零壹財經(jīng) 
更多干貨，請關注資產(chǎn)界研究中心
作者：周立烽
來源：零壹財經(jīng)（ID:Finance_01)
在零壹財經(jīng)發(fā)表的上篇文章《銀行小微企業(yè)信貸大數(shù)據(jù)風控轉型實踐》中，筆者提出了線下小微金融業(yè)務線上化的理念與方法論，介紹了線上風控部分、線下盡調部分線上化、額度模型。本文接上文，詳細介紹我們對小微金融線上化模型的探索。
在國內(nèi)，大部分城商行還處于IPC階段、信貸工廠階段，泰隆銀行、臺州銀行、張家港農(nóng)商行、重慶農(nóng)商行等在小微金融方面發(fā)展較為領先的銀行，都是信貸工廠結合大數(shù)據(jù)風控的模式。
目前，我們正在探索應用稅務和發(fā)票數(shù)據(jù)構建純線上的小微金融風控模型。本文作為學術探討，也是筆者與多家知名銀行小微風險部交流探討，形成的共識。
一、稅票貸風控數(shù)據(jù)
稅票貸的風控數(shù)據(jù)有多個維度，其中包括稅務變量、發(fā)票變量、個人征信、企業(yè)征信、司法工商數(shù)據(jù)、盡調數(shù)據(jù)等等。
1、稅務變量：根據(jù)繳款信息、納稅申報表、完稅證明，構建了400多個《稅務變量》表，用于準入策略、模型。
2、發(fā)票變量：用插件采集。根據(jù)采購物品、采購金額、采購時間、上游企業(yè)；根據(jù)銷售物品、銷售單價、銷售時間、下游企業(yè)等發(fā)票信息，構建發(fā)票變量。并構建原料---產(chǎn)品產(chǎn)值變量、各成本產(chǎn)值比等變量。按行業(yè)細分，共有1000多個發(fā)票變量。
3、個人征信：構建了個人征信8000多個變量，構建了準入策略、經(jīng)營貸模型。詳見《個人征信變量》。
4、企業(yè)征信：構建4000多個企業(yè)征信變量，構建了準入策略，以及相關額度模型的變量，詳見《企業(yè)征信變量》。
5、司法工商：對接外部司法工商數(shù)據(jù)。
6、盡調數(shù)據(jù)交叉核驗：行業(yè)數(shù)據(jù)、發(fā)票數(shù)據(jù)、水電費等進行線上化后，采集線下盡調數(shù)據(jù)做線上化，與發(fā)票數(shù)據(jù)、行業(yè)數(shù)據(jù)、電費產(chǎn)值比等交叉線上核驗，形成審批結果。
7、其他
二、線上準入策略
目前大部分銀行沒有做企業(yè)征信解析做準入策略，但在筆者公司都已經(jīng)實現(xiàn)企業(yè)征信的線上化解析，用于準入策略與模型變量。企業(yè)征信的模型變量上，主要考慮因素為：個人+企業(yè)征信總負債風險敞口、杠桿率（對比行業(yè)均值）、可變現(xiàn)房產(chǎn)凈資產(chǎn)等。
線上準入策略的制定，要根據(jù)具體情況進行松緊的調節(jié)，下面舉兩個例子：
案例一：
某銀行稅貸利率相對較低，故準入相對較嚴，舉例準入策略：
申請條件
1、年齡：25-65周歲
2、借款主體：
1）企業(yè)成立2年以上；
2）申請人為法人或者企業(yè)的第一大自然人股東，（部分地區(qū)，如重慶市、浙江省除寧波外地區(qū)限定申請人為法人）；
3）在過去18個月內(nèi)未發(fā)生法人或股東身份變更（如法人/股東變更了，可換其它符合條件的股東作為申請人）；
4）企業(yè)為增值稅納稅人（含一般納稅人和小規(guī)模納稅人）。
征信要求：
1）當前貸款不能有逾期；
2）查詢：近兩個月≤4次（查詢原因為“貸款審批”或“信用卡審批”，但同一機構查詢可記為1次）；
3）貸款不可出現(xiàn)：24個月內(nèi)，M1>6，M3≥1；12個月內(nèi)，M2≥1；6個月內(nèi)，M1≥1；
4）貸記卡不可出現(xiàn)：24個月內(nèi)，M1>6，M3≥1；12個月內(nèi)，M2≥1；6個月內(nèi)，M1≥1；
5）申請人持有三張以上有效信用卡，且信用卡總額度20萬以上，且近半年信用卡總額度平均 使用率≥70%，不予準入；
6）不含本次申請，允許未結清銀行弱擔保類貸款（貸款類型為：個人信用貸款、經(jīng)營性貸款、 農(nóng)保貸款，擔保類型為：純信用、聯(lián)保、保證）不超過2筆；
7）貸款五級分類狀態(tài)不可顯示為次級、可疑、損失；貸記卡、準貸記卡不可為狀態(tài)為凍結、呆賬、止付；對外擔保貸款狀態(tài)顯示不可為次級、可疑、損失；不可出現(xiàn)擔保人代償、以資抵債。
納稅要求：
1）納稅記錄>1年，年開票銷售額>10萬；
2）近兩年任一年度增值稅納稅額不為0；
3）若申請人為小規(guī)模納稅人，近一年出現(xiàn)0申報次數(shù)不得超過1次；
4）若申請人為一般納稅人，近一年出現(xiàn)0申報的次數(shù)不超過3次；
5）最近12個月的報稅銷售收入同比下降不超過40%；
6）信用類負債≤近12個月收入認定的40%（負債包括貸款和貸記卡、準貸記卡，收入認定為申請人企業(yè)的銷售收入，以發(fā)票數(shù)據(jù)/稅務數(shù)據(jù)為準）；
7）授信額度一般為近24個月增值稅累計納稅額*2+近24個月企業(yè)所得稅累計納稅額*3，且不超過近12個月報稅收入的8%。
排他條款：
1）同一法定代表人、同一自然人僅限申請一筆貸款；
2）同一企業(yè)僅限申請一筆貸款；
3）申請人在P銀行不能有未結清的小企業(yè)授信（貸貸卡和救濟類授信）；
4）申請人企業(yè)在P銀行不能有信用類標準化網(wǎng)絡融資產(chǎn)品（含生效批復、 有效額度、貸款余額）；
5）申請人在本次申請前不能有未結清的小貸公司（非銀機構）的貸款記錄，
6）申請人在本次申請前不能有小貸公司（非銀機構）的申請貸款的記錄 （不論通過與否）。
限制行業(yè)：
1）煤炭開采和洗選業(yè)，黑色金屬礦采選業(yè)，有色金屬礦采選業(yè)，非金屬礦采選業(yè)；
2）皮革、毛皮、羽毛及其制品，造紙和印刷業(yè)，基礎化學原料制造，肥料制造，農(nóng)藥制造，橡膠和塑料制品業(yè)，玻璃制造，水泥制品；
3）石油和天然氣開采業(yè)，石油加工，煉焦和核燃料加工業(yè)，黑色金屬冶煉和壓延加工業(yè)（鐵、鋼、鐵合金），有色金屬冶煉和壓延加工業(yè)，金屬制品業(yè)，光伏設備及元器件制造，礦產(chǎn)品、化工產(chǎn)品批發(fā)（煤炭、石油、金屬及金屬礦、非金屬礦及制品等）；
4）房屋建筑業(yè)，房地產(chǎn)開發(fā)經(jīng)營，房地產(chǎn)中介服務，金融租賃服務，財務公司，網(wǎng)絡金融，典當，小貸公司，擔保服務，其他未列明金融業(yè)；
5）洗浴服務，理發(fā)及美容服務，室內(nèi)娛樂活動，電子游藝廳娛樂活動，歌舞廳娛樂活動，游樂園，網(wǎng)吧活動等。
案例二：
某民營銀行稅貸利率在年化15%左右，準入相對較松：
申請人：
1、年齡：18-65周歲
2、企業(yè)法人
3、3個月內(nèi)法人不能變更
企業(yè)要求：
1、公司成立2年，A/B/M；無評級的不行
2、近12個月內(nèi)稅務方面不能有逾期未繳款，納稅人狀態(tài)正常；
3、無連續(xù)6個月不納稅情況；
4、必須有三年的財務報表信息和最新一期報表；
5、近一年的資產(chǎn)負債表和利潤表所屬時間距離當前日期不能超過6個月。
征信要求：
1、近12個月逾期不能有1；不能有當前逾期；
2、借款人不能有對外擔保；
3、非銀行機構查詢7天內(nèi)小于等于1次，3個月內(nèi)小于等于3次；
4、不看負債。
三、小微稅票貸評分子模型
小微稅貸的主模型主要由如下幾個子模型構成：人行征信模型、稅票模型、交叉驗證模型、財務評級模型。我們是運用這幾個子模型，綜合后給出小微企業(yè)的風險評分。
下面，筆者就這幾個子模型做逐一介紹：
小企業(yè)稅票貸客群有小部分公司有企業(yè)征信，我們搭建了4000多個企業(yè)征信變量，但由于樣本量較少，很難做模型，我們主要利用企業(yè)征信解析做線上準入策略，主要為逾期、對外擔保、五級分類等準入策略。但我們要用企業(yè)征信上風險敞口（非低風險）數(shù)據(jù)，同時結合企業(yè)主個人征信，構建還款壓力類、還款能力類、杠桿率、凈資產(chǎn)負債比等變量，主要用于額度模型。
企業(yè)主個人征信子模型。由于小企業(yè)稅票貸額度大于商戶貸，且利率低，客群有很大不同，故稅票貸的個人征信入模變量也與商戶貸有很大差異。比如貸款金額小于1萬元的筆數(shù)、征信查詢類變量、現(xiàn)用最近24個月貸記卡最近6個月平均使用額度與授信額度比率最大值、第一筆貸款本金等，通常情況下我們稅票貸人行征信A卡子模型KS在0.3至0.35。同時我們發(fā)現(xiàn)，C端三方數(shù)據(jù)，如同盾百融等，對稅票貸客群效果一般，只作為準入策略較為合適。
稅票子模型。目前市場用較多的是稅數(shù)據(jù)變量，但實際票效果遠遠要好于稅數(shù)據(jù)，這也是浦發(fā)銀行朋友認同的，他們在稅票貸領域風控基本是第一。首先，我們不分行業(yè)，建立了稅變量400多個，插件授權獲取銷項票變量300多個，針對四川、廣東、浙江、上海、云南等可以授權獲取H5國稅進項發(fā)票，我們開發(fā)進銷項變量1000多個。其次，我們針對有進銷項的地區(qū)，按行業(yè)、產(chǎn)品建立更加細分的發(fā)票變量，比如某產(chǎn)品的原料采購構成。主要入模變量為滯納金、增長率、重合比率、下游客戶層次等變量。
線上化交叉檢驗模型。我們針對客戶經(jīng)理盡調數(shù)據(jù)，做線上化交叉檢驗，對于不合格的財務報表，需要退回重新盡調。這里面主要實現(xiàn)方法，大家可以自己思考。
財務評級模型。確定財務數(shù)據(jù)基本真實前提下，我們按行業(yè)建立PD小企業(yè)模型。但財務數(shù)據(jù)雖然經(jīng)過交叉驗證，但也不能確保完全準確，且財務評級模型主要為專家經(jīng)驗建立，故財務評級模型是作為額度模型的其中一個變量。建財務評級模型，需要銀行結合當?shù)刈陨砬闆r，地區(qū)間有差異。
四、貸中風險管理
貸前準入之外，在貸中也可以對純線上的數(shù)據(jù)進行監(jiān)控，從而對風險加以區(qū)分。
（一）貸中風險管理分類
1、動支階段風險管理：動支審批管理。
2、存量客戶風險管理：高風險客戶管理（單獨策略）、額度管理、定價管理、期限管理、還款方式管理。
（二）、動支風險管理
新客流程：注冊—完件—授信—動支。三個關鍵變量：動支模型評分、動支天數(shù)、動支率。
通過動支分析，我們發(fā)現(xiàn)在授信第15天后動支可達50%以上，第30天動支可達60%以上。
我們把未動支、未逾期客戶定義為好客戶，去除有逾期記錄灰客戶，通過轉移矩陣（滾動率）定義逾期N天以上為壞客戶。建立評分卡模型后，驗證好灰壞的排序性，同時針對建模和驗證客戶我們做動支分析。我們做貸中動支策略，首先是對動支評分、動支率、動支天數(shù)的觀察定策略。舉例：
分析：
定義第1天至第20天評分-動支率預警規(guī)則：
所以我們對稅票貸新客授信后每天監(jiān)控申請動支率，根據(jù)申請動支率、主模型評分做實時額度更改策略。同時對于降額客戶，可根據(jù)半年后征信情況重新評分，做提額。
針對存量客戶的貸中風險管理，模塊較多，下次繼續(xù)展開。
五、額度模型與貸后管理
額度模型構建方法較為機密，本文不做論述，有興趣的朋友可以加入稅票貸風控交流群一起來探討。貸后管理基本可以每三個月查詢稅票數(shù)據(jù)、征信數(shù)據(jù)，做貸后策略監(jiān)控、貸后模型監(jiān)控。
注：文章為作者獨立觀點，不代表資產(chǎn)界立場。
題圖來自 Pexels，基于 CC0 協(xié)議
本文由“零壹財經(jīng)”投稿資產(chǎn)界，并經(jīng)資產(chǎn)界編輯發(fā)布。版權歸原作者所有，未經(jīng)授權，請勿轉載，謝謝！
原標題： 純線上稅票貸風控初探
