论文部分内容阅读
摘要：金融科技发展对我国信贷投放影响具有双重性，一方面可以大大提高信贷产品覆盖范围，帮助银行等金融机构实现精准风险定价并降低运营成本;另一方面可能会导致金融行业垄断程度加剧，信贷市场消费者剩余被机构侵占，信贷行业工作岗位减少。
关键词：金融科技;信贷市场;消费者剩余
一、引言
近年来随着金融科技的发展，大数据分析、人工智能等技术广泛应用于金融市场当中，极大地提升了金融服务的可得性、效率和风险控制水平。特别是在信贷市场中，互联网金融、大数据风控模型、更为广泛的征信、人脸识别等技术和应用使得精准风险定价成为可能，金融机构（包括商业银行、融资租赁公司、消费贷款公司、小贷公司等）极大地拓展了金融服务的边界。但是金融科技是一个双刃剑，在提升效率和可利用性的同时不能忽视其在进行价格歧视和市场分割方面天然的优势。这种优势可能会导致金融机构利用市场主导优势侵占消费者剩余，增加部分人群的债务负担，提升社会融资水平，还会提升信贷行业集中度并减少相关工作岗位。
二、金融科技提升金融机构风险管理水平并扩大服务覆盖范围银行等金融机构在过去是依靠人工对授信进行审查。企业和个人提供的信贷资料真实性和完整性存疑是不良贷款形成的重要原因之一。银行员工受个人专业能力限制，并不能完全杜绝财务造假的可能性（真实性核查），也经常无法全面把握客户的负债完整性（完整性核查），造成很多授信在逾期以后银行才发现问题。大数据分析和区块链技术的应用发展可以显著改善这一状况。过去银行核查企业财务报表真实性的方式往往是先进行逻辑检验，发现不合理的地方，再进行现场检查，并多方面进行核实。这种方式非常考验银行员工的财务分析能力和经验，如果遇到水平高超的造假者识别难度太大。现场检查则容易以偏概全或者被企业刻意误导，且很难长期跟踪检查。通过大数据分析，特别是物联网普及之后数据采集规模、范围和频率极大提升，银行机构在整个授信流程中可以全面、实时查看客户生产运输和销售的状况，每一个产品（半成品、原材料）的状态、位置等信息都可以随时查看，核查企业存货、销售额变得易如反掌。大数据分析系统可以自动对可疑的财务指标进行提示并人工进行核查。随着区块链和数字货币的发展，未来企业和个人每一笔交易都可以被追溯且无法伪造，银行可以很方便查询企业资金流向，企业的应收预付等款项的真实性核查难度降低。越来越多的金融机构接入征信系统，隐藏负债的难度加大，包括民间融资和非标债权产品，银行可以比较全面准确地评估企业和个人的负债水平。此类计算机技术在金融领域的深度应用场景还有很多，且在不断发展当中，银行控制风险的能力必将大大增强。金融科技应用还可以大大提升信贷服务的可得性。传统信贷市场中银行等主要金融机构受限于人力、技术水平、风险控制水平和市场营销能力，只能从市场中选取潜在客户群体人数最多，风险水平适中且较为集中的那一部分人群作为某一种信贷产品针对的营销对象。例如，银行针对金融机构从业人员、政府公务员开发的信用卡产品或者针对政府融资平台、上市公司和国有企业开发的贷款和票据产品。对于风险水平偏高，处于风险分布曲线“长尾”部分的群体，如老弱病残、农户、个体工商户和小微企业等群体，难以开发风险可控的信贷产品，没有足够的人力可以对其进行授信调查、即使发放贷款也会因为单笔金额太小导致收益过低。这也是近年来国家监管部门多次强调银行应加强对小微企业信贷投放而实际效果不佳的重要原因之一。近年来，银行等金融机构开始应用大数据风控模型和人工智能审批等金融科技手段，开展营销和获客并进行信贷审批。科技手段使金融机构摆脱了传统依靠人力进行调查和审批的方式，快速高效地获取客户信用和财务状况，并自动进行审批。特别是大数据模型还可以针对每一个贷款申请人的自身情况对其核定一个专属的贷款额度和利率，实现真正的“风险定价”。金融科技可以帮助银行实现贷前、贷中和贷后全流程的智能化和及批量化处理，节约大量人力资源、降低信贷投放成本，从而提升金融机构对数量多、额度低的客户群体分配信贷资源的积极性。以网商银行为例，2019年以来该行与各地政府展开“普惠金融+ 智慧县域”合作，借助大数据+ 互联网技术，结合政府在行政和公共服务过程中产生的数据，协同各地政府建立区域专属授信模型，为农户提供无抵押、免担保的纯信用贷款，支持农户生产经营。如此一来，市场上大量原本无法在正规金融渠道获得信贷资金的人群和企业可以得到信贷支持，而金融机构也可以较好地控制其风险水平和成本。
三、金融科技可能造成的负面影响任何科技进步从长远看都对人类和社会发展具有推动作用，但是在某项技术刚刚运用于某一个领域时，会对产业原有格局和社会造成一定的冲击，甚至对部分人群造成一定的损害。当技术成熟、社会适应之后这种冲击带来的负面作用才会逐渐消失。例如蒸汽机发明后运用到纺织产业当中，英国大量纺织工人失业，部分依靠手工纺织产业的国家经济受到较大冲击;汽车发明并大规模生产之后，马车产业中很多人失业。我们不能因为科技进步带来的好处而完全忽视其负面作用，我们必须要对其负面作用有充分的认识，并提前做出安排，尽量减小其对社会造成的冲击，保护部分应对风险能力较弱的个人和企业。对金融科技来说同样如此，它会提高金融机构控制风险和降低成本的能力，但也有可能赋予金融机构过大的权力使其可以侵占部分消费者的权益，大型金融机构强者恒强，金融行业垄断化程度加深。第一是金融机构可以实现价格歧视并占有消费者剩余。金融科技的发展极大地拓展了金融机构服务人群的范围，大量原本无法获得信贷资金的人群现在可以得到了。但金融科技同时也赋予了金融机构更大的权力，使其可以根据客户风险等级制定不同的贷款价格，实现精准风险定价和完全价格歧视。精准风险定价就是根据每个人不同的风险水平制定专属的贷款方案（包括额度、利率、还款方式和担保方式等），也就使得每一个人必须为贷款支付自己能够承受的最高的利率。举例来说，原来某银行针对某一特定人群发放的贷款品种，无论一个人具体情况（负债水平、资产状况、家庭状况）如何，只要他满足这个群体的准入标准，那他就可以获得和其他人一样的贷款条件（最主要的是利率），这种情况下银行最多可以实现三级价格歧视，获取部分消费者剩余。在金融科技加持下，金融机构现在可以针对每个人核定对应的单独的利率（信贷市场中价格），这样就实现了完全的市场分割和一级价格歧视，市场上所有的消费者剩余都被金融机构剥夺了。这种情况和互联网公司的“大数据杀熟”类似，携程、滴滴等平台可以通过大数据分析对客户进行精准画像，然后对价格不敏感的客户收取更高的价格;淘宝、京东通过设计复杂的营销活动（例如618、双11购物节），提升客户的时间成本，价格不敏感的客户没有领取优惠券以较高价格购买商品，价格敏感的客户花费较多时间获取优惠以较低价格购买同样商品，从而实现价格歧视。金融机构在掌握大数据并对客户进行精准风险定价，也可以完成类似的“大数据杀熟”，对资金需求比较频繁、紧急或者本身信用等级较低的客户执行较高的利率（客户可能本身并不知晓其利率高于平均水平），这无疑提升了市场整体的信贷成本，并且让弱势群体承担了其风险水平对应的最高利率，可能会加重还款人的压力并影响社会安定。第二是行业垄断程度可能加剧。金融科技由于其自身属性，天然对大型机构更为友好。金融机构规模越大，客户数量越多，掌握的数据也就越多，其金融科技产品的效率就越高、越智能、控制风险的效果也更好。数据规模效应源于人工智能的研究方法——深度学习，其核心方法是使用大量的数据对人工智能模型进行训练，有效数据量越大，模型效果越好。以搜索引擎为例，谷歌公司使用用户搜索记录和点击数据来对引擎算法进行训练，不断优化搜索结果，提升搜索质量。精准且个性化的搜索结果吸引更多用户使用，帮助算法进一步优化。即使一家研发实力相当的竞争企业推出一款更好的引擎，在用户数（及其带来的数据）远低于谷歌公司的情况下，算法进化的速度必然也远低于谷歌搜索。同样对于金融机构来说，大数据风控和智能审批的系统建设不是一蹴而就的，系统智能水平随着该机构的客户数量、客户相关信息的维度、准确性提升而提升。举例来说，如果一家银行本身规模巨大，存量客户数量和业务种类足够多，它可以掌握客户日常交易流水、工资代发、代收代缴、理财等业务的数据，通过系统自动分析可以较好地评价客户信用等级和贷款资金流向，从而在大批量进行授信投放时控制风险。而另一家规模比较小的机构，如果本身市场占有率比较低，存量客户数量比较少，那它即使投入同样资金研发出和大机构一样水平的智能审批系统，由于可获取的数据总量和维度均少于大机构，系统的智能水平、审批效果和改进迭代的速度必然弱于大机构的系统。以网商银行为例，它天然掌握了阿里巴巴平台和淘宝平台上大量商户的经营数据，包括资金流、物流、客户评价等多维信息，并通过支付宝掌控了客户的资金，通过大数据风控系统可以很好地对客户进行信用评级（甚至不需要财务报表），从而允许它大批量、快速地发放贷款，不仅审批效率很高，贷款不良率也很低。进一步讲，当机构的金融科技水平弱于其竞争对手时，它将很难通过其他方式实现赶超。这是由于数据规模带来的较高的客户迁移成本。当一个客户在某家银行办理了大量存贷业务和中间业务并持续一段时间后，它在该银行就拥有了较好的信用评价等级的数据基础，这部分数据银行不会轻易共享给其他机构。客户如果想要转移到其他机构去进行贷款，那它必须将所有业务全部迁移过去，还需要一段时间过后才可能在新机构的智能评级系统中获得同样的分数。在充分的市场竞争环境中，一家银行很难提供比其他银行优惠得多的贷款条件来吸引客户。这就造成大型机构掌握的客户数量多、数据量大，它的智能系统效率就越高、控制风险的能力越好，能够更好的对客户进行风险定价，从而吸引更多的客户并获得随之而来的增量数据。对于未来的金融行业来讲，如果没有监管干预，大型银行规模将会进一步扩张，某些在数据层面拥有独特优势的机构（如网商银行和微众银行）也有较大的成长空间。信贷行业内部兼并重组、优化整合的现象可能成为常态。第三是信贷从业人员可能大幅减少。金融科技发展带来了一大变化是信贷投放全流程无人化。银行机构通过大数据抓取和分析，能够快速准确地判断客户的风险等级和资金用途，改变过去需要大量人工进行审批的局面，一方面提高了效率和风险控制水平，另一方面避免了人工审批可能带来的操作风险和道德风险。同时贷中放款流程和贷后监管流程所需要的人工干预也越来越少。仍以网商银行为例，根据2019年度报告显示，该行员工人数为841人（其中科技人员439人，占52.2%），年末貸款余额700亿元人民币，人均贷款余额8323万元，不良贷款率为1.3%。同期工商银行员工人数44.5万人，贷款余额16761亿，人均贷款余额376万元，不良贷款率为1.43%。随着金融科技进一步发展，各银行机构人均贷款投放量必将进一步上升。对银行来说意味着更好的风险控制水平和更低的人力成本支出，对社会来说则意味着更少的工作岗位。
四、总结
对于金融机构来说，必须要大力发展金融科技，这样才能在未来的市场中拥有更好的风险控制水平和竞争优势。但是对于国家和社会（特别是监管机构），需要意识到金融科技可能带来的副作用和冲击，防止大型金融机构以风险控制为名实行价格歧视，对缺乏议价能力的群体给予政策倾斜，同时对于可能出现的银行裁员和降薪做出安排。
参考文献：
[1] 涂永前.大数据经济、数据成本与企业边界[J].中国社会科学院研究生院学报，2015.9.钟伟.警惕数据寡头终极垄断[J].新金融，2020.1.
作者简介：
马云风（1988—），男，讲师，重庆涪陵人;重庆大学经济与工商管理学院硕士研究生;研究方向：银行经营管理、互联网金融。
关键词：金融科技;信贷市场;消费者剩余
一、引言
近年来随着金融科技的发展，大数据分析、人工智能等技术广泛应用于金融市场当中，极大地提升了金融服务的可得性、效率和风险控制水平。特别是在信贷市场中，互联网金融、大数据风控模型、更为广泛的征信、人脸识别等技术和应用使得精准风险定价成为可能，金融机构（包括商业银行、融资租赁公司、消费贷款公司、小贷公司等）极大地拓展了金融服务的边界。但是金融科技是一个双刃剑，在提升效率和可利用性的同时不能忽视其在进行价格歧视和市场分割方面天然的优势。这种优势可能会导致金融机构利用市场主导优势侵占消费者剩余，增加部分人群的债务负担，提升社会融资水平，还会提升信贷行业集中度并减少相关工作岗位。
二、金融科技提升金融机构风险管理水平并扩大服务覆盖范围银行等金融机构在过去是依靠人工对授信进行审查。企业和个人提供的信贷资料真实性和完整性存疑是不良贷款形成的重要原因之一。银行员工受个人专业能力限制，并不能完全杜绝财务造假的可能性（真实性核查），也经常无法全面把握客户的负债完整性（完整性核查），造成很多授信在逾期以后银行才发现问题。大数据分析和区块链技术的应用发展可以显著改善这一状况。过去银行核查企业财务报表真实性的方式往往是先进行逻辑检验，发现不合理的地方，再进行现场检查，并多方面进行核实。这种方式非常考验银行员工的财务分析能力和经验，如果遇到水平高超的造假者识别难度太大。现场检查则容易以偏概全或者被企业刻意误导，且很难长期跟踪检查。通过大数据分析，特别是物联网普及之后数据采集规模、范围和频率极大提升，银行机构在整个授信流程中可以全面、实时查看客户生产运输和销售的状况，每一个产品（半成品、原材料）的状态、位置等信息都可以随时查看，核查企业存货、销售额变得易如反掌。大数据分析系统可以自动对可疑的财务指标进行提示并人工进行核查。随着区块链和数字货币的发展，未来企业和个人每一笔交易都可以被追溯且无法伪造，银行可以很方便查询企业资金流向，企业的应收预付等款项的真实性核查难度降低。越来越多的金融机构接入征信系统，隐藏负债的难度加大，包括民间融资和非标债权产品，银行可以比较全面准确地评估企业和个人的负债水平。此类计算机技术在金融领域的深度应用场景还有很多，且在不断发展当中，银行控制风险的能力必将大大增强。金融科技应用还可以大大提升信贷服务的可得性。传统信贷市场中银行等主要金融机构受限于人力、技术水平、风险控制水平和市场营销能力，只能从市场中选取潜在客户群体人数最多，风险水平适中且较为集中的那一部分人群作为某一种信贷产品针对的营销对象。例如，银行针对金融机构从业人员、政府公务员开发的信用卡产品或者针对政府融资平台、上市公司和国有企业开发的贷款和票据产品。对于风险水平偏高，处于风险分布曲线“长尾”部分的群体，如老弱病残、农户、个体工商户和小微企业等群体，难以开发风险可控的信贷产品，没有足够的人力可以对其进行授信调查、即使发放贷款也会因为单笔金额太小导致收益过低。这也是近年来国家监管部门多次强调银行应加强对小微企业信贷投放而实际效果不佳的重要原因之一。近年来，银行等金融机构开始应用大数据风控模型和人工智能审批等金融科技手段，开展营销和获客并进行信贷审批。科技手段使金融机构摆脱了传统依靠人力进行调查和审批的方式，快速高效地获取客户信用和财务状况，并自动进行审批。特别是大数据模型还可以针对每一个贷款申请人的自身情况对其核定一个专属的贷款额度和利率，实现真正的“风险定价”。金融科技可以帮助银行实现贷前、贷中和贷后全流程的智能化和及批量化处理，节约大量人力资源、降低信贷投放成本，从而提升金融机构对数量多、额度低的客户群体分配信贷资源的积极性。以网商银行为例，2019年以来该行与各地政府展开“普惠金融+ 智慧县域”合作，借助大数据+ 互联网技术，结合政府在行政和公共服务过程中产生的数据，协同各地政府建立区域专属授信模型，为农户提供无抵押、免担保的纯信用贷款，支持农户生产经营。如此一来，市场上大量原本无法在正规金融渠道获得信贷资金的人群和企业可以得到信贷支持，而金融机构也可以较好地控制其风险水平和成本。
三、金融科技可能造成的负面影响任何科技进步从长远看都对人类和社会发展具有推动作用，但是在某项技术刚刚运用于某一个领域时，会对产业原有格局和社会造成一定的冲击，甚至对部分人群造成一定的损害。当技术成熟、社会适应之后这种冲击带来的负面作用才会逐渐消失。例如蒸汽机发明后运用到纺织产业当中，英国大量纺织工人失业，部分依靠手工纺织产业的国家经济受到较大冲击;汽车发明并大规模生产之后，马车产业中很多人失业。我们不能因为科技进步带来的好处而完全忽视其负面作用，我们必须要对其负面作用有充分的认识，并提前做出安排，尽量减小其对社会造成的冲击，保护部分应对风险能力较弱的个人和企业。对金融科技来说同样如此，它会提高金融机构控制风险和降低成本的能力，但也有可能赋予金融机构过大的权力使其可以侵占部分消费者的权益，大型金融机构强者恒强，金融行业垄断化程度加深。第一是金融机构可以实现价格歧视并占有消费者剩余。金融科技的发展极大地拓展了金融机构服务人群的范围，大量原本无法获得信贷资金的人群现在可以得到了。但金融科技同时也赋予了金融机构更大的权力，使其可以根据客户风险等级制定不同的贷款价格，实现精准风险定价和完全价格歧视。精准风险定价就是根据每个人不同的风险水平制定专属的贷款方案（包括额度、利率、还款方式和担保方式等），也就使得每一个人必须为贷款支付自己能够承受的最高的利率。举例来说，原来某银行针对某一特定人群发放的贷款品种，无论一个人具体情况（负债水平、资产状况、家庭状况）如何，只要他满足这个群体的准入标准，那他就可以获得和其他人一样的贷款条件（最主要的是利率），这种情况下银行最多可以实现三级价格歧视，获取部分消费者剩余。在金融科技加持下，金融机构现在可以针对每个人核定对应的单独的利率（信贷市场中价格），这样就实现了完全的市场分割和一级价格歧视，市场上所有的消费者剩余都被金融机构剥夺了。这种情况和互联网公司的“大数据杀熟”类似，携程、滴滴等平台可以通过大数据分析对客户进行精准画像，然后对价格不敏感的客户收取更高的价格;淘宝、京东通过设计复杂的营销活动（例如618、双11购物节），提升客户的时间成本，价格不敏感的客户没有领取优惠券以较高价格购买商品，价格敏感的客户花费较多时间获取优惠以较低价格购买同样商品，从而实现价格歧视。金融机构在掌握大数据并对客户进行精准风险定价，也可以完成类似的“大数据杀熟”，对资金需求比较频繁、紧急或者本身信用等级较低的客户执行较高的利率（客户可能本身并不知晓其利率高于平均水平），这无疑提升了市场整体的信贷成本，并且让弱势群体承担了其风险水平对应的最高利率，可能会加重还款人的压力并影响社会安定。第二是行业垄断程度可能加剧。金融科技由于其自身属性，天然对大型机构更为友好。金融机构规模越大，客户数量越多，掌握的数据也就越多，其金融科技产品的效率就越高、越智能、控制风险的效果也更好。数据规模效应源于人工智能的研究方法——深度学习，其核心方法是使用大量的数据对人工智能模型进行训练，有效数据量越大，模型效果越好。以搜索引擎为例，谷歌公司使用用户搜索记录和点击数据来对引擎算法进行训练，不断优化搜索结果，提升搜索质量。精准且个性化的搜索结果吸引更多用户使用，帮助算法进一步优化。即使一家研发实力相当的竞争企业推出一款更好的引擎，在用户数（及其带来的数据）远低于谷歌公司的情况下，算法进化的速度必然也远低于谷歌搜索。同样对于金融机构来说，大数据风控和智能审批的系统建设不是一蹴而就的，系统智能水平随着该机构的客户数量、客户相关信息的维度、准确性提升而提升。举例来说，如果一家银行本身规模巨大，存量客户数量和业务种类足够多，它可以掌握客户日常交易流水、工资代发、代收代缴、理财等业务的数据，通过系统自动分析可以较好地评价客户信用等级和贷款资金流向，从而在大批量进行授信投放时控制风险。而另一家规模比较小的机构，如果本身市场占有率比较低，存量客户数量比较少，那它即使投入同样资金研发出和大机构一样水平的智能审批系统，由于可获取的数据总量和维度均少于大机构，系统的智能水平、审批效果和改进迭代的速度必然弱于大机构的系统。以网商银行为例，它天然掌握了阿里巴巴平台和淘宝平台上大量商户的经营数据，包括资金流、物流、客户评价等多维信息，并通过支付宝掌控了客户的资金，通过大数据风控系统可以很好地对客户进行信用评级（甚至不需要财务报表），从而允许它大批量、快速地发放贷款，不仅审批效率很高，贷款不良率也很低。进一步讲，当机构的金融科技水平弱于其竞争对手时，它将很难通过其他方式实现赶超。这是由于数据规模带来的较高的客户迁移成本。当一个客户在某家银行办理了大量存贷业务和中间业务并持续一段时间后，它在该银行就拥有了较好的信用评价等级的数据基础，这部分数据银行不会轻易共享给其他机构。客户如果想要转移到其他机构去进行贷款，那它必须将所有业务全部迁移过去，还需要一段时间过后才可能在新机构的智能评级系统中获得同样的分数。在充分的市场竞争环境中，一家银行很难提供比其他银行优惠得多的贷款条件来吸引客户。这就造成大型机构掌握的客户数量多、数据量大，它的智能系统效率就越高、控制风险的能力越好，能够更好的对客户进行风险定价，从而吸引更多的客户并获得随之而来的增量数据。对于未来的金融行业来讲，如果没有监管干预，大型银行规模将会进一步扩张，某些在数据层面拥有独特优势的机构（如网商银行和微众银行）也有较大的成长空间。信贷行业内部兼并重组、优化整合的现象可能成为常态。第三是信贷从业人员可能大幅减少。金融科技发展带来了一大变化是信贷投放全流程无人化。银行机构通过大数据抓取和分析，能够快速准确地判断客户的风险等级和资金用途，改变过去需要大量人工进行审批的局面，一方面提高了效率和风险控制水平，另一方面避免了人工审批可能带来的操作风险和道德风险。同时贷中放款流程和贷后监管流程所需要的人工干预也越来越少。仍以网商银行为例，根据2019年度报告显示，该行员工人数为841人（其中科技人员439人，占52.2%），年末貸款余额700亿元人民币，人均贷款余额8323万元，不良贷款率为1.3%。同期工商银行员工人数44.5万人，贷款余额16761亿，人均贷款余额376万元，不良贷款率为1.43%。随着金融科技进一步发展，各银行机构人均贷款投放量必将进一步上升。对银行来说意味着更好的风险控制水平和更低的人力成本支出，对社会来说则意味着更少的工作岗位。
四、总结
对于金融机构来说，必须要大力发展金融科技，这样才能在未来的市场中拥有更好的风险控制水平和竞争优势。但是对于国家和社会（特别是监管机构），需要意识到金融科技可能带来的副作用和冲击，防止大型金融机构以风险控制为名实行价格歧视，对缺乏议价能力的群体给予政策倾斜，同时对于可能出现的银行裁员和降薪做出安排。
参考文献：
[1] 涂永前.大数据经济、数据成本与企业边界[J].中国社会科学院研究生院学报，2015.9.钟伟.警惕数据寡头终极垄断[J].新金融，2020.1.
作者简介：
马云风（1988—），男，讲师，重庆涪陵人;重庆大学经济与工商管理学院硕士研究生;研究方向：银行经营管理、互联网金融。