風控手札(一):從一件100萬元的騙貸案說起

大家好,這裡是豆老師的信貸風控自留地。文章同步發送微信公眾號:dlsjfk。從這篇文章開始,我將和大家分享一些從業以來關於信貸風控方面的見聞、趣事、經驗和技能,歡迎大家關注、轉發。

風控工作手札是一個系列,主要記錄從業以來複盤總結的經驗和學習的知識。每周一更,歡迎大家關注、轉發,也歡迎大家共同討論交流。


一、老K來了

2014年清明節剛過,豆老師接到客戶經理甩過來的一筆100萬元的貸款申請。申請人叫老K,2個擔保人,2套老房子做抵押,貸款用途流動資金周轉,為旺季備貨。客戶老K在本地經營酒水批發生意2年多,代理了1款啤酒和3款白酒的分銷。從提供的銀行流水上看每月的銷售數據尚可,財務報表瞥了一眼全是規規整整的數字,有個季度的甚至都不平,基本上就是糊弄一下銀行。當然,要求家庭式的小企業具備完整的治理結構和清晰的公司財務管理也是不現實的,通常法人和自然人的帳混在一起,財務頂多也就是會計出納搞定,報表還原的責任還得落在豆老師這樣的審批人員身上。搞清了基本主體和抽檢了一些單據後就直奔老K的公司。

老K的公司其實就是一間700平米的倉庫和外面的貨場,倉庫里隔了2間辦公室,一間說是財務室,其實主要用來收發貨物單據,各種單據發票凌亂地鎖在鐵皮櫃里、一間老K的辦公室,水泥地膩子牆鐵皮櫃配上紅木大班桌也是別有風味,桌上豎著黨旗和國旗,就差領導人合照了。老K介紹現場倉庫的啤酒存貨有4000多件,白酒有1500件。貨物整齊的碼在一起,簡單數了一下基本吻合;抽了部分上級經銷商和廠家的發貨單據的進貨時間對比了批次沒有問題;再從財務室拿了發貨單據和收款記錄看了下回款賬期和下遊客戶,比對核查了自送物流的加油票,複印了些單據,和現場的工人交談了一些經營情況,感覺企業問題不大,一套流程走下來也到了中午。老K自然盛情地安排了午餐,期間江河野鮮,觥籌交錯。宴畢再去倉庫照了些照片,收了一些單據就回單位準備報告了。在回去的路上整理了下思路:老K的貸款原因比較清晰,存貨的周轉次數與應收賬款的賬期剛好對應,正常經營的情況下不應該存在貸款需求,而今年擴大了銷售額,同時4月份比同期更熱,在季節銜接處需要1筆資金提前備貨。接下來的調查就準備沿著這個思路去驗證核實。

二、貓膩初現

副食酒水類流通企業的貸款用途通常是因為季節性因素。比如老K的企業,夏天賣啤酒,冬天賣白酒,通過不同的季節性酒類來對沖淡旺季的銷售風險。而由於競爭激烈和議價能力低下,通常上級經銷商和酒廠需要現款,下遊客戶按周期結算,於是就會產生較大的應收缺口,每到季節轉換時,難免遇到下游還未結款,又急需向上游付款壓貨的情況。所以此類企業最大的經營性風險就是:

1、應收賬款過多以及質量低下導致資金鏈斷裂的風險。

2、存貨周轉次數過低導致資金利用率低從而降低整體的ROA。

比如說,老K的企業投入100萬元進貨,毛利率5%,周轉1次就是105萬元現金,那麼下一次就可以投入105萬元進貨,回款110.25萬元現金。如果在此過程中,只收到10.25萬元現金,100萬元的應收賬款,企業就只能再投入10.25萬元進貨,毛利率和銷售都會受到極大的影響;另外,如果100萬元在1年時間可以周轉10次,那麼銷售額就是1000萬,如果因為產品滯銷或者應收賬款擠壓下降到5次,銷售額就變為500萬元,利潤率就會發生嚴重地下降,導致本就脆弱的現金流發生斷裂。

如圖1.1示意,該企業周轉周期約為60天,應收賬期約60天,現金收入由於有應收賬款的存在使得賬上可調用資金減少,大量資產以應收賬款和存貨的方式呈現,如果遇到應收賬款周轉下降,情況還會更加極端。當軋差為負的時候,客戶就會存在貸款需求。

圖1.1會計收入與現金收入

回到老K身上來,重點就是還原他的現金流和應收賬款質量。首先豆老師將銀行流水全部錄入到EXCEL中,這裡豆老師給大家介紹一個方法:本福德定律(Benford』s Law)。這個方法通常審計上用得比較多,應用場景也比較廣闊,簡單來說就是數據具備一定數量的情況下,可以統計每個數字(1-9)出現的頻率來發現是否有人工修飾的痕迹。

1.2本福德概率表

但該方法在實際應用時,還需要考慮到規律性的影響,前文介紹到老K的銷售是有淡旺季的(啤酒白酒分開核算),所以只能取一個周期的數字分別去驗證。驗證結果如下:

1.3本福德對照表

可以看到老K銀行流水上的數字分布完全不符合本福德定律,基本上可以認定數字是通過人工修飾的。銀行流水人工修飾一般有兩種:代刷流水(中介或者客戶本人)和造假流水。代刷流水需要比較長的時間去養,成本也比較高,一般中小企業不會選擇這種費時費力的方式。老K的銀行流水有幾百頁,共計6個銀行,豆老師把之前留存的銀行印章去合章(摺痕比對),發現有1/3的印章存疑,但是差別非常小,需要放大鏡才能看到,是非常專業的人士經手製作。這就解釋了最開始檢查資料時通過紙張的硬度和格式、印章清晰度、流水邏輯例如結息日等簡單手段並未發現異常。至此,通過常規的核驗手段已經發現了比較嚴重的問題了,發現問題只是起點,接下來就需要全面的審查老K的企業情況,要弄清楚造假的方式、造假的原因,同時由於老K是通過老客戶轉介紹營銷的,還需要查驗是否有關聯交易和擔保敞口的風險。

從邏輯上推論,既然老K需要通過造假的方式來製造出貸款需求,那麼老K就沒有貸款需求,貸款全部或者部分會被挪用。這一步豆老師選擇了把問題的口子撕大,將識別出來造假的流水剔除後,分析如下:

圖1.1還原收入與造假收入

還原之後老K的收入反而上升了!見過造假把企業吹得天花亂墜的,還沒見過把企業故意做差給銀行看的!是不是老K把給稅務的賬本拿錯給我了?隨即豆老師打了一圈電話給老K的上游和同業客戶了解情況,掌握到了一個重要信息,A品牌白酒為了擴大在本地的份額,控制渠道,從去年10月開始所有發給經銷商的貨物可以賒銷2個月至4個月不等,甚至可以收長期銀票。而老K從去年開始就主力代理A品牌白酒,銷售份額佔比超過70%,所以他的賬期要遠比60天短。那麼老K在酒水生意上就根本不缺錢,除非他把錢花到另外的地方去了。

三、塵埃落定

搞清楚大概情況後,豆老師決定先從老K的外圍搞清楚狀況,圈定了本地另外3個也是我們客戶的酒水批發商,隨即以了解經營情況的名義去客戶那裡面談。面談也是非常需要技巧,往往需要把真實的目的隱藏在不起眼的問題中降低對方對審批人員的戒心,因為審批往往問的就是經營的核心,觸及到只想給你看好的一面借款人的核心利益,所以適當的技巧是必須的。

見到客戶寒暄後了解了一些經營狀況,隨口提到老K的生意還不錯,我們想營銷一下,把問題拋給對方,看對方如何評價同業的業務,往往這時會得到意想不到的信息。在和最後一個客戶交談時,豆老師提了句老K生意還不錯,其它生意也還好吧,客戶楞了一下說你是說他在XX山的工地吧,然後告知了老K投資了一個避暑房工地,去年已經完工了部分,今年銷售不好,一直在往裡面投錢。聽到後豆老師面不改色,立即告辭,出門就給老K打了電話確認。豆老師把同業的調查情況和資料問題給老K講了,老K聽畢倒是大方地承認了貸款是填到房地產裡面去,隨即問了些房地產的情況便直接告知老K貸款不批。

那幾年本地避暑房供給太多,缺乏規劃,產品也不行,多數是一些老K這樣的投機資金介入,同時政策風險很大,行業基本面比較差,公司也是嚴控行業准入。老K表示理解,也對提供虛假資料表示抱歉,他是找了中介公司一手包裝,分別到各家銀行申請,其中一個銀行已經貸了150萬元並放款。回頭又仔細檢查了單據,其中一些不出意外也是虛假資料,不過邏輯上幾乎無懈可擊,流水、單據一一對應,資產、負債和投入勾稽關係存在。這種專業的中介也是從業以來第一次遇到,當然後面遇到過更專業的手法。

回頭再看這個案件,是典型的偽造借款材料申請貸款。原因就是異業投資抽逃資金。如果異業持續吸血,那麼勢必會影響到主業的經營情況,客戶的情況就會更加惡化,如果不是廠家在特殊時候允許賒銷,那麼老K可能早就跑路討債了。而2年後豆老師無意間聽人說起老K的現狀已是高鐵都不允許乘坐,令人唏噓。

四、數據的驗證

對於風險管理來說,可以從案例中看到,豆老師花了大量時間來採集和驗證數據,最後從小問題突破了有問題的借款人。無論是SME客戶還是個人客戶,風險管理的核心是解決信息不對稱,確保數據準確性,如果數據不準確,決策體系(專家系統、數據模型系統)就很容易失靈。

圖1.5真實數據的採集過程

如果採集了企業客戶的各種財務信息,通過各種財務比率很容易得出企業評級,例如老K,但是這樣的評級顯然是失真的,潛在的風險會隨時爆發。互聯網金融同樣面臨這樣的問題,雖然基於概率理論和「大數法則」形成了當前被實踐的數據模型審批方式,如果數據來源沒有被修正那麼在實際運營過程中「口子」就會暴露出來,壞客戶通過極少的成本蜂擁而至,短時間就會對金融機構產生嚴重的影響。

如圖1.6,我們都知道左邊客戶的資質極大概率會優於右邊的客戶,這是我們通過數理模型實踐得到的經驗,但實際情況下,高明的壞客戶和中介(中介是一個中性詞)也都知道這些個門路,如果他們按照我們的決策樹一步一步點下去就有更大獲得貸款的機會,而在金融市場逆向選擇下,真正的壞客戶會將這個口子無限撕大,造成模型失靈。

圖1.6「好客戶」與「壞客戶」畫像

所以對數據的邏輯驗證和交叉驗證確保我們模型的原材料是可信的,才是信用風險管理流程的第一步。

例如,關於邏輯驗證,如圖1.7所示,一個22歲的借款人紅線是最有可能的狀況,藍線出現的可能性最小。如果說這個借款人選擇10000元的收入,又選擇了喪偶,那麼這樣的客戶不說直接拒絕掉,找到可以佐證的第二信息源,交叉驗證,再進一步深入調查是完全需要的。

圖1.7不對稱的客戶


這篇文章就到這裡,謝謝大家的閱讀,下一篇將會和大家談談互聯網金融中「場景」的問題。

如有問題可以在下方留言交流。如果你還喜歡本文和豆老師,請關注、轉發,更歡迎大家打賞!

掃描下方二維碼,關注豆老師講風控,隨時獲取風控第一手知識!

weixin.qq.com/r/6io5ITL (二維碼自動識別)

各位老闆覺得還不錯,歡迎勾搭、打賞!


推薦閱讀:

逾期、壞賬時有發生,互聯網金融如何跨過風控這道坎?
2017年度中國互聯網黑灰產報告

TAG:大數據風控 | 風險控制 | 互聯網金融 |