创新型农业贷款评分工具ALES的研究及风险管理实践研究成果简介

创新型农业贷款评分工具ALES的研究及风险管理实践研究成果简介

青海银行

2017年1月

一、课题背景及意义

在全球范围内，农业将是实现千年发展目标的重要组成部分。根据20国集团农业发展报告，到2050年，世界人口增长将达到90亿，农业生产需要增长70%才能满足人口的生存需求。气候变化和城市化进程将会加大农业生产的压力，可耕地面积将会减少。75%的贫困人口生活在农村地区，他们当中超过80%的人直接或间接地依靠农业维持生计。因此，在低收入国家，农业行业对经济增长和就业至关重要，因为它提供了20%的GDP且创造了约60%的就业。然而，发展中国家的农业特点仍然是生产力低下、加快农业增长能力有限。提高农业生产率可以保障粮食安全、减少贫困、创造就业机会、实现经济增长。

中国是一个人口众多的国家，农业自古以来就是中国最基础，最重要的战略性产业。农业具有粮食安全功能、环境功能、经济功能和社会功能，是国民经济的基础，是中国的“母亲产业”。在“十二五”发展的大趋势下，“十三五”期间农业经济发展已经成为国家工作重心。国务院发布的中央2015年一号文件中，首次提出引导和鼓励社会资本投向农村建设，体现出新形势下党中央、国务院把解决“三农”问题作为党和国家工作重中之重的战略意图。同时，2015年《政府工作报告》中指出“普惠金融”，即通过加大政策引导扶持、加强金融体系建设、健全金融基础设施，以可负担的成本为有金融服务需求的社会各阶层和群体提供适当的、有效的金融服务，并确定农民、小微企业、城镇低收入人群和残疾人、老年人等其他特殊群体为普惠金融服务对象。其中，农民的贷款问题，农业生产的融资问题是盘活整个农村经济实现农村普惠金融目标的关键。然而农业是一个“靠天吃饭”的行业，对环境依赖性极强，还有着很强的季节性和很长的周期，再加上所需投资量大，利润率较低，一直是一个高危投资领域，农业信贷因此也有别于其他信贷，状况比较艰难。

近年来，青海省政府采取有效措施加大对农业的扶持力度，培育龙头企业，加快生产基地建设，全省农牧业产业化发展呈现良好势头。支持现有的农业合作社、农户及农业企业资产规模的壮大，实现集中化、规模化、产业化经营。市场供不应求导致农产品的价格和利润始终保持稳步上涨的同时，受限于青海省的金融和技术支持不足，半成品或成品需主要从邻近省份购进。事实上，青海省特殊的地理位置和自然条件具有发展特色化农业经济的潜力及优势。但是在这样的有利情况下，金融机构因缺乏专业的产品、流程和技术支持，导致金融机构无法满足农业发展的需求，而且多数依赖联保方式或经验评估贷款，有时甚至提供了不适合的贷款产品。

因此，加大农业金融支持并解决农业金融需求和供给间的不对称问题已然成为财政部门和金融机构义不容辞的义务。农贷市场需要有针对性的产品、标准化的流程以及先进的技术支撑。作为地方性国有银行，青海银行于2016年1月启动创新型农业贷款评分工具研究，引入德国农贷领域的先进技术并结合青海当地农业特色，设计并推广高效、智能的贷款工具，实现高效审批，切实服务区域农业发展。健全产品结构，实现贷款结构优化，践行青海银行“服务中小微”的转型定位理念。随着农贷市场的发展和农户的成长，带动农贷供应链（加工业、贸易行业）金融业务发展，从而实现更高的综合收益。与此同时，通过农贷客户经理为农民及涉农企业提供农业和金融的咨询服务，改善“农盲”问题。

创新农贷评估工具将信贷评分技术应用在农户的经营贷款分析,农户的生产经营型贷款可依托农业生产的数据，结合农业活动的季节周期性，进行信贷评分，为批量发放打下决策基础，减少交易成本，提高流程效率。

国内目前针对农业信贷，结合发展中国家的最佳实践，充分使用区域农作物生长智能卡，对于农牧业生长周期特性进行综合性考察的情况下，充分基于专家判断法定制开发和运用评分工具，并用于城商行农业金融的商业实践应属首例。

二、课题研究内容

本文从以下几个方面对创新型农业贷款评分工具ALES研究进行了阐述：

（1）信贷评分概述。国外对企业信用的研究已经相当成熟，包括定义与概念，解释现象的理论基础，分析模型等，对于中小企业的信贷风险评估，国外广泛应用基于统计方法的预测模型起源于Fisher在1936年提出的理论。利用定义在已有变量上的随机观测值样本，建立判别函数，进行分类，以多元判别分析法（MDA）和Logistic逻辑回归分析法等信用评分模型为主。我国的信用评分发展相对于世界其他国家发展较晚，开始于20世纪80年代末。但是对中小企业以及农业信贷评估依然有很多创新性的研究。

与传统信贷评估方法相比，信贷评分工具在应用中的优势主要体现在以下方面：提高贷款效率、提高评估过程的一致性、减少贷款决策中的人为偏见、使信贷机构可以根据风险分类调整信贷政策、更好地量化不同风险类别的贷款人的预期损失、减少贷款回收成本。 基于以上特点，信贷评分的应用不断向微贷、小微企业贷款、农贷等普惠金融领域拓展已成为近年来的主要发展趋势。

在实践中，信贷评分可分为统计评分法、专家（判断）评分法、及混合评分法。而不同的评分法又取决于工具研发的背景环境，如：评分工具引入机构对目标市场的已有经验、对评分工具的运用经验、已有历史数据的样本量、及数据的广度等因素。

（2）农业贷款评分工具ALES的开发。开发ALES工具的第一步是对青海银行作为金融机构的特有需求、发展战略、风险偏好、及贷款政策进行深入评估，并在此基础上制定评分制度。

研究项目组的10余位国际及国内专家、30余位客户经理历时近6个月、走访青海省8家分支机构所在区域、30个乡镇近百个村庄600多户农户，收集与调研常见的农业活动数据，并建立了基于青海省重点农业区域农作物、动物生产的综合数据库作为ALES 分析工具的基础。综合数据库共收录了45种常见作物及8种养殖业（即：奶牛业、牛育肥、牦牛繁育、羊繁育、羊育肥、养猪业、养蜂业、蛋业）生产活动数据。由此生成每个分支行业务区内对应每种农牧生产活动的样本数据库，并以此为依据制成反映特定区域内特定农牧生产活动真实情况（包括：平均生产资料投入、费用支出、产量、销售价格、收获周期等数据）的智能产品卡。

ALES作为农贷审批决策辅助工具为贷款申请调查、信贷评估、和授信建议三个步骤提供了一站式解决方案。其中，风险评分和授信建议两个模块构成了ALES应用工具的后台核心。

ALES风险评分模块基于对特定地区特定农业活动的贷款申请人提出的问卷问题的回答结果，对申请人进行质量和生产效率评分。质量和生产效率问卷中的每个子问题均反映某项特定风险因素基于该贷款申请人的预期值。此外，农贷申请人的还款能力还很大程度上受其非农业生产活动的影响。非农收入、非农开支、及非农债务都直接影响到申请人的总体净收入。因此，ALES评分模型中纳入了非农债务这一风险因素，非农收支并未体现在评分模型中，而是在授信建议模块直接影响授信额度。系统后台评分模型将所有风险因素预期值配以不同的权重后汇总生成对该贷款申请的风险评分值。

当评分模型计算出的风险分值优于淘汰分值线时, 授信建议模块会自动从相关农业智能产品卡中提取数据并计算出生产者财务方面指标，包括：营运资金需求和农业活动最可能的收益（收入）等，并在此基础上自动生成符合生产者还款能力和实际需求的贷款限额和还款期限建议。核准审批金额后，系统将最终生成贷款分期还款计划建议并计算出贷款申请人偿还本息后的剩余净收入。

（3）农业贷款评分工具ALES的应用。ALES工具及农贷技术作为青海银行创新技术，机构内辅助措施至关重要，以确保上至管理层下之普通客户经理对创新技术的正确认识和支持。评分工具的研发只是第一步，正确的使用才是确保其发挥效力的关键，因此全面系统的机构内培训不可或缺。从事农业贷款的客户经理团队要专业化，并且需要具备专业的农贷分析技术和经验。培训内容涉及ALES工具应用原理、使用规程、农贷业务模式、流程文件、管理办法、产品等。

此外，青海银行任命了总行农贷项目负责人协调、监督各家分行农贷项目的落地和推进，全程参与项目组覆盖农贷业务全过程。分行行长需在分行层面协调当地的政府相关部门，配合项目组完成分行ALES工具及农贷业务的技术复制，并领导农贷条线完成业务和营销等工作，确保工作的有序开展，同时定期向总行直接联络人进行项目汇报。同时，建立涉及到农贷团队（管理人员、成熟客户经理和实习客户经理）的跨区域派遣，相应的政策与绩效奖惩机制。

ALES工具评估准确性直接取绝于其综合数据库是否客观真实地反映当地情况，在背景环境发生变化的情况下需要对数据库进行及时 更新，因此ALES工具内嵌了管理员模块负责综合数据库的维护和管理。通过任命专职ALES协调员负责系统的管理维护以保证综合数据库的实时性、客观性、真实性、和有效性，从而保障ALES农贷评估的准确度和质量。

三、研究成果

ALES农贷评估工具是为特定信贷机构和特定地区定制的信贷评估一站式解决方案。作为基于机构自身条件、当地情况、和信贷周期的、用于贷款调查评估及授信决策辅助的创新型评分工具，ALES对信贷机构的贡献主要体现在效率的提升、成本的降低、标准化专业化程度的增强、以及对信用风险的更佳把控。

此外，基于高效、低成本的ALES农贷评估工具开发的农贷产品为社会作出了积极贡献。农牧民和涉农企业贷款可获得性得到了有效提高，促进青海省“三农三牧”事业发展。可靠的创新评估工具打破了传统单一的抵押及担保方式，抵质押方式更加灵活多样，缓解了农牧从业者抵押难问题，从而进一步提高了农贷可获性和金融普惠性。ALES工具支持可持续性农业发展的“绿色信贷”设计理想，将有助于促进青海省农业由传统粗放型生产向现代集约型农业转型，实现生态环境的保护和可持续利用。

四、总结与展望

ALES农贷评估工具研发项目的创新体现在以下三个层面：

（一）风控分析技术层面

针对青海地区农业特性，基于专家判断法研究和开发ALES农业贷款评估系统依托农作物生长智能卡（采集各区域不同动植物的种养殖数据），在对农牧业生长周期特性进行综合性考察的情况下，依托评分工具，有效地提升农业批量贷款的流程效率，解决风险防范和风险预警的问题。

（二）农业金融评估模式层面

充分运用关系型信贷模式开展农贷业务，结合青海省银监局提出的“双基联动”的创新金融模式政策，最大限度的解决信息不对称问题，同时实现效率最大化。

在依靠过去传统关系型信贷模式的基础上，结合ALES智能分析评估工具判断客户的还款能力；ALES 智能评分工具是根据不同区域农业生产模式特点，经过前期大量调研和数据收集、分析工作，得出该地区农业生产的大数据作为数据基础，进而快速、精确判断农户的还款能力。

（三）信贷产品要素层面

高效、低成本的ALES评估工具使农贷产品种类更加丰富，用途更加广泛。三款核心产品可以满足农户生产流动资金需求、农业生产投资型需求和农户消费需求。

ALES农贷评估工具开发过程中使用专家评分法的原因是基于数据局限。综合数据库的建立完成了数据从无到有的改变。随着ALES工具的使用、综合数据库的完善、以及信贷交易数据的不断积累，当样本量达到一定程度，青海银行将从以下三个纬度进行研究以进一步完善ALES评估系统：

（一）评分技术升级

当数据库样本量达到一定程度，便可尝试建立统计评分模型，并通过原有专家评分模型和新建统计模型间的相互校验逐步提高ALES评估质量。当信贷交易数据样本量足够大时，ALES有望实现从混合评分法至统计评分法的彻底过渡。

（二）机构外数据源接入

ALES系统可以在自有综合数据库的基础上接入其他机构外数据源，建立更完善的统计模型，从而进一步提高ALES农贷评估工具的预测准确度和可靠性。可以考虑接入ALES农贷评估系统的机构外数据源种类包括气象数据、地理地质数据、农牧产品（期货及现货市场）交易数据、政府征信数据、公检法数据、第三方支付数据、电商平台数据，等等。随着更多数据源的接入以及评分模型的不断优化和细化，可对ALES系统进行再开发,由目前的贷前审批及授信建议工具拓展为涵盖客户画像、精准营销、贷前审批、授信建议、贷后监控的全流程贷款工具。同时，ALES工具也有望从目前的农贷评估工具拓展为包括更多贷款类型的综合性贷款评估工具。

（三）工具载体

随着综合数据库和评分模型的完善，ALES系统可以由目前的单机版升级为网络版,以便更多机构外数据源的接入，并进一步提供ALES系统使用效率。