創新型農業貸款評分工具ALES的研究及風險管理實踐研究成果簡介

創新型農業貸款評分工具ALES的研究及風險管理實踐研究成果簡介

青海銀行

2017年1月

一、課題背景及意義

在全球範圍內，農業將是實現千年發展目標的重要組成部分。根據20國集團農業發展報告，到2050年，世界人口增長將達到90億，農業生產需要增長70%才能滿足人口的生存需求。氣候變化和城市化進程將會加大農業生產的壓力，可耕地面積將會減少。75%的貧困人口生活在農村地區，他們當中超過80%的人直接或間接地依靠農業維持生計。因此，在低收入國家，農業行業對經濟增長和就業至關重要，因爲它提供了20%的GDP且創造了約60%的就業。然而，發展中國家的農業特點仍然是生產力低下、加快農業增長能力有限。提高農業生產率可以保障糧食安全、減少貧困、創造就業機會、實現經濟增長。

中國是一個人口衆多的國家，農業自古以來就是中國最基礎，最重要的戰略性產業。農業具有糧食安全功能、環境功能、經濟功能和社會功能，是國民經濟的基礎，是中國的“母親產業”。在“十二五”發展的大趨勢下，“十三五”期間農業經濟發展已經成爲國家工作重心。國務院發佈的中央2015年一號文件中，首次提出引導和鼓勵社會資本投向農村建設，體現出新形勢下黨中央、國務院把解決“三農”問題作爲黨和國家工作重中之重的戰略意圖。同時，2015年《政府工作報告》中指出“普惠金融”，即通過加大政策引導扶持、加強金融體系建設、健全金融基礎設施，以可負擔的成本爲有金融服務需求的社會各階層和羣體提供適當的、有效的金融服務，並確定農民、小微企業、城鎮低收入人羣和殘疾人、老年人等其他特殊羣體爲普惠金融服務對象。其中，農民的貸款問題，農業生產的融資問題是盤活整個農村經濟實現農村普惠金融目標的關鍵。然而農業是一個“靠天吃飯”的行業，對環境依賴性極強，還有着很強的季節性和很長的週期，再加上所需投資量大，利潤率較低，一直是一個高危投資領域，農業信貸因此也有別於其他信貸，狀況比較艱難。

近年來，青海省政府採取有效措施加大對農業的扶持力度，培育龍頭企業，加快生產基地建設，全省農牧業產業化發展呈現良好勢頭。支持現有的農業合作社、農戶及農業企業資產規模的壯大，實現集中化、規模化、產業化經營。市場供不應求導致農產品的價格和利潤始終保持穩步上漲的同時，受限於青海省的金融和技術支持不足，半成品或成品需主要從鄰近省份購進。事實上，青海省特殊的地理位置和自然條件具有發展特色化農業經濟的潛力及優勢。但是在這樣的有利情況下，金融機構因缺乏專業的產品、流程和技術支持，導致金融機構無法滿足農業發展的需求，而且多數依賴聯保方式或經驗評估貸款，有時甚至提供了不適合的貸款產品。

因此，加大農業金融支持並解決農業金融需求和供給間的不對稱問題已然成爲財政部門和金融機構義不容辭的義務。農貸市場需要有針對性的產品、標準化的流程以及先進的技術支撐。作爲地方性國有銀行，青海銀行於2016年1月啓動創新型農業貸款評分工具研究，引入德國農貸領域的先進技術並結合青海當地農業特色，設計並推廣高效、智能的貸款工具，實現高效審批，切實服務區域農業發展。健全產品結構，實現貸款結構優化，踐行青海銀行“服務中小微”的轉型定位理念。隨着農貸市場的發展和農戶的成長，帶動農貸供應鏈（加工業、貿易行業）金融業務發展，從而實現更高的綜合收益。與此同時，通過農貸客戶經理爲農民及涉農企業提供農業和金融的諮詢服務，改善“農盲”問題。

創新農貸評估工具將信貸評分技術應用在農戶的經營貸款分析,農戶的生產經營型貸款可依託農業生產的數據，結合農業活動的季節週期性，進行信貸評分，爲批量發放打下決策基礎，減少交易成本，提高流程效率。

國內目前針對農業信貸，結合發展中國家的最佳實踐，充分使用區域農作物生長智能卡，對於農牧業生長週期特性進行綜合性考察的情況下，充分基於專家判斷法定製開發和運用評分工具，並用於城商行農業金融的商業實踐應屬首例。

二、課題研究內容

本文從以下幾個方面對創新型農業貸款評分工具ALES研究進行了闡述：

（1）信貸評分概述。國外對企業信用的研究已經相當成熟，包括定義與概念，解釋現象的理論基礎，分析模型等，對於中小企業的信貸風險評估，國外廣泛應用基於統計方法的預測模型起源於Fisher在1936年提出的理論。利用定義在已有變量上的隨機觀測值樣本，建立判別函數，進行分類，以多元判別分析法（MDA）和Logistic邏輯迴歸分析法等信用評分模型爲主。我國的信用評分發展相對於世界其他國家發展較晚，開始於20世紀80年代末。但是對中小企業以及農業信貸評估依然有很多創新性的研究。

與傳統信貸評估方法相比，信貸評分工具在應用中的優勢主要體現在以下方面：提高貸款效率、提高評估過程的一致性、減少貸款決策中的人爲偏見、使信貸機構可以根據風險分類調整信貸政策、更好地量化不同風險類別的貸款人的預期損失、減少貸款回收成本。 基於以上特點，信貸評分的應用不斷向微貸、小微企業貸款、農貸等普惠金融領域拓展已成爲近年來的主要發展趨勢。

在實踐中，信貸評分可分爲統計評分法、專家（判斷）評分法、及混合評分法。而不同的評分法又取決於工具研發的背景環境，如：評分工具引入機構對目標市場的已有經驗、對評分工具的運用經驗、已有歷史數據的樣本量、及數據的廣度等因素。

（2）農業貸款評分工具ALES的開發。開發ALES工具的第一步是對青海銀行作爲金融機構的特有需求、發展戰略、風險偏好、及貸款政策進行深入評估，並在此基礎上制定評分制度。

研究項目組的10餘位國際及國內專家、30餘位客戶經理歷時近6個月、走訪青海省8家分支機構所在區域、30個鄉鎮近百個村莊600多戶農戶，收集與調研常見的農業活動數據，並建立了基於青海省重點農業區域農作物、動物生產的綜合數據庫作爲ALES 分析工具的基礎。綜合數據庫共收錄了45種常見作物及8種養殖業（即：奶牛業、牛育肥、犛牛繁育、羊繁育、羊育肥、養豬業、養蜂業、蛋業）生產活動數據。由此生成每個分支行業務區內對應每種農牧生產活動的樣本數據庫，並以此爲依據製成反映特定區域內特定農牧生產活動真實情況（包括：平均生產資料投入、費用支出、產量、銷售價格、收穫週期等數據）的智能產品卡。

ALES作爲農貸審批決策輔助工具爲貸款申請調查、信貸評估、和授信建議三個步驟提供了一站式解決方案。其中，風險評分和授信建議兩個模塊構成了ALES應用工具的後臺核心。

ALES風險評分模塊基於對特定地區特定農業活動的貸款申請人提出的問卷問題的回答結果，對申請人進行質量和生產效率評分。質量和生產效率問卷中的每個子問題均反映某項特定風險因素基於該貸款申請人的預期值。此外，農貸申請人的還款能力還很大程度上受其非農業生產活動的影響。非農收入、非農開支、及非農債務都直接影響到申請人的總體淨收入。因此，ALES評分模型中納入了非農債務這一風險因素，非農收支並未體現在評分模型中，而是在授信建議模塊直接影響授信額度。系統後臺評分模型將所有風險因素預期值配以不同的權重後彙總生成對該貸款申請的風險評分值。

當評分模型計算出的風險分值優於淘汰分值線時, 授信建議模塊會自動從相關農業智能產品卡中提取數據並計算出生產者財務方面指標，包括：營運資金需求和農業活動最可能的收益（收入）等，並在此基礎上自動生成符合生產者還款能力和實際需求的貸款限額和還款期限建議。覈准審批金額後，系統將最終生成貸款分期還款計劃建議並計算出貸款申請人償還本息後的剩餘淨收入。

（3）農業貸款評分工具ALES的應用。ALES工具及農貸技術作爲青海銀行創新技術，機構內輔助措施至關重要，以確保上至管理層下之普通客戶經理對創新技術的正確認識和支持。評分工具的研發只是第一步，正確的使用纔是確保其發揮效力的關鍵，因此全面系統的機構內培訓不可或缺。從事農業貸款的客戶經理團隊要專業化，並且需要具備專業的農貸分析技術和經驗。培訓內容涉及ALES工具應用原理、使用規程、農貸業務模式、流程文件、管理辦法、產品等。

此外，青海銀行任命了總行農貸項目負責人協調、監督各家分行農貸項目的落地和推進，全程參與項目組覆蓋農貸業務全過程。分行行長需在分行層面協調當地的政府相關部門，配合項目組完成分行ALES工具及農貸業務的技術複製，並領導農貸條線完成業務和營銷等工作，確保工作的有序開展，同時定期向總行直接聯絡人進行項目彙報。同時，建立涉及到農貸團隊（管理人員、成熟客戶經理和實習客戶經理）的跨區域派遣，相應的政策與績效獎懲機制。

ALES工具評估準確性直接取絕於其綜合數據庫是否客觀真實地反映當地情況，在背景環境發生變化的情況下需要對數據庫進行及時 更新，因此ALES工具內嵌了管理員模塊負責綜合數據庫的維護和管理。通過任命專職ALES協調員負責系統的管理維護以保證綜合數據庫的實時性、客觀性、真實性、和有效性，從而保障ALES農貸評估的準確度和質量。

三、研究成果

ALES農貸評估工具是爲特定信貸機構和特定地區定製的信貸評估一站式解決方案。作爲基於機構自身條件、當地情況、和信貸週期的、用於貸款調查評估及授信決策輔助的創新型評分工具，ALES對信貸機構的貢獻主要體現在效率的提升、成本的降低、標準化專業化程度的增強、以及對信用風險的更佳把控。

此外，基於高效、低成本的ALES農貸評估工具開發的農貸產品爲社會作出了積極貢獻。農牧民和涉農企業貸款可獲得性得到了有效提高，促進青海省“三農三牧”事業發展。可靠的創新評估工具打破了傳統單一的抵押及擔保方式，抵質押方式更加靈活多樣，緩解了農牧從業者抵押難問題，從而進一步提高了農貸可獲性和金融普惠性。ALES工具支持可持續性農業發展的“綠色信貸”設計理想，將有助於促進青海省農業由傳統粗放型生產向現代集約型農業轉型，實現生態環境的保護和可持續利用。

四、總結與展望

ALES農貸評估工具研發項目的創新體現在以下三個層面：

（一）風控分析技術層面

針對青海地區農業特性，基於專家判斷法研究和開發ALES農業貸款評估系統依託農作物生長智能卡（採集各區域不同動植物的種養殖數據），在對農牧業生長週期特性進行綜合性考察的情況下，依託評分工具，有效地提升農業批量貸款的流程效率，解決風險防範和風險預警的問題。

（二）農業金融評估模式層面

充分運用關係型信貸模式開展農貸業務，結合青海省銀監局提出的“雙基聯動”的創新金融模式政策，最大限度的解決信息不對稱問題，同時實現效率最大化。

在依靠過去傳統關係型信貸模式的基礎上，結合ALES智能分析評估工具判斷客戶的還款能力；ALES 智能評分工具是根據不同區域農業生產模式特點，經過前期大量調研和數據收集、分析工作，得出該地區農業生產的大數據作爲數據基礎，進而快速、精確判斷農戶的還款能力。

（三）信貸產品要素層面

高效、低成本的ALES評估工具使農貸產品種類更加豐富，用途更加廣泛。三款核心產品可以滿足農戶生產流動資金需求、農業生產投資型需求和農戶消費需求。

ALES農貸評估工具開發過程中使用專家評分法的原因是基於數據侷限。綜合數據庫的建立完成了數據從無到有的改變。隨着ALES工具的使用、綜合數據庫的完善、以及信貸交易數據的不斷積累，當樣本量達到一定程度，青海銀行將從以下三個緯度進行研究以進一步完善ALES評估系統：

（一）評分技術升級

當數據庫樣本量達到一定程度，便可嘗試建立統計評分模型，並通過原有專家評分模型和新建統計模型間的相互校驗逐步提高ALES評估質量。當信貸交易數據樣本量足夠大時，ALES有望實現從混合評分法至統計評分法的徹底過渡。

（二）機構外數據源接入

ALES系統可以在自有綜合數據庫的基礎上接入其他機構外數據源，建立更完善的統計模型，從而進一步提高ALES農貸評估工具的預測準確度和可靠性。可以考慮接入ALES農貸評估系統的機構外數據源種類包括氣象數據、地理地質數據、農牧產品（期貨及現貨市場）交易數據、政府徵信數據、公檢法數據、第三方支付數據、電商平臺數據，等等。隨着更多數據源的接入以及評分模型的不斷優化和細化，可對ALES系統進行再開發,由目前的貸前審批及授信建議工具拓展爲涵蓋客戶畫像、精準營銷、貸前審批、授信建議、貸後監控的全流程貸款工具。同時，ALES工具也有望從目前的農貸評估工具拓展爲包括更多貸款類型的綜合性貸款評估工具。

（三）工具載體

隨着綜合數據庫和評分模型的完善，ALES系統可以由目前的單機版升級爲網絡版,以便更多機構外數據源的接入，並進一步提供ALES系統使用效率。