2022，如何打造行业专精、数智驱动、敏捷化的专业风控体系？

随着中国经济快速发展与产业结构转型升级，行业格局也在持续发生着颠覆性变革。有异军突起、后来居上的新兴黑马，也有挣扎求索、换道而行的传统龙头。在全新的行业环境下，公司银行风控体系也亟需注入生机活力，更有效服务好新的产业发展格局。

伴随着行业发展新旧动能转换，部分传统企业正在艰难谋求转型，探索新的发展模式。无论是由内生增长转为外生增长、积极开展并购扩张，还是降低财务杠杆、优化资金管控和使用效率，诸多改变既意味着新机遇，也不可避免会带来一些不确定性风险，如何在满足客户需求的同时，准确识别、衡量并把控风险，是现有风控体系面临的新挑战。

以半导体、新能源、生物医药、文化传播等为代表的新兴行业快速崛起，并与传统行业表现出迥然不同的发展规律。当前以“硬实力”为核心的风险评估框架和风控手段在新兴行业明显水土不服，必须向基于“软能力”的风险评估框架进行系统性升级、甚至重构。

产业变革与竞争格局催生新的发展思路，“打造强大有韧性的产业链”成为重要目标。在核心企业“补链”和“强链”双管齐下、产业链上下游企业间依赖关系越发紧密，银行对公业务的风控逻辑也在发生颠覆性变革。过去针对单个企业进行相对孤立割裂的风险判断逻辑已不再适用，基于产业链视角的风控思维应运而生。

客户需求演进，对银行服务效率提出更高要求。随着产业竞争加剧，企业客户在生产经营活动中融资用款需求的灵活性增强，对于银行授信时效性的要求也日益提升，能否及时授信、快速放款成为衡量公司银行风控体系竞争力的一项重要考量因素。尤其对于中小银行而言，在资本实力薄弱、定价水平竞争力不足的情况下，提升风控效率、定制与客户生产经营节奏匹配的金融方案、优化客户的金融服务体验是与各大银行竞争突围的机会所在。

产业互联网发展，进一步促进风控数据体系完善。随着产业互联网的发展与数字化转型的广泛推进，产业客户自身的数字化水平得到大幅提升，供应链管理、生产制造、产品销售等经营数据的沉淀也更加完善，使得银行对公业务风控数据的丰富性与数据质量大幅提升、数据分析应用难度明显降低，打造智能化的对公风控数据体系的数据条件也在更加成熟。

新兴行业企业崛起，传统风控逻辑难以满足需求。新兴企业与传统企业在商业模式、经营规律上有明显不同。一方面是营业收入与利润明显滞后，主要由于新兴行业企业通常前期技术与产品研发成本高、初期投入大、更易采用相对激进的商业策略快速获取市场与客户、且部分新兴科技型企业主体收入利润产生于销售交易完成后的产品持续维护与运营，而非交易发生的当下；另一方面是资产结构与传统企业迥然不同，新兴行业企业普遍是技术密集型企业，多采取轻资产运营模式，因此知识产权、技术专利、专业人才团队等“软资产”往往是这类企业的真正“硬能力”。

面对行业与客户的快速变化，公司银行风险管理体系也必须沿着行业专业化、风控数智化、决策敏捷化三大方向着手推动转型，全面提升风险管理能力水平与决策效率，增强对公业务竞争力。

首先是加强自上而下的行业研究，看透风险周期。银行授信审批团队应当转变研究视角，强化对行业发展前景、竞争格局、产品价值链上下游、典型商业模式、行业周期的研究。

一方面，长期积累对传统行业的新生变化、新兴行业的专业洞察，为对各细分行业开展风险分析和评估打下牢固基础；

另一方面，强化对行业风险周期的提前分析与准确预判，并据此及时调整宏观授信政策。做到在细分行业的进入时机比同业早，进入速度比同业快，退出时间比同业好，从而实现宏观风险策略有效穿越行业的发展周期。

其次，建立基于行业特色定制的风险评估框架。相比于传统行业，新兴行业的经营模式、盈利模式和投入产出规律都有显著不同，传统的风险评估框架和逻辑已不再适用。因此，银行需要及时进行调整，探索如何以更恰当、更准确的方式去评估新兴产业企业的风险水平。

• 一方面，建立对“硬能力”而非“硬资产”的风险评估框架。对公业务竞争日趋激烈，为尽快与优质初创企业客户建立联系，陪伴客户成长，银行往往需要在客户所处生命周期的早期、甚至在财务指标未达理想状态时就及时切入。这要求银行拥有一双识别优质初创企业的“慧眼”，在缺乏优质抵押物或确定财务表现的情况下，能够对企业技术专利、知识产权、团队专业能力等“软资产”代表的“硬能力”进行合理有效分析，提前准确预判企业的业务前景、未来创收能力等。

  
  

• 另一方面，构建更具弹性的风险评估框架，避免“一刀切”。银行应深入理解细分行业的商业模式、增长逻辑、竞争力要素和影响企业发展的关键趋势，将相关洞察固化并体现在尽调框架和风险评估标准上，即根据行业特点，定制具体客群的授信调查和审查标准，甚至设计一些细分行业特性指标和对应参考值。

此外，基于行业视角调整完善授信政策。银行应力争完善细分行业的授信指引，即在完成行业授信倾向分类的基础上，针对细分行业，特别是需要逐户审批的选择性支持行业，提供详细的授信政策指引，以统一逐户审批的评判标准，形成专业化的授信审批意见。具体而言：

• 授信政策指引要更精细。一是沿产业链纵向视角的细分授信子行业划分（过去很多银行的授信行业划分更多是横向视角，将产业链之间的共性价值链环节抽象成行业）；二是更加细致地指引内容设计，包含更清晰的标准、更明确的授信观点等。比如：针对医药行业，领先银行的授信指引会细致到支持授信的重点治疗领域、重点药物品类、鼓励授信的药物技术路线等；针对逐步压缩行业，会细化到允许准入的客户白名单，以及针对不同类型白名单的具体审批重点等。

  
  

• 授信指引更新要更及时。新兴行业的变化较快，授信政策的调整速度也需要与时俱进，建议银行至少每年对行业授信政策进行全面评估，部分受监管高度影响的行业，甚至可以半年一次。典型行业授信指引内容通常包含：1）行业发展概况及趋势；2）行内与该行业业务开展状况；3）行业基本面及风险因素分析；4）客群评价逻辑及龙头企业画像；5）授信策略和建议等。

最后，打造行业专精的风险团队。将审批团队的分工按照细分行业的维度进行精细化设置，实现“专业人做专业事”，在行业研究、行业政策制定、授信审查审批领域打造行业专精团队。

以审查审批团队行业专业化为例，通过按照细分行业设置审查审批团队，打造贷中“行业专家”。这样划分的价值在于，相比传统授信审查审批部门的分工方式，按照行业分工能最大程度地考虑细分客群之间的差异（而非仅仅考虑人员职级、业务所属区域和工作负荷），有效提升审查审批人员的专业性，精准评判行业风险，避免由于“看不透”、“看不准”而带来的种种问题：要么是轻易不敢贷，从而错失好客户；要么是批复的额度、产品、定价、风险缓释措施不合理；要么是在流程中形成反复沟通、退件，拉长审批链条等等。

数字化工具与数据分析在银行对公业务的风控体系中扮演着举足轻重的角色，可以有效提升风险管理的准确性和适当性，帮助银行真正实现智能化、自动化决策和高效率的全流程管理。

一方面，打造强大的风险数据中台，整合行内外的各类数据分析洞察，作为风险管理的高质量输入和依据。通过外部行业研究和数据挖掘分析，建立风险、业务、产品等各条线统一的行业认知框架，制定各方人员一致认可的行业量化准入标准。同时，对数据资产进行整合和分析、应用，并赋能对公信贷的全流程风控。具体而言，银行可从两个方面入手：

• 持续丰富风险数据多样性，尤其是高质量外部风险数据（比如行业数据、舆情数据、税务数据、非上市公司财务数据等）的引入，并与内部客户、交易等数据有效整合，打造全行级风险数据平台。

  
  

• 完善数据质量管理机制，建立一套覆盖数据引入、使用、开放等整个生产运营过程的数据管理规范，从制度上保障数据资产管理工作有据、可行、可控。

另一方面，建立智能化、数字化的风险工具与系统平台，为开展风险管理工作提供强有力的技术支撑。比如利用大数据打造数字化风险决策引擎，形成场景差异化、预警智能化、管控自动化的风控体系，辅助业务、风险条线对贷后风险事件形成一致的判断和统一的管理动作。具体主要体现在四个方面：

• 分析决策：固化线上化、标准化产品的审批决策规则，打造分析决策引擎，以实现自动或半自动审批，在提升审批效率的同时，降低人工干预带来的道德风险。

  
  

• 估值计量：搭建并固化估值与计量模型，依托数据的自动抓取和更新，自动计算价值评估和风险计量结果（例如客户评级、债项评级、押品价值评估、限额测算等），既简化操作难度，又能兼顾部分黑箱模型的保密性。

  
  

• 评估预警：建立基于大数据的风险评估与预警模型，从宏观和微观角度对客户的违约风险进行动态监测，提高预警的全面性、准确性、及时性。

  
  

• 统计分析：打通各类业务系统和风控系统，搭建全机构、全业务、全客户的统计分析平台和驾驶舱，实现信贷业务风险的360度全景分析和可视化展示。

过去，银行对公业务风险决策是典型的瀑布式工作模式，前中后台的楚河汉界非常清晰。后台风险审批人员甚至被要求不能接触客户，更多依靠案头审批开展工作。

然而，随着行业与客户加速变化发展、竞争日益加剧，对公业务风险判断与决策的复杂性在逐渐提升，当前瀑布式的风险管理与决策模式越发难以适应市场需求。为了提高风险决策准确性和敏捷性，必须加强前中后台的深度协作，以便在前期更高效地搜集相关风险信息、更精准地洞察客户潜在风险、更专业地为客户定制金融服务方案。

具体而言，提升风险决策的敏捷化程度可以从四个方面入手：

在制定授信政策时，充分引入业务团队参与，提供业务视角的建议。银行不仅要处理好企业财务风险、法律合规风险等常规问题，还应关注客户所在行业的业务模式、经营策略、竞争格局、发展趋势等对风险表现的影响，并在授信政策中有所体现，同时在风险落地执行的全流程中，注重业务与风险的沟通协调。

一方面是推动审批模式从“自下而上”到“自上而下”转型。在“自下而上”模式中，通常是由各集团成员单位发起授信需求，各协办行准备完整的授信尽调报告，经逐级审查审批后，汇总至集团主办行，最终由主办行完成集团与各成员单位额度的核定。该流程下，各协办行需提供完整报告，材料准备耗时；逐级审查审批，流程链条较长；主办行需等待所有协办行意见汇总，等待耗时较长；诸多痛点造成授信流程动辄需要三四个月甚至半年之久。而“自上而下”模式中，通常以集团角度汇总授信需求，从集团层面出具调查报告并进行审查审批以核定集团授信额度，再在集团获批额度内对各成员单位额度进行划分、由各分行进行审查审批，整体授信时间可缩短至1—2个月。

另一方面是从“集体审议”模式向“行业专家” 模式转型。在传统模式下，往往由业务、风险、合规等多个部门人员组成贷审会，通过集体投票方式进行风险决策，贷审会成员的组成相对固定，且并非对于各个行业都有深入的洞察。随着行业专业化审批团队成立，可将审批决策权向行业专职审批团队转移，在审批过程中最大程度考虑不同细分行业客户之间的差异，提升审查审批专业性。但需要注意的是，行业专业化的审批能力建设并非一朝一夕，特别对于中小银行，在人才引入方面也存在掣肘，因此银行在决策流程向专家模式转移过程中也应考虑实际情况，循序渐进。

在保证风险把控的前提下，对冗余、低价值的审批流程进行删减优化，提升审查审批效率，真正做到一次审查、一次审批；同时，基于风险视角对客户进行分群，根据不同风险水平、不同类型的客户明确相应的审查审批层级，避免重复审查与审批；此外，针对审查审批过程中的多支子流程中能够并行的部分（如评级、授信与押品价值评估之间），尽可能允许并行发起，精简流程节点，同时允许各流程共享系统之间已有数据，互相调用其他流程关键信息，最大程度提升审批时效性。