随着我国金融科技的发展，大科技信贷在服务小微企业上发挥了越来越广泛的作用。从大量国际经验上看，大科技信贷积极服务于小微企业，促进普惠金融，已经成为对传统银行金融服务的有效补充。通过大数据、云计算、人工智能等手段的综合运用，大科技信贷具有更高的可持续性，表现为在可负担的利率成本下更低的违约率。发展大科技信贷，推动大科技信贷对民营经济和小微企业的支持，是我国金融供给侧改革中的重要一环，将推动我国高质量发展的实现。

目前，我国的大科技信贷包括线上触达、大数据风控、联合贷款等方式，积极探索对小微企业的金融服务，补充了传统贷款在金融供给侧的不足。小微企业融资难、融资贵的问题部分得到改善，贷款质量的提高也加强了我国金融体系的稳定性。

大科技信贷以数字化方式破解普惠金融难题

(资料图)

传统商业银行经历了物理网点、自助设备、网络银行、开放银行的演进过程。依托于大科技而发展出来的数字信贷业务，银行业得以进一步提升金融服务的普惠性。小微企业之所以更难获得传统信贷业务的覆盖，主要是由于其普遍存在的信息不完善、财务报表不规范、抵质押物缺乏等问题。在银行传统模式下，小微企业融资难、融资贵难题始终无法解决。要实现海量小微企业和个人客户的触达和风控，金融科技的迅猛发展提供了转型可能和内生动力，中国的大科技信贷在推动普惠金融发展方面做了积极探索。通过大数据挖掘、人工智能和云计算，组合多维度信息交叉验证，对小微企业进行立体式全息画像， 解决小微和个人贷款触达难、风控难、授信难、贷款难及与之相伴的成本高、不良高的“四难两高”问题， 以数字化方式破解普惠金融难题。

通过数字化发展，在深度了解长尾客户的基础上， 银行可以有效地展开精准客户开发。基于大数据的数据挖掘技术可以识别潜在客户，在恰当的时间通过适当的渠道为合适的用户提供个性化的产品。与风控有关的大数据主要源于四个方面：一是银行内部积累的自有数据；二是征信机构的数据，来自传统的央行征信机构，以及具备牌照资质的个人征信机构和企业征信机构；三是社保、财税、工商等公用事业系统的数据； 四是其他合作机构的外部数据。这些多元化的大数据经过人工智能模型分析处理，能够对不同风险类型进行甄别，并相互交叉验证。

大科技信贷不依靠实体网点，全面实现交易线上化；运营成本更加低廉；触点场景化，提升客户黏性， 打造业务闭环；并且以大数据、云计算、人工智能等金融科技手段作为金融展业利器。基于这些特征，大科技信贷的商业模式也不同于传统信贷，在客户定位、产品策略与服务模式、组织架构、资源禀赋和盈利模式等方面都体现出不同。近些年来，全球大科技信贷都经历了较为快速的发展。

金融科技数字化发展是由内而外的，它是由组织机制、机构文化、信息系统架构等内部圈层的建设， 逐渐向外延展，运用金融科技和生态合作等创新模式共同为客户服务。数字化体系的第一个层次是银行内部生态，通过一套完整的与数字化相契合的内部生态机制，高效服务客户。第二个层次是客户生态，银行产品和服务以优质的体验感为客户创造价值，并在银行实现效率与成本的统一。第三个层次是外部生态， 它通过金融科技提升效率，联结场景和产业合作伙伴， 聚合形成有机生态整体，合力为客户提供高定制、多样化的金融解决方案。这一体系架构是大科技信贷的重要差异化价值，代表着数字经济时代银行的面貌，也给传统银行未来转型升级指明了方向。

信贷联营模式是大科技信贷的最佳服务模式

传统商业银行的金融科技贷款主要可分为三种类型。第一种是商业银行自己的金融科技贷款，这类贷款主要是基于传统银行原有的客户信息，通过引入金融科技手段发展为线上贷款业务。第二种是商业银行与金融科技公司合作的联合贷款，商业银行与金融科技公司合作，主要是基于金融科技公司提供的客户多维度信息进行获客及风控。第三种是商业银行与大科技平台合作的联合贷款。联合贷款是指两家合作金融机构基于共同贷款条件和统一借款合同，按约定比例出资，联合发放的贷款。

大科技平台生态系统中往往具有非常广泛的客户数据维度，兼具数据量大、形态多、动态变化等特征。大数据多种数据源交叉在一起，可以达到千亿级别的数据；既可能包括由交易所产生的结构化数据，也可能包括如客户评论、文本类的非结构化数据，还可能包括图像、声频、视频等多媒体数据；并且这些数据是动态更新的，每一秒都会有大量交易发生，形成数据的实时更新。数据维度的扩大有效扩大了贷款客户范围，并增强了风控的质量。随着金融科技的快速发展，以联合贷款为形式的银行间信贷联营合作已经成为银行业发展的新趋势。新模式在长尾用户的金融服务需求的驱动下，从互联网生态中自然生长、创新出来。信贷联营模式是非常典型的银行间开放合作框架， 联合贷款是信贷联营的主要形式。

目前中国的联合贷款市场规模约 2 万亿元，主要参与机构包括蚂蚁集团、平安普惠、微众银行、京东数科、百度以及部分消费金融公司。从 3 家头部机构产品特点看，大科技联合贷款普遍具有门槛低，期限，额度灵活，方便快捷等特点。这类联合贷款的本质特征可以概括为“优势互补、数据共享、独立风控、风险自担”。首先是大科技平台与传统银行之间，基于专业分工和比较优势进行深度协同、优势互补；第二是在经过客户授权、保护客户隐私前提下进行必要的数据共享；第三是出资机构利用合作方的数据进行辅助风控，但具有独立决策权和独立的风控体系；第四是出资方按出资比例承担相应风险，不能要求其他机构进行兜底或者担保。联合贷款业务中，金融机构间的具体分工是基于各自比较优势的一种商业选择。从触达客户到信贷审批再到贷后管理，双方可以在一个或多个细分环节上合理分工。

联合贷款有助于提高金融体系的普惠度。大科技平台拥有触达长尾客户的丰富场景，有大科技平台生态下的海量行为数据，以及在实践中锻炼出来的大数据风控技术，在开发客户、贷款定价、风控等方面都具有优势；而传统商业银行的资金渠道多、资金成本低，但是长尾用户数据少，数字风控能力相对不强。双方的合作联营，优势互补，是顺应市场需求进行创新融合的自然选择，有利于提高普惠金融贷款比例， 并提高信用贷款比例。通过联合贷款形式的信贷联营， 传统商业银行与大科技平台生态的场景实现更大程度的对接和数据融合，将更多小微企业和长尾消费者纳入信用体系，在提升金融普惠性、拉动内需和推动银行数字化转型方面发挥关键作用。联合贷款可以有效缓解小微企业融资难、融资贵的困局，增强金融服务实体经济的能力。

联合贷款有助于推动传统商业银行业务转型。通过联合贷款业务的合作，传统商业银行得以获得丰富的客户信息数据，改善传统上对于客户信息积累的维度较为单一的缺点。通过与大科技平台的联合风控，并在大量业务中的快速迭代，完善发展自身的客户识别模型和风控模型，更好地实现传统银行业务的转型升级。

联合贷款有助于完善金融市场信贷供给体系。大科技平台和传统银行合作的联合贷款发挥了两种类型机构的各自优势，对已有融资工具起到了很好的互补性作用，丰富信贷产品结构。更有利于建立多层次、广覆盖、有差异的银行体系。

大科技信贷有利于降低传统金融风险

通过多维度数据的运用，大科技信贷的风控得以加强，也提高了大科技贷款的商业可持续性。大科技平台基于各类场景所获得的大数据，兼具数据量大、形态多、动态变化等特征。多种数据源交叉在一起，可以达到千亿级别的数据；既有由交易所产生的结构化数据，也有如客户评论、文本类的数据，还包括图像、声频、视频等多媒体数据；并且这些数据是动态更新的，每一秒都会有大量交易发生，形成数据的实时更新。数据维度的扩大有效增强了风控的质量及相应的贷款成本。

大量实证分析已经说明金融科技类贷款较少依赖于房地产抵押，从而对冲了金融周期对经济的不利影响，稳定宏观经济。传统银行贷款的风控模型具有一定弊端，更为依赖于资产抵押，而这种模式造成了全球普遍的金融周期现象，降低宏观金融稳定性。大科技平台借助线上渠道和大数据风控等金融科技手段的力量，通过大数据风控模型，方便地观察借款人的行为与交易，从而间接判断借款人的财务状况、经济活动、社会及网络地位与行为特征，能够有效地摆脱信贷对于抵押品的依赖。在新冠疫情冲击下，传统金融线下活动受到影响，数字化信贷服务更具优势，降低了负面冲击的不利影响。

应对未知风险，仍需监管部门积极应对

大科技信贷为经济增长和金融体系带来较多贡献的同时，也赋予了金融业一系列新的风险特征，对我国金融监管形成了新的挑战。大科技信贷经营模式不仅受到“科技 + 金融”带来的新风险以及传统金融风险异化的影响，还无法完全解决流动性风险、信用风险、市场风险和数据风险，需要监管当局严肃对待。

监管政策要在经济发展、社会公平与金融稳定之间做出权衡，保证行业的健康成长、提升其对实体经济的支持力度，避免金融风险的积聚和爆发。在金融科技发展初期，规模有限时，强调其对经济发展和社会公平的促进作用，较为宽松的监管环境有利于大科技信贷积极探索，发展出自己的竞争力。而当大科技信贷发展到一定规模后，与传统信贷的关联度增强， 相应风险也在积累，监管原则应转而偏向于更为注重其对金融稳定性的影响。

完善对大科技信贷的监管框架，应从以下几个方面加以考虑。第一，应建立完善监管框架，短期内出台行政规章制度，长期内推进大科技信贷立法工作。第二，应统一监管体系，保持信贷业务监管的一致性， 避免监管套利，避免再次出现 P2P 网贷、移动第三方支付平台等风险问题。第三，完善宏观审慎管理框架， 在大科技信贷业务和其他相关的金融业务之间建立适当的防护墙，以减轻风险的传染。第四，进一步完善金融消费者权益保护体系，强化行为监管，加大对违规行为的处罚力度，完善个人信息保护。第五，监管部门应强化自身监管能力，尤其是加快监管科技建设。第六，强化风险预警的能力，及时防范和化解大科技信贷发展过程中可能面临的各类风险。第七，对于大科技联合贷款要加强风险穿透，厘清责任与风险的承担主体。

（作者系NIFD国家资产负债表研究中心秘书长）