閆文濤：大數據徵信對消費金融ABS的重要性 | 金融高管會

資產支持證券化簡稱ABS，有了它，消費金融公司不用上市，金錢也能滾滾來。

隨著國家對金融監管的加碼，無論是銀行、互金，還是融資租賃公司，大家每天都在思索如何更好、更快、更穩定的生存和發展。

基於此背景，金融高管會-資金合作對接會8月18日在京舉辦，中誠信徵信總經理閆文濤受邀出席，並發表主題演講《大數據徵信對消費金融ABS的重要性》。

圖為：中誠信徵信總經理閆文濤

【以下為中誠信徵信總經理閆文濤演講】

首先，大家都有所了解，在資產證券化領域，之前中介機構裡面是沒有徵信公司的。其次，而大家提到中誠信，第一想到的是中誠信評級公司。

在此，簡單給大家介紹一下中誠信集團。中誠信集團下面有資本市場上最大的評級公司（即中誠信評級），目前在國內資本市場上超過一半以上的資產證券化評級業務是由中誠信評級來評的。

我們中誠信徵信公司與評級公司是兄弟公司，目前中誠信徵信包括兩塊業務，一個企業徵信（第一家獲得企業徵信牌照的徵信機構），同時也是央行批准首批獲准開展個人徵信業務準備工作的8家徵信機構之一。

前面演講中有提到資產證券化領域有券商、信託、律師等等，但沒有徵信類公司，徵信公司可以說在資產證券化領域屬於一個嶄新的角色，而我今天主要與大家分享交流徵信公司是怎樣融入到消費金融資產證券化領域，在裡面起到什麼樣的作用。

圖為：活動現場掠影

信息不對稱的問題是在消費金融資產證券化裡面表現是非常明顯的。

一方面，對於投資人來說，一個資產包能動則幾千筆甚至上萬筆，而對於現金貸資產證券化則幾十萬筆，那麼在這裡面資金方和投資人首先面臨的問題是沒有那麼大IT能力，把一些資產包幾萬甚至幾十萬筆的資產進行開包檢驗。另一方面，那麼即使有這種IT能力，但是他也沒有辦法準確判斷這些資產幾萬筆甚至幾十萬筆的底層資產信用到底是一個什麼樣的水平；即使目前投資者想投，但是又覺得這裡面底層資產「看不清、管不住」，難以管理投資風險，這是目前面臨的一個最大問題。第二，有許多擁有優質資產的公司，這些公司可能主體信用不高，大家可以看到很多這些除了持牌以外的，類似像京東、阿里等，大家可能覺得這些機構很大，出於聲譽風險，大機構不會允許他們發行的ABS產品違約，還是信仰這些主體信用高的機構兜底。其實現在大家看資產證券化產品並沒有從資產本身的信用出發，而是更多的看到的資產的發起人是誰，就直接買進了，不在具體對底層資產層面進行詳細分析。

其實這裡面存在著兩個風險，第一是道德風險，可能這些資產方有這種動力，去把資產的真實信用風險隱瞞，可能他自己為了融資的目的，把這些資產說的很好。雖然他說的很好，但資金方沒有這個IT能力，並不具備這種大數據的真實分析驗證能力，包括他開發檢驗整個資產的真實性的核驗能力。

第二是專業分工不同。很多銀行或者是券商等這些資金方，他沒有這種專業的風控能力來進行開包的一個檢驗，我認為這是所有消費金融資產證券化裡面信息不對稱的一個很大的問題，這就比其他的，比如房貸、對公貸款等這些的信息不對稱程度更高。

我們可以系統的看下消費金融資產證券化鏈條，正常的一個資產證券化流程里，ABS投資人通過資金方，放給資產方，最後到達了借款人，這是一個信息流和資金流的雙向流動，消費金融資產證券化在我看來歸根到底是信息流和資金流的互通問題。

在這裡面ABS投資人與借款人的距離是最長的，在這個過程中，他的信息衰減程度也是最高的。在這種情況下ABS投資人大部分情況是看不清底層借款人的真實信用水平，因為他們離底層借款人的鏈條最長，進而導致信息流的衰竭程度也越來越高。信息流的衰竭程度越高，直接導致資金傳導的效率就越低。資金的效率低下導致首先是融不到錢，其次是即使是融到錢，因為信息不對稱，也要付出更多的成本。（因為信息不對稱，資金方的要價比較高；這就是我們徵信公司要解決的一個問題。

圖為：金融高管會部分參會嘉賓合影

我們在8月初開發了針對於消費金融ABS的資產交易智能掃描平台（AXIS），我們徵信公司在消費金融ABS裡面起到的是一個大數據信息服務商的角色，主要有如下作用：

第一、利用我的大數據能力來逐筆掃描每筆資產的信用情況，並對這些底層資產信用給一個精準的信用評估，甚至最後讓資金方能夠清楚地看到底層資產的每一筆信用，它到底是怎麼樣的，它每筆資產信用到底是多少分，我們現在對每個場景都有不同的分數。

第二、充分應用我們徵信公司客觀、獨立、第三方的徵信大數據，利用這些真實的數據和資產方提供的數據進行交叉檢驗，交叉對比，然後來判斷這個資產方到底的你的風控水平怎麼樣，你的借款人的信用到底怎麼樣？把這些底層資產的信用信息全部披露出來，那麼這些潛在的風險可以陽光化。把信息做到陽光化，把產品做到標準化。那麼正是在這種情況下，信息更順暢，潛在風險更加的透明化，未來資金方對你的收益要求也就更低了。因為資金方對你的這個資產更加放心了，這也是我們徵信公司在此起到的作用。

我們的大數據方法論採用的是我們第三方的徵信數據、申請數據、平台獲取數據等等，然後在此基礎上利用機器學習技術，加上我們對於信用的理解，結合具體的場景來進行一個定製化的建模。在pre-ABS階段我們對於底層資產的信用評估我們主要做了哪些方面？

在pre-ABS階段，我們用的是資產方提供的這些統計樣本的一個分布數據，再加上第三方數據的一個統計分布，結合起來得到這個單筆資產的違約概率，違約時間分布，違約損失率等等進而獲得它的預期損失。然後由眾多單筆的預期損失擬合資產包整體的預期損失，那麼最後對應的ABS階段評級分層，得到一個優先順序的凈現金流，夾層的凈現金流和劣後級的凈現金流；分別對應它每一個收益率和收益水平。這是我們在參與的pre-ABS階段裡面的一些效果。

總結來看，我們徵信公司參與消費金融ABS主要有四項流程：

第一、用徵信的大數據對資產方提供的數據進行交叉檢驗。

第二、在交叉檢驗的基礎上進行風控建模，針對每一個公司進行定製化建模。這也是我們對於未來的消費金融行業趨勢的判斷，未來整個消費金融公司它的風控會越來越精細化、更加定製化。比如我們公司在現金貸領域有一個行業模型，車貸領域有一個車貸模型，針對於每一個企業我要把行業模型與這個企業歷史數據進行碰撞，針對於這個企業得到一個更精準的風控模型，把風控做的更精細化。

第三、我們會在存續期內每個月出一個信息披露報告。加強信息披露，把底層資產更全面的信息給披露出來。

第四、通過我們對資產包的大數據徵信達到間接「增信」的效果，進而打通資產端和資金端，最終降低融資成本。