金融科技对商业银行信用风险的影响研究--基于小微企业贷款视角

摘要I

第1章绪论1

1.1研究背景和意义1

1.1.1研究背景1

1.1.2研究目的1

1.1.3研充意义1

1.2仓U新点与不足2

1.3国内外研究现状2

1.3.1国外研究现状2

1.3.2国内研究现状4

1.3.3文献评述6

1.4研究方法7

第2章相关概念与理论基础8

2.1金融科技8

2.1.1金融科技的概念8

2.1.2金融科技的业务模式8

2.1.3金融科技与风险8

2.2银行小微信贷业务9

2.2.1银行信贷业务与小微信贷9

2.2.2小微信贷风险控制流程9

2.3信贷业务风险与防控10

2.3.1信息不对称理论10

2.3.2信用悖论理论11

2.3.3信贷配给理论11

2.4金融科技在信用风险管理领域中的主要方法12

2.4.1客户风险画像12

2.4.2反欺诈技术12

2.4.3风险监控预警管理12

第3章商业银行信贷业务现状分析14

3.1信贷规模现状14

3.2信贷管理现状分析15

3.2.1应用金融科技技术后信贷审核流程缩短15

3.2.2应用金融科技技术对信贷风险进行控制17

3.3信贷管理面临的挑战21

3.3.1小微企业抗风险能力较弱，信用风险大21

3.3.2管理模式不能适应产品发展23

3.3.3风控手段不足以应对外部冲击23

第4章金融科技对商业银行风险影响的实证分析25

4.1变量选择25

4.2样本选取与描述性统计26

4.3模型设定27

4.4实证分析28

4.4.1模型选择28

4.4.2金融科技发展对商业银行风险影响的回归结果分析28

4.4.3小微贷款发展在金融科技影响商业银行风险中的调节效应29

4.4.4金融科技对商业银行风险影响的异质性分析30

4.5主要结论32

第5章银行小微信贷风控策略一一以A银行信贷产品为例33

5.1基于金融科技的风险评估模型33

5.1.1基于金融科技的风控模型构建33

5.1.2基于金融科技的风控模型训练34

5.2大数据风控模型的场景应用35

5.2.1开户场景35

5.2.2税务场景36

5.2.3结算场景36

5.2.4泛交易链及平台合作场景37

5.3风控策略37

5.3.1市场与风险平衡37

5.3.2放权与严管并重38

5.3.3激励与责任挂钩38

5.3.4发展与配套协同38

第6章结论与建议39

6.1结论39

6.1.1商业银行在小微贷款风控方面存在不足39

6.1.2金融科技发展与商业银行风险呈现“U型”关系39

6.1.3不同类型商业银行的风险水平受金融科技影响不同39

6.1.4金融科技有助于优化银行信用风险防控40

6.2建议40

6.2.1优化信贷产品设计40

6.2.2完善授信审批机制40

6.2.3完善贷后管理风控40

6.2.4加强员工培训41

摘要

在科技飞速发展的今天，金融不断与科技相融合，互联网、云计算、人工智能、区块链以及大数据分析等技术开始广泛运用于金融领域，对于银行业务产生了重大的影响。其中，信贷业务领域的影响较为突出。同时，为推进资金脱虚向实，刺激实体经济发展，国家持续放宽小微企业的信贷政策，重视小微信贷，但小微信贷的快速发展对商业银行信用风险敞口产生潜在压力。

在以上背景下，论文围绕金融科技发展形势，基于小微企业贷款视角，研究探索金融科技如何影响商业银行风险这一核心问题，分析如何应用金融科技做好商业银行信贷风险防控的应用实践。

论文基于理论分析，釆取了实证分析、案例分析等方法。首先，本文釆用归纳分析法将商业银行信贷业务应用金融科技过程中存在的风险控制等问题进行归纳分析，为进一步探究信贷风险控制提供资料。其次，本文采用实证分析法，选取加权数字普惠金融指数作为金融科技的代理变量，选取不良贷款率作为衡量商业银行风险的指标，选取2011年-2018年上市商业银行的面板数据，通过固定效应模型检验金融科技发展对商业银行风险的影响。此外，加入商业银行小微贷款占比及其与解释变量的交叉项，研究小微贷款发展在金融科技影响商业银行风险中的调节效应。本文还对不同类型商业银行受金融科技发展的影响进行了异质性分析。最后，本文采用案例分析法，以某银行“政务数据秒授信”贷款作为案例，对金融科技在商业银行信贷风险控制领域的应用进行分析，探索降低信贷风险的路径。

经过研究发现，目前商业银行进行小微贷款风控存在以下问题：第一，小微企业抗风险能力较弱，信用风险大；第二，现有风控管理模式不能适应产品发展；第三，风控手段不足以应对外部冲击；第四，银行数字化风控技术还需提升。

根据实证研究，本文验证了金融科技对银行风险的双向作用，但在小微贷款视角下，金融科技抑制银行风险的作用被减弱，需要银行提高金融科技的信贷风控水平。根据案例分析，基于A银行在小微信贷中合理运用金融科技开发风控模型和多场景信贷业务的案例，本文探讨了金融科技在银行风险控制中的运用。最后，结合银行信贷风控中金融科技应用存在的不足和案例分析、实证分析，本文提出了优化信贷产品设计、完善授信审批机制、完善贷后管理风控、加强员工培

训等建议。

关键词：金融科技；小微信贷；银行风控；商业银行

第1章绪论

1.1研究背景和意义

1.1.1研究背景

随着金融与科技的不断融合，在原来互联网、云计算、人工智能等技术的基础上衍生出越来越多的新型运营技术，如大数据挖掘、大数据画像、电子网上支付、智能精确获客、智能语音服务等，这些技术应用领域广泛，对银行业务产生了巨大影响。其中，对于小微企业信贷业务的影响较为突出。一方面迅速崛起的互联网公司，借助数据、技术优势，发展互联网融资，市场份额逐步扩大；另一方面是银行业本身积极开展探索，借助互联网工具开展信贷业务，提高了获客与服务能力，持续发挥社会经济信用中介的作用。在带来规模扩大、业务增长的同时，小微信贷业务面临着新的风险挑战，需要加强研究。

而且，金融科技的应用也符合银行风险管理优化的需要。从全球来看，在过去十年里，银行的风险管理有了更高的要求。由于全球金融危机的爆发，银行产生了更严格的监管制度，由此引发了风险职能的变化，包括更为细致和严苛的资本杠杆限制、更高的风险报告标准以及更高的流动性和资本充足率的要求。从国内经济环境来看，随着经济的结构性调整，金融监管的深化，对银行小微信贷业务实践的风险管理提出更高的要求。从客户来看，随着普惠金融等新业务模式的发展，客户对金额安全和银行服务的期望也有所上升。风险职能必须应对新风险的演变，因此需要新的技术和工具。不断发展的金融科技使得对小微信贷的新型风险管理成为可能。

1.1.2研究目的

论文围绕金融科技发展形势，在应对外部冲击、技术升级双重背景下，研究探索如何应用金融科技做好小微企业信贷风险防控的应用实践这一核心问题，通过借鉴参考国内外对金融科技在信贷领域应用的研究，从分析信贷经营环境现状入手，提出当前银行小微信贷管理中存在的不足，针对不足结合大数据、物联网、区块链、人工智能等金融科技技术提出应对策略。

1.1.3研究意义

小微经济是国家经济运行中的重要力量，国家倡导大力发展小微信贷业务。同时，在现代金融科技支撑下，小微信贷业务为银行发展提供了契机。信贷管理主要涉及管理债务人和债务融资，信贷管理的目标是安全保护银行借贷和优化现金流。信用管理的一个重要功能是信用控制，既避免过度借贷导致流动性储存，又在提供信贷与未偿债或延迟偿债的财务风险之间获得最佳平衡。

本文选题具有理论意义与现实意义。在理论意义上，本文通过梳理金融科技、信息不对称等概念和理论，深化基于小微贷款视角的课题研究，对分析金融科技如何应用银行信用风险管理具有参考价值。在现实意义上，本文通过实证分析和案例研究，研究探索金融科技如何影响商业银行风险这一核心问题，提岀合理建议，对推动小微信贷经营模式优化、降低银行信用风险起到参考和积极的促进作用。

1.2创新点与不足

本文有三个方面的创新：首先，金融科技影响下的小微信贷等银行信贷模式，由于此类课题较为新颖，虽然前人对此进行了研究，但研究内容大多停留在金融科技对银行业务和风险防控的影响上，尚未深入到风险识别与防控具体措施。本文将业务发展与风险防控结合到一起，以某银行信贷产品研发、风险识别为具体案例进行分析。其次，不同种类的风险因风险来源、防控策略各不相同，在进行战略选择时差异性明显，本文通过聚焦信用风险开展研究，设计出有针对性的战略目标、实施方案和保障措施，使风险防控的手段可操作性更强，更广泛的应用于实际情况的操作中。最后，在研究方法上，大多数学者对金融科技与银行风险的关系进行实证研究或者对金融科技与信贷风控的关系做案例研究，本文将理论分析、实证研究与案例研究相结合，相互佐证，更加全面系统地探究小微贷款视角下，金融科技对银行风险的影响。

本文也有一些不足，由于商业银行网络信贷模式为近年来新型业态历史数据有限，金融科技发展的量化指标还不健全，建立模型精准度可能受到影响，解释变量也可能存在一些偏差；其次，对信用风险案例数量掌握的还不够充分，提出的完善措施和策略还可能存在概括不全的现象。

1.3国内外研究现状

1.3.1国外研究现状

在金融科技内涵方面，金融科技(Fintech)—词在2011年被正式提出。关于金融科技的内涵和边界界定，Lines(2017)认为，Fintech是一个复合词汇，是金融服务和信息技术手段的结合。Liu和Yue(2017)在报告中表明，金融科技是技术的集合，它可以影响所有金融交易和服务。Puschmann(2017)则强调，Fintech本质上是一种金融创新。

在金融科技的发展方面，Amer等人(2017)认为，金融科技的发展历程被分为三个时代：第一个时代为1866-1987年，该阶段的金融全球化基于技术基础设施的开发和建设；第二个时代是1987-2008年，该间断的显著特征为金融服务业的数字化，学者的研究聚焦于数字化如何提升金融企业的效率；第三个时代是2008年至今，学者围绕金融业态的创新展开研究。例如，Lee和Yong(2018)指出，金融科技被称作是能够冲破规则禁锢的颠覆性创造，是可以改变传统金融市场的新鲜血液，通过介绍金融科技的发展过程，探讨金融科技行业的生态系统。MarkAChen,、QinxiWu,和BaozhongYang(2019)利用市场反应来研究金融科技创新的价值，发现对创新者最有价值的金融科技创新类型是区块链、网络安全和机器人，进一步扩展估值方法，对于整个金融行业来说，典型的金融科技创新带来了积极的价值。最有价值的创新类型是物联网、机器人咨询和区块链。HendershottTerrence等(2021)概述了与金融科技教学和研究有关的技术、教学和管理问题，重点是金融领域的市场交易、人工智能和区块链。TaoChen等(2021)研究表明，获得金融科技信贷的公司更多地投资于广告和产品或部门多样化，减少公司波动，公司未来破产或退出业务的可能性较小。

在金融科技的应用方面，除了研究金融科技的概念与发展历程，国外学者围绕金融科技在银行信贷领域展开研究。

第一，在信贷的管理模式的变化方面，J.Manyika,M.Chui(2011)指出，大数据时代商业银行应该整合新的客户接触渠道，增强对客户的了解和互动，进行产品创新和精准营销，并利用系统监测异常风险，在异常风险发生之前及时做出处理，有效规避风险。金融科技带来的数据庞大，对数据的关联性和时效性提出更高要求。通过合法方式获取未曾掌握的数据，更全面的了解客户，建立更为全方面的客户画像。

第二，金融科技广泛应用于银行信贷金融产品开发领域，SrivastavaGopalkrishnan(2015)研究分析发现，在大数据应用时代下，银行能够迅速地把良好的金融资讯以及信息直接传递给银行及客户，从而转换为银行与客户的利益。其分析银行如何应用大数据来分析印度客户的多种消费行为模式、渠道的综合应用、客户需求细分、信贷产品的多种交叉组合销售、情感与客户反馈关系分析、安全及财务欺诈风险管理，并将此种管理做法成功引入应用到了多家印度银行，提升其商业金融服务的管理水平。信贷产品将会更快的拓宽至新的领域，可以通过计算机平台的拟人能力和计算能力的部署加强业务渗透力和业务能力。

第三，在金融科技影响银行信贷风控方面，Lapavitsas和Santos(2008)指出，新兴金融科技缓解银行与借贷者之间的信息不对称，从而控制银行风险。BNAppiah(2011)曾对加纳商业银行2005年12月到2009年9月贷款的中小企业进行问卷调查，该调查显示采用GCB机制筛选借款人的效率低，信用评估误差大，这将导致银行违约的风险大大提高。此外，调查结果表明政府对信贷市场的部分政策干预也会降低贷款的效率和质量，高级官员申请比例过高会降低信贷评估的精确性，同样增加银行的违约风险。

1.3.2国内研究现状

在金融科技的内涵和发展方面，国内最早对金融科技的研究重点在互联网金融领域，国内该领域的早期研究者谢平等(2012)提出互联网金融的发展使交易模式更为多元化，有利于资源配置效率的提升,但分散了金融市场的系统性风险。此后中文文献中，“互联网金融”频繁出现。在2016年之后，互联网金融的相关研究逐渐降温。随着国际学术界对金融科技的研究升温，国内学者开展了金融科技的研究。

首先，在金融科技的内涵和发展现状方面，赵鹤(2016)通过分析金融科技的特征和发展历程，归纳总结了金融科技的功能和风险，提出金融科技面临道德风险和逆向选择，需要被监管。其次，金融科技的快速发展，使得金融监管面临挑战。唐莉、程普(2016)等认为，金融科技面临合规风险、申请拍照成本高、融资相对困难风险，在这方面，英国、美国、澳大利亚和新加坡四国的监管沙盒模式为我们提供了良好的借鉴。

在金融科技对银行业务产生的影响方面，李文红，蒋则沈(2017)认为，金融科技的发展使得传统商业银行的存贷款业务、支付业务等传统业务被分流，制约了传统银行的盈利能力。杨玲(2018)则综合更多因素，认为商业银行业务受到

金融科技的影响可以被归纳为以下三类：一是负债业务模式的革新；二是新型支付业务模式的催生；三是信贷业务模式面临挑战。其中，国内学者研究金融科技对信贷业务模式的挑战这一课题，聚焦于金融科技如何影响银行风险和金融科技在商业银行信贷风险管理的合理应用。

在金融科技对银行风险的影响方面，郭品和沈悦(2015)釆用文本挖掘法构建金融科技发展指数，基于30多家银行的不良贷款率等数据，经过实证研究发现互联网金融对商业银行风险产生的影响呈现先正后负的特征。也就是说，互联网金融发展的开始阶段，随着互联网金融的发展，银行风险会降低，但在长期，互联网金融的发展反而提高了银行风险。郑长军和王光俊(2016)根据我国61家商业银行的非平衡面板数据，以Lerner指数和HHI代理银行竞争变量，以LogZ值代理银行破产风险，验证了金融自由化改革下，银行竞争对破产风险的效应曲线呈现倒U型特征，即在某临界值以下时，银行竞争程度越低，则破产风险越小，在突破这一临界值时，则银行竞争程度越高风险越小。

在金融科技对商业银行信贷业务管理方面，尤其是小微信贷的业务管理方面，国内研究从以下三个方面展开。

一是围绕商业银行信贷流程优化的研究。在商业银行信贷流程优化方面，大量学者对商业银行信贷业务流程中风险控制机制进行研究。叶耀明、唐钱川、李奕滨(2014)比较哈尔滨银行、上海银行、招商银行三者的信贷产品服务与获得的收益，分析出哈尔滨银行在贷款对象筛选、数据共享、贷款流程标准化等方面的成功之处，提岀小微信贷业务可借鉴的工作思路。刘宛辰(2015)研究邮储银行辽宁分行所釆取的利用ECRS原则和5W1H分析法优化现有业务流程的经验，建立以客户为中心，以风险程度为授权依据的系统，对信贷流程实现差异化管理。

二是围绕移动互联网时代的金融公司开展了关于信贷流程优化问题的研究。丁村鸿鹄、赵元(2017)对阿里小贷的运营管理模式进行了分析，并与其他金融机构进行了比较分析，以揭示阿里小贷大数据分析的广泛运用对于其客户的获取、审批工作效率的改善、平台经营中风险的减少、利润的获取等多个方面的重要影响，为其他金融机构的未来发展提供了典范性指引。赵尊振、赵燕(2016)通过分析以微众银行为代表的实际案例来探究互联网银行利用大数据做出金融创新的具体方法，研究结果表明互联网与大数据、云计算技术相结合来构建互联网社交平台的信息圈，可以实现信息资源的共享，减少信息不对称，增强金融发展的包容性。

三是针对目前商业银行信贷模式存在的不足，指出金融科技技术在商业银行信贷业务领域的优势与具体应用。如黄伟鹏(2015)首先剖析了商业银行小微企业信贷服务中普遍存在的问题，进一步剖析了大数据风控等金融科技手段优化信贷模式的可行性，最后基于深圳农村银行和阿里小贷的案例分析，指出需要应用大数据来改进现有模式的不足。郭肖红(2014)系统剖析了商业银行在大数据时代下的机遇和挑战，指出商业银行在信贷业务和风控的不足之处并提出调整建议。郭肖红(2014)通过研究大数据技术给商业银行带来的机遇和挑战，提供了合理的改良措施，并结合商业银行在信贷审批、风险防范等方面存在的问题，为商业银行的发展提供有效借鉴和参考。朱良平(2015)以信贷业务的生命周期管理为视角，分析总结了大数据技术在传统商业银行运营各环节的具体应用，主要应用于客户营销、客户准入、贷款催收、客户流失、贷后监控和预警、反欺诈等领域，并从大数据处理分析、平台建设、管理维护等技术层面以及金融产品开发层面为商业银行提供建议。朱良平(2015)基于对大数据在商业银行信贷业务全流程的运作和实践的分析，为我国商业银行如何运用大数据处理分析、开发信贷产品和搭建平台等提出可行建议。

1.3.3文献评述

本文从金融科技、金融科技与银行业务、金融科技与银行风险的角度整理了国内外文献，并着重梳理了金融科技对传统商业银行信贷管理的影响。

首先，目前国内外对金融科技和银行风险之间关系的研究既有理论分析又有实证分析，但金融科技对小微贷款的风控管理以理论分析和案例分析为主。本文研究的是在小微贷款视角下，金融科技对商业银行风险的影响，着眼于金融科技在小微信贷流程和风险管理中发挥的作用，同时实证分析金融科技对银行整体风险的影响，将理论、案例和实证相结合，使结论更准确全面。

其次，现有文献对金融科技对银行风险影响的研究多停留在金融科技对银行业务和风险防控的影响上，尚未深入到风险识别与防控具体措施上，本文将业务发展与风险防控结合到一起，以某银行信贷产品研发、风险识别为具体案例进行分析，通过聚焦信用风险开展研究，提出具有可行性的方案措施。

1.4研究方法

第一，归纳分析法。本文首先将商业银行信贷业务应用金融科技过程中存在的风险控制等问题进行归纳分析，为进一步探究信贷风险控制提供资料。

第二，实证分析法。本文选取加权数字普惠金融指数作为金融科技的代理变量，选取不良贷款率作为衡量商业银行风险的指标，选取2011年-2018年上市商业银行的面板数据，通过固定效应模型检验金融科技发展对商业银行风险的影响。此外，加入商业银行小微贷款占比及其与解释变量的交叉项，研究小微贷款发展在金融科技影响商业银行风险中的调节效应。本文还对不同类型商业银行受金融科技发展的影响进行了异质性分析。

第三，案例分析法。本文以某银行“政务数据秒授信”贷款作为案例，对金融科技在商业银行信贷风险控制领域的应用进行分析，探索降低信贷风险的路径。

 

图1研究框架概述

第2章相关槪念与理论基础

2.1金融科技

2.1.1金触科技的概念

金融科技（FinTech）是一种新的金融产品或金融服务，是云计算、大数据、区块链等新兴技术与金融的再创新。金融科技被巴塞尔委员会划分为以下四种类型：投资管理、支付结算、措施、存贷款与资本筹集。在本质上，金融科技是高科技信息技术公司或互联网企业依据人工智能、大数据等新兴技术所开展的普惠金融服务。金融科技涵盖不同种类的技术创新，金融类的技术创新渗入行业运行的每一个子系统，提升运营效率并有效降低运营成本，对金融市场以及金融服务业供给产生重大影响，包括保险、支付、投融资、存贷款、监管等领域，为金融发展注入能量，激发金融活力。

从技术方面看，区块链、云计算、大数据、人工智能构成了刺激金融科技发展的四大技术驱动因素。在分业经营向混业经营转变、鼓励金融创新、谋求金融供给侧结构性改革的背景下，金融行业依托以上四个技术因素，不仅拓宽自身行业的业务广度、服务对象广度，而且不断挖掘行业发展的深度，寻求纵向发展。2.1.2金融科技的业务模式

金融科技的业务模式主要包括部门创新和市场配置服务。部门创新体现在以下三方面：第一，信贷、存款和融资服务；第二，支付、清算和结算；第三，投资管理服务。首先，金融科技在信贷、存款和融资服务中，应用于众筹、借贷市场、移动银行、信用评分等多个场景。其次，在支付、清算和结算中，金融科技与零售、批发、手机钱包、价值转移网络、对等传输、数字交换平台、数字货币、外汇等紧密联系。最后，在投资管理服务中，电子交易、智能投顾是依托金融科技发展的新产品和服务。在市场配置服务中，金融科技提供门户和数据集合器、生态系统、数据应用、分布式账户技术、金融安全、物联网或移动技术、人工智能等服务。其中，数据应用服务主要基于大数据分析、机器学习、预测建模；金融安全服务在客户识别和认证方面突破创新；人工智能服务基于机器人、算法推动金融自动化发展。

2.1.3金融科技与风险

央行既高度鼓励发展金融科技，又注重防范金融科技带来的系统性金融风

险，对于发展过程中遇到的不当行为要及时指正。综合现有研究和金融科技发展情况来看，金融科技既有可能触发诸多传统金融风险，如信用风险、流动风险、操作风险，还可能由于底层信息技术等非金融因素而引发风险，甚至有可能导致系统性金融风险。借贷双方的信息不对称问题是银行信贷风险产生的重要原因，而大数据、云计算等金融科技可以整合海量信息、综合分析问题，有效解决商业银行对借贷人信息了解不全面、更新不及时等问题，为商业银行做出合理科学的信贷决策和信贷风险预警提供有效的技术支撑。

2.2银行小微信贷业务

2.2.1银行信贷业务与小微信贷

小微企业包括小型企业、微型企业和家庭作坊式企业。小微企业并没有严格的界限标准，在税收方面多使用此类概念，满足以下三点要求的企业被称为小微企业：1.企业从事国家允许范围内的行业，且年度应纳税所得额在300万元（含）及以下;2.在岗职工总人数在300人以内：3.企业总资产在5000万元以内。根据2020年银保监会普惠金融部主任李均峰先生披露的数据，截至2020年4月份，我国小微企业达到3000万户，在市场主体中约占27.3%o

小微贷款是指商业银行对符合贷款条件的小微企业法人或小微企业主授信一定额度，在约定期限内，借款人可提取贷款资金用于日常经营活动。小微企业的贷款业务在银行业务中占比较大，但由于小微企业资源有限，对于自身风险控制与投资方向与力度的把握机制不是很健全，容易形成不良贷款、信贷风险偏高等问题，在金融科技的时代背景下，银行小微企业的信贷额度与广度不断增大，利用互联网、大数据、人工智能等FinTech手段应用于小微企业信用贷款之上，可有效地控制信贷风险。

2.2.2小徹信贷风险控制流程

小微信贷风险控制流程分为贷前、贷中、贷后三个环节。其中贷前流程包括申请受理、贷前调查和贷款审批，贷中流程即指贷款发放，贷后流程则为贷后管理。

在贷前阶段，信贷业务流程起于贷款申请，信贷人员对提出贷款申请的企业依法进行审查，要求企业提交证明具有贷款申请资格的材料。商业银行收到材料后，对企业展开调查评价，从企业信用评级、业务和担保三方面展开，并撰写审

9定评价报告。调查评价合规后，商业银行信贷管理部门依据“审贷分离、分级审批”原则将报批材料进行审批，对符合规定的发放贷款。

在贷中阶段，商业银行与小微企业签订借款合同与抵押合同，办理放款手续与资金支取，最后在商业银行信贷系统中录入小微企业贷款信息。

贷后管理主要包括定期检查信贷资产并及时预警、回收处置逾期产生的不良资产、对经营暂时困难的小微企业贷款予以制定展期期限并加强监管。

2.3信贷业务风险与防控

2.3.1信息不对称理论

信息不对称即在不同的经济个体当中，一方的信息比另外一方所占据的信息要多，那么掌握更多信息量的一方在信贷过程中会产生优势，掌握信息相对较少的一方处于相应的劣势。信息不对称分为道德风险问题和逆向选择问题，出现此类问题会降低商业银行信贷的效率甚至会导致市场失灵，对于小微企业的还款能力与信用状况而言，由于信息不对称问题进而导致的违约风险问题发生的概率较高。

逆向选择。逆向选择是银行信贷业务发生之前，商业银行会对借款人的经营状况、还款能力、信用违约情况进行深入的调查与分析。由于存在信息不对称的问题，商业银行无法获得真实借款一方的有效信息进行风险评估即商业银行处于信息劣势。某些小微企业可能利用自身的信息优势将自己的信用信息进行包装，面对如此庞大规模的企业数量，商业银行无法将所有小微企业进行有效的风险测评，进而会导致有时会无法识别将虚假信息包装的企业，而那些信用较差的企业利用自身的信息优势获得一定的商业银行贷款来进行风险投资，导致有限的信贷资源输送到风险较高的客户，而那些财务状况良好，还款能力强的企业可能得不到商业银行贷款，从而被逐渐挤出信贷行列，形成信贷的“逆向选择”，导致信贷风险的增加。

道德风险。在小微企业获得商业银行贷款后，便拥有了支配这项信贷资金的主动权，容易与之前和银行达成的协议条款形成背离，由于信息的不对称，银行无法对贷款人的财务状况、盈利情况与资金用途进行有效的监管，小微企业可能会为了自己的利益最大化铤而走险，无疑增加了整个信贷过程的风险，若投资失败，则与之前协议商定的风险水平不一，此项贷款的偿还便会出现问题，形成不良资产，目前商业银行通过两个方面控制道德风险，一是对小微企业的资金用途进行加强监管与控制确保还款顺利，二是增加贷款人抵押物的价值，使得借款人的违约成本更大，以此来限制贷款人高风险投资活动。

2.3.2信用悖论理论

商业银行在进行贷款过程中应秉承分散贷款的原则，正如马科维兹资产组合理论将资产尽可能分散来消除非系统风险。但是商业银行在进行信贷过程中可能违背这一原则。首先，在商业银行对小微企业贷款过程中通常为信用状况良好的客户，那么商业银行为了保证优质资源不被掠夺便会降低优质客户的贷款条件或贷款额度超过限定的贷款额度；其次，商业银行的信贷风险审批过程，通常是具有相关从业经验的人员，具有一定的主观性，对于贷款风险的测评很有可能因为自身的认知不足导致信用程度的误判，进而会使得贷款风险增加；三是商业银行固有一套信用评价标准，各个环节严格的问责制度，商业银行的工作人员按照标准进行筛选，客户大致在一个范围之内，没有做到足够的分散性。以上三种情况均使得银行的贷款范围和种类归集到某一领域，与分散投资观念相违背。

2.3.3信贷配给理论

根据信贷配给的相关理论，利率价格、风险、利润等是信贷机构综合考察的指标，信贷机构作为借款人借助配给的方式完成信贷交易的环节，这个过程就是信贷配给。该理论突出信息不对称的作用，指出信息不对称会造成信贷风险，此外，该理论强调了利率在信贷配给中发挥的作用。由于信息不对称的存在，市场上会出现道德风险和逆向选择的问题，对于贷款利率的定价如果高的话，则在边际收益层面利好商业银行，实际会产生信息不对称所引发的风险，信用良好运营稳定的小微企业在面对过高的利率时，会充分考虑收益与成本之间的比重，那么会有一部分企业拒绝利率的报价而不去贷款（逆向选择行为产生），相反那些易成为不良贷款的企业，他们的贷款的目标多数是进行风险投资（道德风险产生），获得高收益的同时伴随高风险成本，尽管获取贷款面临着更高的贷款利率，他们仍会选择。因此，银行宁愿在低利率拒绝一部分贷款要求，也不在高利率满足所有的贷款要求。因此，风险的存在催生了信贷配给。

2.4金融科技在信用风险管理领域中的主要方法

2.4.1客户风险画像

客户风险画像是刻画信贷客户风险特征的方法，具有立体、多维度、全景式的特征，在贷前有效控制防范信用风险。客户风险画像的分析过程分为四步，即客户信息收集、确定客户风险信用标签、标签分层、形成标签库。具体来说，第一步，利用金融科技的大数据技术和人工智能完成海量信息自动收集、筛选，从而建立风险画像的数据基础。第二步，对客户信息的分类归纳，依据唯一性、有效性、无歧义、无遗漏的准则，形成客户的风险评判标签，例如风险偏好、欺诈记录、收入波动程度等。第三步，在形成客户的风险信用标签后，根据信息的关联程度对其进行分级，依次为主标签和辅助标签，主标签又可以继续细分。第四步，将层层细分的客户风险信用标签形成标签库。

2.4.2反欺诈技术

银行小微信贷企业授信客户的整体信用评级水平与信贷企业评级总体水平相比略低，所以如何选择优质的银行客户资源已经成了解决重点之难。因此，利用反欺诈分析技术在准确判断银行客户提供信息的信用真实性时有效提高银行授信决策的智能决策效率。反欺诈分析技术基于人工智能的机器学习、知识图谱，整合所有结构化与非结构化海量信息，从而深度挖掘企业的产业链条、行业竞争等信息，对企业的纵向和横向关系进行深度分析，及时预警某一环节中出现信贷欺诈的可疑之处，从而有效防范信贷风险。

2.4.3风险监控预警管理

风险监测与防控预警系统是基于互联网大数据和人工智慧技术的一种新型智能风险防控系统，其内容涵盖了内外部紧密结合的风险数据综合解决方案，风险预警手段和工具研究，其中包括风险预警指标、风险预测模型，风险预警机制及后台支撑团队的建设，基于大数据的智能洞察全流程应用，风险预警系统的规划。首先，风险数据综合解决方案包括数据采集和数据分析，数据采集不仅采集商业银行财务报表数据、客户征信等内部信息，也采集GDP、财政政策、货币政策、疫情情况、政治稳定性等外部信息。数据分析是基于特定算法，将搜集到的内外部信息转化为结构化的数据，并建立起分析模型。运用金融科技的债务风险监测与防控预警系统可以被划分为债项层、客户管理层、客户与宏观债务层、中

小型宏观与大场景债务层等四个层次，其中前两者是本身产生的信用风险，后两个是相互联动的系统性风险。通过合理划分不同层次的风险预警监测模型，可以衍生出对应的风险预警处理机制，进而搭建健全的风险预警处理体系，监控并解决信贷过程中的信用风险问题。

第3章商业银行信贷业务现状分析

近年来，为了改善金融资源配置效率低的问题，在金融行业实行供给侧改革成为目前需要解决的问题。据国家金融与发展实验室负责人指出，需要在金融领域不断深入推进供给侧结构性改革，大力发展金融科技。商业银行一直是小微企业贷款的重要来源。面对金融科技日新月异的发展，商业银行作为金融服务于实体经济的重要一环，如何利用金融科技改善其相关业务水平，提高其资源配置能力成为一个值得研究的问题。

金融科技的变革在一定程度上消除了商业银行进行小微信贷业务时的风险收益不对称问题。按照以往的研究来说，金融科技的变革对商业银行与小微企业之间的信贷活动有两方面的影响。一方面，金融科技的变革通过改变贷款技术直接影响银行与小微企业之间的信贷活动。商业银行的信贷流程必须遵循贷前调查、信用评估、贷款审批、贷款发放、贷后管理等基本程序。金融科技的应用，可以简化贷款人的申请程序，提髙商业银行的调査和评估能力，监控己发放贷款，使得商业银行不仅仅只能使用财务报表做出贷款决策，还可以利用如管理者的日常消费数据以及征信记录作为参考指标，在很大程度上缓解借贷双方的信息不对称程度，从而提高其风控能力。另一方面，金融科技变革通过影响银行业市场结构（叩银行业竞争程度），从而影响两者之间的信贷活动。

3.1信贷规模现状

一是融资覆盖面不断扩大。随着我国不断加大对中小微企业的支持力度，持续使用结构型货币政策精准滴灌小微企业、成长性公司。根据中国人民银行和银保监会披露的数据，截至2020年末，在贷款企业规模方面，各银行支持小微企业共3228万户，比2019年增加524万户；在发放普惠余额方面，小微企业余额较上年增长了30%,增加了1.43万亿元，累计金额超过15万亿元，其中增速较快的是创业担保贷款余额，增长幅度高达53.7%,有2216亿元。而农户生产经营余额较去年增长11.5%,有5.99万亿元，此外，助学贷款余额达到1307亿元，同比上升10.9%。总体上，小微企业融资取得了显著进展，达到了“量增、价降、面扩”的效果。

二是信贷投放显著增长。据中国银保监会网站的统计数据表明，截止2020年底，全国小微金融贷款余额达到21.53万亿元，比2019年增加4.24万亿元，同比增长超过24%o一方面，2020年央行釆取小微企业贷款延期还本付息工具、信用贷款支持计划两大创新型货币政策工具扶持小微企业，激励银行大幅增加信用贷款投放。全年银行业累计对7.3万亿的贷款延期还本付息，小微信用贷款累计发放有3.9万亿，同比增加了1.6万亿。另一方面，为刺激疫情后经济稳定健康增长，央行设立疫情防控专项贷款，定向支持防疫相关的重点企业，共有7600多家，并且央行追加再贴现、再贷款额度以支持复工复产，其中，大多数为中小微企业。此外，由于商业银行被督促改进对小微企业的资源配置及绩效考核制度，从而信用贷款、无还本续贷业务大幅上升，惠及中小微企业。

三是降利减费成果较为显著。根据中国人民银行披露的数据，在贷款利率方面，在2018年、2019年持续推动贷款利率下调的基础上，小微贷款利率继续下调，2020年12月小微贷款的利率下降至5.08%,比上年同比下降0.8%。

 

图22020年银行业金融机构小微企业贷款余额情况

数据来源：中国银保监会网站

 

3.2信贷管理现状分析

在数字普惠金融、结构型货币政策等金融支持下，目前以小微企业为主的融资相关问题正逐步缓解，小微信贷业务与大数据、区块链等金融科技深度融合。

3.2.1应用金融科技技术后信贷审核流程缩短

信贷供需双方存在信息不对称的问题，这体现在客观上，小微企业作为资金需求方，通常有高频的融资需求；但银行等传统金融机构作为资金供给方，出于风控考量，需要首先评估企业风险再决定是否发放贷款，而小微企业在财务、非财务等一系列数据指标中不如大型企业规范，银行对其进行风险评估耗费成本较高。银行常规的小微贷款业务釆取的风控方式有IPC模式、担保模式、信贷工厂模式。银行针对小微企业经营性贷款，主要釆取IPC模式进行相关信息的收集和调查，以此作为依据对客户进行评价，看其是否具备偿还贷款的能力，但容易产生道德风险。担保模式下，银行要求小微企业提供抵押担保，但一些企业不具备担保资质。信贷工厂模式下，银行对信贷业务进行标准化流程处理，一般分为“接触客户，了解客户基本信息；客户递交证明材料；销售支持人员做录入；中台复核；风控部门调査；审批电话核实；最终审批结果”等七步。虽然相较于前两者,其运营效率有所提升，但每一步仍需要人工进行衔接处理，流程最少需要耗费一周，如果遇到企业证明资料不齐全、调查改期等特殊情况，审核周期会被延长，难以提高审批速度。

因此，如何减少信贷审核繁琐流程、节省审核成本是促使风控制度优化、小微业务健康发展的关键。基于大数据技术的金融科技工具可以同时进行数据获取、加工、处理和分析工作，金融科技在信贷投放前这一环节的应用，可以有效解决供需双方信息不对称的问题，提高信息透明度，缩短信贷审核流程，提高审批效率，优化银行贷前风控体系，改善小微企业融资难的问题。

金融科技利用大数据、人工智能、区块链等技术，优化银行风险评估模型和审批流程。经客户授权以后，商业银行可以将收集客户相关信息到授信的整个流程在15分钟内完成。具体来说，商业银行将收集上来的小微企业相关信息进行数据沉淀、清洗、存储、分析、挖掘后生成小微企业客户画像，涵盖多个维度变量，合理评估小微企业风险。线上交易、供应链运输信息、财务智能共享平台标准化数据的产生，为小微企业取得商业银行贷款提供了信用支撑，部分银行具备运用立体式客户风险画像对小微企业进行快速风险识别并授信。

此外，使用自动化机器人（RPA）驱动的任务自动化能力将显著影响银行信贷部门，这将允许更简单、重复且通常平凡的任务实现自动化，例如开卡、处理抵押贷款申请以及编制报告。RPA可以准确、快速、无人为错误地执行任务。事实证明，RPA的准确性高于人，其使用可提高质量并降低成本。此外，AI的功能将进一步完成己经自动化的任务，例如，通过改进对客户信誉的评估，AI可以建立新的连接来评估潜在的灰色地带，从而更容易就信贷风险做出明智的决策。这些技术也使得最优地利用财务部门收集的数据成为可能。这包括根据以前收集的数据进行可靠的预测，以确定是否批准客户的信用额度。这可能会增加现金流，因为财务团队对哪些客户应该或不应该批准他们的信用有更高的认识。在此基础上，浙江台州等地的银行实现了小微企业贷款快速申请审批，小微企业首次贷款3小时完成全部流程，续贷仅需30分钟。

3.2.2应用金融科技技术对信贷风险进行控制

根据中国银监会官网发布的2020年商业银行主要监管指标数据可以发现，截止2020年底，我国银行业的不良贷款余额总计3.5万亿元，不良贷款率为1.92%,与2020年年初相比，下降了0.06%。不良贷款率基本维持稳定水平，主要经营和风险指标处于合理区间。

从技术方面看，金融科技主要从区块链、云计算、大数据、人工智能应用对商业银行信贷风险进行控制。

(1)区块链在银行风控中的技术应用

区块链技术是以区块链结构的加密为基础，通过分布式节点共识算法以及智能合约对数据进行验证、存储、编程等一系列操作，其突出的核心是一种去中心化的分布式共享记账，使得分散的各方建立信任关系，基于信任创造价值，降低成本，提高效率。金融行业发展的基础是信任。为了建立起信任机制，金融在发展过程中催发了大量的中心化机构，包括证券公司、第三方支付平台、银行和交易所等，传统经济活动解决交易或支付问题的方案是中心化。但是，这类中心化机构对金融信息的处理存在时滞，中心化机构的营运也需要花费大量的成本。因此，如何低成本、有效地建立信任关系引起了金融业的广泛关注。

区块链技术能够更好应用于金融行业，特点是能够较大程度的降低信用的风险度、优化金融机构业务流程、推动新的金融产品模式的发展、促进数字金融和普惠金融的发展。首先，区块链运算透明、技术开源，有利于金融活动各方当事人明确知晓事务原则，减少信息不对称，在此基础上，每个数据节点完整记录账本内容、检验真实性、构造完整性，从而形成源头可追溯、流程可追责的金融体系。其次，引入区块链技术后，金融业务流程实现标准化、简单化、便捷化，交易完成时即在操作系统中巳经实现了支付清算、支付结算和审计的全过程，节省了繁琐的人工确认步骤，节约成本，有利于金融机构的良性竞争。再次，区块链技术去中心化的特征突破了原有传统商业模式，可以同时对大量用户进行管理，催生新的商业模式。最后，区块链技术可以构建特别的数据结构，通过密码学加以保护，减少信息不对称性，具有严格的第三方认证和监督机制，维护交易双方的合理权利，实现金融资源的低成本流动、有效率的价值共享。

在区块链的应用方面，欧美主流金融机构关注区块链技术要早于中国。2018年，纽交所、花旗银行等20余家全球大型金融机构正探索应用区块链技术在金融业务与服务领域的应用，着力打造成本低、操作快捷、安全有效的新交易系统和管理平台。2015年，美国纳斯达克建立区块链技术的证券操作平台并成功实现证券上市。渣打银行与新加坡金融咨询公司通信技术发展局及香港星展银行共同合作，成功搭建了以全球区块链金融技术应用为主要数据支撑的金融监控平台，该平台可用来有效规避各类金融诈骗。

（2）大数据在风控中的技术应用

“大数据”一词最早由麦肯锡提出，是指以数据体量大、处理速度快、数据差别大、价值密度低为特征的数据集，它的大小超出常规的数据库工具所具备的存储、分析能力。

大数据的信息处理流程涵盖了数据釆集、存储、处理和挖掘四个方面。首先，数据采集的来源主要来自客户端的数据，如运动传感器等智能设备运行的数据、东方财富等各类网站的数据、REID射频数据等。数据真实性是数据采集环节重要的目标，既保证数据来源真实可靠，又要保证数据不可篡改，因此会运用多维

数据对收集的数据进行交叉检验。数据的多样结构要求数据存储系统具有良好的兼容性，并对原始数据进行筛选、归类等处理分析。此外，运用计算机技术，将隐藏在大数据之下的信息和技术进行提取，实现数据挖掘的目的。

在金融领域，大数据的应用相当广泛，己经深入到风控、反洗钱银行、证券投资、保险等多个领域。以下为大数据在风控领域的应用。银行和部分互联网公司因用户覆盖面广，往往容易积累海量的用户数据，这为这些机构通过财富、社交、消费等多个方面的数据为用户建立信用评估报告打下了良好基础。总体而言，大数据风控具有如下优势：

首先，大数据风控可以实现对企业的动态信用评估。大数据技术能够及时有效地对捕捉到的数据进行分析，当目标对象产生负面行为时，大数据风控可按照预定模型和频率及时对目标对象信用进行调整。银行可以利用大数据建立企业的信用电子档案，及时掌握企业的生产经营情况，提升银行对企业的风险评估和贷款金额。在大数据技术的帮助下，银行可以详细分析和了解用户的资产负债状况、信用程度，可以帮助构建风险控制模型，提高银行的风险控制能力。

其次，运用数学模型构建评价体系。大数据技术根据内部构建的数学模型，通过将采集的数据带入相应模型运算得到用户的信用评分，评分相对客观可靠。互联网金融公司利用大数据建立风控模型对用户的信用进行评级。以泰然金融为例，泰然金融以用户的基本信息、贷款历史、信用状况、运营商信息以及联系人信息5个维度构建风控模型，涵盖了性别、年龄、出生地、学历水平、婚姻状况以及收入水平等基础信息，用户在银行和非银行机构贷款的信贷历史，法院失信名单，用户近3个月、6个月和12个月贷款的逾期情况，通话次数、时长和花费等运营商信息，申请贷款时填写的第一联系人和第二联系人等联系人信息。风控模型对信息数据进行验真，基于数据本身的重要程度、数据的准确度、覆盖度、稳定性以及数据的相关性对数据进行筛选，釆取方差膨胀因子检验法以剔除共线性变量，保证数据真实可靠。

最后，大数据风控通过系统广泛地釆集目标对象的信用资料，可以实时地出具目标对象信用报告，实现将目标对象的信用报告直接从网上或者线下进行下载打印。

（3）云计算在银行风控的技术应用

云计算能够较大限度的进行分布式计算模式，便捷性、可伸缩性较强，可以使用户对共享信息库进行快速的访问，各类资源能够以更快的速度被提取，在交互模式上更加的简单方便，很多工作均在后台完成，为用户提供了方便。

国内的阿里是国内较早提供金融云服务的企业。2013年起，阿里云通过整合旗下支付宝等金融业务资源，推出基于支付宝金融业务的云端应用服务，并联合其他财务金融机构解决方案，为传统金融行业提供基于阿里云技术的云端运维支持，并提供支付宝标准接口和沙盒环境，实现传统金融与互联网信息技术的快速融合。2017年，百度云基于人工智能、大数据和云计算三项金融技术优势，为民生银行的风险管理和预警提供云端技术支持，构建全方位、立体的风险预防体系，提高银行防控金融风险的能力。

（4）人工智能在银行风控领域的应用

人工智能是指为特定目标设计的，模拟和扩展人的智能，被人控制的技术科学。人工智能最容易被定义为计算机模拟人类智能过程，涵盖了由机器执行的广泛问题解决过程。机器学习（ML）是AI中的子字段，使计算机能够通过数据自行学习规则。计算能力的进步使得ML算法得以使用，如深度学习、随机森林、集群分析等。ML算法执行的常见任务包括回归、分类、形成网络和差异分析（聚类），这些都是信用风险管理的有效应用。ML算法在预测默认值等各种应用的预测能力方面优于传统模型。此外，ML算法可用于分析非结构化数据，其应用包括文本分析，这为信贷风险管理创造了更多的机会。例如根据媒体报道模拟预警信号，早期预警信号通常用于信用风险管理，用于识别在违约发生前面临较高违约风险的实体。传统的预警系统通常需要大量的实验性指标，并严重依赖专家的判断。AI擅长于发现基于大量高速数据的模式，这些数据可用于生成信用违约信号。凭借足够的计算能力，AI算法能够使用来自各种来源的指示器生成预警信号，并提高该指标的准确性。

在金融领域，人工智能在可以在金融预测以及反欺诈得到了更为广泛的应用。人工智能以金融数据进行模型建立，将学习技术深入推进，发现金融行业中发展的规律，对未来的走势和交易进行预测，并提前做出决策。

继香港金融管理局（金管局）就人工智能的应用进行行业调查后，金管局于2019年11月发布了《授权机构使用大数据分析及人工智能的人工智能及消费者保

护高级原则》。这是香港特区监管机构首次就授权机构使用人工智能一事作出明确说明：己釆用或计划釆用人工智能解决方案的银行需要识别与高层原则的任何偏差，并熟悉银行业使用人工智能的最新发展。

在国外，一些大型商业银行尝试使用CRM应用程序来准确评估和管理信贷风险。这些应用或平台分析整个客户的贷方数据，能够进行深入的风险评估，从而能够实施复杂的贷款策略并改善用于贷款发起和风险监控的工作流程。许多贷方开始与技术公司一起创建先进的信用风险管理系统，以帮助他们主动而不是被动地釆取行动，以最大程度地减少损失并降低违约风险。在2018年12月，荷兰贷款人ING宣布与Google和普华永道建立合作伙伴关系，共同创建了一个由AI驱动的信用风险管理系统，该系统能够处理大量财务数据以发现可以发现贷款人的隐藏信号。通过机器学习，预警系统不仅能分析大量的财务信息，以识别客户承受潜在风险的程度，这是传统上由风险分析师手动执行的工作，还可以扫描金融和非金融信息，例如来自世界各地的新闻，识别市场新闻和发展的情绪，以判断未来的经济形势给企业经营带来的风险及引致的信用风险的概率。时间和速度对于信用风险管理至关重要，商业银行越早发现任何风险，可以更快地防止损失。随着其AI驱动的系统随着时间的推移而学习，它将能够在信贷风险出现之前对其进行预测。

3.3信贷管理面临的挑战

信贷风险管理是监管部门严格监管的重点。信贷条款作为信贷监管部门严格的管理条款，是一种为防范和减轻信贷风险的管理方法。监管部门通过一系列的管理防范措施改变了银行业对放贷风险的评估，并且在实际管理过程中，风险管控也成为银行对信贷行业战略调整的实质性措施，帮助银行在竞争中获得更大的优势。同时在面对战略调整期时，银行面临着重大信用风险管理挑战。

3.3.1小微企业抗风险能力较弱，信用风险大

一是小微企业受外部经济环境影响更为敏感。当前经济受到下行趋势影响，国际市场环境导致物价水平上涨，人力成本支出增加，行业使用原辅料价格上涨,同时各行各业发展受限、竞争加剧，面对这些一系列的经营环境的变化，经营者的利润空间被进一步挤压，经营现金流出现下降甚至断裂的现象，市场经营风险加剧，面对外部变化的经营环境和严峻的经济形势，小微企业从经营规模、市场规模和管理水平都不及成熟企业，并且抗风险的能力弱，经营环境的不断变化势必对小微企业的生存空间和市场空间产生冲击和挤压，从而逐渐增加上游银行的信贷风险。在新冠肺炎疫情防控常态化背景下，小微企业生产经营存在较大的不确定性，餐饮业、旅游业等行业遭受重创。

二是小微企业担保能力不足。小微企业向银行申请贷款时，通常会将企业资产作为担保或抵押物。银行对企业的基地、厂方、货物等进行盘点、评估，为企业提供适当贷款。银行与小微企业之间的信贷关系非常复杂，也是无法全面评估风险系数的合作模式。小微企业一般都是创业式的或是小规模经营的企业，在经营和发展中面对诸多不利因素，市场份额小、核心技术少、竞争难度大等问题是企业成长中避不开的过程；其次，小微企业抵押财产中的评估也存在诸多问题，如企业的产权归属权、土地资产等不完整或不规范，经营中面对诸多法律瑕疵。银行对企业抵押物的变现价值和变现能力无法全面评估，所以对于银行来说有效质押率较低。小微企业资金实力不强，导致贷款违约率增加。一旦违约，对于企业和银行都造成难以弥补的损失。客户来源对于企业是疏通下游变现的方式，在行业中企业与客户密不可分，往往形成相互利己的和相互协作的合作模式，如果都在同一条供应链条上，如果一方出现问题或带来风险，会形成对企业和客户的

“多米诺骨牌效应”，上游的银行和供应商也将面临还款和支付风险。

三是小微企业管理模式老旧。长期以来，多数小微企业的发展由来是经历了家族化、小作坊、小厂房的经营时代，经营结构简单，股权结构简单，大多数企业都是根据企业主设立的经营方式，且企业主占有绝对的企业份额，属于“家庭式管理”。家庭式管理模式较为粗放，盲目扩张，经营者对管理方式存在经营指标和运营流程模棱两可的情况，经营效果每况愈下，企业盈利水平大幅下降，无力偿还各项银行贷款。企业初期的投资经营成本管理与企业投资经营行为都缺少一套制约性的机制，大部分中小型的投资企业都未能完全建立支撑起一套现代大型企业的管理制度，即便是企业建立了一套相应的管理制度，也在企业实际运营中形同虚设。企业在管理方面应当推崇“公司化”的管理意识，但实际上不可避免以人为操控的管理方式，同时企业主的管理能力、社会责任心和心理素质等这些基本条件，对整个企业的经营管理和生产经营日常运作产生影响。

3.3.2管理模式不能适应产品发展

一是线上融资对效率要求高。线上融资产品具有“小、散、短”的特点，需在贷款审批中贯彻快速、便捷、高效的要求，贷款调查环节必须时间短、效率高、准确性强，传统的面面俱到、以实地考察为主、反复调查的尽调方式难以满足线上产品要求。

二是线上融资审批模式发生变化。为了提升客户体验，线上产品的审批需体现出即时性，缩短审批时间，传统的人工审批方式难以满足线上产品要求。

三是线上融资贷后管理模式发生变化。线上业务的客户筛选和审批、贷后管理均与传统业务不同，以非现场监测为主的管理手段，对监测目标的了解掌握可能不够全面。

3.3.3风控手段不足以应对外部冲击

与传统金融不同，线上小微企业贷款的审批规则更多釆取智能化、标准化模式，有些不法分子针对产品风控风险薄弱环节，瞄准银行信贷审核标准进行投机取巧，伪造数据迎合审批。当前风控模式中，对相关风险识别不能造成相关风险暴露，甚至造成损失，降低了信贷风控水平。为了应对小微贷款带来的信用风险,商业银行的数字化风控技术还需提升。

第一，银行风控存在数据管理方面效率低下的情况。一是由于大数据来源较为广泛，数据的质量却屡受怀疑。二是存在数据库信息更新不及时的问题。一般而言，商业银行运用相关的各项标准安全的存储和分类以及搜索数据信息的方式对信用风险管理方面的问题进行解决，因此需要对数据库中的数据信息及时进行更新，这样能够有效的将过时信息过滤掉，对于关键字进一步优化来保证数据信息的简单位置。目前，国内传统银行在大数据风控方面处于初步探索阶段，存在低效数据管理问题。

第二，银行风险建模基础设施需进一步完善。商业银行对多个风险因素进行分析和考察，对产生的风险进行系统性研究和分析并找到解决问题的关键所在，这是预防排查银行风险的主要措施。目前国内商业银行的模型管理方面的能力还有待进一步提高，主要表现在测试抗压能力方面和建模生命周期方面，这是保证风险评估是否准确的关键性因素。

第三，银行风控缺乏风险工具。确定投资组合集中度或重新评分组合对于确

保看到大局至关重要，综合风险评估记分卡应能够快速、清楚地识别与贷款相关的长处和短处。

第四，银行风控在汇报以及书面形式报告方面的能力明显不足。风险管理的实施过程建立在基于电子表格的复杂流程基础上，其分析问题和真实的数据信息方面能力需要进一步加强。由于目前银行风控不能以直观、干净和清晰的可视化的形式将风控过程呈现出来，银行风险分析师则被动给予过多的无关信息，这会阻碍其对重点信息的获取。

第4章金融科技对商业银行风险影响的实证分析

第三章总结了金融科技在商业银行中的实际应用以及小微信贷发展现状和小微信贷管理所面临的挑战。在金融科技和互联网金融蓬勃发展的背景下，金融科技的运用会对商业银行风险产生什么影响，小微信贷的发展在这个过程中扮演着什么角色，本文围绕这些问题展开了实证研究。

4.1变选择

（1）被解释变量

本文的被解释变量是商业银行风险水平。现有文献中常见的衡量银行风险水平的指标有Z值、不良贷款率（r_nl）、贷款减值准备与贷款余额的比值（r_ll）等。根据数据的可得性，文中商业银行的整体风险水平的测量标准釆用银行内部普遍存在的不良贷款率（r_nl）表示，不良贷款率指金融机构存在的不良贷款总额和总数额之间的计算比例，计算公式如下：（次级类+可疑类+损失类贷款）/各项贷款X100%=不良贷款率。由此得知，最后得出的数值越高就说明银行贷款风险水平越大；反之，则越小。数据来源Wind数据库。

（2）解释变量

现有文献中，衡量金融科技发展程度的指标有很多，如邱啥等（2018）使用中国数字普惠金融指数，郭品、沈悦（2015）釆用“文本挖掘法”自建互联网金融指数，朱辰等（2018）釆用上海证券交易所编制的“互联网金融主题指数”替代互联网金融的发展规模。

综合数据的可得性以及文章研究主题，本文选取由来自知名金融研究中心的郭峰、王靖一等人研究总结出的金融指数，来对目前国内金融科技发展变化的代理变量进行衡量。此数值是2011年至2018年的分省份面板数据，不能直接套用，因此本文根据该指数所包括的31个省份的经济发展状况对该指数进行了调整，具体做法如下：（1）为使调整后的指数具有现实经济意义，本文首先搜集了2011年至2018年间各省份的生产总值，得出的数据信息主要来自于中经网统计数据库。（2）进而便得到了2011-2018年之间的年度国内生产总值的具体数值，数据来源于国泰安数据库。（3）根据以上两项数据，本文计算了每年各省份GDP占全国GDP的比重，并以此作为权重，计算每一年全国加权数字普惠金融指数（ft）。计算公式如下：

个省的生产总值；GDF］表示第i年的国内生产总值；ZVE”表示第i年第n个省的数字普惠金融指数。

（3）调节变量

本文的调节变量是商业银行小微企业贷款业务发展程度。常见的衡量指标有小微企业贷款余额、小微企业贷款增速、小微企业贷款在贷款总额中占比。小微企业贷款余额和增速分别反映了商业银行小微贷款业务的规模和发展速度。小微企业贷款占比反映商业银行的业务构成和对小微贷款业务的依赖程度。数据来源上市商业银行的年报，通过手工整理获得，考虑到数据的有效性和可靠性，本文最终选取小微企业贷款占比（smlr）作为调节变量。

（4）控制变量

为了完善模型，除了本文需要重点关注的三个核心变量之外，还需要一些控制变量，以防止遗漏重要变量从而导致模型系数估计出现重大误差。银行个体的影响因素包括：（1）考虑到商业银行的不良贷款率并非随机变量，可能存在自相关，因此本文加入不良贷款率的一阶滞后项（r_nll）和二阶滞后项（r_nl2）来对自相关带来的误差进行控制。（2）考虑到不同规模的银行投资策略不同，从而可能会对不良贷款率产生影响，本文加入各银行的资产规模增长率（gr_a）来完善模型。宏观层面的影响因素包括：（1）我国经济增长水平，以国内生产总值的同比增长率（gr_gdp）来表示。（2）我国货币政策的变化，以货币供应量M2的增速（gr_m2）来表示。

4.2样本选取与描述性统计

本文选取了我国29家上市商业银行从2011年到2018年的面板数据，包括6家大型商业银行、9家股份制商业银行以及14家城市农业商业银行。数据来源于各上市银行财务年报、Bankscope数据库、同花顺数据库，宏观控制变量数值主要来自国泰安（CSMAR）数据库以及中经网统计数据库当中的相关信息。由于数据缺失严重，本文最终选择了以非平衡面板数据为样本数据。