投身银行信贷领域许许多多年头, 我最为清晰明确的是这样一件事情, 信用风险并非依托感觉予以判别, 而是凭借数据来进行认定。有好多人自认为风控就仅仅只是查看关注财务报表, 实际上远非如此这般简单。自客户提出申请的那一个时刻起始, 直至贷款成功发放出借出去, 再到贷后进行跟踪, 每一个环节都在对一个机构的信用风险管理能力展开考验、给予检验。就在当下的今天里, 我把日常工作期间所积累的经验进行整理归纳出来, 跟大家交流交谈一下关于信用风险度量与管理涉及的核心逻辑思维、内在主要逻辑。
信用风险度量主要看哪些指标
平常大家听闻过传统的信用评分模型, 像常见的五级分类法这种。然而在真正落实的时候, 好多银行都会察觉到用模型算出的结果跟客户实际表现相差非常大。缘由较为简单, 单一指标始终不能够全面描绘一个借款人的风险整体样貌。
我们行当下所运用的乃是多因素综合评估体系, 流动性比率、资产负债率、经营性流、行业景气指数, 这些属于硬数据, 需将它们放在一块儿予以审视, 举个例子来说, 有一个企业, 其负债率为60%, 这般看起来风险并非不大, 然而要是它的应收账款周转速度特别快速, 那实际坏账风险反倒能够得到控制, 因而看待数据不可以仅仅只是查看表面, 而是要去查看数据彼此之间的关联。
采用人工审批身为主体方式的众多中小银行大量存在, 效率十分低下并且有容易出现人情判断偏差的状况彰显。自动化风控系统予以引进了之后, 审批时效从三天缩短至两小时这件事发生, 风险识别准确率提升大约三成的情况显现。这便是技术带来的直接价值所在状况体现。
信用风险管理如何落地执行
谈而言说了好多整套的理论, 最为紧要的却是要看实际的执行情况。对于风险的管理绝不能单单滞留在制度文件之上, 务必要切实贯彻到业务流程的每一个具体节点当中。我们本行目前所采用了一个做法, 办法是将风险的管控融入到贷前调查以及贷中审批, 还有贷后管理这三个不同环节里面。
在贷前阶段之时, 客户经理所进行的实地尽调绝对不可以流于形式。过去的一年当中, 存在着这样一个客户, 其报表制作得相当美观, 然而, 当我们展开实地走访之际, 则察觉到他的厂房已然停工长达半年, 这样的信息于财务数据之上是根本无法显现出来的。到了贷中审批环节当中, 我们设定了分级授权机制, 针对不同金额档位的贷款，由不同层级予以审批, 以此防止权力过度集中。
最易于被忽视的一环是贷后管理, 好多机构把钱放出去后就不再过问, 直至逾期才去进行催收, 通常那时都已为时过晚。贷后管理若良好应该形成动态跟踪, 定期针对企业的经营状况展开回访, 一旦察觉到异常信号便要及时予以预警。这段时间我们引进了大数据监控平台, 能够对企业的工商信息变更、司法诉讼等状况实施实时追踪, 一旦存在异常情况便会自动触发预警。
于实际操作期间, 我们遭遇了一些挑战, 诸如小微企业数据缺失状况颇为严重, 传统的评级模型极难精准评估这类客户, 而后我们借由整合税务、社保、水电等多个维度的替代数据, 逐步完备了小微企业的信用评价体系。
存在这样一种情况, 信用风险度量以及管理并非那种一做就可以永远安逸的工作, 而是属于一个持续不断去优化的过程, 随着市场环境发生变化, 风险的特征也在持续不断地演变, 风控体系必须跟着进行迭代升级。在业内存在不少案例, 这些案例表明, 那些能够让风控模型保持动态更新、持续校准、有效控制资产质量的机构, 在业务扩张的时候也可以做到这一点。对于有兴趣深入去了解的朋友来说, 可以去参考www.yjqyl.com上的专业分析文章, 在这些文章里面有很多一线风控实践者的经验分享, 这些经验分享是值得好好去琢磨的。
究根溯源, 信用风险管理这一行为的关键精华之处, 其实就仅仅只是一句话。那便是, 依靠数据这种方式去减低那种无法确切知晓情况这一特性, 凭借流程来对人为所产生那种偏离正常情况予以限制。倘若要把这般理念贯彻延伸在业务环节自始至终的全过程之中。那么才能够在那种异常惨烈的市场竞争环境里面, 稳定前进, 长久发展下去。
