- 大数据为银行风险管理助力
近年来,随着企业数字化转型和产业互联网的快速发展,目前已逐步具备从整体产业链的角度对链条企业风险进行评价,将风险管理从传统的单一视角升级为整个产业链多核心企业及上下游企业的网状供应链的整体视角,批量化开展业务。
在传统供应链金融模式中,依靠核心企业的信用增信方式确实有助于充分利用核心企业的信用资源,能够在一定程度上解决中小企业融资难、融资贵问题。然而,随着供应链金融规模不断扩大,该模式过于依赖核心企业信用担保,忽视了授信主体链条企业自身的信用,缺乏有效的手段监测核心企业及链条企业的贷后风险。
通过大数据方法,结合政务、金融、互联网场景等多维度数据,构建企业数字信用评价体系,使得银行有能力关注大量链条企业的信用,避免过度依赖核心企业的信用。同时,也可基于链条企业的信用进一步拓展规模,动态关注链条企业数字信用评价的变化情况,及时监控企业贷后风险并调整风险策略。
在传统供应链金融模式中,银行与链条企业的信息不对称非常明显,核心企业提供的信息和贷前调查掌握的信息不足以支撑授信的安全性和稳定性,无法实现对所有链条企业的精细化画像及管理。定价模式多基于传统业务标准,无法根据客户不同的风险情况进行差异化定价,也无法对客户融资期限进行合理安排。企业数字信用评价体系能够识别不同客户的价值和风险,实现差异化风险定价,并确定合理的期限,有效管控定价风险和期限风险。
-----------------------------------------------------------------------