"很多人以為只有廠租、光伏等標(biāo)準(zhǔn)項(xiàng)目能搞風(fēng)模，其實(shí)回租類的非標(biāo)項(xiàng)目也能搞的，頭部租賃己稍稍落地應(yīng)用多年。"

　　標(biāo)準(zhǔn)與非標(biāo)項(xiàng)目在風(fēng)險(xiǎn)模型上，其實(shí)就差在一個(gè)是純線上打分，一個(gè)是線上與線下一起打分。許多人就奈悶了，那既然都要線下，那跟風(fēng)控員手工做有什么不同?

　　其實(shí)就是標(biāo)準(zhǔn)化，標(biāo)準(zhǔn)化才能上規(guī)模。

　　很多人初步下沉小微非標(biāo)業(yè)務(wù)，常常很困擾于高度信息不對(duì)稱的難點(diǎn)，風(fēng)控看不清楚沒(méi)安全感要補(bǔ)一堆材料，浩浩蕩蕩的寫(xiě)了100多頁(yè)風(fēng)險(xiǎn)評(píng)估報(bào)告，列了幾十個(gè)風(fēng)險(xiǎn)點(diǎn)，有些看起來(lái)是風(fēng)險(xiǎn)，又不像是風(fēng)險(xiǎn)，頁(yè)數(shù)寫(xiě)的愈多，反而愈不知道到底要不要投放，投放多少額度，常常是業(yè)務(wù)跟風(fēng)控先吵一頓架，最后再拍著腦袋下決策。

　　這樣就會(huì)很沒(méi)效率，不經(jīng)濟(jì)，資產(chǎn)規(guī)模做不大�；ㄔ诔臣艿臅r(shí)間可能比項(xiàng)目時(shí)間還多。而且實(shí)務(wù)經(jīng)驗(yàn)是架吵的愈多，不良率就愈高。

　　所以這個(gè)時(shí)候風(fēng)險(xiǎn)模型就可以作為決策依據(jù)，還能順便盡職免責(zé)。簡(jiǎn)單粗暴且不精確的解釋，風(fēng)模是一種規(guī)則與標(biāo)準(zhǔn)，讓業(yè)務(wù)與風(fēng)控有共識(shí)，哪些因子與違約有高度相關(guān)。哪些跟風(fēng)險(xiǎn)其實(shí)關(guān)系度不大，別糾結(jié)了。

　　譬如開(kāi)車時(shí)，輪胎壞了大概率會(huì)影響行車安全，但雨刷壞了則不一定，看下雨沒(méi)。把規(guī)則列清楚就能夠協(xié)助標(biāo)準(zhǔn)化作業(yè)，真正跟違約相關(guān)的因子其實(shí)就那幾個(gè)，限定評(píng)估范圍，不要太發(fā)散。

　　所以許多頭部租賃公司開(kāi)始建小微風(fēng)模，最重要的初衷還不是做為決策引擎，而是減少業(yè)務(wù)跟風(fēng)控的吵架，盡快讓資產(chǎn)上規(guī)模，對(duì)國(guó)企來(lái)說(shuō)，最重要的是有一個(gè)規(guī)則依據(jù)，盡職免責(zé)，實(shí)現(xiàn)國(guó)有資產(chǎn)的保值增值，要是后端再結(jié)合科技系統(tǒng)，就符合監(jiān)管所要求的數(shù)據(jù)治理，科技賦能。

　　最重要的是還能省人員編制與用工成本。

　　很多人會(huì)想像，現(xiàn)在大數(shù)據(jù)跟人工智能很先進(jìn)，只要買個(gè)現(xiàn)成風(fēng)模，就能像信用卡審批一樣，線上就能咻咻咻的審批放款。但想像很豐滿，現(xiàn)實(shí)很殘酷。

　　公司業(yè)務(wù)要像零售業(yè)務(wù)一樣，如此的線上全自動(dòng)比較難，不過(guò)半自動(dòng)還是可以的。小微業(yè)務(wù)嘛，沒(méi)個(gè)風(fēng)模有點(diǎn)說(shuō)不過(guò)去。

　　但小微因?yàn)槎鄻有愿撸腋叨刃畔⒉粚?duì)稱的特性，還是得要去現(xiàn)場(chǎng)盡調(diào)，但盡調(diào)內(nèi)容更偏向是數(shù)據(jù)采集跟反欺詐。數(shù)據(jù)采集的內(nèi)容、范圍、都有明確的規(guī)定與要求。

　　譬如大家都知道小微企業(yè)，實(shí)控人很重要，但實(shí)控人只是一個(gè)概念，概念是不好評(píng)估的，更靠感覺(jué)。但實(shí)控人有幾套房，跟參加工作的具體時(shí)間則是一個(gè)量化過(guò)的概念，股東結(jié)構(gòu)，持股比例也是。我們可以把這些標(biāo)準(zhǔn)輸入到模型里面，在統(tǒng)計(jì)學(xué)上我們叫定性轉(zhuǎn)定量分析。

　　很多人說(shuō)沒(méi)有歷史數(shù)據(jù)沒(méi)有辦法做風(fēng)模，筆者在這里要特別澄清一下，風(fēng)模其實(shí)有兩個(gè)階段，評(píng)分卡與量化風(fēng)險(xiǎn)模型。

　　評(píng)分卡是第一階段，這里只需要風(fēng)控人員與有經(jīng)驗(yàn)的咨詢公司，將風(fēng)控人員或同業(yè)經(jīng)驗(yàn)轉(zhuǎn)化，給予一個(gè)評(píng)分與權(quán)重。所以不需要?dú)v史數(shù)據(jù)也能有一定的輔助判斷功能。

　　第二階段才是量化風(fēng)險(xiǎn)模型，利用數(shù)量分析跟模型做精細(xì)化的修正，將型一與型二錯(cuò)誤做后驗(yàn)，將原來(lái)專家法下的人工設(shè)定的權(quán)重與參數(shù)調(diào)整，并且加入宏觀經(jīng)濟(jì)因子、地區(qū)、行業(yè)風(fēng)險(xiǎn)等，實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)微調(diào)。

　　甚至在頭部租賃公司的實(shí)務(wù)經(jīng)驗(yàn)里，不只是違約率能做量化分析，還會(huì)根據(jù)設(shè)備等風(fēng)險(xiǎn)緩釋措施，做回收率的建模 。

　　第一與第二階段是不可逆的，也無(wú)法跳躍。也就是說(shuō)量化風(fēng)險(xiǎn)模型沒(méi)有辦法直接建模，一定需要評(píng)分卡，所以很多人說(shuō)沒(méi)有歷史數(shù)據(jù)就沒(méi)有辦法做風(fēng)模，這種說(shuō)法其實(shí)不太精確。

　　建模的第一步不是需要樣本數(shù)，而是需要評(píng)分卡。只有經(jīng)過(guò)評(píng)分卡的數(shù)據(jù)才是數(shù)據(jù)。

　　其實(shí)建模容易，落地難。

　　就像是很多金融機(jī)構(gòu)都有買螞蟻分?jǐn)?shù)，分?jǐn)?shù)是有了，但有了分?jǐn)?shù)然后呢? 許多人也有買現(xiàn)金流模型，但許多人會(huì)表示看了半天也不曉得這些跟信用風(fēng)險(xiǎn)該怎么掛勾，只能看個(gè)感覺(jué)。我們的咨詢團(tuán)隊(duì)有豐富落地經(jīng)驗(yàn)的專家，有在頭部租賃公司實(shí)際將風(fēng)險(xiǎn)模型與風(fēng)險(xiǎn)政策相結(jié)合的經(jīng)驗(yàn)。

　　譬如200萬(wàn)以內(nèi)非標(biāo)小額案件的評(píng)分模型，實(shí)務(wù)上會(huì)快速審批，因?yàn)樾☆~分散，一開(kāi)始不需要大量數(shù)據(jù)分析，最重要的就是準(zhǔn)入標(biāo)準(zhǔn)。

　　為了確保風(fēng)模能落地應(yīng)用，我們會(huì)根據(jù)金融機(jī)構(gòu)的本身的風(fēng)險(xiǎn)容忍度與現(xiàn)有的組織架構(gòu)，去設(shè)計(jì)五個(gè)關(guān)鍵節(jié)點(diǎn)，包括資料清單的標(biāo)準(zhǔn)化、準(zhǔn)入條件，項(xiàng)目流程、針對(duì)小額案件的模塊化風(fēng)評(píng)等等，最后是信用評(píng)分，手把手的協(xié)助風(fēng)模落地。

　　從實(shí)控人、司法征信、到申請(qǐng)人主體，銀行流水等，共10-20個(gè)關(guān)鍵風(fēng)險(xiǎn)指標(biāo)，與三個(gè)附帶現(xiàn)金流模型一同做成評(píng)分，并且可開(kāi)放參數(shù)與權(quán)重做客制化修模。