文 李鑫

　　互聯網貸款因依托于互聯網新技術及金融科技、聚焦于長尾客戶的金融需求，在解決傳統融資模式中的信息不對稱、提高中小微企業信貸審批效率、降低融資成本等方面具有獨特優勢。目前，已有相當數量的銀行將互聯網貸款應用于小微貸款領域，并在一定程度上化解了傳統小微信貸業務的痛點，諸如利用大數據技術解決信息不對稱問題，通過實時在線監測解決貸后管理問題，線上引流精準營銷解決獲客留客難題，優化信貸流程解決單位成本偏高問題，依托大數據信貸決策化解操作風險等等。

　　小微企業通常管理不規范、財務報表不完善、數據不實，經營信息高度內部化，給授信調查帶來極大挑戰；同時，我國針對小微企業的征信體系相對落后，抵押擔保不足，這些導致企業和銀行間信息嚴重不對稱，很可能出現逆向選擇。而依托于互聯網和大數據技術，銀行能更容易地對收集來的碎片化信息進行關聯分析、交叉檢驗及信息核實，而通過加強與大數據征信機構合作，還可建立小企業的失信披露機制。此外，“以交易為中心”的信用類產品，也可緩解小微企業缺乏抵押擔保問題。

　　在“電商平臺+企業信貸”模式下，借款人在整個供應鏈上的資金流動更全在平臺的掌握之中，借款人的需求是否真實、還款能力是否足夠，到期時點是否能有足夠資金還款，均可通過對數據的處理計算準確推斷。商業銀行的互聯網貸款業務通常通過合作機構的網站、APP或微信平臺等線上引流，運用大數據技術對小微企業的融資需求作前期預測，并通過合適的渠道了無痕跡地推送給目標客戶。由于可為小微企業提供更精準的金融產品服務及配套產品，也能提升客戶的黏性。互聯網貸款業務，審批、操作、風險預警，都在線上完成，大大降低了借貸雙方的操作成本。另外，還能以較低成本獲得小微企業及個人沉淀在網絡上的“軟信息”，利用大數據挖掘和分析技術，加快審批流程、提高審批質量、降低信息處理成本。互聯網貸款從數據收集錄入到評價結果輸出，整個過程全部由計算機算法完成，減少人為主觀判斷，不僅能確保評價結果的客觀性，也有助于防范操作風險。而通過在傳統建模技術的基礎上采用機器學習建模技術，則可進一步提高模型運作的自動化程度，減少人為干預對模型輸出的影響。

　　無疑，在金融與科技日益融合的大趨勢下，線上化、自動化的互聯網貸款代表著未來發展的方向。然而，現在還有種種障礙極大限制了互聯網貸款的普及和推廣程度。

　　從產品方面看，信貸產品服務人群相對狹窄，數據要么來自互聯網交易平臺，要么來自公共機構，譬如稅務部門，大量小微企業在相應平臺或機構未留痕跡，依然無法獲得相應的便捷服務。反過來，在特定渠道數據可獲取的情況下，客戶準入門檻又相對較低，因為許多有價值的軟信息被屏蔽，由此可能形成逆向選擇。為了盡可能避免上述信息不對稱問題，互聯網小微貸款通常又會對客戶準入設置較多限制條件，這又會造成篩選出的客戶可能具有高度相似性，從而使得風險分散程度較低，容易在市場波動時出現客戶的批量信用塌陷。

　　從數據方面看，我國征信制度仍不健全，尚不存在一個官方、統一、廣泛的信用評價體系，雖然部分稅務、工商、司法等信息已經向社會開放，但開放程度依然較低，而商業數據由于價值不斷凸顯，反而進一步降低其共享性。數據問題對貸后管理的影響尤為突出，除部分銀行有高頻電商交易數據外，大部分銀行只能依賴行內交易數據及人行征信數據，據此進行貸后預警可能存在一定滯后性。此外，一些企業通過關聯交易等手段刻意制造流水、虛假納稅等信息，更有甚者則由諳熟各家貸款機構的審核規則的信貸中介通過各種手段對申請人數據進行包裝以突破信貸機構的風控規則，致使模型結果的可靠性大打折扣。

　　目前我國商業銀行利用大數據技術仍處探索階段，模型準確性有待檢驗。數據分割使很多模型只適用于自己的小生態，同一個人在不同評分模型中得到的結果可能存在較大差異；并且一旦市場環境出現大幅變化，基于過往行為數據所形成的風險評價可能出現較大偏差。更麻煩的是，由于自動化程度很高且業務批量處理，一旦某個環節出錯，可能會造成十分嚴重的后果。此外，對很多商業銀行來說，建立更加專業的大數據技術團隊并不容易，而委托第三方對其系統、信貸模型進行開發與維護，又意味著需要面臨第三方合作機構從業人員潛在的道德風險，第三方開發維護的產品更可能出現同質化。

　　因此，進一步發展互聯網小微貸款，尚需監管機構、金融機構乃至其他公共及私人部門通力合作，通過鼓勵創新探索、加強信息交流與業務合作，繼而保證在風險可控的前提下，切實增強互聯網貸款服務小微企業和實體經濟的能力。

　　（作者系中國民生銀行研究院研究員）

責任編輯：趙子牛