刘新海:中国企业征信的困局和出路

2019-07-24 13:42:38 围观 : 51

  第二方面是数据维度的创新,企业的数据维度比较高,因为企业比较复杂,同时企业的贷款量比较大,或者商业的应收帐款比较大,所以需要评估企业的风险。如果维度高,企业也愿意买单,因为风险比个人信贷风险高一点。我们刚才说了中国的企业信贷数据比较少,而且央行征信数据垄断,你很难获得。中国的财务数据又不可靠,我们有很多其他的经济数据,而且这些经济数据其实是可以获得的。比如电力数据、税务数据、电信数据、遥感数据,这些数据都可以来加工,起码可以生成一些指标,如果整合起来效果就会更好一些。

  第一是创新,第二是聚焦。首先企业征信规模,按照传统的说法不是特别大,但是如果跟行业和新兴互联网经济场景,还有大数据技术结合的话,我觉得场景更多一点,因为中国的市场非常大,而且数字经济不断的发展。首先就是模型上做创新,信用分析模型上。

  还有服务模式的创新。美国有一个小微企业征信,他解决小微企业融资难融资贵的问题,利用网站和APP向企业提供信用服务,还可以利用自助式的工具,给企业推进合适的金融产品,基于小微企业的信用状况预测通过率,目前已经和40家顶级的企业信贷机构和信用卡机构合作,而且效果还挺好的,使很多企业主获得信贷批准的可能性增加41%,这也是更加主动更加利用互联网,一种商业模式的创新。

  还有聚焦行业、聚焦区域和聚焦商业环境。其实我们征信模式要把它的精髓抓到,它其实就是互联网经济下信息共享的模式,分散的信息没有用,整合的信息才有用。这样需要采集信息、验证信息提供服务,制定大家能够信息共享的游戏规则,这其实是行业协会一个非常好的抓手,可以做成一个小量级的企业征信机构,这是非常好的起点。

  另外一个方法是企业分析风险,在中国考虑中国特色就是关联分析,刚才说征信系统三个最重要的产品,其中第三就是关联分析,为什么出这个产品?这是因为破一些金融大案,这些企业非常复杂,但是交到征信中心可以做破案。最早金融诈骗主要在银行骗钱,当然现在比较复杂了。传统的框架企业分析是基于财务数据,基于企业的特征描述,国外欧美有一些模型,但这些单体模型拿到中国,本土化还是挺困难的。这些模型本身有缺陷,就像一个人感冒,可以是自身造成的,但是同时也有可能是感染,特别是中国往往家族企业、集团企业,它有各种各样的关联。在中国的信贷市场五分之一的信贷担保就是企业的互相担保,当然还有其他的关联,央行征信系统有33种关联,当然这个关联还可以再进行定义,这种关联也是一种风险,需要建立新的模型,这样的话对企业的风险做更好的量化,更好的全面评价。