传统信贷风控模型下，数据要素收集工作量大、成本高，银行无利可图；大数据风控的数据具有实时性，基本反映企业当前状况且大多反映行为变量，相比于财务数据的可变性，行为变量具有更高的稳定性

文 | 《财经》记者 张威 实习生 周青

编辑 | 袁满

通过研究比较可以得出结论，在中小微企业贷款中，大科技风控比传统银行风控更可靠。

近日，北京大学数字金融研究中心分别与BIS（国际清算银行）、IMF(国际货币基金组织)联合发布了大科技信贷相关研究论文，一经发布引发国内外关注、讨论热潮。

北京大学国家发展研究院副院长黄益平认为，作为金融数据风控的一部分，大科技信贷是指大型科技公司利用大的科技生态系统和数据风控模型，为中小微企业或个体工商户提供信贷服务，以及创新的信用风险管理框架。

相比于传统的银行信贷风控，大科技信贷突破的是在没有央行征信数据的情况下（目前绝大部分人没有央行征信数据），通过对大科技平台的数据足迹进行分析，同样可以得出可靠的信用评估，甚至结果会更好一些。

在上述研究论文中，通过比较样本发现，大科技信贷与规模小、信用历史短的中小微企业的适配度更高。为此，黄益平认为，大科技信贷可能为普惠金融找到一条可行的路径。

那么，大科技信贷背后的风控逻辑有何创新，大科技信贷触碰了传统金融的哪些机制？以及大科技信贷能否应对经济周期的变化？针对上述疑问，《财经》记者独家专访了黄益平，以求对大数据风控模型有更为深入的理解。

黄益平向《财经》记者表示，在大科技信贷的背景下，部分信贷决策和房价之间的绑定关系能够解脱出来，一定意义上取消了伯南克所说的金融加速器的机制。从这一角度来看，金融体系的稳定性得到提高，但与此同时，信贷政策对现金流的反应就变得更大一些。

实时变量的多数据风控模型

《财经》：在具体的业务中，相比于传统的银行信贷风控，大科技信贷在具体的风控模型中表现出了怎样的独特优势和价值？

黄益平：总体来讲，传统银行使用财务数据抵押资产的方式进行贷款，此外还有一种“关系型贷款”，意思是银行根据企业家的人品、社会地位以及社会关系进行贷款。那么，线上贷款可参考的信息数据更多，不过并非对这些数据直接参考，而是进行相应地处理。

在具体的信贷风控中，我们的研究论文对数据和模型两个不同的风控要素进行了比较，银行传统风控数据主要包括企业的业务状况、财务状况，以及企业主的性别、年龄、教育；传统的打分模型则是对上述数据变量进行打分加总。这种评定标准存在两个弊端，一是其对数据要求比较高，通常只适用于具有一定规模的成熟企业；二是财务数据大部分来自企业的财务报表，财务报表起码是一季度发布一次，因此财务数据具有一定的滞后性。

大数据风控模型的数据是来自大科技平台实时监测的线上数据，这些数据在一定程度上可以认为是行为变量，这些变量由商业、金融、社交、娱乐等多方面行为数字足迹组成。透过这些变量信息，信贷机构可以全方位地观察借款人的行为与交易，从而间接判断借款人的财务状况、经济活动、社会及网络地位与行为特征。

相较于传统风控模式，大数据风控数据更具多元性和实时性，在一定程度上更有利于信贷机构作出及时有效的风险评估，同时还利于信贷机构实时监测借款人的状况，及时对风险因素做出反应。

此外，在传统的打分卡模型中，每一个变量都是独立的，即使进行了汇总，也只能得出“1+1=2”的效果，而机器学习模型更加擅长于处理数量庞大的数据，更能够抓住一些复杂的非线性关系以及解释变量之间的交互作用，达到“1+1>2”的效果。

《财经》：小微企业贷款难、贷款贵一直是存在已久的问题，在你看来，传统信贷风控对上述问题构成怎样的关系？

黄益平：传统信贷风控模型与小微企业贷款难有直接关系，因为在这种风控模型下，数据要素收集工作量大、成本高，银行无利可图。

而大数据风控优势体现在两个方面：第一，与传统信贷看重滞后的财务数据不同，大数据风控的数据具有实时性，基本反映企业当前的状况；大数据大多反映行为变量，相比于财务数据的可变性，行为变量具有更高的稳定性。我们通过比较得出一个结论，大科技风控比传统银行风控更可靠。

文章来源：《大科技》 网址: http://www.dkjzzs.cn/zonghexinwen/2020/1015/462.html