大數據時代供應鏈金融模式中金融機構風險評估的新思考

(北京工商大學 經濟學院 北京 100089)

一、供應鏈金融的產生與發(fā)展

20世紀80年代，傳統(tǒng)金融信貸融資的發(fā)展出現(xiàn)瓶頸，金融機構放貸信用風險評估體系不夠健全，大多數目標客戶的中小型企業(yè)信用能力相對較低，因此金融機構承擔著較高的信貸風險，該問題也嚴重制約了金融機構在信貸業(yè)務上的發(fā)展。為解決此問題，供應鏈金融作為一種管理和金融的協(xié)同創(chuàng)新逐漸展開[1]，在金融信貸與融資的發(fā)展中快速沉淀并不斷蔓延。

供應鏈金融以降低交易成本和提高融資效率為典型特征[2-3]，最初的產生是為了轉移或降低金融機構的金融風險，其將金融信貸融資模式由傳統(tǒng)的一對一模式(金融機構對單一企業(yè))轉換成了一對多模式(金融機構對核心企業(yè)與其上下游的供應鏈企業(yè))。供應鏈金融較傳統(tǒng)金融而言，融資參與主體多樣化、融資條件靈活、金融機構參與程度高、信息披露充分、風險相對較低，并可以有效地降低信貸風險，擴寬了金融信貸的風險評估體系。

二、金融機構風險評估中的問題

經過筆者對供應鏈金融運作下金融機構的風險評估模式分析，發(fā)現(xiàn)金融機構在風險評估方面仍然存在著一些挑戰(zhàn)，主要體現(xiàn)在以下4個方面：

1、供應鏈約束力弱帶來的風險：理論上供應鏈中成員企業(yè)強依賴于核心企業(yè)，但實際上供應鏈存在著吸引力和約束力不強的情況，沒有形成真正的體系，進而提升了供應鏈的不穩(wěn)定性與風險性；此外，部分金融機構內部對供應鏈關聯(lián)性的分析體系相對較弱，也導致了風險評估不能充分考慮到供應鏈關聯(lián)性問題。

2、供應鏈企業(yè)網復雜帶來的風險：部分圍繞核心企業(yè)出發(fā)的供應鏈過于復雜，某些非核心的成員企業(yè)對整個供應鏈的影響較難進行量化評估，對這些企業(yè)的評估則會存在評估維度少、評估信服度低等問題，而實際上這些企業(yè)又對供應鏈有著一定的關聯(lián)性，故而對風險評估與控制來說也存在著挑戰(zhàn)。

3、企業(yè)信息收集維度片面帶來的風險：在對成員企業(yè)進行風險評估的過程中，向供應鏈企業(yè)獲取某些成員企業(yè)信息時，容易出現(xiàn)過于有針對性的信息獲取，或者未重視看似與企業(yè)不相關的信息，而忽略了供應鏈或其他相關企業(yè)對成員企業(yè)有影響的信息，導致風險評估角度不夠完善。

4、企業(yè)抵押資產難以評估帶來的風險：供應鏈金融模式運作過程中，幾乎都會伴隨著資產抵押與擔保的情況，但是資產或擔保的價值評估都稍顯復雜，且對評估機構專業(yè)性要求較高，針對不同類別資產需要不同的評估方案，在后續(xù)放貸中每次都需要重新評估，評估成本極高，評估人為因素影響較大，存在著成本浪費、評估不能完全客觀等問題。

三、金融機構數據決策風險評估的新思考

金融機構在供應鏈金融模式下的風險評估弊病越積越多，“對癥下藥、標本兼治”則是當務之急。互聯(lián)網和大數據可以使供應鏈金融能夠從更多維度動態(tài)衡量企業(yè)的真實經營狀況和其他各種行為，評估融資風險。隨著大數據應用技術的日益成熟，金融機構應該充分借助金融科技，抓住大數據與人工智能技術的發(fā)展契機，利用金融科技對風險評估進行架構革新，有針對性地解決風險評估所面臨的問題。故而，金融機構需要構建一套依托于數據決策的風險評估系統(tǒng)，為決策提供更加理性與量化的支持。

在風險評估過程中，金融機構不能對評估維度進行完全理性的決策，或多或少會出現(xiàn)偏頗。而在大數據時代背景下，數據決策變成了多數企業(yè)的主流決策方式，目前數據挖掘分析、機器學習、深度學習等技術的發(fā)展足夠支撐企業(yè)進行數據決策。而要搭建行之有效的數據決策風險評估系統(tǒng)，則需要展開以下3個步驟，如圖1所示：

圖1 搭建數據決策風險評估系統(tǒng)架構主要步驟

1、數據收集與整理：就金融結構風險評估而言，此階段可分為3個方面進行：第一，金融機構需要面向供應鏈進行盡可能全面的數據收集，將供應鏈企業(yè)中可能會用到的數據都進行收集，包括供應鏈企業(yè)的基本評估資料、歷史信貸詳細記錄等信息；第二、金融機構需要對企業(yè)自身的金融信貸的歷史數據、借貸企業(yè)詳細信息進行收集整理，為訓練模型提供有力的數據基礎；第三，金融機構需要通過爬蟲技術或購買數據等方式對供應鏈企業(yè)部分信息進行深入抓取，保證分析維度的全面性。

2、數據加工與建模：此階段需要金融機構大數據與人工智能技術團隊對所收集到的數據進行特征處理，將數據處理成機器可以識別的形式，方便進行建模。而數據建模則是個很龐大的工程，技術團隊需要針對業(yè)務進行不同維度的模型建立，并且需要對模型參數進行不斷調整優(yōu)化，提高模型的準確性。

3、數據決策與模型優(yōu)化：此階段要求金融機構技術團隊對將信貸企業(yè)的相關數據進行預處理，并將處理后的數據注入決策模型，根據機器決策加之人為干預，最終得到客觀的決策結果。此外，金融機構技術團隊需要將本次決策用到的全部數據作為模型優(yōu)化基礎材料，使得模型不斷趨于完善。

針對金融機構在風險評估階段遇到的問題，其可以根據不同問題建立不同類型的決策模型。如“供應鏈企業(yè)關聯(lián)風險評估模型”，此模型旨在幫助金融機構就是否向供應鏈金融模式中某企業(yè)進行信貸進行客觀有效的決策。該模型同時要盡可能多維度和體量的數據輸入，通過數據處理與模型建立，由模型判斷數據維度對信貸的關聯(lián)度，不斷優(yōu)化關聯(lián)度系數，最終根據模型進行決策，可以有效避免評估維度不完善、評估難以量化等問題。

四、結語

供應鏈金融模式下，金融機構在處理風險評估問題方面顯得捉襟見肘，構建風險評估系統(tǒng)過程可以做到對癥下藥。然而構建評估系統(tǒng)也是一個漫長而艱難的過程，是從0到1的破繭與突破。此過程要求金融機構早打算、重積累、厚積薄發(fā)，通過風險評估系統(tǒng)的數據決策模式切實解決實際的風險評估問題。