基于大数据征信的江苏银行小微企业信贷风险管理研究

本文通过对江苏银行在大数据征信背景下的小微企业信贷风险管理研究，发现此案例对我国传统商业银行在金融新时代的转型升级具有重大借鉴意义，大数据的运用对于我国传统商业银行的转型升级具有深远影响。

第 1 章 绪论

1.1 研究背景和意义
1.1.1 研究背景
小微企业对于我国的经济发展至关重要，但是目前小微企业的生存状况却比较艰难。多年来，小微企业融资难、融资贵的问题一直没有得到很好地解决，即使政府部门在最近几年相继推出了一系列政策来推动小微企业的发展，使小微企业的生存环境有了一定的改善，但是目前小微企业的融资成本依旧较高，资金需求还是没有得到较好的满足。探究其背后的原因主要有三点：一是目前经济环境不景气，小企业的经营情况不是很好，而且本身资质也不足，所以很多银行出于风险考量都不敢对小微企业贷款；二是在目前银行利润增速下滑的情况下，各银行为了抢占市场份额会集中精力重点服务大企业和大客户，对小微企业有一定忽视。三是商业银行传统的风险管理模式难以应对小微企业复杂多变的情况，同样导致银行“惜贷”。
随着科学技术的迅猛发展，传统信贷模式已经不再适应时代的潮流，互联网和云计算技术衍生出了大数据征信的信贷风险管理新模式。互联网平台最先将其应用于小微企业信贷风险管理，在此基础上互联网平台积累了一定的客户和技术优势，并且通过大数据征信技术在信贷风险管理领域取得了比较出色的成绩，因此其在小微企业信贷市场也打开了一部分市场。由于互联网平台利用大数据征信在信贷风险管理上的成功示范，各大商业银行也纷纷瞄准这一巨大机遇，学习互联网企业运用大数据技术获取客户的信息，通过风险评估得出客户的信用评级，再根据信用水平授信贷款。通过大数据征信既为小微企业提供了资金的同时也降低了贷款的风险。而且通过大数据征信，商业银行扩大了客户的服务范围，同时也实现了更加规范和更有效率的审批流程，商业银行得到了一个更加全面准确的客户信用评价，降低了商业银行贷款的信用风险。
......................

1.2 国内外研究相关研究
1.2.1 大数据征信相关研究
传统的评估借款人信用状况的模型用的是比较简单的线性分析方法，该模型在发生金融借贷时用的比较多，主要是根据借款人过去的行为数据。它的优势在于获得的历史数据比较真实，而且风险管理简单，其劣势是可供选择的数据少，而且存在滞后性。与之比较，大数据征信的数据选取范围大，既可以反映过去的数据也可以反映当前的即时数据。大数据征信可以通过计算机技术设计征信算法和征信模型，多途径搜集和处理征信数据，然后形成一个总的信用评价，这样就可以很清晰的表现出企业的具体“面貌”。
关于征信的研究，从理论和实践的角度来看，国外有着更丰富的经验。从我国的基本国情出发，借鉴外部的研究成果很有必要。从巴曙松、侯畅、唐时达（2016）几人的观点中，认为银行与企业间存在的信息不对称现象催生了征信体系的产生。植凤寅（2014），冯文芳、李春梅(2015)认为通过对大数据分析和征信系统的结合可以向客户提供更多的有用信息。
我国大数据征信目前主要依赖于三种数据库，包括政府信息库、金融信息库和第三方信息库。从第三方信息数据库来看，各征信机构有着不同的统计方法、不同的数据来源和不同的 评级标准。美国的益百利 (Experian )与环联( TransUnion )等征信机构的信息来源由数据提供商(furnisher) 提供，赵海蕾(2015)认为其中既存在专业分工也存在相互间的利益共享。
刘新海(2014)以 ZestFinance 这一美国的互联网金融公司为案例进行研究，该公司由于对大数据征信的采用，不但分析出了重点的服务群体还很好的扩大了征信的覆盖面，具有极大的优势，使得公司不仅提升了四成的风险管理能力，还提升了近九成的运营效率，大数据征信取得了很好的效果。Crosman ( 2012 )也对ZestFinance 公司进行了分析，在他看来，大数据征信的优势主要体现在两个方面，一方面是数据的来源更加多元且涉及面更加广泛，另一方面是便于用户的查找与筛选。Crosman 认为大数据征信有着更多的优势，相较于传统的征信，其拥有着更多的评价指标，其所分析出的结果也更加精确和具体。
................................

第 2 章 相关概念界定及理论基础

2.1 大数据征信及小微企业概述
2.1.1 大数据征信
什么是大数据？国际数据中心在 2011 年首次提出大数据概念，它是指包含了很多的数据量，而且在现阶段很多的软件在一定时间内无法进行采集、处理并且加工的数据集。这些数据集能帮助企业制定策略，使其达到更好结果，它也被称为巨大数据集和海量资料。
有些学者根据大数据的特征从几个方面进行了做了概括，总的来说，大数据包含了 5 个重要的特征,他们是：Value（大价值）、Volume（大体量）、Veracity（准确性）、Variety（多样性）、Velocity（时效性）。因此又叫 5V 特征。
什么是征信？从专业角度说，征信是指对自然人法人还有别的组织的信用信息进行收集，同时对它进行整理并保存下来，再经过一定的加工之后对外提供信用信息咨询和信用报告以及信用评估等一系列服务，在这个过程中帮助客户调查、控制信用风险并开展信用管理的活动。
什么是大数据征信？大数据征信就是依托大数据技术搭建的信用评估模型，对个人和企业进行多维度的信用评估从而得到一个综合的信用评价，大数据征信的的数据来源主要是政府机构信息、互联网非保密信息还有个体提供的信息。
大数据征信的核心基础是数据，从借款人的大量信息中获取有价值的信用数据，并借助数学方法对其进行处理，然后根据不同的分析方法评估出借款人的信用风险，其相比传统征信的数据来源更加广泛、全面、准确，因此就具有较大的应用场景价值，通过对借款人将来的还款意愿、还款能力进行群方面的分析与预估，通过科学的数据来说明问题，使银行避开高风险客户。
.............................

2.2 基于大数据征信的信贷风险管理概述
大数据征信的信贷风险管理的核心在于对海量数据进行存储和分析，在分析之后可以得到客户完整的信用评价。商业银行信贷风险的根源来自于信息不对称，因此银行等金融机构需要思考怎样从庞大的数据中收集到有用的信用数据并对其进行准确分析，这就对银行等金融机构的风险管理水平提出了很高的要求。
2.2.1 大数据征信弱化信息不对称性
金融活动的核心主要是在一定的风险程度范围内实现资本收益的最大化。而对风险的把控需要有客户完善的信息，因此银行等金融机构需要收集全面的相关数据。目前我国的信用评级体系还不够完善，还存在比较严重的信息不对称的问题，因此出现了逆向选择和道德风险的现象，而大数据征信的应用在一定程度上可以缓解信息不对称的问题，为银行的信贷风险管理提供了帮助。并且在传统的信贷风险管理中，金融机构的数据采集面过于分散从而使一些重要的数据缺失，而一些无用数据又被重复的利用。这些缺点大数据征信的风控模式中可以很好的被解决，银行通过各种手段采集有关的外部数据，比如说把信用评估外包给第三方的信用评估机构，建立行业数据信息共享平台或者需要与互联网企业等交互共享信息等方式。与此同时推进交易信息的数据化，通过把客户往电子化渠道交易和办理业务，从而获取每一位客户的交易记录和业务数据。核验客户生产经营信息与财务信息的时候通过跨领域角度核验，并且分析数据的变化、资金流转率还有借款人的经营状况，实现数据和财务状况的匹配。在匹配数据的基础之上，银行可以针对客户制定一对一的信贷政策。与此同时，大数据征信的风险管理还可以帮助银行发现关联企业的关联交易行为，可以有效的规避关联企业的信贷风险。

...........................

第 3 章 基于大数据征信的江苏银行小微企业信贷风险管理案例介绍................18
3.1 江苏银行发展概况......................18
3.2 基于大数据征信的江苏银行小微企业信贷业务的创新实践与探索...........19
第 4 章 基于大数据征信的江苏银行小微企业信贷风险管理案例分析................31
4.1 数据渠道分析................................31
4.1.1 拓宽信息来源增强风险识别水平.................31
4.1.2 加强多方数据共享降低信息不对称.................32
第 5 章 启示与对策建议........................37
5.1 大力打造大数据征信系统............................37
5.2 加强信息融合降低银企信息不对称..............................38

第 4 章 基于大数据征信的江苏银行小微企业信贷风险管理案例分析

4.1 数据渠道分析
4.1.1 拓宽信息来源增强风险识别水平
1. 整合信息，提升风险数据汇集能力
对比江苏银行运用大数据征信的技术，传统的征信模式主要有三种方式收集信息：最重要的是央行提供的征信报告；除此之外还有客户主动提供的信息，这部分信息的话还需要进一步核实；最后一部分比较重要的是客户在该银行多年累积的交易数据和资产情况。不过综合来看这部分信息的来源都比较单一，而且集中度比较高。江苏银行除了以上这些数据之外还结合来自烟草、电力、电商、运营商税务等方面的数据，通过整合客户所有的信用数据，综合分析得到一个全面而准确的信用评价，提高了对客户贷款的风险管理水平。
2. 扩宽数据来源
相比传统信贷征信模式，江苏银行的大数据征信的信息来源更加丰富多面，其引入的数据主要分三大类。第一类是企业生产数据，比如烟草、电力、电商、运营商等数据，这部分数据重点双方合作，直接接入数据；第二类是政府机构等公共数据，比如公积金、地税、法院、工商、社保、医保、海关等数据，这部分主要借助的是政府对大数据产业的推动，积极对接数据，不过数据清洗和对接工作量比较大；第三部分是偏向个人身份数据，比如学习、户籍、房价、房产、商户验证等数据。这部分数据主要用来做身份识别和校验以及个人信用评级。整体三部分的数据提供了充分的个人信用评级数据和企业信用评级数据，为开展开展风控业务，以及创新产品“税 e 融”提供了数据分析决策的基础。因此相比传统模式，他的来源极为丰富，包括客户的方方面面，可以充分的了解客户的情况，比较大的可能解决了信息不对称的问题。

...........................

第 5 章 启示与对策建议

5.1 大力打造大数据征信系统
在当今信息化的时代，数据是解锁社会奥秘的一把钥匙，谁掌握了更多的数据谁就有了更远大的未来，因此对于传统商业银行来说，其未来的战略重点要放在大数据上，如何运用大数据为银行赢得未来这就是当下要思考的问题。
我认为可以向江苏银行学习，首先在战略规划上面从以业务为中心向以数据管理和获取为中心转变，改变顶层设计结构，从上至下打造大数据征信平台，不仅如此全行都应该花精力去学习大数据征信的相关知识，真正做到懂大数据。在这个基础上，再去深度挖掘客户数据，整合数据，分析数据，根据数据反映情况，再有针对性地研究相关银行产品，
再有，在日常的运营上，应该转变为比较精细运营模式，不再追求多大的业务量，而是运用大数据平台对客户进行精细化的服务，例如现在很多互联网公司都已经做到的这一点，当客户前一秒搜索相关词条，后一秒互联网公司就会推送给客户相关的产品或服务，这就叫利用大数据的精准推送。银行业需要找准每个客户的独特需求，为企业或个人提供更加人性化、体贴化的产品或者服务。
最后，在决策体系中，以往的决策更多的依赖于经验，在将来应该更多的依赖于数据，降低人为主观隐私的影响，把决策权更多的交给客观的数据，不过在此之前需要建立可靠的数据筛选标准。江苏银行在这一方面做的比较到位，例如其 e 融系列网贷产品的合格客户基本上都是通过大数据来进行自我筛选的，实现从“人治”到“数据治行”的转变。
参考文献（略）