受宏观经济下行压力影响，以及实体经济经营困难向金融领域传导，近年来我国商业银行资产质量面临很大压力。银行资产质量基本符合顺周期演变规律。
随着现代银行制度的建立，我国大多数银行已经建立了较为完善的贷款“三查”制度，取得了积极成效。但在实践中也发现，主要依靠“专家治贷”、“集体审贷”的传统信用风险管理模式，也不免受到专家经验欠缺和经济景气循环下专家情绪易跟随波动的限制。而“集体审贷”虽然可以一定程度避免个别客户经理的道德风险，但也会招致“实际无人真正负责”的结果。
传统的信用风险管理模式，既没有完全经历全经济周期的考验，也难以适应过去几年银行资产规模高速增长及融资结构日趋复杂化态势，以及这些新变化对高效信用风险管理和实时信用风险预警的需要。特别是在经营管理过程中，多数银行已经积累了越来越庞杂的客户信息库，但客户信息的标准化及深度分析总体进展缓慢，客户信用信息依旧停留在风险管理层面，尚未意识到经营挖掘客户信用信息的潜在价值。
商业银行信用风险管理模式亟须变革，而实施表内外资产全面信用风险管理、建立逆周期信用风险管理机制、基于大数据的全过程信用风险管理、探索信用风险信息经营，或许是互联网时代银行信用风险管理模式创新的趋势。
我国商业信用风险目前是什么样子
2008年国际金融危机的爆发，标志着全球经济景气运行的拐点到来。为应对国际金融危机冲击，2009年以来我国出台了一系列经济金融刺激措施，有效避免了宏观经济增长可能出现的断崖式下跌。但外部经济条件的恶化，暴露出国内产业结构不合理以及局部领域严重产能过剩问题，而市场需求萎缩则进一步恶化了微观经济主体经营状况，导致银行信贷资产质量面临巨大考验。
2010年三季度我国商业银行不良贷款余额开始回升，至2015年末已经连续17个季度上升。而我国商业银行不良贷款余额运行轨迹，与经济增速基本上呈反向变化。经历较长时间信用风险释放，2016年我国商业银行资产质量恶化态势似乎有所缓和。截至2016年三季度末，我国商业银行不良贷款率为1.76%，不良贷款余额为14939亿元，年内不良贷款率和不良贷款余额总体运行平稳。
当前全球经济运行不确定性事件显著增多，英国脱欧公投、美国大选结果已经显著冲击到全球金融市场。近期美元强势上涨，市场预期美联储2016年12月加息的可能性几近100%，各国国债收益率跳升，预示着未来导致全球金融资产重新定价的风险事件可能会以突然方式出现。应该看到，金融资产再定价过程往往蕴含了巨大的风险，可能会引发局部领域信用风险释放。特别是我国商业银行业务与股票市场、债券市场、房地产市场的关联度明显提升，各种业务通过表内的贷款、债券投资、同业投资、表外理财资产运作等实现了资金在跨市场、跨行业的分布。因而包括股票市场、债券市场在内的金融资产若出现再定价，势必通过交易对手、抵押担保机制、流动性风险传染等渠道冲击到银行资产质量，不容小觑。
虽然当前我国商业银行表内贷款质量恶化有缓和迹象，但游离于贷款五级分类之外表外理财资产的质量还没有清晰透明的统计。目前,我国商业银行表外理财资产运作虽然也会沿用表内资产管理的部分规则与制度，但在实践中表外理财资产运作的准入门槛和管理并不高于表内贷款，当表内贷款承受经济下行引发的劣变压力时，理论上表外理财资产质量也应该承受相同压力。
从道理上分析，很难想象商业银行内部负责理财业务运作管理部门在信用风险防控上的能力要显著高于表内资产信用风险管理部门。考虑到银行业务已经呈现出跨行业经营的特点，面对几乎相同的资产选择集合，很难想象商业银行宁愿保留相对低劣的资产，而将更优质的资产配置给理财资金。由此可见，考虑到当前商业银行理财产品刚性兑付潜规则还未打破，正视表外理财资产真实质量劣变压力并采取风险抵补措施，可能会是比较现实的选择。
大量僵尸企业低效占用银行资产，但相当部分僵尸企业融资还未被银行划入不良，这主要是因为依靠各种表内外融资勉强还可以维持，也没有出现逾期情况，但实际上已经明显失去了偿债能力，若直接实施破产清算，往往会出现债务问题转化为社会问题的后患。从商业银行角度分析，在僵尸企业风险处置上，商业银行管理层也往往会选择“以时间换空间”的策略，主要是出于优化表内资产负债数据、回避内部责任追究的考虑。但从历史经验分析，僵尸企业债务风险处置必然是“两害相较取其轻”的过程，双方的让步与妥协决定了债务风险处置过程不可能会是一个一蹴而就的状态。
商业银行信用风险管理有何不足
在现代银行制度建立前，我国商业银行信用风险管理较为粗放，基层银行行长、信贷员在贷款审批发放上有很大发言权。在金融管理当局推动下，各商业银行向现代银行转变，逐步建立起基于“贷款三查”的信用风险管理模式，其核心是贷款前、中、后台的严格分离，专业分工更加细化，贷款审批权限由信贷员、基层银行行长向“贷审会”转移，专家治贷和集中审批成为这一信用风险管理模式的两大主要特征，有效克服了过去基层银行行长、信贷员“说了算”可能引发的道德风险。但在银行信贷规模急剧扩张和融资结构日趋复杂的环境下，这一传统信用风险管理模式的不足也是显而易见的。主要表现在以下几个方面：
一是有限的专家客户覆盖面无法适应资产规模急剧扩张的需要。
虽然贷款前、中、后台的分离，可以推动更加专业的分工，但分工过于细致，反而会增加不必要的工作负担，增加了专业人士培育的难度，也不利于培养掌握信贷业务全过程、全方位的信用风险管理专才。2003年至今，我国银行贷款规模增长了近10倍，但银行信用风险管理专家的增长赶不上客户数量的急剧增长。但在经济处于上行期时，信用风险整体较小，且我国商业银行大多重视抵押、担保等第二还款来源，因而这种信用风险管理专才数量与业务超常规发展需要之间的矛盾并不是那么明显。
此外，最近几年监管当局和银行都在推行“尽职免责”制度，但严格按照“尽职免责”的要求从事相关贷款业务，必须要在信贷业务系统或档案资料留下足够的书面证据，这往往导致基层客户经理工作负担加重。目前，贷前调查形式要求大量占据客户经理的有效工作时间，深入现场调查企业和项目实际情况的时间缩短、频率下降。过去几年我国商业银行客户信用风险没有充分暴露，并非因为银行真实信用风险管理能力有效提升，只不过是处在持续增长的宏观景气周期而已。
二是集体审贷往往会演变成“无人真正负责”的结果。
在建立现代银行制度的过程中，贷款前中后台的有效分离，贷款审批权从客户经理、基层银行行长转到“贷审会”，应该说是信用风险管理的重大进步。组成“贷审会”的成员从自身的专业角度提出客户的潜在风险隐患，有助于准确把控客户信用风险。但这些年来商业银行信贷资产规模超常规增长，“贷审会”集体审查压力显著增大，更多转向了贷款申请的形式审查，对客户经理贷款调查的深度与广度没有提出更多要求，对客户实质风险往往不会进行深入讨论分析。而“一人一票”的投票机制，虽然确保不会出现贷审会某成员主导审查的局面出现，但往往会演变成实际上“无人真正负责”的结果。
三是信用风险管理存在显著顺周期倾向。
虽然客户信用风险存在顺周期性，但信用风险管理却不宜存在顺周期特性。若不其然，在经济上行期，信用风险管理弱化，导致客户信用风险过度集聚，使得银行在未来经济景气下降时承受过多信用风险压力；而在经济下行期，信用风险管理加强，导致信贷业务增长缓慢，可能会恶化银企关系，在经济景气触底回升后丧失众多潜在业务机会，不利于银行长期稳健运营。
基于“专家审贷”、“集体审贷”的传统信用风险管理模式，必然会存在顺周期特征。无论是“专家治贷”强化贷款前、中、后台的分工与牵制，还是“集体审贷”防范个人道德风险，制度本身就是“趋利避害”的设计，自然会与经济景气循环存在高度相关。
四是贷后实时风险预警的功能基本缺失。
传统商业信用风险管理模式主要解决了贷前调查和贷时审批的道德风险，提高了专业分工合作，但无法实现贷后管理的实时风险预警。前些年，商业银行贷后管理更像是一个档案管理和统计部门，贷款风险监测也主要是对现有的信贷业务数据进行加工整理，基本上无法主动发现未到期借款客户的风险。
近年来，随着大数据技术在银行业务中的应用，部分银行开始利用内外部数据主动加强客户信用风险监测，取得了一定成效，但更多反映在抓取企业互联网负面信息分析预警企业突发风险。而网络或媒体上传播的企业突发风险，实际上是企业经营风险的充分暴露，银行“亡羊补牢”式的风险处置，并未真正达到实时监测贷款风险的初衷。
信贷专业分工过细，也导致银行贷后风险监测手段过于单一。贷款前、中、后台的分离，人为割裂了贷款业务的全过程，贷款准入和审批在贷款业务全过程中的重要性更加凸显，专业资源的配置也更吃重。目前商业银行从事贷后管理的员工往往没有调查和审批的经验，所谓贷后风险监测，更多依赖于前台客户经理提供的企业财务报表。通常财务数据存在滞后性，且很多中小企业财务数据真实性存疑，客观上导致银行信用风险监测明显滞后，基本上无法做到实时预警。
此外，无论是大型企业，还是中小型企业，近年来经营形态均呈现出复杂化态势。大型企业多元化经营，投资渠道丰富，资金多向流动，交易对手庞杂。中小型企业虽然主业单一，但企业大股东自主投资范围较宽，且自有资金与企业资金混用，个人投资风险往往转化为企业经营风险，企业经营风险也可能会向个人财务风险传导。这些风险也往往难以被银行贷后管理部门所及时识别。
五是银行信贷前、中、后台人为割裂与企业信息高度统一存在矛盾。
借款企业信息覆盖从贷前调查到贷款到期收回的全过程，具备高度统一性。但银行信贷经营前、中、后台的划分，使得企业信息的传递被人为割裂。对企业授信，是基于客户经理贷前调查的信息；而在贷款审批时借款企业信息已经发生动态变化，但授信往往未实时调整；在贷后到贷款到期这段时间内，贷后风险监测信息往往无法及时传递给授信部门，对前台贷款营销的支撑与指导作用存在断裂。银行贷款经营重授信轻贷后、重营销轻风险、重审批轻持续管理的问题较为突出，很难全面把控借款企业的经营风险。
企业经营面临内外部冲击，经营风险动态变化。基于贷前调查信息对借款企业经营风险的综合判断，客观上需要随着时间进行不断校正。虽然各银行也建立了信贷管理部门，但与真正的贷后风险监测相去甚远，所谓信贷管理大多涉及贷后检查、突发风险应对、不良贷款处置、信贷政策指导等方面，真正需要对借款企业信用风险、行业投向风险监测功能没有，或无法有效发挥作用。
贷款从发放到收回或处置，需要进行贷款生命周期管理。在贷款生命周期的任何时点，一旦发现威胁到贷款到期偿还的重大风险隐患，就需要银行及时介入或处置，以维护银行信贷资金安全。但银行因为贷后风险监测功能缺失，或无法有效发挥作用，无法及时对贷款生命周期进行干预，进而造成风险累积爆发，影响到银行信贷资产质量。即使银行贷后管理部门依据自身经验和技术前瞻性监测到企业经营风险，但企业表面经营仍属正常，要求抽贷、退出将遇到前台极大阻力。
银行信用风险管理模式变革路径
当前我国银行业经营面临30年未有之变局。从宏观经营环境分析，我国正处于经济结构战略转型进程，新经济增长动能仍在培育，信贷资金布局既不易清晰把握方向也存在较大风险，同时也遭遇直接融资巨大的挑战。利率市场化导致存贷利差失去制度保护，全球范围内较长时间内低利率环境也将进一步压缩银行业净息差水平，传统依赖贷款规模驱动的经营模式不可持续。
我国银行业尚未完全经历完整经济周期冲击，表内外资产质量劣变风险仍将持续释放，资本损耗和流动性压力将有增无减。虽然公司治理机制建设初步建立，但业务扩张与风险控制容易失衡，同业业务、表外业务、理财业务很可能成为连接影子银行风险的通道。手机银行、网上银行服务的兴起，传统银行经营网点存在的必要性显著下降。随着大数据、互联网技术与金融的深度融合，银行独占企业经营状况信息的优势正面临互联网平台的强有力挑战，银行产品与服务易于模仿，进一步削弱了传统银行信用中介的功能，适应形势变化变革信用风险管理模式的重要性日益凸显。
1.以客户为中心强化表内外全面信用风险管理
目前，商业银行业务日益呈现出表内外联动、信贷和非信贷业务协同发展的新趋势。过往信用风险管理模式的关注焦点主要是表内贷款业务，对表外理财非标资产的融资管理，以及在非信贷资产风险的防范上，还存在些薄弱环节。特别是当前商业银行表外理财业务、同业业务实施了专营制度，业务权限向上集中，但市场营销和前台调查仍在基层，难免会出现信息传递受阻，融后管理失控的可能性，造成潜在信用风险积聚。
目前，商业银行理财业务还未与银行自营业务实施严格上的分离，自营资金与理财资金之间的交易较为频繁，表内同业投资标的与理财资产选择趋同，自营资金借助通道发放表外非信贷资产的情况较多，刚性兑付的潜规则短期内还无法打破，决定了商业银行必须要为全部表内外资产的信用风险负责。因此，有必要建立以客户为中心，涵盖表内外全部资产、实施信用风险管理统一标准的信用风险管理模式，以应对不断增长的表内外资产质量管理压力。
2.逆周期信用风险管理
在经济周期性波动的不同阶段，实施逆周期的信用风险管理，可以防止在经济景气阶段银行潜在信用风险被动聚集，控制经济不景气期间信用风险释放的规模，增加经济不景气期间信贷资源储备，熨平实际信用风险周期性波动。目前，符合商业银行个体利益的微观抽贷、断贷、逼债等行为，虽然可以一定程度减少或控制自身信用风险的暴露水平，但宏观上则加快了风险在银行体系内的传染与扩散，使部分尚能正常经营的民营企业突然陷入绝境，导致银行体系的整体信用风险水平被动上升。而个别银行为降低表内贷款不良率，采取向表外转移不良资产的不当方式，实际上加速了影子银行风险的聚集。
这些情况表明，在信用风险防控上，不能完全照搬或简单沿用经济周期景气阶段的标准与手段。因此，在宏观经济景气下降和信用风险加快暴露情况下，可以考虑采取逆周期的信用风险防控标准，适度提高不良贷款风险的容忍度，禁止各种不合规转移不良资产的方式；在依法合规和严密防范道德风险的大前提下，充分尊重市场主体的意愿，不搞“拉郎配”，通过政府“搭台”让“银企”唱戏，鼓励探索各种有效的风险处置方式和市场创新；建立并完善债权银行集体行动机制，不对民营企业搞突袭式的“抽贷”、“断贷”，依靠市场力量完成“降杠杆”的重大历史性任务。
3.基于大数据的全过程信用风险管理
大数据是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。银行在长期经营过程中，已经积累了有关客户资金及交易行为的海量信息数据，为银行信用风险管理变革开启了一扇全新的大门。
一是真正实现贷后风险监测与预警。
对借款企业账户信息、资金流向、关联方信息、网络信息、政府部门公开信息的深度挖掘，可以接近还原企业经营风险状态，为前瞻性动态监测借款企业风险提供了可探索的路径。
二是实现银行信贷前、中、后台信息有效贯通。大数据分析需要处理有关借款企业的海量信息数据，将原本分割的银行前、中、后台信息进行有效整合贯通，吸纳在信贷业务条线之外的其他碎片化信息，运用先进技术手段进行过滤与整合，进而分析预测借款企业的信用风险。
三是为贷款前台营销和授信审批提供有效指导。经过大数据分析处理后的结果，可以为前台营销提供指导。基于数据之间的显著性分析，企业具备相同特征的信息，发生违约风险的可能性就越大。这样一来，前台营销可以对借款企业进行更为有效的筛选。也基于相同原理，在对借款企业授信过程中，可以更有效地把控企业风险总额，而非不切实际的授信。
四是有效提升信贷经营与风险控制的效率。基于大数据分析，可以有效提升贷前调查的效率。原本对贷款风险评估具备重大影响的信息，可以部分通过对借款企业过去账户信息、征信信息、网络信息等而获得，从而减少了贷前调查的时间，促使客户经理有针对性地开展现场调查。通过机器和大数法则来替代人工经验判断，可以进一步精简从事贷款授信审批人员。而在贷后管理过程中，广泛采用模型进行数据分析，可以有效提升风险监测的效率和前瞻性，并为前台营销提供方向性指导。
4.变管理信用风险为经营信用风险
传统上认为，银行是从事期限转换和信用转换的中介机构。但随着互联网和大数据技术发展和应用，由银行充当信用中介的必要性显著下降，拥有丰富数据信息的互联网电商平台已经在相当程度上替代了银行信用中介的职能。即便如此，传统银行依然掌握了巨大的企业和个人信用信息数据库，已经积累发展出相对成熟的信用风险技术，这无论是充当信用中介还是信息中介服务于资金撮合交易，都不可或缺，为银行从信用中介向信息中介转变奠定了坚实的基础。
因此，银行需要适应银行职能转变，变管理信用风险为经营信用风险，确立银行信息化经营管理发展战略，提高基于信息中介服务收入的比重，加快建设互联网金融平台，适应客户信息深度整合与测度需求，对金融机构组织机构进行再造，对构成金融产品与服务的要素进行重新整合，主动提供基于银行信息优势的产品，包括P2P服务等。
（来源：上海证券报 作者系中央财经大学经济学博士、供职于金融机构））
