互联网金融背景下的商业银行业务模式创新——以高校学生贷款为例，本文主要内容关键词为：互联网论文,为例论文,银行业务论文,高校学生论文,贷款论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、互联网金融崛起与商业银行面临的挑战 一般认为，互联网金融是指以互联网为服务平台进行的一切金融活动[1]。关于互联网金融，最直接的理解就是互联网技术和金融服务的综合。但其实从更深层次去理解的话，互联网金融是金融服务借助互联网技术在“时间”和“空间”这两个维度上的创新。目前，互联网金融的发展已经历了网上银行、网络支付、移动互联等阶段[2]，越来越在融通资金供需双方的匹配等方面深入传统金融业务的核心。 与传统金融业相比，互联网金融的相对优势主要体现在于两方面： (1)大数据处理能力。与其他传统产业相比，金融服务业是电子化、网络化和数据化程度最高的产业之一。而在互联网时代，金融就是大数据。在互联网金融中，大数据被广泛应用于信息处理，有效提高了风险定价和风险管理效率[3]，显著降低了信息不对称程度[4]。 (2)更高效率的资源配置[2]。资源配置是金融活动的最终目标，互联网金融的资源配置效率是其存在的基础。互联网金融中资源配置过程的一个明显特征就是：资金供需信息直接在网上发布并匹配，供需双方直接联系和交易，不需要经过银行、证券公司和交易所等金融中介和市场。 在此背景下，传统金融行业面临严峻挑战[2-3][5]。从直接影响来看，互联网金融的崛起使得商业银行存款产生下降趋势，即“金融脱媒”，银行可贷资本减少，存贷利差收缩。从间接影响来看，互联网金融的崛起通过推动利率市场化[5]，影响央行的货币政策传导[6]，最终改变货币政策对银行业的系统性冲击。 二、互联网金融背景下的商业银行业务模式创新 事实上，互联网金融的发展和银行业务拓展并不相悖，采取合适的方式在银行业中引入互联网思维，进而实现商业银行业务模式创新是当前传统金融业亟待思考和解决的问题。金融机构和互联网企业之间并非对立关系，开放与合作有利于实现二者的“共赢”。 本文认为，在互联网金融崛起过程中，基于大数据开展征信和网络化贷款业务是传统商业银行融入互联网浪潮的突破口。一方面，从供给角度来看，我国金融体系的不完善导致资本供给不足，这为网络贷款业务的发展提供了空间。另一方面，从需求来看，近年来我国居民的生活水平有了实质性的提高，但由于投资渠道狭窄及居民保守的消费、投资习惯，居民储蓄率依然处于高水平，财富保值增值成为人民大众关心的首要问题。相比那些专业性较强、投资门槛较高的投资工具，互联网金融提供了更加便捷易操作的投资理财渠道，如余额宝和各种货币基金宝类产品[7]。换言之，传统商业银行可立足于自身系统、设备和人员等资源，搭建网络化贷款的投融资平台，并基于大数据技术进行风险控制。 由于贷款的核心技术是信用评估，特别是网络化贷款的对象比传统金融机构要更为多元化和复杂，征信成为该项业务的最主要障碍[3]。目前的征信大数据主要来源于银行，主要是对已有贷款客户的信用记录。比如，中国人民银行征信中心的大数据主要来源于如下：金融机构采集的客户贷款信用交易信息和对信用主体有直接、明确影响的非信用交易信息，而且以金融行业的信贷数据为主、非信用交易信息为辅。 三、业务模式创新：以高校学生贷款为例 为了更好地理解互联网金融模式下的网络贷款模式，本文以高校助学贷款为例，展示商业银行对高校助学贷款业务的具体方案。刚毕业的大学生因为收入较低、开销又较多，经常会出现小额的临时借款需求。但是在传统的金融业态中，大学毕业生因为缺少足够的收入记录与信用数据，更没有房产等类似资产可做抵押，基本上没有机会在银行获得常规贷款。鉴于此，本文以高校学生贷款为例阐述互联网金融发展背景下的网络贷款业务具有切实的意义。虽然在部分内容上会有所差异，但与中小企业的网络贷款基本类似，也是从第三方征信机构和本行自身数据库获得相关信息，在网络平台上开展批量业务。 (一)方案整体思路阐述 本方案的核心思路是，通过评估大学生的人力资本存量，并收集其在校期间的相关信息来判断借款人的信用风险和偿付能力。一方面，对于没有社会工作经验的多数大学生而言，其人力资本存量主要就是在教育系统内培养所得的综合能力，人力资本存量是资产抵押物的良好替代。另一方面，多数人的信用习惯其实在大学期间就已经形成，小到图书馆还书是否及时、大到学费是否按时缴纳等，这些都是可获得的、追踪一个大学生信用习惯的良好指标。由于目前的高校管理已经基本实现电子化，学校系统内部拥有各种可以反映学生信用水平的量化信息，提取这些信息对全面掌握大学生的信用情况十分有用。这样，我们可以根据这些信息综合评判一个大学生的特定信用水平，以提供适当额度的授信。 (二)方案细节说明 1.人力资本和信用水平评估 精确评估一个大学生的人力资本和信用水平是不容易的，本方案认为可以从以下三大方面提取有效信息点： 首先，是一个大学生的自身特征，这是其人力资本的基础构成。具体包括性别、年龄、身体情况、婚姻状况、籍贯和户口，等等。 其次，是一个大学生的在学记录，这是其人力资本的主要组成。具体包括毕业(或就读)院校和专业、在校期间荣获的奖励和专业资格证书、毕业生即将就业单位和岗位。如果是非全日制大学生，可考虑其社会工作经验，等等。 再次，是一个大学生的违约记录，这是其信用情况的重要指标。具体包括图书馆未及时还书次数、手机欠费次数、宿舍水电费欠费次数、宽带费欠费次数、学费拖欠次数等校内信用违约记录，以及滴滴打车和快的打车的呼叫违约次数、淘宝账户的交易情况(如确认交易付款的时间拖延至系统自动支付的次数)等社会活动信用记录，等等。 2.惩罚条款 如果大学生在偿付借款过程中出现违约情况，除了要追回借款本息和滞纳金外，也在本网络贷款体系中对其授信资质进行降级处理，并在阿里集团旗下其他线上线下平台做类似处理，包括淘宝账户信用降级、浙江网商银行信贷记录备案，等等。 3.追偿条款 在借款协议中规定，如果当事人因意外导致人力资本丧失、无力偿还借款，当事人在获得保险赔偿时，银行保留部分求偿权。 4.保密条款 在协议中规定，申请网络贷款使用的所有个人信息之用于评估借款授信，不做他用。此外，考虑到法律和可行性问题，如果不向学校和第三方机构请求上述相关信息点，而采取申请人主动填写并承诺真实性的话，申请人要提供担保人及其信息，银行则随机抽样验证。 5.授信方案 采取打分制(满分100分)对大学生的人力资本和信用情况进行综合评判，对上述提取的信息点赋予不同的权重。本方案初步认为，大学生的自身特征部分权重10%，在学记录部分权重60%，违约记录部分权重30%。 授信程度根据不同级别(分数档次)差别对待： AA级(90～100分)：偿付能力极强、信用风险低，给予5万元以下中短期低息借款； A级(80～100分)：偿付能力强、信用风险低，给予3万元以下中短期低息借款； B级(70～80分)：偿付能力较强、信用风险一般，给予2万元以下中短期低息借款； C级(60～70分)：偿付能力一般、信用风险可控，给予1万元以下低息短期借款； D级(50～60分)：偿付能力可控和信用风险警戒，给予1万元以下短期高息借款。 (1)50分以下不批借贷申请。上述贷款额度是根据大学(毕业)生找工作或其他需求初定，需要结合确切的目标人群和市场调研进一步确定。 (2)低息和高息是相对于市场的同等期间的国债收益率，高息不是高利贷，不能违背该项网络贷款业务的初衷。 (3)如果申请人需要额度较大的贷款，可结合其偿付能力和信用风险水平，采取“一事一议”的做法确定具体额度和借款利率。对于需求量大的特定需求结构，可以标准化产品的形式批量发行。 (三)可行性分析 本方案在技术实现上应该难度不大，利用当前第三方网络平台可以迅速打造一个网络信用融资门户。从技术上说，与全国各大高校和第三方机构(如滴滴打车等)的数据对接也是可行的。本方案最大的难度在于，高校是否愿意提供学生的相关在校信息和记录。 首先，该网络贷款的初衷是为了帮助在校大学生获得较低成本、良好体验的透支与借款服务，用意良好。 其次，该网络贷款严格限制申请人信息的用途。基于以上两点，通过适当的公关，应该可以获得校方的支持。在项目初期，可以采取“局部试点”的形式，在部分高校试行该网络贷款，而后在更大局部地区推广开来。 再次，如果确实不能通过高校提取信息点，可以让申请人主动报告相关信息，并建立相应的校验机制。 (四)具体方案 本节对上述方案所表达的思路进行具体方案的构建。事实上，整个方案的核心是通过多维度的信息和数据点来分析一个大学生贷款违约的可能性(该可能性低说明信用高，则授信额度较高贷款利率较低，否则则给予较低的授信额度和较高的贷款利率)。更确切地说，我们要的是一个数值，一个经过提炼、高度浓缩的关于申请人“偿付贷款的习惯和能力”的数值，用以度量其违约的概率(如果我们打算贷款给该申请人的话)。 方案一的思路比较直接，就是直接利用网络提取前述关于大学生自身特征、在学记录以及违约记录等人力资本和信用习惯信息，而后事先设置好特定的各类信息的权重分布结构，计算出申请人的无法偿付贷款的风险，即惯性违约概率和信用分数。此处，我们用惯性违约概率是为了突出“违约行为的习惯性”，因为意外性的违约行为总是会存在的。我们更希望捕捉的是，由于申请人行为习惯导致违约的概率。 结合前述方案思路和细节，兹提出以下方案如表1所示。 其中，频率的统计定义为，违约次数占所有发生次数的比例；性别为女赋值为零，是因为女性相对谨慎保守，因而相对比男性更有信用；专业资格证书是指专业领域的资格认证证书，不包含通用技能一般证书，比如四六级英语不算专业资格认证考试，但诸如高级口译证书、注册会计师(CPA)、特许金融分析师(CFA)算。以某学生为例，目前户口在厦门(算二线城市)，缺乏社会工作经验，而且待业，但其他项目评分情况良好并且具有相关资质，因此惯性违约概率为：
标签：互联网金融论文; 金融论文; 信用评分模型论文; 违约概率论文; 网络贷款论文; 大学生贷款论文; 概率计算论文; 信用贷款论文; 网络模型论文; 人力资本论文;