供應鏈金融風控的數據思維

今天yjbys小編和大家分享部分關於供應鏈金融的資料，歡迎大家閲讀學習，更多相關資料請繼續關注應屆畢業生培訓網哦!

立足於互聯網金融規範監管的大背景，拋開道德、技術、欺詐等風險不談，互聯網金融的核心風險主要還是集中於資產端。從2015年下半年開始，隨着民間金融工具的增多，互聯網金融的羣起，市場上資金成本逐漸趨低，互聯網金融的焦點轉為對優質資產的追逐，而優質資產中除了一些有融資擔保品等增信的資產，處於供應鏈金融核心的商業保理、倉單質押、訂單融資等產品開始受到追捧。那麼哪些資產是優質資產?如果對各類資產做一個風險分類，資金更容易向哪類資產傾斜?除了京東、阿里等能實現三流閉合的場景之外，有沒有真正的無抵押物擔保完全依靠數據取勝的優質供應鏈金融資產?

筆者以零售行業為例，結合供應鏈金融的風險偏好，通過自己的理論研究和實際工作經驗，立足於違約成本和大數法則的理論基礎，分析零售行業的特點，闡述如何利用供應鏈系統、數據分析和計算，加之對金融的深入理解，通過對金融產品模式、供應鏈金融系統、風控模型的完善，第三方數據的借用，在突破供應鏈物流、金流完全閉合的基礎上來甄別優質資產，實現資產端的安全。

供應鏈金融有以下特徵：服務對象特定、與實體經濟聯繫極為緊密、業務具備自償性、風險可控、收入來源多樣化等。因此項目的產品設計、風險保障措施、貸後管理重點都與傳統的信貸有不同，最大的不同應該就是由單一的主體信用考量轉為了主體信用以及交易信用的雙重考量，但又不可過分的去誇大這個不同，因為實質上都還是給某個融資主體進行授信，如果沒有獨具特色的商業邏輯和模式設定，那跟傳統信貸就沒差別。

零售行業的特徵是海量小微企業以地域為界限，圍繞大型商超構建起復雜的商品供應鏈。由於小微企業信用等級低、商業風險大，又缺乏房屋土地等固定資產作為融資擔保品，因此長期以來，零售業供應商很難跨越銀行的授信門檻。在全球金融危機、國內經濟增長放緩的大背景下，許多行業都正在遭遇前所未有的衝擊，小微企業貸款難這一世界性難題，在零售行業表現得尤為突出。在銀行等主流金融機構難以涉足的領域，以市場化的力量解決中小微企業融資難問題，是我們的努力方向，也是國家金融改革的重要目標。

零供類資產項目主要有以下幾個特點：上下游均有進入壁壘，違約成本較高;下游沒有單一固定的核心企業或者核心企業不願配合確權;下游比較分散，少則十幾家、多則幾十家、上百家，交易的集中度不高;企業成立三年以上或者實際控制人具有豐富的行業經驗，有一定的行業優勢;應收賬款總額較大，且能得到第三方數據印證;月均回款較穩定，能調取一年以上的數據等。此種模式的風險管理側重在：數據的分析確定交易以及回款的真實性、穩定性、連續性;嚴格防範企業的主體以及擔保人信用風險;操作人員的專業性、技巧性、道德性風險管理;嚴格、常規的貸後管理措施，實時監控核心數據;強大、完善的催收管理能力。

下面我從六個方面來闡述如何通過數據實現零供類供應鏈金融的風險破冰。

　　一、准入紅線

任何業務都會有門檻，零供業務要想解決降低風險、提高效率的矛盾，首先就是要科學定義紅線和准入條件。這些門檻不是拍腦袋出來的，也不是照搬銀行等同業的，一定是基於對行業和業務的深刻理解才能得出來的。經過多次修正，現在已經有一個關於紅線和准入的文件。比如紅線定義為： 申請人應收賬款有瑕疵，被重複轉讓、質押的不做;融資額未在30萬-300萬區間，期限不在3-6個月區間的不做;申請人交易和結算數據不能按要求實時監控的不做等。客户准入也會涉及融資人主體資質、融資主體實際控制人、融資主體所處細分行業、融資主體經營狀況、與金融機構合作記錄等數十項指標。 這是業務開展的基礎，是一個憲法類的東西，必須予以足夠的重視。

　　二、違約成本

違約成本過高是此項業務開展的理論基礎之一，比如一個供應商對應着十家零售商，按照行業慣例，一個年銷售額千萬的供應商每對應一家零售商，除去鋪貨外的平均入門費用(包括進場費、條碼費、上架費等)為50萬，如果對應十家就是500萬，再加上商家的應收賬款和庫存平均不低於200萬。單就交易來説，我們給出的額度不高於月均銷售額的80%,也就是60萬左右，對於一個正常經營的供應商來説，為了60萬的融資丟掉大於700萬的投入從邏輯上是講不通的(當然還涉及到其他問題，比如真實的負債率是多少，如果企業不止有60萬的負債而是2000萬的負債，那他就有足夠的動力去違約甚至跑路了，因此對企業隱性負債及其還款日期的調查是此項目的重中之重)。因此，在調查報告裏，除了對負債的內容需要進行關注之外，還要引入違約成本的量化結論，以便於審核人員評估。

　　三、識別風險

此項目的核心風險有三：分別是交易風險、信用風險與操作風險。其中最難把握的是後兩者。

1、交易風險

在這一風險的應對方面，目前的貿易融資，管理交易風險非常重要的一個參考指標就是歷史交易記錄。歷史數據的蒐集、整理、分析也是數據風控的核心所在，未來發生什麼、會發生什麼、怎樣發生什麼，我們都不得而知，但可以從歷史來推測可能會發生什麼，發生什麼的概率有多高等等(其實也是一種應用統計學)。這裏就涉及到我們所説的核心數據。通過這些數據我們可以基本判斷近一年內，融資企業的履約能力和履約情況，以及零售商的付款能力和付款情況，從而對未來3個月或6個月的風險做一個基本的預測。從某種程度上來講，這個交易風險是相對容易把握的，是可以通過定量分析法來實現的。在這個分析的過程中需要側重的主要是四點：一是數據的連續性;二是數據的穩定性;三是數據的趨勢性;四是數據的異常性。最後，我們會得出一個結論，這個結論是僅僅針對交易風險得出的，但交易風險在整個項目風險評估中的比重只佔到三分之一。需要特別指出的是，核心數據的分析中要特別注意對銀行流水的分析，這是一項極其考驗耐性和專業性的工種，我們對銀行流水的分析主要採取人腦+電腦的形式進行分析、整理、預測、驗證。

2、信用風險

關於信用風險，是一個老大難問題。在零供項目中，主要體現為融資企業的主體信用以及零售商的主體信用風險。基於零供行業的特點以及我們的准入中對零售商的鎖定以及供應商一般對應多個零售商的現實以及對所有逾期案例的分析，決定了此處的信用風險主要體現為供應商(即融資企業)的信用風險。此處的信用風險中主要包括企業以及實際控制人個人的主體信用，或者説是他們的資產能力，IPC中有類似的表述。資產=負債+所有者權益;所有者權益=淨利率*銷售額。這些信息的準確取得，除了有技巧的訪談以及上述核心數據或多項數據的分析之外同時需要藉助一些第三方的反欺詐工具。

3、操作風險

這裏的操作風險主要分兩類：一類是專業能力以及疏忽懈怠風險;另一類主要是員工的道德風險。第一類操作風險需要我們的員工在盡職調查時，要注意嚴格按照流程和要求蒐集材料、簽署文件。第二類操作風險涉及到人性問題，我們解決不了，能做的就是不要對人性和道德抱太大希望，通過制度化手段以及相應的懲戒措施去強化、管理。

　　四、信用分析

1、定性與定量分析

一般的信用分析都需要包含定性和定量兩部分內容，單一的定性或者定量都不能囊括所有的`風險。在我們運作零供項目的過程中會發現，前期數據的採集、分析、結論以及真實負債率的計算等是可以通過量化實現的，而有關企業的經營、資產、擔保、徵信、庫存合理性、實際控制人的專業、經驗、對外經營、民間借貸、是否炒股、是否經營高危行業、人品、性格特點、員工評價、商界地位、名譽、愛好、忌諱等等很多對項目的評審具有非常核心意義的信息都是難以計算的，而且是很難去絕對量化的。 想實現二者的結合，又能高效率低風險的完成授信，這幾乎是一個悖論，我們能做的只能是儘可能的完善，而不要去妄想堵死所有的漏洞和風險。

2、二維評級與信用風險量化管理體系

二維評級中的二維是指客户主體信用與債項信用。此種評級體系除了要求對客户在未來一定時期內發生違約的可能性(PD)進行測算中户外，更要求以貿易雙方交易穩定性和自償性為核心，以金流、物流、信息流三流合一為標準，通過對交易數據的分析，結合產品類別、擔保方式、還款優先性、客户地區行業、第一還款源的還款能力和還款意願等對債項本身的特定風險進行計量和評價，以反映客户違約後債項損失的大小(LGD)。與傳統評級模型不同的是，除了精準的評級模型之外，還需要利用內部穿行測試的方法，利用內部控制測試體系表通過關鍵內部控制、常用控制測試及實質性程序等常量，從多維度測試交易發生以及入賬的真實性、完整性和準確性。

信用風險量化管理體系與傳統的信用風險度量方法有本質區別。傳統的信用風險度量方法側重於定性分析，主要包括專家系統、評級方法和信用評分方法，更確切地説，他們都只是一種分配排序，並不能準確指出風險的大小。而信用風險量化管理體系的簡歷體現了對信用風險的合理測度，即運用有效模型對信用風險進行評估。體現在PD、LGD、EAD的測度上。

3、在信用分析的過程中，要突出三個側重

首先，定量分析與定性分析相結合。其中，財務指標基本實現定量分析，考查數據時間跨度要求為三年及三年以上。針對定性分析設置了相應的比對標準，儘可能的實現評分有依據，依據值得推敲;

其次，從買賣雙方的自身實力及應收賬款交易本身的真實性兩方面進行考量。針對買賣雙方應收賬款交易流程的考查程序要重於對企業財務數據、主體資質和硬性資產本身的評價。力圖通過雙方的交易習慣，結算習慣來驗證雙方往來交易的真實性、完整性、準確性;

最後，突出較強的延展性。以針對核心企業立賬模式的傳統供應鏈金融為出發點，該評級體系可向供應鏈平台+金融和互聯網金融等融資指標體系拓展。針對供應鏈融資平台，該指標體系加大了對歷史交易數據的審核且關注企業客户的數據從財務數據向生產數據延伸。生產數據包括但不限於：存貨進銷存、企業費用成本控制制度、現金支付管理、税款繳存管理、員工數量及工資支付、社保計提與支付、產能利用、固定資產管理等多個方向。考慮到眾多供應鏈融資企業對系統平台的依賴性較強，該評級體系設計了針對系統平台利用控制測試原理的穿行測試。另外，系統平台的安全性也是評級的重要指標之一，或藉助於外部IT 審計或通過系統自評的方式實現對系統的測評。

　　五、第三方工具

據統計，除了經營風險之外，供應鏈金融業務90%以上的風險來源於客户欺詐，客户欺詐的表現形式多種多樣，其中關於隱性負債、非相關多元化投資、實際控制人不良嗜好、資本抽離、控制權爭議等情形最為常見，尤其是銀行徵信信息之外的隱性負債問題，是一個世界性的難題，因此就需要金融機構善於利用第三方工具所提供的外部數據來建模，重點評價經營之外的欺詐風險。

目前比較權威、與金融相關性又比較好的數據源有以下平台：全國工商企業信用網、中國裁判文書網、中國人民銀行徵信中心、風險信息網、被執行人信息查詢網、中國執行信息公開網、風控搜、巨潮資訊網、安融惠眾、IPC分析法、信用評級模型、百分點、千家客、鵬元、國政通、東方航空、新浪微博以及一些安融匯眾、同盾科技、好貸網、量化派、譽存科技、企查查、啟信寶等信用評價和反商業欺詐工具等等。以上各項工具既相互獨立又相互印證，需要綜合起來研究，找出欺詐的可能性。

　　六、專業判斷與機器計算

採用專業判斷與機器計算相結合(又稱“人腦+電腦”)的風險管理方法來找到解決零和博弈問題的出路。人腦偏重於對定性的分析，電腦偏重於對定量的分析，但兩者沒有嚴格的界限，往往是互相交叉的。比如一定時間端內數據的真實性、連續性、趨勢性、波動性等既需要電腦予以呈現，也需要人腦結合行業和企業特點進行分析。零供項目的業務審核流程一般都是通過人腦負責前期大部分的分析審核，再集合到一個數據庫中進行積累、整理，再通過共性信息的提取以及對個性化信息的處理，中間輔以異常信息提示、預警，通過各項數據和資料之間的交叉，最終呈現一個人腦+電腦的評級結果。人腦+電腦一定要在系統中得以實現，電腦可以極大提高審核效率，加上人腦的現實判斷，最終才能實現規模取勝與業務精煉的共贏局面。

　　總結

最後筆者還有一些期冀，供應鏈金融領域，目前市場上湧出很多大數據風控平台，筆者認為這些所謂的大數據風控大多是噱頭，解決不了數據源的真實性和全面性問題，這個模型就不是完善的，比如如何解決現在的老大難問題‘隱形負債’。目前比較有效的風控模型要麼是有獨特的場景或行業定位，要麼就是輔以有抓手的增信措施，比如供應鏈上的三流閉合，其餘都只能作為授信的補充和參考，而非主要參考依據。未來一定會出現一個權威的公共平台，它可能不以盈利為目的，但可以解決供應鏈金融貸前貸中貸後的數據問題，這個平台一定要以風險、效率、體驗為核心，利用自身的系統對接、數據分析、產品設計、行業把控、風控模型、徵信反欺、線上線下結合審批等優勢，深入精細做下去，服務供應鏈條上的中小微企業，解決中小企業融資難困境，最終服務實體經濟發展。