转守为攻—零售信贷审批的必然选择！

关注本平台助你成为风控达人

作者：宋丹

厦门国际银行北京分行零售评审副处长

作者投稿并授权本平台刊发

风控君推荐语：本文是本平台“我最喜爱的风控文章”有奖征稿活动举办以来刊登的第二十九篇投稿，关于活动详情请点击链接有奖征稿了查看！

在金融风控的领域，一场去伪存真的博弈从未中断过。而在零售资产业务这个分战场，随着资信包装手段的升级，战争天平的指针也开始略有倾斜，零售信贷的不良率开始爬升了。此刻，克劳塞维茨在其著作《战争论》中提出的那条惊世骇俗的论点：“进攻是最好的防守”，成为了打赢这场战争的不二法则。

现代零售信贷的起源，可以说是从上世纪的50年代开始的，但主要是一些为了发展某些项目而发放的补贴性信贷。直到上世纪70年代，孟加拉的尤努斯博士（Muhammad Yunus）才历经九九八十一难，终将零售信贷这个理念推广开来，虽然他的初衷是为了扶贫吧。零售信贷的真正盈利，归功于上世纪80年代印度尼西亚人民银行。也正是因为“利”字，自此拉开了零售信贷审批与借款人资信真实性之间博弈的序幕。至于博弈的原因，马克思他老人家在资本论里已经按百分比解释的很明白了。

我国零售信贷业务与国外零售信贷业务的成长轨迹相似，但自身也还带着很深的对公信贷业务烙印。纵观我国零售信贷审批的发展历程，大致可分为三个阶段历程：

第一阶段

以第二还款来源为主要审批要点。

1997年5月的建设部令第56号、1997年6月的《城市房地产抵押管理办法》、2001年8月的《建设部关于修改〈城市房地产抵押管理办法〉的决定》修正，奠定了以房产抵押开展零售信贷业务的基础。

这个阶段的零售信贷业务基本上为抵押类授信为主，零售信贷审批的思路也是本着对公的思路，借款人提供的申贷资料多且审批时间较长，已被“短平快”（授信业务流程短，信贷政策平稳少变，授信速度快）的零售信贷业务市场需求所淘汰。

第二阶段

以第一还款来源为主要审批点，第二还款来源为风险补充。

就如电气化将人类带入第二次工业革命一样，“人行征信”的出现也将零售信贷审批带入了第二阶段。“人行征信”自1997年银行信贷登记咨询系统的筹建，初成于2002年银行信贷登记咨询系统全国三级联网运行，建成于2006年全国集中统一的企业和个人征信系统全国联网运行，完善于2013年《征信业管理条例》。

这个阶段的零售信贷业务从抵、质押类授信到信用、担保类授信，可以说是百花齐放。零售信贷审批的思路也逐渐系统化、实用化。非现场检查以人行征信为基点，借款人的年龄、学历、婚姻状况、工作信息、房产信息、负债情况、逾期情况、贷款申请次数等信息尽收眼底。通过此类信息可以判定借款人的还款意愿。借款人经营主体的营业场所租赁合同、流水（收入证明）及上下游合同等资料则揭示了借款人的还款能力和实际需要的授信金额。加之现场检查时对非现场检查结果的验证，风险隐患基本就已经在审批人员的掌控之中了。如果金融机构心里没底，需要进一步降低风险性，则可追加第二还款来源作为担保。这个阶段，借款人提供的申贷资料、审批时间以及批核率均大幅度的向好，但还不能做到市场端“短平快”的要求。

第三阶段

以大数据作为审批导向，以现场检查作为审批依据，第二还款来源逐渐淡出。

数据科学家维克托·迈尔-舍恩伯格（Viktor Mayer-Schönberger）的《大数据时代》开创了国外大数据系统研究的先河，也将零售信贷审批带入了V3.0版本。融入了大数据的零售信贷审批手段进一步完善了对借款人资信及其第一还款来源的审查，将按时间顺序的线性审查变为了按社会行为加时间顺序的立体性审查。

这个阶段的审批方法不但使借款人信息能够真实的反映出来，降低了风险隐患，同时还响应了中央的两个号召，可谓是符合我国零售信贷业务特色的必然产物。

响应的第一个中央号召：国务院关于积极推进“互联网+”行动的指导意见。此阶段的零售信贷审批方法是通过互联网+自身金融机构大数据的全维度信息将德国IPC、信贷工厂（淡马锡）和打分卡这三种信贷技术的长处相结合，并上升了一个层次。

1、德国IPC的特点是信贷员通过了解客户实际经营、资金运转等状况，自己编制简单的财务报表，并分析客户的还款能力，为发放贷款的整体决策提供信息。针对零售信贷客户财报不完整甚至没有财报的特点，转而注重于现金流体现的偿债能力分析。此种方法非常人性化，但过于侧重信贷员的作用，对信贷员的业务水平及道德要求较高。就我国零售信贷员综合水平较低的现状，有些不太接地气。

2、信贷工厂的特点是将零售信贷业务变成像工厂的流水线一样的批量生产，特定岗位负责特定的工作环节从而保证其专业性及效率。此种方法充分满足了零售信贷“短平快”的特点，但审查审批人员主要依据信贷员提交的信贷调查报告，通过系统进行在线审批。而信贷员因为时效性的要求与借款人接触时间较短，较难识别资信的包装行为。

3、打分卡的特点是通过逻辑回归、神经网络、GBDT等算法建模的概率技术，以评分来决定授信的方式。这种方法可以做到操作周期短及运营成本低，但模型泛化能力、更新速度等问题都让其在业内口碑不佳。在互联网+零售信贷审批模式的最终形态里，金融机构利用互联网及机构自身的大数据，绘制出借款人生活半径及金融轨迹的全维度立体图谱。该图谱给予授信建议后，由审批人员实地核查对其交叉验证。如：借款人的快递收货地址、交通出行记录、餐饮结账记录、超市购物记录、生活缴费记录等定位了借款人的生活半径；借款人或其经营实体的转账记录、流水（财报）、缴税记录、物流信息记录等则能够判定借款人承债能力、经营实体的运营情况、生意淡旺季、借款金额、借款用途、借款期限等。大数据定位、审批人员审批的方式，兼备了审批人员一户一策的人性化、零售信贷业务“短平快”机械化，同时又实现了经营成本低的经济化。

响应中央的第二个号召：中央经济工作会议中“房子是用来住的，不是用来炒的”。随着习主席的这个定位，房屋的居住功能将重回视野，之前超越一切的住房的资产属性、金融属性逐渐归于理性。从近期房屋成交量及成交价的走势来看，挤压房地产泡沫的动作已经起到了一定作用。现阶段市场最主流的第二还款来源为不动产抵押，也就是房屋抵押。有了大数据的支持，借款人还款意愿及第一还款来源的真实性必将得到体现。根据还款意愿、承债能力、实际用款需求而发放的零售信贷，作为其风险补充的第二还款来源的作用也就没那么重要了。房屋如不再作为第二还款来源，那么其金融属性也就去了大半了。

在零售信贷黑产业横行的今天，转守为攻体现在利用高新科技手段去主动获取借款人全维度的信息，从而选择还款意愿良好的客户，在其承债能力及实际资金需求范围内予以授信。而不是只局限在审查借款人所提供的资料，以第二还款来源作为救命稻草。转守为攻的策略及方法最终能够成为零售审批的利器，帮助金融机构收复失地，降低不良率。

如果您觉得本文对您有帮助，欢迎您推荐给朋友，您的支持和鼓励是我们前进的动力，点击本平台最左侧菜单“往期精华”或“回复数字“m"查看本平台精华文章目录，点击下面链接直接查看相应文章。投稿请查看本平台重奖征稿了！

1、本平台230篇精华文章汇总!

信贷风险管理 ∣一个有用的公众号

简介：专注信贷风险管理，内容涉及银行、小贷公司、担保、民间借贷、P2P网贷等热门领域，22万优质用户关注，包括高管、客户经理、风控、法务等，每日分享行业资讯、业务知识和法律实务文章，内容实操、实战、实用，只分享对您有价值的内容，还在等什么，长按上面二维码赶紧关注吧！

点击“阅读原文” 查看平台历史信息

↓