【小微租賃系列二】小微租賃與金融科技的結合
欄目:行業資訊 發布時間:2019-04-16
分享到:
金融科技與風控的結合,要建置量化風險模型和與之對應的組織架構,小微因案件分散,財務杠桿需要更高的資金池運作的能力,初入的門檻實比一般項目來的高,但一旦做好量化信用風險管理,將會有效降低作業成本,

作者: 賴以涵,2006年在仲利國際于臺灣母公司從基層業務開始,2012年外派大陸,輪調內地,2015年到仲利總部上海分公司,一直到2017年到某陸資公司建設團隊,在多種團隊背景的磨合中,成功實踐小微租賃,10多年專注小微租賃,從實操中總結經驗,擅長信用風險管理與小微租賃頂層設計。現在為中小微戰略咨詢、量化風險模型與頂層設計師、講師、特約研究員與顧問。


金融科技與風控的結合,要建置量化風險模型和與之對應的組織架構,小微因案件分散,財務杠桿需要更高的資金池運作的能力,初入的門檻實比一般項目來的高,但一旦做好量化信用風險管理,將會有效降低作業成本,增加小微人均管理資產,并建立護城河,獲得可持續的可觀利潤。一般來說小微企業因無場景依托,風險控制的做法將會有別于一般TO C業務,難度也更高。


為什么要運用風險模型?


小微的痛點為作業成本與風險的關系,小微高度信息不對稱,但資產易穿透,用手工慢慢做都能做好業務,目前現行大部分租賃公司是依靠有豐富經驗的主管批核,或許個案會比較準確,但是不能復制及不易傳承,耗時效率不佳,要擴大業務規模會有局限。用數據來替代經驗,用標準化的流程來實現批量化的操作。信息數字化,決策流程數位化,以「模型」與個人專家并行,學習運用模型才是最好的營運模式。在市場亦有先例,專注在小微的租賃公司,雖然資產規模只有其它龍頭租賃公司的十分之一,但營業收入等量,ROE更是長期維持在20%以上。


 大數據風控要做什么跟可以做到什么呢?   


以實務經驗來說,小微產品上規模仍有幾種方法可參考,可根據客群設定與產品的不同而有所不同。雖然小微大多獲客是依屬地化,但在做數據分析時是首先按細分行業做縱向分類所屬行業,并依次將譬如包括但不限于報稅銷售額、銷售結構、供應商結構、財務信息、上下游信息,銀行給予的授信額度做數字化信息入庫。在資產組合管理視角上雖然強調要盡量產業分散,避免相當數量的資產具有相似的風險特征,但每種產業都有其各自的營業周期,做產業分析還是有其重要性。

 

這里稍微解釋一下與違約因子有關的五大構面,從這五大構面可以勾勒出相關10-20個代理變數。包括經營能力、財務流動性、規模成長能力、公司償債能力、負債程度五個構面。在財務流動性分析上,因金融科技的參與,也做到了批量分析流水、稅務等等,取代重復勞動的人工作業。而軟性因子包括但不限于老板個人的消費習慣、保證人之背景與資力、也因金融科技與信用環境的成熟,相關因子有的已有數據源可參考,或可佐評等表將顯性因子做組合風模,如此種種做多維度的數據模型。在實務上,因小微企業的特性,一般在違約預測會以多種不同的數量分析做結合,再加上后續新案件修正與檢視模型,只要模型具一定穩定度,便是非常有效的工具。以臺灣經驗為例,風險模型是經過多年的產學研究合作建置的,評等好壞與違約率高低,經過超過10多年的檢驗相關度超過90%。

 

在小微上因為作業成本高,不只會注意型二誤差( Type Ⅰ Error)也很在意型一誤差(Type Ⅱ Error),型一誤差是指實際上為正常公司,但模型估計出來的結果卻被判別為違約公司。而型二誤差是指實際上有發生違約的公司,在模型估計出來的結果卻被判別為正常公司,過度保守猶如銀行的風控,違約案件檢討報告寫不完。

 

一般國際上在評估信用風險時常用的建模方法例如KMV或BSM理論依據較嚴謹,被多數業者采用,「Credit Metric」是以「遷移矩陣」推測「違約槪率」,這方法需要穩定的客戶評等,再加上大量且長期的評等遷移,才能推估較穩定的違約率。小微企業的基礎信息的準確度較不穩定,不易用此方式建模,較適合上市公司有穩定且長期的財務信息可取得,各種建置數量分析方法都有一些局限性,當決定于取得建模的樣本,以最適合的各種「數量方法」建置。


市場已成熟的數據分析經驗—"小小微”租賃、汽車金融為例


前次文章有提過,在風險定價的公式里,預期損失率(EL)牽涉了三個數字。

(1) 違約率(PD;Probability of Default)。

(2) 違約時曝險額(EAD;Exposure at Default)。

(3) 違約損失(LGD;Loss Given Default)

 

不同的金額與產品,會有不同的結構,就要搭配不同的線上與線下的比例,與之對應不同的組織架構。某些較為簡單的產品或較小的金額,線上審批就可以減少財務報表的硬信息。在風險模型的設計上也會更簡化因子。譬如以單案金額在50萬左右的小小微產品,雖然客群體質相對抗風險較弱,違約率較高,但因為作坊式的家庭工廠雖然可能因短期周轉問題而違約,但是繼續經營意愿大,且因相對金額不大,還款意愿高(向親友或民間借貸)以致于曝險較低,如果是做直租,資金用途明確,那么不良率就更低了,最后呈現的損失率與大金額的租賃就相差不大。所以這樣的產品,組織架構里中臺就相對更可批量審核,減輕作業成本。在產品結構的設計上會著重類擔保(非第二還款來源)、貸前重反欺詐,在組織架構上,貸后重即時催收。在人員薪酬設計的上也可更強調即時激勵,在合同的設計上也要更具彈性,惟在數據信息的接入方面,要盡可能地取得信息,例如人行訊息、稅務等等的訊息,現在許多銀行跟第三方征信公司合作的稅務貸方面的產品就是如此,如果無法批量的取得信息,也有可能因為金額太小,作業成本過高而難以獲利。批量取得并處理信息,亦是此業務最大的門檻,如果以純手工來說,可能150萬以下就算完全沒有不良也無法獲利,所以也有人會想,那是不是可以把金額做高一些,譬如以業務的角度,做100萬的案件與做1000萬的案件花的力氣一樣,會有沖動想往大案件靠攏,但值得注意的是,以實務經驗來說,金額一旦到了100萬以上,損失率的組成結構可能就完全不一樣了,如此一來組織架構與薪酬體系就必需相對應的做調整。


批量審核以汽車金融為例。因產品較為單純,加上資金用途明確,故一般來說會將審批線上化以節省作業成本。



 市場已成熟的數據分析經驗—小微產品為例


如果單件金額設定在一定金額以上,那么風險模型的設計也會有所不同,譬如在代理變數的設定里,財務分析就會相對重要。并且線上是無法完全取代人工,在線下仍具一定的人工作業,所以在薪酬與組織架構的設計上除了對客戶經理的激勵還要有相對的約束機制,也要有更完善且具彈性的組織架構設計,并將產品、決策流程、風險管理技術、包括業務、風控作業都要標準化、系統化,實現批量操作,賦能屬地化管理,小微適合的組織架構與團隊建置與運維,甚至崗位的職責也與大項目有所差異,在精細化管理方面,下次有機會討論。

 

小微難的是風險與作業成本的關系,譬如很多初入小微的風控,會很難決定風險因子的權重,在大項目里細節都是魔鬼,也有足夠的時間深挖,所以一般來說在小微會用到一致性交叉分析加快評估速度,風險因子人人都知道,都看的出來,但小微案件本身就是有瑕疵的,要求零瑕疵是不容易的,所以在小微里要怎么判斷瑕疵的影響度是不容易的,所以還是需要一定的經驗決定風險因子誰是相對重要,誰不是,更別說還要兼顧效率得要懂得取舍。所以很多來初入小微的風控會不由自主的不斷補各式各樣的資料來協助判斷,但通常的情況是資料愈要愈多卻愈無法判斷。所以運用模型的篩選客戶與系統化信用風險管理技術的重要性就不言而喻。


END



精品三级-老司机必备