中小银行普惠金融业务信用风险管理调研与改进建议

黎菁 邵丹青

提升中小银行的信用风险管理水平对于我国普惠金融的可持续发展至关重要。本文基于作者对我国不同地域、不同类型的5家中小银行进行的深入调研，分析总结了中小银行信用风险管理的现状与主要挑战，并从中小银行内部能力提升与外部环境改善两个方面提出了针对性建议。

在国家政策的引导和支持下，我国的普惠金融多年来取得了长足的发展。政策性银行与大型国有银行在普惠金融领域的投入与贡献不断提升，但是中小银行当前与未来仍是提供普惠金融服务的主力军。然而，许多中小银行由于信用风险管理能力不足，面临违约率偏高、盈利能力低等问题的制约，难以充分和有效地发挥其支持小微企业、个体工商户和农户等普惠金融重点支持群体的作用。因此，提升中小银行的信用风险管理水平对于我国普惠金融的可持续发展至关重要。为了提升中小银行的信用风险管理水平的认识，笔者对我国不同地域、不同类型的5家中小银行进行了深入调研，分析总结了中小银行信用风险管理的现状与主要挑战，并分别从中小银行内部能力提升与外部环境改善两个方面提出了针对性建议。

调研背景

根据人民银行的口径，中小银行包括两类机构：一类是农村信用社、农村商业银行（以下简称“农商行”）、农村合作银行、村镇银行等农村金融机构；另一类是仅在省级行政区域内经营的城市商业银行（以下简称“城商行”）。

虽然包括中小银行在内的各类银行近年来普惠金融服务规模不断扩大，但是小微企业、个体工商户、农户等群体的合理融资需求仍未得到充分满足，长期面临融资难、融资贵的问题，同时中小银行的不良率相较大型银行也长期处于较高水平，面临较大的生存与发展压力。其中，中小银行的信用风险管理能力不足是重要制约因素。

信用风险管理能力不足一方面导致中小银行无法充分利用政府与监管机构的普惠金融政策，为小微企业、个体工商户与农户等群体提供合理定价的优惠性资金支持，损害普惠金融政策的传导与效果；另一方面也导致部分中小银行的贷款违约率高于监管要求（5%）。

针对此问题，笔者对5家中小银行进行了信用风险管理方面的实地调研，以期深入了解中小银行普惠金融服务的现状，重点分析中小银行在信用风险管理方面的挑战。

这5家被调研银行包括农商行、城商行和民营银行等不同类型的中小银行机构，地域分布上覆盖东南沿海、中部地区以及华北地区，资产规模上也有一定差异，从100亿元左右到2000多亿元不等（如表1所示）。

被调研银行的普惠金融业务及贷款不良率的基本情况

5家被调研中小银行的主要客户类型均属于小微企业、小微企业主、个体工商户及农户等普惠金融重点支持群体，同时各家银行的主要客户类型及客户所属行业有所不同。其中，4家银行设立了普惠金融相关事业部，具体名称略有不同。该类部门主要负责全行普惠业务的战略规划、业务发展及统筹管理，同时在风险管理方面，与风控部门和（或）信贷审批部门进行协作。被调研银行5虽未专门设立普惠金融事业部，但设立了微贷中心。被调研银行的普惠金融业务基本信息如表2所示。

在不良率方面，5家被调研银行的总体不良率（按户数）范围在2.15%～5%之间，按金额的总体不良率范围在1.04%～1.81%。各家银行的总体不良率、各类普惠贷款的不良率如表3所示。各家调研银行的信用风险管理水平存在一定差异，且部分银行面临某一类型客户违约金额较大的挑战。

被调研银行信用风险管理的主要挑战

笔者在调研中了解到，被调研银行在信用风险管理方面的挑战大部分是共性的问题，此外也有一些因为区域、成立时间、战略定位等差异导致的个性问题。其中，共性问题主要集中在数据基础和信用风险管理能力两个方面。

共性问题

数据基础方面，一是农户信息存在非标准化、不全面和不准确的问题。银行使用的农户信息，除了农户在行内的贷款及信用记录之外，一般通过客户经理进行实地调研和访谈，包括依托村集体组织，获取农户的资产负债信息、收入情况及可能对偿债能力有负面影响的信息。但客户经理获取的农户信息是非标准化的，往往个体差异很大，且因为高度依赖客户经理的专业能力而存在不全面和不准确的问题。例如，房产抵押物是偿债能力的重要保证，但是客户经理在准确评估农户的房产价值方面面临较大困难。二是非财务数据获取成本高，相关数据清洗、挖掘与分析的人力不足。除了传统的财务数据，调研银行也都开始关注非财务数据，但在实践中面临不少问题。首先，非财务数据的获取需要当地工商、税务、司法、环保等多个部门的支持，若没有當地政府部门进行协同且为金融机构提供相关的大数据平台，单家金融机构获取相关数据的成本很大；其次，原始的非财务数据往往是量大且非标的，银行拿到原始数据后须进行的数据清洗工作需要大量人力；最后，挖掘非财务数据对于银行信用风险管理的价值并真正纳入分析框架和模型，需要银行具备数据挖掘、分析及建模的专业能力，这也是目前各家被调研银行非常欠缺的。

信用风险管理能力方面，一是信用风险模型研发能力不足，定量模型缺失或适用性不强。例如，农商行的信贷管理，包括贷前客户评级，主要通过省联社的系统进行。但是由于缺乏模型方面的专业能力，被调研银行4自2011年开始使用省联社的贷前客户评级模型以来，从未根据银行自身情况对模型进行调整（如调整权重系数等）。又如，被调研银行5通过与外部金融科技企业合作，开发了针对小微企业的客户评级模型，但模型适用性不强导致难以落地。此外，所有被调研银行都没有针对小微企业的违约概率模型以及针对农户的信用风险量化分析方法，部分银行只有简单的分类。二是贷后管理不足。其中，被调研银行中的农商行是通过省联社信贷管理系统中的风险预警板块进行贷后管理，但存在反馈较慢的问题，因此未能很好地起到及时发现客户的信用风险从而避免或降低银行损失的作用。其他被调研银行的贷后风险管理则主要通过看客户的交易信息（包括交易流水和交易对手等）以及资金用途是否合规来进行，存在适用范围有限以及信息不全面的问题。 三是省联社提升农商行风险管理水平的作用不充分。农商行和农村信用社受省联社管理，省联社的管理水平直接影响农商行的信用风险管理水平。笔者在调研中了解到，在操作层面，各地省联社的管理水平差别较大，市场化程度不一。对于省联社开发的信用风险管理模型，被调研银行的风控和信贷部门对解模型原理和应用认识有限，也不确定模型开发后是否有更新，降低了模型的使用效率。

非共性问题

非共性问题主要涉及银行的地理区位、成立时间和战略定位等因素。例如，被调研银行4由于所在城市的产业结构中房地产占较大比例，其客户的行业分布也在房地产相关领域有较大集中，因此在房地产宏观调控政策以及当地产业发展周期的大背景下，银行担心该领域的存量业务存在较大的信用风险。又如，被调研银行2由于成立时间较短导致数据积累不够，给基于历史数据进行建模及贷中、贷后管理造成很大障碍，只能依赖专家意见。再如，被调研银行3较早地将环境相关“绿色”因素纳入了银行的贷款管理流程，但目前仅根据绿色因素进行信用评分的调加，而在绿色因素如何科学地纳入客户信用风险分析和管理方面仍十分欠缺。被调研银行5的客户群体非常多样化，尽管客户中包括上市公司等大型企业，但中小微企业数较多，因此对进一步精细化对中小微企业的信用风险管理有较强需求。

综上所述，被调研银行在信用风险管理方面的共性与非共性挑战如表4所示。

结论与建议

目前，我国中小银行信用风险管理水平欠缺、违约率整体偏高，既有内部因素，也有外部因素。基于对不同地域、不同类型的5家中小银行的实地调研，本部分总结了我国中小银行在信用风险管理方面面临的主要挑战，并提出针对性建议。

内部因素与改进建议

中小银行信用风险管理不足的内部因素主要包括：一是数据收集的标准不明确，数据处理过程的效率与准确率不高，可得数据未得到充分利用；二是信用风险分析与管理的模型研发能力不足；三是贷后管理不足。

针对以上内部问题与瓶颈，笔者分别从完善数据基础和提升信用风险管理能力两个方面提出以下建议：

完善数据基础方面，一是采用多种方法加强数据清理和数据积累。数据质量差、有效样本数量小是中小银行信用评价系统无法有效工作的重要原因。因此，建议中小银行加强数据清洗和数据积累，具体包括：1. 充分了解对本银行信用风险最重要的几大指标，并明确数据要求和标准，运用多种来源核实数据的真实性，尽量减少数据输入过程中的错误；2. 考虑自变量与因变量之间的非线性关系，剔除某些自变量的极端值，或者给某些变量设置上下限； 3. 建立覆盖较长时间段的数据库，扩大有效样本数。二是充分利用地方政府平台提供的非财务数据（如：环境处罚数据、污染排放数据、安全生产情况、税务、法院涉诉数据等）对企业财务信息进行补充。有关文献研究表明，企业的ESG（即环境、社会和公司治理）表现与企业信用风险成反比。湖州“绿信通”绿色融资主体ESG评价模型的案例实践表明，ESG数据有助于提高信用風险分析对于违约概率的预测能力。

提升信用风险管理能力方面，一是处于不同阶段的中小银行可以采取不同的技术路径来完善信用风险评价体系。信用风险的识别和评价，是随着数据的可得、需求的变化而不断变化的。量化分析经验较少的银行，可以先从统计分析开始，逐步提高对于财务指标（以及非财务指标）和违约概率相关性的了解。已有统计分析和逻辑回归模型分析经验的银行，在数据量能够满足的前提下，可以尝试大数据和机器学习等方法。二是针对不同的信贷品种设定针对性的信用风险管理措施。例如，针对个人生产经营类贷款，除了提升针对小微企业主各项经营数据真实性的系统验证能力之外，还需深入分析客户的经营管理模式、交易结算周期和资金需求特点等，统筹考虑客户的实际融资需求与债务偿还能力、经营性现金流的匹配情况，合理确定经营性贷款授信总量；对个人经营性保证贷款进行严格控制，谨慎办理互保、联保方式信贷业务；定期开展专项治理，重点核查是否存在关联保证、互保关系，是否涉及担保圈风险。针对个人消费类贷款，则需提升交叉授信风险管控，建立个人消费信贷与经营性信贷、信用卡等其他业务贷前授信交叉监查机制，避免交叉授信、多头授信引起共债风险。针对信用卡透支，在营销发卡环节，建议通过有效的内部评分卡和银行准入机制的筛查，对风险评价结果较差的客户开展合规营销，有效降低信用风险；提升信用卡线上系统的安全性，主要包括客户的隐私数据保护以及应用程序系统的性能安全。

外部因素与改进建议

中小银行信用风险管理不足的外部因素主要包括：一是外部的数据基础设施有待完善，例如，地方政府的大数据平台；二是省联社对于农商行（农信社）信用风险管理的支持与提升作用不足；三是地方政府过度干预对银行的信用风险管理造成干扰。针对以上外部因素，可以考虑从以下几个方面改善中小银行信用风险管理的外部环境：

一是地方政府构建企业与个人的综合大数据平台，便利当地中小银行获取服务对象的非财务数据。针对小微企业和个人客户普遍存在的信用数据缺失、抵质押物不足等情况，建议地方政府协调各有关部门，在法律法规允许的范围内，构建有利于数字普惠金融健康发展的信用生态环境。地方政府应规范数据交易市场，打破数据的分割和垄断，使分散在不同政府部门、行业机构和企业手中大量有价值的数据发挥作用。建议地方政府着力整合税务、工商、海关、司法、电力等部门的多维数据，为中小银行的信用风险管理提供有力的数据补充，也为小微企业和个人客户进行有效增信，充分发挥非财务（如ESG）数据在信用风险管理中的作用。

二是充分发挥省联社在协调和加强辖内农商行（农信社）信用风险管理方面的作用。建议省联社进一步通过将辖内农商行和农信社（行社）紧密连接，以更好达到共同抵御风险、扶持互助的作用。包括：1. 通过数据共享扩大行社的数据库规模以满足建模要求，并通过模型参数调整以提高模型的适用性。由于行社自身规模有限，很难通过自身数据库来搭建信用评级模型。但是扩展到联社层面，就有数十家乃至近百家农商银行或联社机构可以通过数据共享弥补数据量不足的问题，从而搭建信用评级模型，再根据各家行社的不同情况进行区组划分，设置符合各家银行情况的模型参数，从而使得每一家行社的模型尽量符合自身的特点与实际情况。2. 提升行社的信息化程度。行社由于其自身单个体量小，业务量有限，存在大量的手工线下操作的业务，而省联社则可以在全省范围内统一采购系统，各家行社分别接入。对于每家行社而言，开发过程中的支持支出及每年的维护支出大幅度减少，进一步提升了信息系统化程度。3. 提升行社信用风险管理的专业水平。省联社可通过定期提供技术指导及支持，组织各家行社的同事共同组建信用风险管理工作组与外部咨询机构对接，有利于各行社的同事接触更多的第三方机构及开拓眼界，提升专业水平能力。

三是地方政府正确实施对于地方中小银行的影响，减少不当干预。城商行和农商行的业务范围一般限于省内或县内，地方政府的影响相对较大。地方政府作为城商行和农商行的大股东，拥有对城商行和农商行的高管的人事任免权，进而在中小银行的公司治理和重大项目贷款等事项上具有实质性的干预权力，影响银行的信用风险管理。地方政府正确实施对于中小银行的影响在高度市场化的金融市场尤为重要。减少地方政府干预在一定程度上有利于提高利率弹性和资金效率，有利于推动中小银行改善信用风险管理水平。

（黎菁为清华大学国家金融研究院绿色金融研究中心高级研究专员，邵丹青为北京大学国家发展研究院宏观与绿色金融实验室中级研究专员。本文内容整理自中英繁荣基金“中国金融服务”普惠金融主题子项目的部分成果，作者感谢北京绿色金融与可持续发展研究院院长马骏、资深研究员赵钢柱对本课题的指导与建议，同时感谢被调研银行对调研工作的支持。本文编辑/孙世选）