论文|大数据信贷的 “第三条道路”
- 相关推荐
本文对大数据信贷的三种模式进行了分析,着重以新网银行大数据信贷模式为研究对象,探究在既不依赖自有互联网商业生态系统的数据,又不完全依赖自有账户或政府平台数据的情况下,金融机构如何能够成功开展大数据信贷业务。本文的结论是:新网银行是大数据信贷 “第三条道路”的代表性金融机构。该模式在数据获取渠道、数据处理技术和风控策略等方面具有较高的可复制性。如果这种模式能够被广泛推广,将对目前我国普惠金融发展增添一个新的方案。但也应注意到,该模式在推广过程中仍然面临挑战,例如数据可得性及成本、大数据风控能力等问题。
作者 | 罗煜(中国人民大学财政金融学院副教授)黄钰文(中信证券) 徐蕾(中国人民大学财政金融学院)
以下为观点速递:
1
摘要
目前,我国开展大数据信贷创新业务的主体主要有两大类:互联网公司和传统商业银行。互联网公司主要依赖自身电商平台或社交平台所积累的海量数据来获取用户信息。传统商业银行则利用自有账户或政府平台开放的数据信息自行搭建大数据平台,或通过与现有电商平台进行合作获取数据。但两种模式都存在一个共同的问题———可推广性较差。本文基于对中国最大的三家互联网银行———微众银行、网商银行和新网银行的一手调研资料,探索既不依靠自有互联网商业生态系统的数据,又不完全依赖自有账户或政府平台数据,适用于中小型商业银行的大数据信贷 “第三条道路”。
2
引言
大数据技术有利于缓解信息不对称所造成的小微信贷运营成本高、风控难度大的问题,为高度依赖数据信息的信贷业务带来模式转型的机遇。互联网公司依托其自有网络商业生态拥有天然的数据优势,纷纷涉足金融领域并获得了显著的成功。传统商业银行则凭借其雄厚的资金、优越的客户基础和较高的社会认可度,通过积极寻求与大数据技术融合开展经营转型。
目前,我国开展大数据信贷创新业务的主体主要有两大类:互联网公司和传统商业银行。互联网公司 (主要是互联网巨头)的大数据信贷产品主要依赖自身电商平台或社交平台所积累的海量数据来获取用户信息。传统商业银行 (特别是大型商业银行)则可以利用自有账户或政府平台开放的数据信息自行搭建大数据平台,或与现有电商平台进行合作以获取小微企业和个人消费者的数据。但无论是哪种模式都存在一个共同的问题———可推广性较差。截至2019年12月底,中国银行业金融机构数达到4697家,其中绝大多数是中小型银行。它们自有的账户数据较少,政府公关能力较弱,更没有自有的电商或社交平台,大多面临 “数据在外”“客户在外”的困境。当这些中小型金融机构试图开展大数据信贷业务时,会发现它们根本难以模仿既有的两种模式。那么,是否存在一种既不依赖自有互联网商业生态系统的数据,又不完全依赖自有账户或政府平台数据的大数据信贷模式呢?如果存在这种商业模式且能够被广泛复制,将是大数据信贷的 “第三条道路”,有助于解决小微企业融资难的问题。
本文通过对实践案例的分析,试图探寻大数据信贷 “第三条道路”的可行性。笔者发现,国内有一家互联网银行———新网银行的大数据信贷模式非常符合本文对大数据信贷第三种模式的界定。新网银行是继微众银行和网商银行之后成立的国内第三家互联网银行。作为一家没有互联网巨头背景的纯线上银行,新网银行既没有自己的商业生态系统来获得流量数据,也没有关于客户的多维度社交数据,甚至没有客户的账户历史信息,但新网银行能靠大数据信贷起家并取得不俗的业绩,是具有高度研究价值的典型案例。囿于数据可得性等方面的限制,目前关于新网银行大数据信贷模式的深度研究尚少。因此,本文以新网银行作为主要研究对象,利用对微众、网商和新网三家银行调研所获取的第一手资料,对新网银行大数据信贷模式进行剖析,并将其与另外两种大数据信贷模式进行对比。
3
新网银行大数据信贷“第三条道路”的探索
新网银行是全国第一家全面应用机器学习技术进行零售信贷风险决策的银行。与另外两大互联网银行相比,新网银行大数据信贷的主要特色在于“全客群、全实时风控”。“全客群”指新网银行面向全网络开放获客,而微众银行和网商银行主要面对各自大股东生态体系内的已有客群。新网银行并不事先挑选客户,也不预设条件,只要申请便可获得审核的机会。“全实时风控”指银行在客户发起授信申请时,根据客户提供的信息和客户授权实时调取客户数据,实时做出风险决策。而微众银行和网商银行主要基于生态体系内已有客户的相关数据采取客户白名单制,先行完成对大部分客户的预授信,客户发起的贷款申请实质是 “贷款提用”,没有实时进行风险审批决策。
本文从数据来源与成本、数据处理技术、数据质量、风控策略四方面进行了新网模式推广可行性分析。本文发现,新网银行对数据的要求坚持四大原则,即 “数据丰富、来源合规、数据准确、成本低廉”。新网银行使用来源于自己采集的数据和外部数据在内的数十个维度的数据。在核心技术方面,新网银行有自己的专利,科技工作大部分由银行自身完成,少量通过外包方式解决。新网银行有一套标准的外部数据信息接入流程,从数据源资质的评估、数据维度和字段的评估,再到接口接入。信用风险管理方面,新网银行以大数据为基础,运用机器学习、深度学习等先进算法构建的风险量化模型和风险特征指数,能够精准地进行客户全方位画像,对客户风险进行多维度判断和预测。
接下来,本文从数据的可得性和成本、大数据风控能力、信贷产品丰富程度、监管政策四方面分析了新网模式推广中可能遇到的问题。本文认为,信息不对称是银行业机构在提供金融服务时普遍面临的问题,特别是针对新网银行这类完全以互联网和移动端模式运作的银行。并且,拥有先进的大数据风控能力是开展大数据信贷业务的必要基础,这相当考验金融机构的技术能力。对大数据技术应用的监管法规和政策调整也会深刻影响金融机构开展大数据信贷业务的可能性。
4
政策建议
结合本文的分析,笔者对促进金融机构进行大数据信贷业务创新提出几点建议:第一,传统商业银行应在大数 据 归 集 和 使 用方面投入更多精力,在制度流程、风控文化等方面与时俱进。传统银行拥有巨大的资金和 数据优势,如果能够有效地归集和使用数据,将对其发展大数据信贷乃至普惠金融事业都有莫大的裨益。第二,立法机构和监管部门应针对大数据信贷出台相应法规政策,规范行业发展。借鉴国际经验,出台与行业发展趋势相适应的法规政策,既不扼杀创新的积极性,也能管控大据 “滥贷” 等现象。第三,大数据拥有者应该 加大对大数据信贷业务的支持力度。对许多银行来说,数据的缺乏和较高的调用成本使其望而却步。如果有关部门能够共建信息共享平台,实现数据的互通有无,将大大降低数据获取成本,有利于金融机构对全客户群提供服务。
编辑 侯津柠
来源 《经济理论与经济管理》2020年第5期
责编 金天、蒋旭
监制 安然、魏唯
点击查看近期热文
魏革军:金融治理若干问题的思考
视点 | 张斌:汲取教训能帮助提升财政效率
视点 | 戴稳胜:出口转内销稳外扩内 助力全面建成小康
张杰:金融的文化视角
视点 | 金融数字化蝶变
欢迎加入群聊
为了增进与粉丝们的互动,IMI财经观察建立了微信交流群,欢迎大家参与。
入群方法:加群主为微信好友(),添加时备注个人姓名(实名认证)、单位、职务等信息,经群主审核后,即可被拉进群。
欢迎读者朋友多多留言与我们交流互动,留言可换奖品:每月累积留言点赞数最多的读者将得到我们寄送的最新研究成果一份。
关于我们
中国人民大学国际货币研究所(IMI)成立于2009年12月20日,是专注于货币金融理论、政策与战略研究的非营利性学术研究机构和新型专业智库。研究所聘请了来自国内外科研院所、政府部门或金融机构的90余位著名专家学者担任顾问委员、学术委员和国际委员,80余位中青年专家担任研究员。研究所长期聚焦国际金融、货币银行、宏观经济、金融监管、金融科技、地方金融等领域,定期举办国际货币论坛、货币金融(青年)圆桌会议、大金融思想沙龙、麦金农大讲坛、陶湘国际金融讲堂、IMF经济展望报告发布会、金融科技公开课等高层次系列论坛或讲座,形成了《人民币国际化报告》《天府金融指数报告》《金融机构国际化报告》《宏观经济月度分析报告》等一大批具有重要理论和政策影响力的学术成果。2018年,研究所荣获中国人民大学优秀院属研究机构奖,在182家参评机构中排名第一。在《智库大数据报告(2018)》中获评A等级,在参评的1065个中国智库中排名前5%。2019年,入选智库头条号指数(前50名),成为第一象限28家智库之一。
国际货币网:http://www.imi.ruc.edu.cn
微信号:IMI财经观察
理事单位申请、
学术研究和会议合作
联系方式:
010-62516755
imi@ruc.edu.cn
只分享最有价值的财经视点
We only share the most valuable financial insights.