解读 | 央金所风控之中小企业评级模型

近年来，互联网金融的兴起，使风控一词成了焦点，也备受平台和投资者的关注。风控也是每家互联网金融公司的核心环节。与此同时，一批具有强金融基因和自律性的互联网金融正规军脱颖而出。作为正规军中的一员，央金所聘请外部资深专家，基于巴塞尔III风控体系，刚完成了一套以大数据和金融科技为驱动力的中小企业全周期风控模型，且1.0版本将投入使用。该模型的出现，为中小企业提供金融服务带了更大的保障。

众所周知，中小型企业在当下的市场环境下扮演着愈加重要的角色。

然而中小企业在寻求金融服务的过程中，因无足值抵押物和完税证明等缺点，导致从传统金融机构处寻求金融服务的过程中屡屡碰壁。当“融资难、融资贵”的问题超越“企业扩大店面、产业升级”等经营问题时，很容易导致中小企业因资金短缺或者供应链金融服务不到位而导致产业升级无望、甚至倒闭破产。

虽然中小型企业的需求明显，但是作为互金平台同样要做好风险控制，切实保障投资人的资金安全。基于此，央金所独创的中小企业全周期风控模型，就为用户带来了坚实的保障。

该模型模型采取IRB(Internal Rating Approach)内部评级法，IRB方法根据违约概率(PD)，给定违约概率下的损失率(LGD)，违约的总敞口头寸，以及期限(M)等因素来决定一笔授信的风险权重。这也是大多数银行内部授信评级普遍采用的方式。

接下来我们就来解读下央金所中小企业全周期风控模型。不过在进行详细的解读之前，我们首先要认识到其实在进入风控模型之前，贷前审查流程是重要一环，这在风控的前馈控制体系中占据重要地位。

在进入全周期风控模型之前，央金所设置了反欺诈准入规则，对中小企业客户进行反欺诈审查。通过企业反欺诈模型和企业主夫妇、主要股东及实际控制人反欺诈模型，得出企业及实控人的风险提示、反欺诈评分和行为画像等结果，从而直接将潜在欺诈客户直接拒之门外。

反欺诈模型的主要变量维度如下：

在通过反欺诈模型验证之后，就进入到了中小企业全周期风控模型，也就开始应用IRB(Internal Rating Approach)内部评级法。

与传统的信用风险衡量方法一样，IRB法也是从客户和债项两方面来度量信用风险的。

该方法的核心在于，通过研究分析不同特征数据相对应的违约率，通过非线性逻辑回归、决策树分析、神经网络建模等方法来建立数据风控模型和评分卡体系，来掌握不同特征对应影响到违约率的程度，并将其固化到风控审批的决策引擎和业务流程中，来指导风控审批业务的开展。

具体步骤包括：

第一步，筛选关键指标，这是IRB建模的最为重要的一个环节。

基本方法是：根据众多备选指标(一般在100个以上)与事后违约频率的非线性方程计算其敏感系数，主要采取决策树技术、多元概率回归技术和因素递减技术，在此基础上结合专家意见确定关键指标。

我们将筛选出来的关键指标分为企业财务指标体系和企业征信指标体系：

第二步，计算初步的PD。

模型对包括净资产收益率、资产负债率、经营性现金流比率等在内的若干财务指标，根据规模、行业和区域进行系统分类，并作过滤性检验。

然后导入主模型做概率回归、逻辑分析和对数分析等三种基本分析，建立专家经验模型(专家给每个样本企业打分)，最后采用随机森林算法得到初步的PD模型。模型目的是为了计算企业得分。

央金所选取了1000家不同行业的中小企业近两年的财务报表作为专家经验模型的评分样本、ST股票公司财务报表信息作为预警客户样本。

并且聘请了多名银行评审专家，使用PD模型对样本财务指标进行评分，形成了一套模型样本：(数据来源：中小企业股份转让系统、上交所、深交所、WIND数据库等)

央金所采用层次分析法、随机森林算法，建立了企业预测评分模型，并用多家上市公司财务数据对模型进行检验。

第三步，调整PD。

模型引入管理水平、技术实力、市场表现和法律环境等定性指标(转化定量指标)作为调节变量，即调节变量结合PD模型专家评分，再给每个企业样本最终专家评分，将专家定性分析结论转化为定量指标值，据此对初步的PD模型进行调整。

如今，央金所正是凭借着中小企业评分系统实现了高质量的数据和审慎严谨的决策模型的完美结合，同时再结合实时全面的监控分析，实现了全周期风控模型的动态闭环。

未来，央金所会使用该模型对平台现有中小企业借款人进行评分，实现对平台中小企业借款人进行更精准有效的评分，对借款人的风险进行更有效的评估和控制。