IMF | 中小企业金融科技信贷风险评估——来自中国的证据

由于信息成本高，促进向中小企业提供信贷服务一直是全球决策者面临的一项长期挑战，而最近金融科技的发展或许可以缓解这个问题。通过分析中国一家领先的网上银行的180万笔贷款交易，本文将金融科技方法(使用大数据和机器学习模型)与银行方法(使用传统金融数据和记分卡模型)进行了比较。研究表明，金融科技方法能更好地预测正常时期和较大外生冲击时期的贷款违约情况，反映出信息和建模的优势。BigTech的专有信息可以在风险评估中补充或替代信用记录，允许没有银行账户的公司借贷。此外，金融科技的方法有利于较小城市的中小企业，因此通过接触未得到充分服务的客户，补充了银行的作用。中国人民大学金融科技研究所（微信ID：ruc_fintech）对文章核心部分进行了编译。

作者 | Yiping Huang, Longmei Zhang, Zhenhua Li, Han Qiu, Tao Sun, and Xue Wang

编译 |  荆媌

排版｜孔煜

来源 |  2020 International Monetary Fund

引言

促进弱势家庭和小公司的金融包容性一直是全球政策制定者面临的长期挑战。作为普惠金融的一个基本要素，中小企业获得信贷的机会十分有限。由于中小企业数量众多且分散在各地，商业银行建立业务联系的固定成本较高。

然而近年来，金融科技的迅猛发展为中小企业扩大信贷提供了新的可能性，例如中国的阿里巴巴和腾讯，阿根廷的Mercado Credito，印度的Paytm，以及美国的亚马逊贷款等一些大型科技公司（BigTech）已经向数百万小额借款人提供了贷款。与传统银行相比，大型科技银行提供的贷款规模小得多，期限短得多，主要用于运营而非长期投资。

尽管BigTech迄今取得了一些成就，但依然存在一个核心问题:在预测贷款违约方面，其信用风险评估方法(即大数据加机器学习)是否比以金融数据和记分卡模型为特征的传统方法更可靠?此外，鉴于大型科技公司放贷的历史不长，这种方式能否经受住商业周期和各种经济冲击还有待检验。

为了阐明这些问题，我们使用了180万MYbank中小企业贷款的独特数据集来复制和比较金融科技方法和传统银行方法的风险评估。MYbank是中国领先的虚拟银行，成立于2015年5月，其大型科技贷款业务继承自其母公司蚂蚁集团(以下简称“蚂蚁”)，而蚂蚁集团是电商巨头阿里巴巴集团(以下简称“阿里巴巴”)的附属公司。阿里巴巴和蚂蚁金服是2010.5年全球第一批创建大型科技借贷商业模式的公司，而数据集中的借款人都是阿里巴巴电子商务平台上的在线卖家和蚂蚁金服支付宝用户。

MYbank分析：

①主要向无法获得信贷的微型企业提供在线贷款。这些贷款规模小，期限短，主要用于运营目的。

②MYbank的贷款具有“无联系功能”。“MYbank的贷款业务是完全数字化的，从客户获取到贷款承销和重组。它采用所谓的3-1-0模式，承诺用户在3分钟内注册并申请。

③MYbank可在1秒内将10笔转账至支付宝账户并无需人工干预。非接触式功能大大降低了运营成本，并确保了大流行期间的业务连续性。

基于以上特点，MYbank对传统银行起到了补充作用，且主要服务于分布无法通过传统渠道获得贷款的客户。

尽管中小企业贷款的违约率通常高于其他贷款组合，但MYbank的平均不良贷款率远低于传统银行。2018年，全国银行中小企业贷款不良贷款率为3.2%，500万元以下中小企业贷款不良贷款率为5.5%，而全国银行贷款不良贷款率为1.9%。相比之下，MYbank的平均不良贷款率保持在1%左右，这可能是由于其贷款规模较小、期限较短的特点。自COVID-19大流行爆发以来，严格的控制措施导致中小企业受到严重影响，MYbank的平均不良贷款率从而有所上升但仍被控制在2%以下。

MYbank贷款的金融包容性特征主要体现在信贷获取上，而不是价格上。MYbank的年化贷款利率高于平均的银行贷款利率，这种差异是因为MYbank为了确保有足够的利润率，设定贷款利率以提供建立大数据基础设施的固定成本。相比于对中小企业的贷款享有优惠监管政策的传统银行，MYbank在吸引零售存款方面存在劣势，也不具备享受优惠政策的资格，融资成本更高。

研究方法

研究方法：

①在金融科技方法和传统信用风险评估方法之间进行对比，通过使用相同的模型和数据集来量化信息和模型的优势。

②评估大数据在信用评估中的作用并与银行信用历史信息进行比对。特别是探索在缺乏银行信用历史信息的情况下，仅凭大数据（特别是BigTech的专有信息）是否就足以进行可靠的信用风险评估。

③测试金融科技方法的相对优势能否经受住外部冲击，例如新的监管政策的施行。

④在不同城市不同规模的借款人子样本中，通过比较金融科技方法与传统方法的表现探究了金融科技方法的包容性。

本研究使用大数据和机器学习模型，以标准的财务信息和记分卡模型对金融科技方法进行信用风险评估进行了分析。利用中国MYbank的独特数据集，研究发现金融科技方法在加强信贷风险管理和促进中小企业金融包容性方面具有显著优势。

研究结论

首先，与传统方法相比，金融科技方法更准确地预测贷款违约情况，体现了信息(如来自大型科技公司的专有信息)和模型(如机器学习模型)的综合优势，而这种信息优势可能与更多的实时财务数据和行为信息有关，与滞后的财务历史相比，实时数据在评估借款人偿还贷款的能力方面做得更好。

与传统方法相比，金融科技结合大数据和机器学习的方法显著提高了贷款违约预测的准确性。人工智能算法利用BigTech的专有信息来揭示借款人的财务状况(即还款能力)和行为特征(即还款意愿)，而将传统的记分卡模型应用到大数据中，也可以提供相当好的风险评估。类似地，人工智能的方法提高了传统信息的预测能力，反映了它为变量之间更复杂的交互建模的能力。对于没有银行信用记录的借款人，我们发现大型技术专有信息可以在风险评估中有效替代信用登记信息，从而增强金融包容性。最后，本研究表明，金融科技风险评估模型在大型科技公司面临外生政策冲击时是稳健的，且其优势在较小城市的中小企业中更为明显。因此，在扩大企业获得信贷的渠道方面，这种模式是对传统银行的有力补充。此外，行为信息能更好地捕捉借款人的还款意愿。该模型的优势表明，机器学习模型有助于捕捉响应与特征变量之间的非线性关系以及特征变量之间的交互效应。

其次，研究分析了从传统银行借款的MYbank借款人的小样本。我们发现，使用记分卡模型时银行信用历史信息可以合理地预测贷款违约。同时，在分析中加入传统数据和Ant的专有信息并用机器学习模型取代记分卡模型可显著提高了预测精度。显然，额外的数据和机器学习模型有助于提升信用风险评估的效率。

接着，该研究测试了在面临外源性政策冲击时目标的稳健性。我们发现，金融技术方法的优势在冲击后时期比冲击前时期更明显，这反映了信息和模型优势的作用。这一发现表明，在面对监管政策冲击时，金融科技方法是稳健的。尽管如此，鉴于金融科技发展的历史不长，它在其他类型金融冲击中的表现仍有待检验。

最后，本研究比较了金融科技和传统方法对不同规模和不同城市中小企业信用评估的效果。我们发现，对于最小的公司，金融科技在贷款违约预测方面的改善最大。同样，三四线城市的中小企业比一、二线城市的中小企业受益更多。而这些结果显示了金融科技贷款的包容性特征。

影响以及作用

以上结论对政策制定者加强信用风险评估和促进金融包容性的作用：

①促进金融科技贷款，同时加强监管框架。

②鼓励金融科技贷款机构和传统银行之间的合作。

③加强保障资料的政策架构。

④确保数据访问。

中国在金融科技贷款方面的经验和成功可以为其他中小企业仍面临贷款问题的国家提供正面的指向作用。然而重要的是要认识到，金融科技的发展需要强大的数字基础设施、拥有广泛用户的成熟在线生态系统，以及大数据分析技能。这些都是互联网公司成为成功金融科技贷款人的关键因素。因此，政府可以优先投资于数字基础设施、支持电子商务和更广泛的数字化，然后再扩展到金融科技贷款。

以下为部分报告截图

……

获取完整报告

请后台回复“IMF”

获取下载链接

·END·

责编/张谦

编译/荆媌

排版/孔煜

【延伸阅读】