The Applicative Development of Micro Credit Technology
小额信贷技术的主要流派 德国IPC模式
IPC信贷技术来自德国,在世界范围内广泛应用,主要包括三个维度的内容:一是如何进行信贷决策;二是信贷员如何做好单户调查分析;三是如何确保信贷员去履行他的职责。
在信贷决策方面,IPC模式的技术理念是:根据还款意愿、还款能力来决定是否放贷。相对于公司信贷, IPC更加注重对第一还款能力的分析,而不是抵押、担保等第二还款能力的索求;对于还款意愿,IPC更加注重对客户个人人品与家庭情况的分析。
尤努斯“穷人银行”模式
尤努斯“穷人银行”模式的源起,具有高度的社会责任情怀,可以说是为贫困人群度身定制的一种模式。在信审决策方面,尤努斯的“穷人银行”也是根据还款能力、还款意愿作为最根本的决策依据。由于贷款金额很低,客群更加低端,相对于IPC模式,该模式设计了操作更简易的产品与流程,其特殊之处有四点:以小组联保为主要担保方式,一般5人自愿组成一个小组,5~6个小组组成一个中心会议;客户群体主要为妇女,也并非完全排除男性参与,但强调妇女作为主要牵头人;具有较强的扶贫性质,额度相对更低、期限更长,连续为客户办理,直至脱贫;小组会议与中心会议制度。每周召开一次小组会,每半个月召开一次中心会,旨在让组员自我管理、传递信息、分摊成本。
评分卡模式
评分卡是用数据工具对个体按照真实 或设定的指标进行排序以示区分,从而保证决策行为客观一致;在信贷领域,主要用来判断借款人申请贷款是是否有能力遵守约定并按时偿还。信用评分在20世纪40年代就已经出现,但直到60年代才开始逐渐发展。由于信用评分需进行大量的数学计算,其普及与计算机发展水平具有直接联系。1980年之前,信用评分是美国的一项特权,大多数国家在同一时期仍然依靠传统的关系型贷款和风险评估流程。但在互联网、大数据技术已普遍应用的今天,建立评分卡的成本与技术难度已大幅降低。可以说,互联网时代的到来注定了评分卡技术的崛起。
在具体技术方法上,评分卡主要分为专家模型、数据驱动两种方式,或者二者相互结合。其中专家模型是指根据信贷人员的业务经验,主观挑选一些可能对违约概率具有显著影响的因素作为评分变量。数据驱动是指,完全按照某种算法,对样本数据进行数学运算以得出具备预测客户违约概率的模型。目前在数据驱动方式上,逻辑回归(Logistic Regression)由于可解释性较强、应用实践广,是银行业最为主流的方式;随着机器学习所需要的海量数据获取难度的降低,神经网络、随机森林等非参数的算法也被逐渐应用,由于这类算法缺乏透明度,但不需要对数据进行前提假设,在机制灵活的互联网金融平台使用相对较为广泛。
小额信贷技术在邮储银行的应用发展
截至2018年7月末,邮储银行个人经营性贷款结余5433亿元(按照人民银行 统计口径),占全国个人经营性贷款结余的5.59%;贷款结余及本年增量在15家主要商业银行中排名首位。而邮储银行个人经营性贷款的笔均发放金额仅为14万元,也充分说明了邮储银行小额信贷领域服务范围之广。
邮储银行于2007年开办小额贷款业务,经过十多年的实践历程,已形成了自己的小额信贷技术体系。主要可分为两个层面的技术内容:一是外部调查与信审决策技术;二是内部管理技术。
外部调查与信他审核决策技术
邮储银行早期开办小额贷款业务,利用信贷人员扎根基层的熟人社会优势,主要采用了IPC信贷技术,重视现场调查、与客户的话术交流以及搜集客户零散的经营单据。在分析还款能力方面,常用的手段是通过不同时间之间的逻辑关系、口述与纸质资料之间的逻辑关系、财务数据或生产信息本身之间的逻辑关系等,验证信息的一致性。例如,分别调查询问客户淡旺季的经营情况、全年的经营情况、近几天的经营情况,比对营业收入在不同时间段的逻辑关系是否合理;对于生产加工行业,通过给工人的月度绩效工资,反推整个工厂的当月产量。在分析还款意愿方面,常用手段是通过邻居、商铺管理方、熟人社会关系等对客户的信用情况进行侧面调查;在现场调查时,注意观察客户与家人的和睦性、家庭住所展示出的生活状态,分析与客户本人的资质特点是否相符。同时,引入了分期还款思维设计信贷产品。在IPC技术所普遍倡导的按月还款的基础上,邮储银行还设计了数月还息、数月还本的阶段性等额本息还款方