你所在的位置: 首页 > 正文

杨凯生:互联网金融堪称一地鸡毛 要认真汲取教训

2020-03-14 点击:1406

中国工商银行原行长 杨凯生

中国工商银行前行长杨凯生

新浪财经新闻2019年12月1日第一届金融科技峰会今天在京召开。中国银行业监督管理委员会国际顾问委员会委员、中国工商银行原行长杨凯生出席会议并发表讲话。

杨凯生说“金融技术和银行之间的联合贷款或贷款援助”有很好的发展模式和潜力。但是,在发展的过程中,我们不能忘记金融的本质、防范风险和保持底线的责任,必须认真吸取过去几年所谓的互联网金融和P2P信用的教训。现在它可以说是一根鸡毛,但是面对这根鸡毛,每个人都是一脸的无辜。我认为我们应该认真吸取教训。

以下是我演讲的文字记录:

杨凯生:今天,我想就最近备受关注的话题谈几点想法,即“金融技术与银行的联合贷款或贷款援助”。我认为这在我国是一种新的业务,正因为它是新的,在联合贷款、贷款援助和其他业务中有许多新的问题,需要我们认真研究。

首先,我想我们只需要找出除了银行和互联网公司之间的合作之外,还有什么其他模式可以称为贷款援助或联合贷款。当我们想到贷款援助和联合贷款时,我们经常会想到银行和一些互联网公司之间的合作,包括一些领先的公司。当然,但是还有其他的模式可以称为联合贷款和贷款援助。

我们现在看到的更多的是,一些科技公司利用他们掌握的消费者大数据以及他们掌握的算法和模型,威胁银行进行客户分流或提供风力控制技术,而银行则进一步向相关客户提供融资和信贷支持。

如果一些科技公司在此之前已经获得了相关的金融许可证,当银行向客户提供信贷融资时,它们也有可能参与并提供一些资金。

在这种商业模式下,如何落实控风责任越来越受到大家(尤其是监管部门)的关注。我想说的第一件事是,实际上还有其他一些基于技术的贷款和基于数据的贷款模式。也许它们的重要性比上面提到的模型更值得我们关注。

如今,随着数据技术的发展,核心企业可以通过自己的数据平台及时向银行提供这么多上下游企业的信息和自己的交易。因此,我行已从以前需要关注众多大小企业的综合授信,转变为更加关注企业与核心企业之间的交易和资金往来。

最初,有必要关注这么多不同类型和规模的企业的综合授信。事实上,银行的管理半径很难达到。然而,现在的情况不同了。通过与大型企业数据平台的合作,越来越关注众多企业与核心企业之间的交易和资本流动。

事实上,我认为我行与这个核心企业的合作不仅仅是在所谓的客户流失层面,更重要的是,它促进了我行传统信贷理念和审批机制的转变,对银行在传统的所谓供应链融资和贸易融资中经常遇到的欺诈起到了很好的防范作用。

更重要的是,在这个过程中,银行是资金的提供者,风险控制的责任是明确的。核心企业和集团企业提供的上下游企业的数据和信息只是银行进行信贷决策的必要条件,而不是充分条件。银行还根据自己掌握的各种信息以及自己的信贷政策和风险偏好,做出自己的最终信贷决策。

所谓的援助贷款和联合贷款是新形势下的新事物。我认为这应该得到肯定。然而,无论名称如何变化,模式如何变化,金融的本质在做金融的时候是永远不能忘记的。不能忘记预防风险和保持底线的责任。

1.有必要建立一套规章制度。如果确实难以跟上立法和修正案,必须及时颁布必要的行政法规和监督制度。例如,在数据收集、提供和交易方面存在许多问题。什么样的数据可以由谁和通过什么方式收集?什么样的数据可以自己使用?第三方可以使用哪种数据?什么样的数据可以提供给他人作为补偿?什么样的数据只能免费提供?我认为应该明确的是,在这些涉及社会治理的问题上,依靠人们的自律是不可取的。

在建立法律制度的过程中,还应该注意到,创新应该采取适度监督和包容性监督的态度,哪些问题可以纳入,哪些问题可以适当、包容和适度地加以规范。我认为所有的规章制度都应该尽可能地反映出来。规则和条例不应含糊,条例不应明确,甚至不应严格,但在实践中,它们可以基于不同的情况。它允许从业者考虑和推测什么可以做,什么不能做,并允许监管者有过度的自由裁量权来决定什么需要惩罚,什么可以放松。这不仅不利于任何新业务的健康持续发展,也不符合依法治国理念的实施。

2。银行不应将风险控制事务外包给不提供贷款或只提供少量资金的合作伙伴,无论是联合贷款还是贷款援助。一些银行由于人员或技术能力有限,无法分析合作伙伴导入的客户数据,也没有自己的算法模型。因此,他们完全依赖并听取合作伙伴的各种意见。最初他们说他们是推荐人,但事实上他们变成了决策结论。这种方法风险很大,更不用说双方可能要承受的最终损失是完全不对称的,因为合作伙伴没有投资资金或只投资了一小部分资金。此外,他们需要注意的是,公司本身的一些技术水平是有限的,他们提供的数据的可靠性也需要得到验证。

在这种情况下,如果银行放松风险控制,就不再是原来意义上的援助贷款或联合贷款,而是完全放弃管理权的完全委托贷款。在这种情况下,对方必须具备发放贷款的资格和相应的管理能力。这与我们今天讨论的贷款援助业务和联合贷款业务不同(这是另一回事)。

3。无论银行是使用自己的数据和技术,还是或多或少依赖于合作伙伴提供的数据和技术,它都需要理清什么样的机器适合,什么样的人适合,以及什么样的人机结合适合。应该认识到,信贷业务中所谓的机器学习仍然是一种完全基于历史的判断,相对较短,还没有通过多轮完整的经济周期或长客户行为周期测试。在这种情况下,人的作用仍然是相当重要的,所以除了一些具体的场景和业务,我认为所谓的“第二次贷款”不应该过分强调。

例如,对于一些需要在借款人综合授信决策基础上决定的贷款,对于一些项目贷款,对于贷款期限长、金额大的贷款,决策是在瞬间做出的,这显然是不必要的,也不应该做出。我们经常想提高效率。如果我们将银行效率的提高定义为缩短和精简静默交易的处理流程,以及减少处理某些业务所需的时间,我认为有一点需要考虑,那就是数字技术的发展、大数据技术的进步、云计算的发展,甚至区块链的发展。他们的目的仅仅是“所谓效率的提高”吗?它应该给我们带来什么,它能给我们带来什么,我认为可能是多方面的,这些问题都需要考虑。

4。本行应建立和完善数据审计和模型审计机制,确保相关模型的合法性、可靠性和合理性,无论是外部的还是自行提供和收集的数据。在数据和信息日益成为一种资源的情况下

-

巴士海峡资讯网 版权所有© www.ipw2013.com 技术支持:巴士海峡资讯网 | 网站地图