林萍

[摘 要]當(dāng)前宏觀環(huán)境復(fù)雜多變，租賃行業(yè)競爭激烈，租賃公司面臨眾多外部的和內(nèi)部的風(fēng)險挑戰(zhàn)，利用大數(shù)據(jù)技術(shù)可以有效避免風(fēng)險事件的發(fā)生。但目前租賃公司大數(shù)據(jù)風(fēng)險控制平臺還處于發(fā)展初期，普遍存在數(shù)據(jù)收集廣度、數(shù)據(jù)挖掘深度、決策支持力度不足的問題。租賃公司應(yīng)該通過增加投入、建立風(fēng)險數(shù)據(jù)庫標(biāo)準(zhǔn)和建立模型分析等手段提高數(shù)據(jù)的收集廣度和挖掘深度，還可以通過大數(shù)據(jù)、云計(jì)算、人工智能技術(shù)的應(yīng)用來提升風(fēng)險決策支持力度。文章通過借鑒互聯(lián)網(wǎng)金融公司、商業(yè)銀行的大數(shù)據(jù)風(fēng)險控制經(jīng)驗(yàn)，對租賃公司的風(fēng)險控制提出對策及建議，以供參考。

[關(guān)鍵詞]大數(shù)據(jù);租賃;風(fēng)險控制

[DOI]10.13939/j.cnki.zgsc.2020.35.189

近年來，隨著經(jīng)濟(jì)產(chǎn)業(yè)結(jié)構(gòu)的升級，租賃作為一種新的經(jīng)濟(jì)業(yè)務(wù)展現(xiàn)了很強(qiáng)的生命力。租賃可以分為融資租賃和經(jīng)營租賃，兩種形式的租賃在形式上不同，但都對推動資產(chǎn)的更新?lián)Q代、實(shí)現(xiàn)技術(shù)進(jìn)步和產(chǎn)業(yè)升級產(chǎn)生了積極的作用。但是，在租賃業(yè)務(wù)實(shí)現(xiàn)過程中也同時伴隨著風(fēng)險，尤其是融資租賃公司，因一個項(xiàng)目違約導(dǎo)致整個公司破產(chǎn)的例子也不罕見。隨著大數(shù)據(jù)、云計(jì)算、人工智能等互聯(lián)網(wǎng)新技術(shù)的發(fā)展，租賃行業(yè)又發(fā)生了新的變革。文章旨在探討大數(shù)據(jù)的應(yīng)用對風(fēng)險控制起到的深遠(yuǎn)影響，對如何用好大數(shù)據(jù)的利器降低租賃公司風(fēng)險，實(shí)現(xiàn)平穩(wěn)運(yùn)行提出有益的建議。

1 大數(shù)據(jù)背景下租賃公司風(fēng)險概述

當(dāng)前宏觀經(jīng)濟(jì)環(huán)境復(fù)雜多變，租賃行業(yè)競爭激烈，租賃公司面臨眾多的風(fēng)險挑戰(zhàn)。首先，從外部環(huán)境來看，近年來宏觀經(jīng)濟(jì)面臨下行壓力，利率、匯率波動頻繁，大量的租賃公司從銀行借款，銀行利率直接影響了租賃公司的資金成本和毛利率。同時，大量的租賃公司客戶由于經(jīng)濟(jì)持續(xù)下行導(dǎo)致的業(yè)務(wù)萎縮，資金回籠不暢引發(fā)租賃合同違約。其次，從租賃行業(yè)市場環(huán)境看，仍然存在許多客戶用欺詐手段騙取資金行為。部分客戶通過會計(jì)手段粉飾財(cái)務(wù)報(bào)表，甚至提供虛假抵押物所有權(quán)證明、虛假印章等騙取租賃公司信任，最終導(dǎo)致風(fēng)險事件的發(fā)生。從內(nèi)部環(huán)境看，許多租賃公司對自身的財(cái)務(wù)風(fēng)險把控不足，有的盲目擴(kuò)張導(dǎo)致資產(chǎn)負(fù)債率過高，有的資金錯配導(dǎo)致流動性風(fēng)險。因此，應(yīng)對風(fēng)險挑戰(zhàn)是關(guān)系到租賃公司生存和發(fā)展的大事。

然而，風(fēng)險是一種未來的不確定性，存在風(fēng)險的同時也往往伴隨著巨大的機(jī)遇。近年來，由于智能手機(jī)的推廣和移動數(shù)據(jù)網(wǎng)絡(luò)的升級，移動互聯(lián)網(wǎng)的發(fā)展極為迅速，智能手機(jī)讓上網(wǎng)的便捷性大大提高，因此互聯(lián)網(wǎng)大數(shù)據(jù)的容量變得更加龐大。而云計(jì)算、人工智能等新技術(shù)手段的出現(xiàn)，使得互聯(lián)網(wǎng)變得更智能化，能解決更多的問題。由于大量現(xiàn)實(shí)世界的信息會通過智能手機(jī)、電腦、攝像頭、GPS定位系統(tǒng)等電子終端上傳到互聯(lián)網(wǎng)大數(shù)據(jù)，因此大多數(shù)現(xiàn)實(shí)的租賃風(fēng)險也能從智能化的互聯(lián)網(wǎng)中找到解決方案。匯率、利率的變動信息，客戶的真實(shí)財(cái)務(wù)狀況，抵押物的權(quán)利情況等均可在互聯(lián)網(wǎng)大數(shù)據(jù)中找到相關(guān)信息，如果能發(fā)掘利用，可以很大程度上避免風(fēng)險事件的發(fā)生，使風(fēng)險成為發(fā)展機(jī)遇。

2 大數(shù)據(jù)背景下租賃公司風(fēng)險控制存在的問題

當(dāng)前租賃公司的風(fēng)險控制還處于從人工風(fēng)險控制模式到大數(shù)據(jù)風(fēng)險控制模式的轉(zhuǎn)型期。人工風(fēng)險控制模式下，通過租賃公司風(fēng)險控制人員人工調(diào)查發(fā)現(xiàn)風(fēng)險，雖然偶爾會用到網(wǎng)絡(luò)上的風(fēng)險數(shù)據(jù)，但還稱不上是利用了大數(shù)據(jù)。在向大數(shù)據(jù)風(fēng)險控制模式轉(zhuǎn)變的轉(zhuǎn)型期，租賃公司風(fēng)險控制平臺還存在至少三個方面的不足。

2.1 風(fēng)險數(shù)據(jù)收集廣度不足

租賃公司風(fēng)險數(shù)據(jù)分為內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)。內(nèi)部數(shù)據(jù)涉及戰(zhàn)略風(fēng)險、財(cái)務(wù)風(fēng)險、運(yùn)營和操作風(fēng)險，如公司自身的資產(chǎn)負(fù)債率、資本結(jié)構(gòu)、客戶信息、項(xiàng)目信息等;外部數(shù)據(jù)包括市場和產(chǎn)業(yè)風(fēng)險，如某上市公司客戶的股票市場價格、某客戶所處產(chǎn)業(yè)的宏觀政策導(dǎo)向等。目前租賃公司在這兩個維度的數(shù)據(jù)收集廣度都不足。

首先，現(xiàn)實(shí)中許多中小型租賃公司的風(fēng)險控制部門未建立信息化系統(tǒng)，風(fēng)險控制主要依賴人工上網(wǎng)收集風(fēng)險數(shù)據(jù)或?qū)嵉乇M職調(diào)查，一些大型租賃公司雖有風(fēng)險控制系統(tǒng)，但數(shù)據(jù)庫使用的數(shù)據(jù)大多是依靠人工收集錄入的數(shù)據(jù)，數(shù)據(jù)范圍狹窄;其次，租賃風(fēng)險數(shù)據(jù)共享不足。租賃行業(yè)尚未制定統(tǒng)一風(fēng)險數(shù)據(jù)標(biāo)準(zhǔn)，各租賃公司的風(fēng)險數(shù)據(jù)互通性差，形成了數(shù)據(jù)孤島，這也影響了數(shù)據(jù)廣度。

2.2 風(fēng)險數(shù)據(jù)挖掘深度不足

大數(shù)據(jù)能解決問題的重要步驟是從數(shù)據(jù)（Data）中發(fā)掘信息（Information），數(shù)據(jù)是信息的載體，信息是數(shù)據(jù)的含義，而目前能真正從大數(shù)據(jù)中進(jìn)行深度挖掘的租賃公司少之又少。

首先，當(dāng)前大量違約風(fēng)險的發(fā)現(xiàn)還依賴人工，通過人工分析客戶財(cái)務(wù)數(shù)據(jù)、行業(yè)經(jīng)營數(shù)據(jù)、技術(shù)數(shù)據(jù)來發(fā)現(xiàn)風(fēng)險隱患，每個人能夠處理的信息量是有限的，所以往往人工挖掘只能發(fā)現(xiàn)比較明顯的風(fēng)險問題，無法把大量風(fēng)險信息綜合考慮。其次，深度挖掘的前提是對數(shù)據(jù)進(jìn)行分類整理，去除無用數(shù)據(jù)，把核心數(shù)據(jù)用數(shù)據(jù)庫的標(biāo)準(zhǔn)重構(gòu)。目前這項(xiàng)工作在很多租賃公司進(jìn)展緩慢，缺少既精通數(shù)據(jù)庫語言又懂得風(fēng)險控制的復(fù)合型人才來開展。最后，深度挖掘需要對數(shù)據(jù)的內(nèi)在邏輯關(guān)系進(jìn)行長期性的持續(xù)研究，將研究結(jié)果用模型、指標(biāo)、公式等形式固定下來。公司風(fēng)險數(shù)據(jù)的風(fēng)險指標(biāo)體系還不成熟，能夠通過建立風(fēng)險模型進(jìn)行數(shù)據(jù)研究的公司也不多。

2.3 風(fēng)險控制系統(tǒng)決策支持力度不足

智能的風(fēng)險管理系統(tǒng)不但能發(fā)現(xiàn)風(fēng)險，還能對風(fēng)險問題提出策略和解決方案。目前風(fēng)險管理系統(tǒng)主要功能還處于風(fēng)險發(fā)現(xiàn)功能。發(fā)現(xiàn)風(fēng)險后如何解決則移交到公司管理層，由管理層決定采取行動來化解風(fēng)險。這些行動包括：要求客戶提供增信措施增加抵押物價值，要求客戶提前還款，改變還款計(jì)劃，提起訴訟，債務(wù)重組等。這些決策的正確性依賴管理者對現(xiàn)有數(shù)據(jù)的分析計(jì)算，而當(dāng)風(fēng)險問題暴露后，往往管理者決策的時間緊迫，很難在有限的時間做出最有利的決策。

3 大數(shù)據(jù)背景下完善租賃公司風(fēng)險控制的措施

根據(jù)以上分析，目前的大數(shù)據(jù)風(fēng)險控制系統(tǒng)存在數(shù)據(jù)收集廣度、數(shù)據(jù)挖掘深度、決策支持力度不足的三大問題。因此，要完善租賃公司的大數(shù)據(jù)風(fēng)險控制系統(tǒng)，有以下的著力點(diǎn)。

3.1 增投入、建標(biāo)準(zhǔn)、促整合，提高數(shù)據(jù)廣度

首先，增加資金人員的投入。加大資金投入購買相應(yīng)的數(shù)據(jù)服務(wù)器網(wǎng)絡(luò)平臺等硬件設(shè)施，招聘數(shù)據(jù)收集方向的計(jì)算機(jī)專業(yè)人才，如現(xiàn)在流行的“爬蟲”工程師，突破種種限制從互聯(lián)網(wǎng)中獲得所需要的數(shù)據(jù)。其次，建立風(fēng)險數(shù)據(jù)庫的標(biāo)準(zhǔn)。必要時租賃行業(yè)協(xié)會應(yīng)出面建立概念框架，明確要收集數(shù)據(jù)的時間空間范圍以及數(shù)據(jù)排列字段等。在標(biāo)準(zhǔn)建立后，可以實(shí)現(xiàn)租賃公司之間的資源共享，這種共享對風(fēng)險控制有重大意義，如果一個客戶在兩個租賃公司同時以同一資產(chǎn)做抵押就能馬上被發(fā)現(xiàn)。最后，整合各大數(shù)據(jù)平臺信息。和風(fēng)險相關(guān)的各類數(shù)據(jù)平臺有成百上千家，并且一直在上升，這些平臺中比較常見的有萬得資訊、中登網(wǎng)、金稅三期系統(tǒng)、人民銀行征信中心網(wǎng)站、天眼查平臺等。萬得資訊提供海量的金融市場資訊、宏觀經(jīng)濟(jì)、行業(yè)發(fā)展情況、客戶股票價格變動等權(quán)威數(shù)據(jù)，中登網(wǎng)提供了客戶的抵押、擔(dān)保信息，對租賃客戶的資產(chǎn)抵押擔(dān)保登記變動的實(shí)時跟蹤，有利于發(fā)現(xiàn)客戶的異常。金稅三期系統(tǒng)有客戶開出的發(fā)票信息、納稅情況，能辨別客戶虛假發(fā)票，從納稅信息分析客戶財(cái)務(wù)狀況。征信中心有客戶的貸款存量、貸款違約等信用情況。通過整合盡可能多的平臺數(shù)據(jù)，能大大提高風(fēng)險數(shù)據(jù)的廣度。

3.2 建模型、定指標(biāo)、作比對來提高數(shù)據(jù)挖掘深度

其一，利用數(shù)理統(tǒng)計(jì)手段，建立各類風(fēng)險評估數(shù)據(jù)模型，如貝葉斯模型、VAR模型、蒙特卡洛模型等?？梢詫暧^風(fēng)險建立模型，研判匯率、利率的變化方向和變化幅度對公司業(yè)務(wù)的影響，還可以對單個客戶建立違約概率模型來研判潛在客戶質(zhì)量，這種研判建立在現(xiàn)有客戶的特征，如年齡、收入、房產(chǎn)狀況等數(shù)據(jù)建立的模型上。其二，制定各類風(fēng)險控制指標(biāo)體系?？梢灾贫蛻暨`約評分指標(biāo)體系，根據(jù)公司客戶在金融機(jī)構(gòu)貸款還款情況、在租賃公司的租金支付情況給客戶評分，進(jìn)而甄別客戶質(zhì)量，還可以制訂財(cái)務(wù)預(yù)警指標(biāo)體系，如短期償債能力、資產(chǎn)負(fù)債率指標(biāo)等。其三，利用大數(shù)據(jù)進(jìn)行數(shù)據(jù)比對，找出風(fēng)險點(diǎn)。未來風(fēng)險控制大數(shù)據(jù)也能通過交叉比對客戶的各類信息，對異常數(shù)據(jù)發(fā)出風(fēng)險提示。這類信息的來源渠道很廣泛，可以是權(quán)威官方機(jī)構(gòu)公布的數(shù)據(jù)，也可以是非正式的信息。這些數(shù)據(jù)遍及方方面面，如宏觀政策、經(jīng)濟(jì)指標(biāo)、行業(yè)平均毛利、行業(yè)平均能耗量、行業(yè)產(chǎn)品成交均價、客戶的各類財(cái)務(wù)指標(biāo)、非財(cái)務(wù)指標(biāo)等，既可以把客戶和行業(yè)平均水平做比對，也可以把客戶自身的各類指標(biāo)互相比對，從中找到一些在人工風(fēng)險控制模式下容易被忽略的風(fēng)險點(diǎn)。

3.3 大數(shù)據(jù)、云計(jì)算、人工智能三者并用，提升風(fēng)險決策支持力度

大數(shù)據(jù)、云計(jì)算、人工智能并稱為互聯(lián)網(wǎng)三大技術(shù)，三者有層層遞進(jìn)的關(guān)系?；诖髷?shù)據(jù)之上的云計(jì)算，能夠快速地計(jì)算出數(shù)據(jù)隱藏的內(nèi)涵，而基于大數(shù)據(jù)和云計(jì)算的人工智能能夠做出類似人的自我學(xué)習(xí)進(jìn)化的動作，人工智能在醫(yī)療、教育、財(cái)務(wù)等各個領(lǐng)域都展現(xiàn)出了驚人的作用。在風(fēng)險決策中，對客戶風(fēng)險策略的制定離不開金融工程的建模和概率計(jì)算。但目前這種計(jì)算對相關(guān)人員的金融學(xué)、數(shù)學(xué)水平、計(jì)算水平要求較高，一般的租賃公司還缺少相關(guān)的人才資源。這時大數(shù)據(jù)、云計(jì)算和人工智能可以發(fā)揮計(jì)算和建模的優(yōu)勢，在較短時間內(nèi)計(jì)算出合理的決策方案。首先通過人工智能的學(xué)習(xí)能力，建立模型并根據(jù)情況不斷改進(jìn)。其次把海量的大數(shù)據(jù)代入模型中。最后通過云計(jì)算所具備的強(qiáng)大計(jì)算能力得出最優(yōu)解決方案。

4 結(jié)語

隨著大數(shù)據(jù)等新技術(shù)在租賃行業(yè)的深化發(fā)展，大數(shù)據(jù)風(fēng)險控制平臺必定對租賃風(fēng)險控制產(chǎn)生越來越重要的作用。租賃公司應(yīng)把握發(fā)展時機(jī)，多措并舉，大力提升大數(shù)據(jù)平臺的廣度、深度和決策支持力度。通過大數(shù)據(jù)風(fēng)險控制平臺提升公司的風(fēng)險管理水平，為公司的穩(wěn)定發(fā)展保駕護(hù)航。

參考文獻(xiàn)：

[1]華挺，宋穎達(dá).金融租賃公司流動性風(fēng)險研究[J].運(yùn)籌與管理，2019（9）：157-167.

[2]彭小輝.大數(shù)據(jù)在互聯(lián)網(wǎng)金融風(fēng)控中的應(yīng)用研究[J].中外企業(yè)家，2020（8）：79.

[3]舒奎.大數(shù)據(jù)在金融風(fēng)險管理中的應(yīng)用研究[J].時代金融，2020（6）：72-74.

[4]梅崇秀.基于大數(shù)據(jù)背景下的銀行智能風(fēng)控體系建設(shè)[J].中外企業(yè)家，2020（6）：82.

[5]馬楠藍(lán)，李雨芹，曹云，等.基于數(shù)據(jù)挖掘的房貸信用風(fēng)險評估系統(tǒng)設(shè)計(jì)[J].湖北農(nóng)機(jī)化，2020（1）：147.