開放式物流雲平台來了，該怎麼「玩」好風控呢？

2016年我國社會物流總費用高達11.1萬億，作為佔GDP將近15%的第二大產業，其中卻有大量中小企業因為融資困難而舉步維艱。

為了緩解中小企業融資困境，物流企業與商業銀行聯合創新了物流金融模式，然而隨之而來的是新模式下產生的新風險，如何控制與防範新風險成了商業銀行以及物流企業亟需解決的問題。

為此，基於物流運輸業務特點，研究中小企業的業務模式和信貸融資行為，分析對其產生影響的關鍵因素，並打造基於物流行業的開放式平台，為中小企業提供一攬子綜合性金融服務，從而促進中小企業的發展，具有重要的現實意義。

中小企業融資困境，物流金融應運而生

目前，貨運物流已經形成了一個龐大的產業鏈，是當今時代的一個標誌，物流行業每年的發展都會創一個新高，專業化、國際化、規模化、集團化、多元化等趨向也越來越明顯。從2010年至2016年，社會物流總費用從7.1萬億增長至11.1萬億，複合年增速為8.8%，其中，2016年社會物流總費用與GDP的佔比為14.9%。

然而，由於中小企業信用評級低、長期性權益性資本匱乏和銀行信貸條件過高、信貸配比限制、民間融資成本過高等原因,中小企業的信貸融資困境問題日益顯現。在這種大背景下，將物流業與金融業強強結合的物流金融模式應運而生，一方面增強了中小企業的發展能力，另一方面也有助於商業銀行拓展信貸渠道。

物流金融，顧名思義，是物流行業的金融衍生服務。從研究的對象主體上看，物流金融有別於供應鏈金融，前者是物流企業為主導的供應鏈金融服務，後者是對整個供應鏈提供的金融服務。

物流金融最基本的模式是倉單質押模式，在此基礎上衍生出其它不同的創新型物流金融模式，具體包含信用證擔保、替代採購模式、倉單質押、墊資代收貨款、買方信貸、墊付貨款和授信融資等模式。

新的融資模式，伴隨著新的風險

雖然通過物流交易信息的監控有助於對中小企業貸款的管理，但物流金融在國內還是一種新事物，無論是對於物流公司、金融機構、還是融資企業均處於探索階段。由於風險主體之間風險與收益不對等、流動資產評估體系不完善、物流金融信貸業務經驗不足、風險管理方法欠缺等原因使得在開展物流金融時存在一定的風險。

物流金融中的風險可以劃分為客觀信用風險和主觀信用風險，前者是指交易對象無力履約的風險，來源於法律風險、宏觀市場風險；後者是指非對稱信息下的主觀違約風險，來源於業務風險和財務風險。

創新風控模式，護航物流金融

由於客觀信用風險多由外部客觀原因造成，因此相應的防範措施一般採用對於宏觀市場和法律政策開展實時監控、事後預警的方式。而對於主觀信用風險，本文認為通過紮實推進數據、模型、系統，及數據應用等領域的建設，以降低中小企業違約風險，並提高商業銀行自身的盈利能力和服務水平。

第一，做實數據基礎。存儲並積累整個運輸流程的數據，包括但不限於上游貨主歷史訂單和支付信息，物流企業歷史運單信息，運輸車輛歷史運單信息等，這些動態、實時的交易數據，相比於銀行靜態的客戶數據和財務數據，可以洞察企業經營整個過程，更是企業經營的直觀反映，有助於銀行揭示其客戶隱性的潛在風險，是銀行信貸審批、風險預警一個很好的補充。

第二，做實演算法模型。在歷史數據積累不夠充分的情況下，需要從專家經驗提升至規則加模型。基於專家經驗的演算法和規則設置，可以從業務穩定性、還款能力、還款意願、信用歷史、第三方數據等方面全面評估中小企業信用風險，並將演算法結果應用於授信審批過程，以降低業務審批的邊際成本。

與此同時，也要注重模型獨立驗證團隊的建設。演算法模型上線使用後，驗證團隊應對演算法模型的表現進行持續監控和驗證，評估風險模型實際運行效果，持續對風險模型進行更新優化及再開發，修正演算法模型存在的缺陷，以確保演算法模型的有效性和滿足監管合規要求。

第三，做實信息系統。一方面，通過採用分散式文件存儲、NewSQL資料庫等數據存儲技術解決物流金融相關數據的可擴展管理及存儲問題，實現高頻、海量的交易相關數據高效、安全的存儲。另一方面，打造線上化和自動化的融資業務流程，實現全流程線上化操作和處理。即通過互聯網渠道，在線實現融資申請、授信審批、提款還款、風險預警等業務流程，實現用信、授信和貸後管理的一體化與自動化。

第四，做實數據應用。針對中小企業主體風險高、業務存續期限短的客觀性，從全新的視角來看待中小企業的融資風險，側重短期視角和單筆業務交易來進行審批決策。一方面，側重於從流動性、周轉能力等短期還款能力的數據來看待企業經營，從而提高決策的時效性和準確性；另一方面，重債項、輕主體，即以安全性高的單筆業務交易數據為基礎，再輔以演算法模型來計算單筆業務的融資限額，從而實現動態化、精細化的風險管理。

落實創新方案，踐行普惠金融

興業數金作為銀行系金融科技子公司的先行者，本著「讓金融更簡單、讓金融更美好」的使命，致力於為中小銀行、非銀行金融機構以及非金融機構提供金融科技的創新服務。在物流行業生態圈中，興業數金將通過打造物流行業雲平台，構建基於物流大數據的智能風控演算法模型，助力商業銀行提升物流生態圈中核心企業及上下游提供綜合金融服務水平，緩解中小企業融資困境，踐行普惠金融理念。

第一，打造物流金融的第四方物流平台，增強資源信息的整合力度

數金的第四方物流雲平台(4PL)，突破了第三方物流供應方在綜合技術、集成技術、全球擴展能力上存在的局限性，而從更高的維度完成評估、設計、制定全面的供應鏈集成方案。

基於4PL平台，一方面實現了供應鏈管理、一體化物流和上下游產業整合的功能，滿足客戶信息發布、交易匹配、合同簽訂、支付結算等需要，提升物流行業中企業的管理效率。

另一方面，通過自動獲取和整合物流鏈上的交易數據，使供貨商、物流企業、融資企業和商業銀行之間的資金流、物流與信息流循環運作，徹底杜絕數據在傳遞過程中的「加工處理」，確保數據真實性和時效性，降低交易雙方的信息不對稱程度，夯實物流金融風控的數據基礎。

第二，以演算法模型為創新驅動，打造持續領先的風險管理能力

在第四方物流雲平台全景大數據充分整合的基礎上，再結合第三方機構獲取的企業及個人徵信信息，行業信息等外部數據，構建物流金融風控模型，切實提升商業銀行的風險管理水平。

一方面藉助層次分析法（AHP）處理較為複雜而模糊的大數據，配合行業專家經驗對指標進行排序，再通過計算判斷矩陣的最大特徵值和特徵向量得到各元素的權重，實現量化打分評級的效果，並將信用評分結果應用於額度計算、貸款定價等審批決策過程，實現信貸審批精準量化決策輔助。

另一方面，在數據積累一定程度下，基於人工智慧、機器學習、統計學、信息檢索、資料庫等技術，利用信息值(IV)、相關性、共線性(VIF)等技術手段篩選刪除失效的財務指標，讓中小融資企業為迎合傳統風控模型而人為調整的各項財務指標減弱或失效，同時挖掘出潛在的、有效的風險特徵，數據規律、規則、趨勢等，達到「總結過去、預測未來」的智能化效果。

第三，連接眾多商業銀行，提供線上聚合融資服務

物流雲平台通過連接底端的眾多商業銀行，開發機構管理、用戶管理、產品管理、流程管理、模型管理、策略管理等功能模塊，並基於物流平台交易數據和第三方外部數據，依託智能風控演算法模型，實現在線申請、在線審批、在線簽約、在線放款、在線還款和貸後管理等線上全信貸流程，為中小物流企業提供聚合融資服務，不僅提升了傳統商業銀行的業務效率和服務水平，而且也降低中小企業融資成本，緩解了中小企業融資難、融資貴的困境，將普惠金融的「惠」落到實處,保證了普惠金融業務的可持續性發展。

作者：興業數金演算法實驗室 陳文彬 陳秀益

關注興業數金微信公眾號，了解更多金融信息服務。