其他
【人工智能】金融科技赋能银行信贷：挑战与机遇
《金融科技赋能银行信贷：挑战与机遇》
信息不对称是银行信贷过程中难以克服的技术性困境，其衍生的逆向选择和道德困境难题导致交易风险和融资成本高居不下。本文将简述金融科技将如何赋能银行信贷，并以大数据分析、征信分析为核心解决信息难题。
传统银行信贷存在的隐性问题和经济学原理
从纵向来看，传统银行信贷流程主要分为如下六个环节：贷前调查-贷款审查-贷款审批-贷款发放-贷款管理-贷款收回。这些环节由不同部门负责，相互嵌套且保持一定的独立性。然而，借款方和贷款方天然存在的信息不对称，会不可避免地导致逆向选择难题(adverse selection)与道德风险困境(moral hazard)。
逆向选择即“劣币驱逐良币”：在银行信贷过程中，若对给定市场（pooling market）付诸统一的贷款利率，而市场中存在高风险、低风险两类借款人。统一利率会吸引高风险者而阻止低风险者进入市场。随着时间的推移，市场统一利率的受众会完全由高风险者占领，这又促使银行进一步提高利率弥补利润缺口，从而导致不可逆的恶性循环。
道德风险指银行业拥有天然的政府信用背书（lender of last resort）和央行的流动性补助（liquidity issues），一般意义上不存在非技术性破产的可能。而这种“大而不倒”会导致系统性风险的上升和银行业的传染病效应。这两类问题在传统银行信贷业务中存在理论下界（technical lower-bound），从而导致交易风险和融资成本的高居不下。
金融科技赋能企业信贷，破解信息不对称难题
长期以来银行业致力于解决信息不对称问题，现在，金融科技、大数据分析与传统银行业的结合，为这些问题的解决提供了新的操作可能性。金融科技可重构信贷流程，加速贷前、贷中与贷后的具体流程：
1. 金融科技在贷前调查数据搜集的应用：金融科技赋能下的数据获取、加工、处理和分析是同时进行的。传统信贷流程中，准备材料、机构窗口问询、信贷员交流都是不可避免的。当公司现金流较为紧张时且需求与金融产品不匹配时，会产生较长的交易时间和成本。但金融科技可在客户授信的情况下，采集过往行为数据并进入数据湖沉淀，再经由中间层进行数据清洗，通过数据挖掘和机器学习加工出炉企业用户6大纬度的特征变量和用户画像。
2. 大数据调用、分析用户征信情况：在海量数据湖中，机器学习会加工出几大有效信息：历史借款、逾期记录等三方征信数据；工商信息、投资关系、股权结构、税务信用等企业信息；姓名、身份证等企业主个人信息；手机、机构通话、出行等通讯信息；企业征信具体信息与信用额度；以及POS交易、高风险行为等业务数据。社会“大数据化”为破解“数据孤岛”提供了重要前提，进而极大提高了信息的透明度和信用造假的难度。
技术资金投入与未来前景
随着时间的推移，金融公司和科技公司的融合进一步加大，金融业“三架马车”龙头企业积极引入金融科技，一些金融公司甚至以金融科技为战略出发点，在金融以外的行业进行发力。从资金总量上来看，IT系统资金投入增速放缓，大数据与AI投入稳步增长。银行信息化建设相对成熟，IT系统资金投入在未来1～3年内的增速将逐渐放缓。银行在构建自有技术团队的同时，也会选择商汤、云从等AI服务商进行定制化开发，因此大数据、AI 技术的资金投入将持续增长。
综上所述，AI与金融科技赋能银行业，解决信贷难题是不可逆转的行业趋势和既成事实。如何通过合理的资源调度、政策支持增速金融业产业升级，是我国面临的重要前景和挑战。
（责任编辑：王逸凡）
原文摘自《人工智能资讯周报》总第56期
《人工智能资讯周报》探讨人工智能对公共政策、治理和政策建议的影响，探索人工智能对商业、政治和社会的影响，以确定潜在的研究领域，探讨可能的合作研究和机构伙伴关系。本刊着重提供中国人工智能发展动态和对人工智能的思考，同时关注全球范围内人工智能相关研究动态。本刊旨在通过可靠的研究，来帮助企业、研究机构和公民预测和适应技术引领的变化。
欢迎订阅
· 微信推送——请关注“海国图智研究院”公众号
· 网站推送——请收藏我们的网站www.intellisia.org （推荐√）
· 邮件推送——请扫描下方二维码登记邮箱信息，每日接收新鲜、深度的时政洞察
往期精彩回顾：