)樣本、20%做檢驗(yàn)樣本，通過(guò)五次預(yù)測(cè)樣本和檢驗(yàn)樣本的交叉檢驗(yàn)，來(lái)判斷模型的穩(wěn)定性。

表1 交叉檢驗(yàn)結(jié)果匯總表

從結(jié)果看出，模型預(yù)測(cè)樣本的準(zhǔn)確率在83.33%至87.33%之間，驗(yàn)證樣本的準(zhǔn)確率在78.95%和89.47%之間，從模型整體5 次檢驗(yàn)情況看，該模型是穩(wěn)定的。

（二）預(yù)警分級(jí)

財(cái)務(wù)風(fēng)險(xiǎn)一般分為五個(gè)等級(jí)：無(wú)險(xiǎn)、輕險(xiǎn)、中險(xiǎn)、大險(xiǎn)、巨險(xiǎn)，通常國(guó)際上也用顏色表示風(fēng)險(xiǎn)程度，華融湘江銀行預(yù)警分級(jí)分為紅色、黃色、藍(lán)色三級(jí)。財(cái)務(wù)預(yù)警模型結(jié)果直接反映是否可能發(fā)生信貸違約，而擔(dān)保方式可能影響貸款損失的嚴(yán)重程度，該思路與銀行五級(jí)分類定義一致（以貸款損失程度作為違約后三類級(jí)別的分類依據(jù)），因此對(duì)于違約類客戶，還需考慮擔(dān)保對(duì)貸款損失的彌補(bǔ)情況來(lái)進(jìn)行分級(jí)。

對(duì)品種為信用貸款的業(yè)務(wù)，屬于無(wú)擔(dān)保；對(duì)于品種為抵押貸款的業(yè)務(wù)，分為抵押足值和抵押不足值。對(duì)于保證擔(dān)保的貸款，還需對(duì)保證人進(jìn)行財(cái)務(wù)測(cè)算和經(jīng)營(yíng)分析具體判斷，從審慎角度出發(fā)，將保證類視同抵押不足值類。綜上，對(duì)預(yù)警分級(jí)的劃分標(biāo)準(zhǔn)建議如下：

表2 預(yù)警分級(jí)結(jié)果對(duì)應(yīng)表

四、保障模型應(yīng)用的措施建議

（一）加強(qiáng)財(cái)務(wù)信息甄別能力

首先，建議加強(qiáng)財(cái)務(wù)數(shù)據(jù)真實(shí)性的調(diào)查，提高預(yù)警的準(zhǔn)確性。其次，建議實(shí)施會(huì)計(jì)師事務(wù)所進(jìn)行資格準(zhǔn)入，制定明確的和高要求的中介機(jī)構(gòu)準(zhǔn)入、考核及退出標(biāo)準(zhǔn)，定期查檢中介機(jī)構(gòu)履職情況。后期，還可通過(guò)數(shù)據(jù)分析的手段，開(kāi)發(fā)虛假財(cái)務(wù)信息甄別模型。目前已有學(xué)者通過(guò)數(shù)據(jù)挖掘技術(shù)建立了財(cái)務(wù)信息造假甄別的模型，如通過(guò)人工網(wǎng)絡(luò)、貝葉斯模型對(duì)指標(biāo)之間勾稽關(guān)系進(jìn)行分析，判別虛假的概率。

（二）提高數(shù)據(jù)搜集和處理能力

一方面，建議盡快完善銀行相關(guān)系統(tǒng)數(shù)據(jù)處理和分析功能，建立完整、標(biāo)準(zhǔn)、嚴(yán)格的數(shù)據(jù)錄入標(biāo)準(zhǔn)，制定數(shù)據(jù)的質(zhì)量管理規(guī)章制度，確保數(shù)據(jù)及時(shí)、準(zhǔn)確的錄入，為財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)的運(yùn)用和動(dòng)態(tài)調(diào)整打通通道。

另一方面，擴(kuò)大數(shù)據(jù)采集來(lái)源，建立數(shù)據(jù)集市。數(shù)據(jù)集市建立的方式有：戰(zhàn)略企業(yè)內(nèi)部財(cái)務(wù)信息控制系統(tǒng)、征信信息、風(fēng)險(xiǎn)信息、上市信息、網(wǎng)絡(luò)媒體、監(jiān)管系統(tǒng)、稅務(wù)、法院系統(tǒng)關(guān)聯(lián)，增加指標(biāo)的取數(shù)來(lái)源。同時(shí)增加數(shù)據(jù)積累量，消除經(jīng)濟(jì)周期性波動(dòng)的影響，加快信息補(bǔ)錄工作，將原缺失數(shù)據(jù)補(bǔ)充完整。

（三）加大管理層對(duì)財(cái)務(wù)預(yù)警的重視度

以華融湘江銀行為例的中小銀行普遍存在風(fēng)險(xiǎn)管理意識(shí)不強(qiáng)，考核向業(yè)務(wù)發(fā)展傾斜的問(wèn)題。銀行大數(shù)據(jù)分析在風(fēng)控體系中大幅運(yùn)用的今天，該行尚停留在傳統(tǒng)的風(fēng)險(xiǎn)事件羅列、人工處理預(yù)警信號(hào)的階段，沒(méi)有以數(shù)據(jù)分析作為風(fēng)險(xiǎn)預(yù)警的開(kāi)發(fā)導(dǎo)向，體現(xiàn)管理層對(duì)風(fēng)險(xiǎn)預(yù)警管理的重視程度還不夠。應(yīng)將該模型的應(yīng)用放到管理層決策的高度和全行參與的層面，積極向管理層展示初步的分析成果和效果預(yù)期，多向分支行管理層傳導(dǎo)風(fēng)險(xiǎn)即創(chuàng)造效益的經(jīng)營(yíng)理念，同時(shí)加大預(yù)警信號(hào)處理、信息系統(tǒng)更新、違約類客戶的指標(biāo)考核力度。