纯线上税票贷风控初探

零壹财经

2022-01-05 16:35
+订阅

线下小微金融业务线上化的理念与方法论，介绍了线上风控部分、线下尽调部分线上化、额度模型。

作者：周立烽

来源：零壹财经（ID:Finance_01)

在零壹财经发表的上篇文章《银行小微企业信贷大数据风控转型实践》中，笔者提出了线下小微金融业务线上化的理念与方法论，介绍了线上风控部分、线下尽调部分线上化、额度模型。本文接上文，详细介绍我们对小微金融线上化模型的探索。

在国内，大部分城商行还处于IPC阶段、信贷工厂阶段，泰隆银行、台州银行、张家港农商行、重庆农商行等在小微金融方面发展较为领先的银行，都是信贷工厂结合大数据风控的模式。

目前，我们正在探索应用税务和发票数据构建纯线上的小微金融风控模型。本文作为学术探讨，也是笔者与多家知名银行小微风险部交流探讨，形成的共识。

一、税票贷风控数据

税票贷的风控数据有多个维度，其中包括税务变量、发票变量、个人征信、企业征信、司法工商数据、尽调数据等等。

1、税务变量：根据缴款信息、纳税申报表、完税证明，构建了400多个《税务变量》表，用于准入策略、模型。

2、发票变量：用插件采集。根据采购物品、采购金额、采购时间、上游企业；根据销售物品、销售单价、销售时间、下游企业等发票信息，构建发票变量。并构建原料---产品产值变量、各成本产值比等变量。按行业细分，共有1000多个发票变量。

3、个人征信：构建了个人征信8000多个变量，构建了准入策略、经营贷模型。详见《个人征信变量》。

4、企业征信：构建4000多个企业征信变量，构建了准入策略，以及相关额度模型的变量，详见《企业征信变量》。

5、司法工商：对接外部司法工商数据。

6、尽调数据交叉核验：行业数据、发票数据、水电费等进行线上化后，采集线下尽调数据做线上化，与发票数据、行业数据、电费产值比等交叉线上核验，形成审批结果。

7、其他

二、线上准入策略

目前大部分银行没有做企业征信解析做准入策略，但在笔者公司都已经实现企业征信的线上化解析，用于准入策略与模型变量。企业征信的模型变量上，主要考虑因素为：个人+企业征信总负债风险敞口、杠杆率（对比行业均值）、可变现房产净资产等。

线上准入策略的制定，要根据具体情况进行松紧的调节，下面举两个例子：

案例一：

某银行税贷利率相对较低，故准入相对较严，举例准入策略：

申请条件

1、年龄：25-65周岁

2、借款主体：

1）企业成立2年以上；

2）申请人为法人或者企业的第一大自然人股东，（部分地区，如重庆市、浙江省除宁波外地区限定申请人为法人）；

3）在过去18个月内未发生法人或股东身份变更（如法人/股东变更了，可换其它符合条件的股东作为申请人）；

4）企业为增值税纳税人（含一般纳税人和小规模纳税人）。

征信要求：

1）当前贷款不能有逾期；

2）查询：近两个月≤4次（查询原因为“贷款审批”或“信用卡审批”，但同一机构查询可记为1次）；

3）贷款不可出现：24个月内，M1>6，M3≥1；12个月内，M2≥1；6个月内，M1≥1；

4）贷记卡不可出现：24个月内，M1>6，M3≥1；12个月内，M2≥1；6个月内，M1≥1；

5）申请人持有三张以上有效信用卡，且信用卡总额度20万以上，且近半年信用卡总额度平均使用率≥70%，不予准入；

6）不含本次申请，允许未结清银行弱担保类贷款（贷款类型为：个人信用贷款、经营性贷款、农保贷款，担保类型为：纯信用、联保、保证）不超过2笔；

7）贷款五级分类状态不可显示为次级、可疑、损失；贷记卡、准贷记卡不可为状态为冻结、呆账、止付；对外担保贷款状态显示不可为次级、可疑、损失；不可出现担保人代偿、以资抵债。

纳税要求：

1）纳税记录>1年，年开票销售额>10万；

2）近两年任一年度增值税纳税额不为0；

3）若申请人为小规模纳税人，近一年出现0申报次数不得超过1次；

4）若申请人为一般纳税人，近一年出现0申报的次数不超过3次；

5）最近12个月的报税销售收入同比下降不超过40%；

6）信用类负债≤近12个月收入认定的40%（负债包括贷款和贷记卡、准贷记卡，收入认定为申请人企业的销售收入，以发票数据/税务数据为准）；

7）授信额度一般为近24个月增值税累计纳税额*2+近24个月企业所得税累计纳税额*3，且不超过近12个月报税收入的8%。

排他条款：

1）同一法定代表人、同一自然人仅限申请一笔贷款；

2）同一企业仅限申请一笔贷款；

3）申请人在P银行不能有未结清的小企业授信（贷贷卡和救济类授信）；

4）申请人企业在P银行不能有信用类标准化网络融资产品（含生效批复、有效额度、贷款余额）；

5）申请人在本次申请前不能有未结清的小贷公司（非银机构）的贷款记录，

6）申请人在本次申请前不能有小贷公司（非银机构）的申请贷款的记录（不论通过与否）。

限制行业：

1）煤炭开采和洗选业，黑色金属矿采选业，有色金属矿采选业，非金属矿采选业；

2）皮革、毛皮、羽毛及其制品，造纸和印刷业，基础化学原料制造，肥料制造，农药制造，橡胶和塑料制品业，玻璃制造，水泥制品；

3）石油和天然气开采业，石油加工，炼焦和核燃料加工业，黑色金属冶炼和压延加工业（铁、钢、铁合金），有色金属冶炼和压延加工业，金属制品业，光伏设备及元器件制造，矿产品、化工产品批发（煤炭、石油、金属及金属矿、非金属矿及制品等）；

4）房屋建筑业，房地产开发经营，房地产中介服务，金融租赁服务，财务公司，网络金融，典当，小贷公司，担保服务，其他未列明金融业；

5）洗浴服务，理发及美容服务，室内娱乐活动，电子游艺厅娱乐活动，歌舞厅娱乐活动，游乐园，网吧活动等。

案例二：

某民营银行税贷利率在年化15%左右，准入相对较松：

申请人：

1、年龄：18-65周岁

2、企业法人

3、3个月内法人不能变更

企业要求：

1、公司成立2年，A/B/M；无评级的不行

2、近12个月内税务方面不能有逾期未缴款，纳税人状态正常；

3、无连续6个月不纳税情况；

4、必须有三年的财务报表信息和最新一期报表；

5、近一年的资产负债表和利润表所属时间距离当前日期不能超过6个月。

征信要求：

1、近12个月逾期不能有1；不能有当前逾期；

2、借款人不能有对外担保；

3、非银行机构查询7天内小于等于1次，3个月内小于等于3次；

4、不看负债。

三、小微税票贷评分子模型

小微税贷的主模型主要由如下几个子模型构成：人行征信模型、税票模型、交叉验证模型、财务评级模型。我们是运用这几个子模型，综合后给出小微企业的风险评分。

下面，笔者就这几个子模型做逐一介绍：

小企业税票贷客群有小部分公司有企业征信，我们搭建了4000多个企业征信变量，但由于样本量较少，很难做模型，我们主要利用企业征信解析做线上准入策略，主要为逾期、对外担保、五级分类等准入策略。但我们要用企业征信上风险敞口（非低风险）数据，同时结合企业主个人征信，构建还款压力类、还款能力类、杠杆率、净资产负债比等变量，主要用于额度模型。

企业主个人征信子模型。由于小企业税票贷额度大于商户贷，且利率低，客群有很大不同，故税票贷的个人征信入模变量也与商户贷有很大差异。比如贷款金额小于1万元的笔数、征信查询类变量、现用最近24个月贷记卡最近6个月平均使用额度与授信额度比率最大值、第一笔贷款本金等，通常情况下我们税票贷人行征信A卡子模型KS在0.3至0.35。同时我们发现，C端三方数据，如同盾百融等，对税票贷客群效果一般，只作为准入策略较为合适。

税票子模型。目前市场用较多的是税数据变量，但实际票效果远远要好于税数据，这也是浦发银行朋友认同的，他们在税票贷领域风控基本是第一。首先，我们不分行业，建立了税变量400多个，插件授权获取销项票变量300多个，针对四川、广东、浙江、上海、云南等可以授权获取H5国税进项发票，我们开发进销项变量1000多个。其次，我们针对有进销项的地区，按行业、产品建立更加细分的发票变量，比如某产品的原料采购构成。主要入模变量为滞纳金、增长率、重合比率、下游客户层次等变量。

线上化交叉检验模型。我们针对客户经理尽调数据，做线上化交叉检验，对于不合格的财务报表，需要退回重新尽调。这里面主要实现方法，大家可以自己思考。

财务评级模型。确定财务数据基本真实前提下，我们按行业建立PD小企业模型。但财务数据虽然经过交叉验证，但也不能确保完全准确，且财务评级模型主要为专家经验建立，故财务评级模型是作为额度模型的其中一个变量。建财务评级模型，需要银行结合当地自身情况，地区间有差异。

四、贷中风险管理

贷前准入之外，在贷中也可以对纯线上的数据进行监控，从而对风险加以区分。

（一）贷中风险管理分类

1、动支阶段风险管理：动支审批管理。

2、存量客户风险管理：高风险客户管理（单独策略）、额度管理、定价管理、期限管理、还款方式管理。

（二）、动支风险管理

新客流程：注册—完件—授信—动支。三个关键变量：动支模型评分、动支天数、动支率。

通过动支分析，我们发现在授信第15天后动支可达50%以上，第30天动支可达60%以上。

我们把未动支、未逾期客户定义为好客户，去除有逾期记录灰客户，通过转移矩阵（滚动率）定义逾期N天以上为坏客户。建立评分卡模型后，验证好灰坏的排序性，同时针对建模和验证客户我们做动支分析。我们做贷中动支策略，首先是对动支评分、动支率、动支天数的观察定策略。举例：