赢在普惠金融：风险经营与信贷均衡

（一）直面“困境”：普惠金融的风险管理问题分析

1.普惠金融风险运行的“三大特征”

普惠金融的本质为金融，其服务的对象和内容又较传统金融在深度和广度上进行了商业持续性、内涵包容性延伸。这决定了普惠金融风险特征在遵循金融基本规律的前提下，表现出新的运行表征。如图所示，普惠金融表现出“三大”风险规律。

第一大特征：普惠金融的风险价值曲线近似“随机游走”的运动过程。随机游走假说是数理金融中最重要的假设，它把有效市场的思想与物理学中的布朗运动联系起来，其核心要义为任何无规则行走者所带的守恒量都各自对应着一个扩散运输定律。单个的随机事件我们不可预测，但随机大量的群体行为，却是精确可知的，在偶然中隐含着必然。随机性造成了低尺度下的差异性，但在高尺度下又表现为共同特征的相似性。随着普惠金融战略的不断推进和体制逐步完善，普惠金融各参与主体充分竞争博弈，信用环境日渐改善，信息技术广泛运用，普惠金融市场摩擦降低，趋于有效的市场环境。从个体来看，每一个普惠金融交易主体根据充分的有效市场进行独立决策，其金融活动行为将是一个个随机性事件，风险价值变动将遵循随机游走运动过程，标的资产风险价值曲线应该近似于一维无规则行走。从整体来看，随机大量的群体行为是具有可精确预测性的，可以从整体进行风险防范、评估和处置。

第二大特征：普惠金融的风险定价遵循“大数定律”规律。著名数学家伯努利于1713年首先提出“大数定律”这一极限定理，亦即一种描述当试验次数很大时所呈现的概率性质的定律。在随机事件的大量重复出现中，往往呈现几乎必然的规律，这个规律就是大数定律。普惠金融更加倾向于为小微企业、个体工商户、农村金融、消费金融等弱势群体和产业提供短、小、频、快的金融产品和服务。这类金融产品的风险定价将完全不同于传统金融，当交易规模和样本足够大的时候，完全可以基于大数法则进行风险定价，从而确保整体收益大于风险损失，保持普惠经营的持续性和盈利性。风险定价的方法完全可基于大数定律，主要是看违约概率。当数据足够大的时候，概率就会稳定下来，到时大数定律就会为普惠金融风险定价起至关重要的作用。如蚂蚁金服的芝麻信用、拉卡拉的考拉信用评分、拍拍贷的“魔镜”大数据风控系统等，均是建立在大数法则的基本规律基础上的。

第三大特征：普惠金融的风险概率符合“正态分布”的表征。正态分布（Normal distribution），也称“常态分布”，又名高斯分布（Gaussian distribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形。在正态分布中，基区占了主体和重点。如果结合“二八法则”，可以把正区也可以看做是重点。随着普惠金融交易主体覆盖面扩大、频率提高、交易样本随机独立，一个个零散的普惠金融主体有机地整合成一个大的系统。对于大的普惠系统而言，在有效市场环境中，通过不同风险产品的投资组合，市场价格的波动是以其期望值为中心主要集中于相近两侧，而远离期望值的情况发生可能性较小，这种正态分布假设在许多情况下反映了普惠金融风险概率的基本特征。

2.普惠金融风险管理面临“五大难题”

普惠金融的业务深度和广度较传统金融而言更为复杂，客户群不断下沉，风险管理的难点增多。商业银行通过梳理当前普惠金融发展过程中所面临的风控难点，可以为制定相关风险管理决策提供了科学依据。如图所示，商业银行开展普惠金融的信贷实践的时候，将面临五大风险管理难题。

第一大难题：来自“信贷技术”层面的挑战，即传统风控技术“失灵”。随着普惠金融客户群的不断下沉，逐步将覆盖传统金融所排斥的4000余万户小微企业、农民、城镇低收入人群、个体工商户、下岗职工、贫困人群和残疾人、老年人等普惠金融重点服务特殊群体等弱势行业或群体。这些群体存在明显的信用信息薄弱、资产实力不足、风险隐患高、开发成本高等特点。这些特点使得传统金融机构依托于线下围绕借款主体的品性、资产、资本、担保物等条件收集财务信息进行信用等级评估，然后根据评估结果进行授信的传统风控理念和技术失灵。传统金融风控技术已完全不能有效化解普惠金融对弱势行业或群体的风险，从而形成了更为广泛而低效的“金融排斥”。

第二大难题：来自“产品体系”层面的挑战，即风险产品体系存在一定程度的“空缺”问题。随着普惠金融用户覆盖率的不断提升，其所面临的金融风险或超过传统的金融风险。这些高风险客户如不能有效进行风险缓释、风险对冲、风险化解，那么金融机构是很难实现盈利性和可持续性的。金融风险产品的搭配组合作为有效进行风险缓释、风险对冲、风险化解的重要手段，为普惠金融风险管理提供了借鉴。然而，当前我国普惠金融指数尚不高、发展潜力有待开发，普惠金融风险产品体系依然处于空白，无法实现普惠金融风险的缓释、对冲和化解。

第三大难题：来自“风险文化”层面的挑战，即普惠金融的风险文化有待重新塑造。普惠金融风险文化区别于传统金融的风险文化。普惠金融风险文化是面对普惠风险时的态度、价值观和实务操作程序的有机组合，是普惠金融风险管理制度、技术和工具的有力补充。当前，传统金融机构在践行普惠金融过程中仍沿袭传统的商业风险价值理念，缺乏包容性、前瞻性和审慎性，不能适应普惠金融的发展战略需要。因此，要实现普惠金融的可持续性发展，必须塑造适合普惠金融风险运行特点的文化体系，它将影响普惠金融风险管理体系的科学性和有效性。

第四大难题：来自“扶持机制”层面的挑战，即普惠金融面临政府风险扶持机制缺位的问题。普惠金融不仅仅是纯金融问题、经济问题，更是社会问题、政治问题。普惠金融的发展既要保持社会福利性，又要保持商业可持续性；既要坚持政府引导，又要坚持市场主导。当市场出现失灵的时候，必须由政府给予相应的制度安排。当前，我国普惠金融面临的一大问题就是普惠客户群风险相对较大，相关风险补偿和转移机制、财税优惠政策等不完善，导致金融机构为降低自身经营风险，在推行普惠金融服务过程中金融排斥现象明显，其积极性和主动性有待提升。

第五大难题：来自“基础设施”层面的挑战，即普惠金融面临基础设施落后的尴尬境地。普惠金融风险管理成效依赖于普惠金融基础设施建设的完备程度。普惠金融基础设施主要包括普惠信用体系、普惠法律体系、普惠监管体系等。在普惠信用体系方面，“信息孤岛”现象凸显，长尾弱势群体用户的信用意识和信用基础非常薄弱，不利于普惠金融机构的风险评估和预测；在普惠法律体系方面，法律法规对普惠金融业务边界的明晰程度决定了金融机构的普惠发展模式和创新思路；在普惠监管体系方面，具体的普惠监管政策和方向尚不明朗，增加了市场不定性和政策风险，阻碍了金融机构参与的积极性。(www.xing528.com)

（三）灵丹妙药：在信贷均衡策略中寻求“风险可控”下的稳健经营之道

商业银行在充分厘清并掌握普惠金融风险的运行特点，明确普惠金融风险的管理难点的基础上，对症下药，以“信贷均衡”的策略，实现风险的有效管理，从而确保普惠金融发展的商业可持续性。从信贷对策上讲，信贷的均衡投放不是平均投放，而是依据经济运行的实际需求来把控信贷投放的数量与节奏，使信贷市场达到供求均衡。这里的均衡既指总量的均衡，即信贷投放的总量与经济社会的有效需求达到均衡，确保市场上有适度的货币量；也指结构的均衡，即信贷投放结构与经济结构的合理需求达到均衡，确保经济有效率地运行。所以，信贷投放均衡与否，不能简单地用总量或算术平均数来判断，其不仅要看信贷投放的数量、投放的时间，更要看投放的对象、投放的领域、投放的效率。均衡的信贷投放就是要把有限的信贷资金投向资金最短缺的行业和领域，不仅要达到总量的均衡，还要实现结构的优化。从某种意义上讲，普惠金融视角上的信贷均衡策略，就是要把有限的信贷资源通过政策倾斜的方式，让更多地小微企业得到信贷资金的支持，实现“普惠金融”政策支持下的“雨露均沾”。

1.大前提：“风险可控”下的小企业普惠金融信贷实践

商业银行可以针对小企业信贷经营中存在的诸多风险点进行清单式的罗列，开展信贷风险预警机制的建设。例如，银行经过梳理可以得到常见的小企业信贷业务的风险点包括如下几点：（1）企业的不良征信记录。商业银行需要重点分析企业的欠息情况、贷款分类情况等内容。（2）诉讼。商业银行需要关注企业是否涉及诉讼问题，在诉讼关系中是处于原告还是被告？（3）非法集资、小额贷款公司贷款、担保链问题。（4）企业是否涉及黑社会活动或者是否属于恶势力范畴？（5）企业是否存在环保及安监方面的风险隐患。（6）用电情况。如果企业用电量明显大幅度下降，商业银行需要进一步核实企业的经营情况。（7）产能过剩、结构调整问题。对此，商业银行需要重点关注企业是否涉及房地产经营问题。（8）企业的经营是否多元化？例如，澳柯玛的“非相关多元化”经营风险案例。（9）应收账款账龄较长或过度集中。例如，四川长虹的“海外应收账款”风险案例。（10）企业是否过度授信？（11）关联企业多。（12）小企业普遍存在的散、乱、污等问题。（13）实际控制人的个人“品质”因素：黄、赌、毒；高利贷、非法集资；黑社会、恶势力；个人不良征信记录；家庭、健康情况，需要外围了解；个人涉诉情况等。

针对企业的风险预警问题，商业银行需要通过多种渠道进行小企业的“软信息”和“硬信息”的整合与分析。例如，（1）政府信息平台（工商、税务、环保、公安、法院等系统的信息整合）。（2）银行征信。（3）电商平台企业的流量信用。百信征信。前海征信、91征信（民间小额贷款信息）、360征信（网络赌博）等。

商业银行除了常规的信贷分析技术，还要认识到科学运用大数据挖掘技术进行金融风险管理是整个金融业的发展趋势，普惠金融也不例外。随着供求主体的日渐增多，普惠的深度和广度不断加深，源数据积累速度将呈几何倍数增长，为大数据风控挖掘提供了基础。依托海量数据，借助大数据挖掘技术分析客户的信用状况，通过大数据分析把握好风险预测，将发展普惠金融的风险管理不断前移，从而有效提升风险控制能力。普惠金融实现大数据风控需要树立大数据思维、构建大数据风控模型、加大大数据研发投入。（1）树立大数据风控思维。普惠金融提供商需对大数据在风险管理中的潜力有充分的认识，大数据挖掘与处理技术的广泛应用将加快信息数据处理，降低普惠运营成本和金融风险。（2）构建大数据风控模型设计。将繁冗的数据标准化、结构化并转化成有效的风险维度指标，构建出普惠客户的风险模型并不断进行修正，直接形成对客户的风险定价以及风险管理策略。（3）加大大数据挖掘技术研发投入。商业银行既要加大对大数据挖掘技术的财力投入力度，也要加大培养和引进大数据人才。

2.“两增两控”下的信贷发展策略

商业银行需要搞清楚普惠金融的目标客户在哪里？往哪里投放贷款？例如，沧州地区政府确定的“18+7”重点产业集群。商业银行可以按目前产业集群的经营情况进行排序，主要包括行业地位、销售收入、政府重视程度、政策影响程度、固定资产投资、龙头企业、科研新产品、园区服务平台（保障）、行业研发中心。商业银行要积极开展以普惠金融小企业客户为中心的“客户+”活动：科技型企业、出口型企业等企业群体。商业银行针对存量的产业集群客户可以进行客户回采工作。商业银行可以积极开展银税互动，大力拓展当地的纳税大户。商业银行可以大力开展“1+N”链式营销，例如医疗企业。银行可以针对小的结算类客户开展有针对性地普惠金融信贷服务。

商业银行开展小企业普惠金融信贷业务如何批量获客？（1）工商联、商会。商业银行要积极跟工商联、商会建立合作协议，抓商会长的营销工作。（4）商务局。商业银行营销小企业的外汇资本注册。（3）税务局：商业银行可以大力拓展A级诚信企业的普惠金融业务。（5）1+N：例如，沧州地区的中心医院的上游客户等。

3.普惠金融政策下的贷款定价策略

2013年7月19日，央行正式宣布全面放开贷款利率管制，利率市场化进程加快，为商业银行对小微企业实现差异化的贷款定价提供了市场基础和政策条件。在利率市场化的影响下，商业银行的贷款定价需要在风险评估和计量核算的基础上实施差异化定价行为。申言之，贷款定价不仅需要遵从收益覆盖成本的原则，也要使所定的贷款利率大于或等于最低目标利率。贷款利率是贷款价格的主要组成要素，而贷款价格还包括贷款承诺费、贷款服务费、提前偿还、逾期罚款等要素。在利率市场化下，各商业银行要结合信用风险、贷款时间、成本和运营费用等因素来确定客户给银行带来的综合收益。因此，银行必须对客户的风险状况进行深入了解，以合理确定违约成本，把握收益水平，促使银行相关部门紧盯贷款市场运行状况。另一方面，利率市场化后，银行在建立了贷款定价模型并定价后，也会将定价原理及模型运用到新的金融产品中去，用科学合理的方法来配置资源，提高收益。2018年7月17日，中国银保监会要求大中型银行要加大普惠金融小企业的信贷投放力度，带动小微企业贷款利率明显下降。在普惠金融政策的要求下，商业银行针对普惠金融口径的小企业贷款都规定了优惠利率，以进一步降低小企业的融资成本。商业银行的贷款定价策略坚持细化管理的原则。例如，贷款产品定价要与风险缓释程度匹配。银行要关注政府、税务、社会对贷款企业的评价，进而动态调整小企业的定价水平。

【信贷反思录】商业银行如何科学发展普惠金融？