文/新浪財經意見領袖專欄作家 楊凱生

　　要認識到目前在信貸業務中所謂的機器學習還是完全基于“歷史”作出判斷的，而依據的這些“歷史”過程還比較短暫，并未經過完整的經濟周期或較長的行為周期的檢驗。

　　所謂“聯合貸款”“助貸”，指的是銀行與掌握有一定信息技術以及相關場景客戶數據的公司、平臺合作，對一些客戶提供融資信貸的一種業態。這種業務模式出現的時間還不長，從螞蟻金服2014年推出有關業務至今大概也就是四、五年。

　　也有人說，信用卡業務實質上就是一種聯合貸款業務，已經有近百年的歷史了。這個說法固然有一定道理，但它不是我們現在常說的在金融科技迅猛發展過程中出現的這種新業態。

　　正因為新，所以現在聯合貸款、助貸業務發展中出現了不少新問題，需要我們認真研究。

　　首先，要搞清楚現在除了和互聯網企業的合作之外，銀行還有哪些可以稱之為助貸或聯合貸款業務模式的業務。

　　現在看到比較多的是，一些科技公司利用自己擁有的所謂消費者大數據以及算法、模型等技術，為一些銀行進行客戶導流或提供風控技術，而銀行對相關客戶提供貸款。如果有的科技公司已經取得金融牌照，它們還往往在銀行向有關客戶發放貸款時，也提供一定比例的資金。

　　在這些業務模式中，風控責任究竟如何落實，這個問題現在正越來越引起大家尤其是監管部門的關注和重視。

　　這些問題我下面還會談到，我首先想講的一點是，其實還有一些其它的科技助貸模式、數據助貸模式，也許它們的重要性比上面所說的那些模式還更值得我們關注。

　　例如有的大型企業、集團公司，作為一種供應鏈的核心企業，一方面它有大量的上下游的供應商，一方面又有自身比較先進的健全的數據平臺，掌握有這些供應商企業的信息和數據。在這種情況下，它與銀行之間的合作可以說是一種較高層次的更加規范的助貸合作。

　　我們曾注意到一個大型企業，它的上下游企業大約有13800家。而在這么多的供應商中，和這個核心企業在同一家大型銀行具有授信關系的只有1800家，實際發生了信貸往來的就更少了，大體只有1000來家。形成這種狀況的原因當然是多方面的，但在原有的技術條件下，信息不對稱問題不易解決無疑是一個重要的原因。這種情形顯然既不利于這些上下游企業（其中不少是中小型企業）的發展，也不利于這家大型企業的經營。

　　現在數據技術發達了，核心企業通過自己的數據平臺已經有可能把這么多上下游企業與它自身的交易往來情況及時提供給銀行了。銀行也就從以往需要關注那么多各種類型、各種規模的企業各自的綜合信用狀況（這實際上是銀行的管理半徑難以真正觸達的），而轉向更多的關注它們與核心企業之間的交易情況和資金往來。

　　銀行與這個核心企業在信貸業務上的這種合作，不僅僅是一個客戶引流的問題，更重要的是促進了銀行傳統信貸理念和審批機制的變化。這對以往銀行在傳統的供應鏈融資、貿易融資中容易遇到的作假流弊也起到了很好的防范作用。

　　而且，十分重要的是在這個過程中，銀行作為資金的供應方，風控的責任是清晰的、落實的。核心企業、集團企業所提供的上下游企業的數據信息，所引流導入的客戶，只是銀行信貸決策的必要條件而不是充分條件。銀行還要根據自己所掌握的各種信息，根據自身的信貸政策和風險偏好作出自己的信貸決策。

　　據分析，在這樣運作的銀企供應鏈融資模式中，核心企業的上游企業的貸款申請審批通過率約有90%，下游企業的通過率約為50%。這樣的數據可以說明兩個問題，一是通過銀行與核心企業的信息數據合作，銀行信貸業務的覆蓋面比以往更廣了，觸達點比原來更遠了，普惠性也明顯更強了。二是銀行的風險把控仍然是落實的，沒有因為所謂新技術的使用，所謂有了大數據就放松了對風險的防范。

　　再例如，在一些特定的領域，例如房地產領域，有的銀行通過與一些房地產數據頭部公司合作，可以了解到不同城市、不同市區、不同小區，甚至不同戶型、不同朝向的房價。銀行可以將這些數據作為自己房地產信貸投放的參考依據。而且在這個過程中操作也是比較規范的，有關數據都是經過脫敏處理的，可以較為有效地保護客戶的隱私。應該說這也是一種比較良好的助貸合作模式。

　　還例如，一些外部公共數據的提供也已經越來越多了。雖然提供數據的模式不盡相同，但總體來說海關、稅務，包括有些地方的水、電、氣的使用數據，銀行已經越來越可以獲得了，這也可以說是另一種的助貸模式。

　　總之我認為隨著科技的進步，隨著互聯網、大數據、云計算，包括區塊鏈等技術的不斷成熟和使用，銀行與外部、與客戶的關系已經和正在發生重大的變化，銀行的信貸業務已不再是僅僅靠銀行自身就能做好的事情了。所謂的助貸、聯合貸款就是在這種新形勢下出現的新事物。這是應該肯定的。

　　但無論名稱如何新，模式怎么變，做金融的任何時候都不能忘卻金融的本質，不能忘卻防風險、守底線的責任。一定要認真汲取前幾年在所謂的互聯網金融、P2P信貸方面的教訓。當前在助貸、聯合貸款業務中應該注意幾個問題：

　　1、要抓緊建章立制。

　　如果立法、修法一時確實難以跟上，那必要的行政規章和監管制度一定要及時出臺。例如在數據的采集、提供、交易等方面，目前問題就不少。究竟什么機構、什么人可以收集什么樣的數據，采集數據應該通過什么手段，什么數據可以自己使用，什么數據可以提供第三方使用，什么數據可以有償提供他人使用，什么數據只能無償提供，等等，都應該予以清晰明確。在這些涉及到社會治理層面的問題中，僅僅依靠人們自律的想法是不可取的。

　　在建章立制的過程中，還應該注意的就是所謂對創新應該采取適當監管、包容性監管態度的問題。對哪些問題可以包容，對哪些事情的監管可以適度，包容、適度到什么程度，應該盡量體現在規章制度中。制度不應該語焉不詳，更不應該制度規定是明確的甚至是嚴格的，但在實踐中又可以根據形勢的不同，允許從業者自己去考量揣度哪些事可以做，哪些事不可以做，允許監管者擁有過度的自由裁量權，去認定哪些事需要處罰，哪些事可以放松尺度。這不僅不利于任何新業務的健康發展，也不符合依法治國理念的落實。

　　2、無論是聯合貸款還是助貸，銀行都不應該將風控事項外包給并不提供貸款或僅僅只是提供了少量資金的合作方。

　　有部分銀行由于自身人員或技術能力有限，難以對合作方引流導入的客戶數據進行分析，也沒有自己的算法模型，于是就完全依賴和聽信合作方的各種說法，本來說的是“參考”，實際上變成了決策結論。這種做法的風險很大。且不說由于合作方沒有投入資金，或是僅僅投入了很少比例的資金，雙方可能要承擔的最終損失是完全不對稱的。更需注意的是一些科技公司本身的技術水平也是有限的，其提供的數據的可靠性也是需要驗證的。在這樣的情況下，如果銀行放松了風險控制，那實際上就不是原來意義上的助貸或聯合貸款了，而成了完全放棄管理權的全委托貸款了。那樣的話對方一是要有發放貸款的資質，二是要有相應的管理能力才行。這與我們今天所說的助貸業務、聯合貸款業務不是一碼事。

　　3、銀行無論是利用自己的數據和技術，還是或多或少的依賴合作方提供的數據和技術，都需要梳理清楚機器適合做什么，人適合做什么，人機結合適合做什么。

　　要認識到目前在信貸業務中所謂的機器學習還是完全基于“歷史”作出判斷的，而依據的這些“歷史”過程還比較短暫，并未經過完整的經濟周期或較長的行為周期的檢驗。在這樣的情況下人的作用還是相當重要的。因此，除了一些特定的場景和業務之外，不應該過分強調“秒貸”。例如對于一些需要基于對借款人綜合授信決策的貸款，對于一些項目貸款，對于一些借款周期長、金額大的貸款，完全依靠機器在瞬間作出決定，顯然既無必要也不應該。如果把銀行業的提高效率就是定義為縮短某些交易的處理流程，就是減少處理某些業務所需的時間的話，那我們需要思考大數據、數字化、云計算、區塊鏈技術等等的發展的目的是不是唯一的，是不是就是“提高效率”，這確實是需要我們認真對待的問題。

　　4、銀行要建立健全數據審計和模型審計的機制，以確保無論是外部還是自身所提供和采集數據的合法性、可靠性以及有關模型的合理性。

　　在數據信息日益成為一種資源的條件下，在數據、信息已經可以給其擁有者、使用者帶來各種利益的情況下，這樣的審計無疑是需要的。

　　(本文作者介紹：工商銀行原行長、銀監會特邀顧問)