探索“小企业授信”模型：还款意愿+还款能力！

来源：卓哥杂谈 作者：卓哥

写在最前：

从2014年开始，我所在的部门开始试水小企业授信业务，鉴于行内职责的划分，主要目标市场聚焦在单户金额100万以上的网络化、数据化授信。经过近3年的探索和磨合，我们至少在业务模式和风控模型上已初见成效。2016年全年此类业务的累计发放量超过400亿。虽然与行内其他部门线下小企业授信的规模还存在很大差距，但造成规模差异的最主要因素还是在于人力、物力的投入。同时，我们部门所负责业务的资产质量非常理想，在对与其他部门边界交叉业务进行优化后，该部门业务的资产质量也有所改善。 

整个2016年，我个人审批的客户超过1200个，审批通过率在60%左右，通过好客户与坏客户的对比和总结，整理出以下内容，在此与各位分享。

中小微企业授信一直是银行授信业务的重要组成部分，无论是日趋激烈的同业竞争让银行不敢轻易放弃任何一块市场，还是监管机构“两个不低于”的要求，使得各家银行对中小微企业授信越发的重视。但是，尽管不少银行的中小微企业授信已初具规模，综合不良资产规模和运营成本之后，能够实现中小微企业授信板块盈利的银行屈指可数。

如果将中小微客户拆分成三个部分来看，各家银行的发展重点主要集中在“中”和“微”两块：中型客户承债能力强，单户金额大，利于业务规模的扩张；微型客户单户金额小、利率高，既能通过小额分散降低风险，又能通过收益覆盖风险减少实际损失。当然，随着国内经济环境的持续低迷，无论中型客户还是微型客户，各家银行都损失不小：不少中型客户盲目扩张或进行多元化投资，企业主缺乏对市场正确的预判和掌控能力，导致无法收回投资、资金链断裂，进而无法如期归还银行授信；微型企业抗风险能力差，市场稍有波动就可能直接影响其正常经营，同时又缺少更多的融资方式和渠道，经营不善直接导致其丧失归还银行授信的能力。

对于银行来说，中型客户风险判断还是应该采取传统的线下专家审批模式，甚至不应该把中型客户和小微企业划归成一个客群经营和管理。

微型客户目前是银行和非银金融机构都着力开发的市场，部分授信通过个人消费贷款的形式发放，但最终都用到企业经营中，除房贷、车贷等特定用途的消费贷款外，几乎全部5-30万的个人消费贷款的实际用途都是企业经营，当然股市、购房首付等投资渠道也是个人消费贷款的重要流向。而发放30万以上的个人消费贷款只能说是银行自欺欺人，没有银行会真的认为这些贷款的实际用途是个人消费。

国内各银行及非银金融机构的微型客户授信核心风控模型基本一致，也相对比较成熟，微型客户规模小，资金需求量小，经营管理简单，其经营的好坏直接取决于企业主的能力，此类授信逾期与否几乎直接与企业主的信用状况绑定，通过互联网和大数据可在现有业务的基础上进一步提高客户体验、降低操作成本、优化资产质量，同时也降低了开展此类业务机构的准入门槛，因此竞争会越发的激烈。

完成铺垫，文归正题。

今天主要想聊的是小企业授信，那么就得先定义一下小企业授信。

首先，本文说的“小企业”不是完全按照国家统计局的标准进行划分的，此划分标准过于简单，仅用于政府部门统计标准的明确，可参考但不能照搬。

其次，传统的抵押、专业担保小企业授信已是“夕阳产品”，不在本文的讨论范畴。抵押类产品已是“红海”中的“死海”，放款效率、利率、不良处置是各家机构仅剩的竞争维度，其他要素全部同质化；专业担保公司近年来已成为各家银行的“雷区”，风险分担没起到作用不说，还因为不规范经营带来了额外的风险和损失。

以下所说的“小企业”是指已经度过初创期且主营稳定（成立且实际经营2年以上）、经营管理初步规范（报税收入原则上占实际收入50%以上）、销售收入初具规模（可核实销售收入500-5000万，部分经营周转较快的行业可将上限提高至1亿元）的企业（含法人企业、个人独资企业、个体工商户等）。

以下所说的“小企业授信”是指针对上述客户，授信金额在30-300万之间，担保方式以信用为主，用途为经营周转，单次借款期限较短（三个月），可随借随还的授信业务。

从银行的角度，这类客户的优势在于：相较于中型客户，这类客户主营业务普遍单一，经营风险更容易判断，对授信定价的敏感度较差；相较于微型客户，这类客户经营更为稳定，抗风险能力稍强。但这类客户也存在一定劣势：固定资产规模小，除企业主名下房产抵押外，银行只能为其提供信用类授信，缺乏有效的风险缓释措施；同时，单一客户资金需求量远大于微型客户，银行的单户风险有所放大。这就使得银行看着肥肉想吃又不敢吃。

根据对个人工作经验的总结，并结合小企业客群本身经营较为简单以及风险管理与操作成本的因素，小企业授信业务的风控模型不宜做得过于复杂。

我将诸多判断客户风险的维度拆分为“还款意愿”和“还款能力”两大类，其实很好理解：“还款意愿”决定了这笔授信是不是放给这个客户，“还款能力”决定了给这个客户多少额度。

“还款意愿”的判断，可拆分为“历史表现”和“违约成本”两个模块。历史信用记录好的客户不代表以后不会违约，但历史信用记录差的客户后续违约的概率肯定相对较高；违约成本则决定了客户在面临经营困难、授信到期“还”与“不还”的选择时，哪种选择的可能性会更高一些。历史信用记录良好、违约成本高的客户，为强还款意愿客户，是目标客户的首选；历史信用记录差、违约成本低的客户，为最高风险等级客户，即使当前判断其有一定的还款能力，也不应准入；若历史表现和违约成本只有一个符合要求，需要结合其“还款能力”决定是否准入。

“历史表现”主要关注客户（含企业及企业主）的征信、工商、法院等信息。对于小企业授信，还款意愿与企业主自身的信用情况强关联，同时小企业以公司名义在银行申请授信的比例相对较低，因此会将企业主的“历史表现”作为重点审查维度。具体判断维度包括：是否有授信记录，历史逾期次数、时长及金额，征信查询次数，信用卡使用情况（使用率、是否套现、是否经常取现、是否存在套现嫌疑），是否多次收到工商处罚，是否存在涉诉信息（涉及刑事案件、涉及民间借贷、商业纠纷案件金额大、被执行信息应重点关注）。

“违约成本”主要通过经营相关“无形资产”情况、客户家庭及资产情况等维度判断。例如：企业有某一知名品牌的区域独家代理权且经营多年，那么该代理权可在一定程度上视为“无形资产”，对于客户来说，这是其安身立命的收入来源，同时此类代理权也具有一定的市场价值，在一定条件下是可以有价转让的；历史数据表明，已婚客户的违约概率要远低于未婚客户，这个问题不再赘述；有房客户的违约概率远低于无房客户，有房也能够说明其过往经营情况良好，有一定的资产积累。

“还款能力”的判断，可拆分为“数据”和“场景”两个维度。其中，“数据”是基础，在数据真实性不存在问题的前提下，真真切切的数字是客户经营好坏的最好体现，据此可以得出客户的资金需求量和承债能力；“场景”是“数据”的重要补充，在特定场景下获取的数据，能够体现更多的信息，增强对其“还款能力”判断的准确性。

“数据”真实性主要通过数据源管理和数据源之间交叉验证来控制。对于公允性较高的数据源，可适当放松交叉验证。目前应用较多的判断还款能力的数据源有：税务数据、发票数据、海关数据、核心企业提供的上下游进销存数据等。同时还可以结合代发工资、代缴个税、公积金、征信报告中的授信规模等数据进行辅助判断。

“场景”对数据的辅助和补充作用非常重要，能够进一步还原客户的真实“还款能力”。例如：同样是开立100万的发票，若购货方是知名企业就会比购货方是普通企业的真实性高，应收账款坏账的概率也会大幅降低；同样是100万的出口，出口到欧美主流地区的产品就会比亚非拉地区的要优质；同样是100万的应收账款，通过核心系统获取的进销存系统数据就会比单纯的发票数据更为直观。

同时，客户授信规模、对外担保、多元化经营等因素既影响客户的“还款意愿”、又影响“还款能力”也是需要关注的维度。

综上，通过“历史表现”和“违约成本”判断“还款意愿”，再通过“数据”和“场景”判断“还款能力”，基本就能够决定一个客户的授信。一个理想的客户应该是：信用记录良好，有一定的资产积累，专注主营业务，生意稳定又赚钱，负债规模合理。

不要觉得以上标准过于理想化，这样的客户真的很多，而他们是银行一直以来忽视的客群，很多企业主没法通过银行借到相对低成本的资金，只能靠利润积累或民间融资，无论是速度、成本还是稳定性，都是比银行授信更差的选择，使这些客户错过了最好的发展时机。银行应该检视甚至检讨自身服务的欠缺，更应该给这些真正缺钱也能够还钱的客户“加杠杆”，夯实市场经济最最底层的基础客户群。 

当然，风险管理不可能存在“放之四海而皆准”的铁律，任何一刀切的政策都是管理无能的表现，在上述基本准入的基础上，结合行业及客群定位、地域特征、产品定价、风险容忍度等因素，应该就可以确定一个适合的产品模型。

最后，再补充三个问题：

1、不要进入“唯模型论”的误区。

在“互联网+大数据”的背景下，没进行“风控建模”好像就不足以体现风险管理的专业性，模型确实需要，但不要进入“唯模型论”的误区。任何的授信产品模型首先需要的是坏样本，那么就需要先把业务做起来，因此基本都会经历从专家判断到风控建模的过程，在专家判断的基础上，先尝试开展业务，逐步调整，在达到一定规模后再逐步建模。现在有些机构，在从零开始的阶段就专注甚至沉迷于“风控建模”，费了半天劲把模型搞出来，别人看不懂、自己不敢用，空有模型没有业务，时间、人力、物力都白白浪费。

2、互联网和大数据怎么用。

授信不同于其他金融产品，风险控制是最最核心的问题，但过于复杂的风控模型，只会将目标客群越做越小，违背了“规模决定市场地位“的行业竞争现实，因此寻找到风控与市场的平衡点是一个授信产品能否成功的关键。在授信业务中，通过互联网和大数据能够增强风控能力、降低操作成本：网络可以拉近授信机构和客户的距离，让一切信息的传递和交互都更为便利；数据的日益丰富能够更为真实的判断客户的还款意愿和还款能力。但是要避免为了互联网、为了大数据而简单的进行功能的堆砌，无论什么数据来源都照单全收，无论什么互联网功能都大干快上，这样只能适得其反，做过多的无用功。

3、关于道德风险。

一位同事曾在朋友圈留言说道德风险才是小企业授信最核心的问题。对于道德风险的重要性我个人并不否认，但可以说出现问题的小企业授信中比较重要的因素是道德风险，不能说道德风险是小企业授信的核心问题。首先，道德风险是不可能做到完全可控的，在目前国内商业银行的考核体系下，市场人员的奖费比例和从客户拿回扣的金额是不可比拟的，我们能保证自正其身，但不能确保每个人都是道德模范，有些人就是禁不起诱惑，风控模型的不完善、内部管理的不到位是孳生道德风险的温床，苍蝇从不叮无缝的蛋。业内确实存在通过良好的内控管理、实现道德风险可控、资产质量良好的银行，最具代表性的是浙江的泰隆银行，他们也是很多银行小企业业务模仿的标杆。但问题在于，这种强调"先有靠谱的人、后有靠谱的业务“的管理模式，在激烈的市场竞争中只能保证资产质量，无法快速提升业务规模，先管住市场人员、再由市场人员管住客户的模式，必然受限于单人产能和管理能力，业务扩张只能靠人员的堆积，当人数达到一定规模，对原有的管理模式也会产生一定的挑战。

通过前述“还款意愿+还款能力”的模型，在确保数据来源不存在问题的前提下，将模型内的各指标及准入规则量化处理，基本能够实现对客户风险的快速识别，市场人员只需要提供客户基础信息和有效的相关授权，就可以判断客户的真伪，进而剔除假客户。在此基础上，再辅以对市场人员道德风险的管理，基本就能够做到业务的有序、快速发展。

以上就是本人对“小企业”授信的收获与思考。