信息科技在不良资产管理中的作用

作者:周金黄 日期:2020-08-24 14:51:48

  导读  

充分认识金融科技或信息科技在不良资产处置领域的重大意义和重要作用,对于资产管理公司转型发展至为关键。


  正文  

作为专业处置银行不良资产的金融资产管理公司,在过去20年经历了政策性接收和处置、商业化转型、市场化竞争三个阶段,积累了丰富的经验,创建了一系列有效的处置手段。其存在和发展无疑是一项中国特色的制度创新。然而,随着不良资产市场的扩大尤其对外开放,竞争的加剧、不良资产内在复杂性的增强,资产管理公司转型面临巨大压力,在处置方法和手段上面临本领恐慌。近年来,尽管资产管理公司加大了科技投入,不断运用科技手段助力不良资产处置业务,但与银行等金融同业相比,仍然处于小步慢行的节奏。充分认识金融科技或信息科技在不良资产处置领域的重大意义和重要作用,对于资产管理公司转型发展至为关键。


  科技与不良资产管理的关系  

金融资产管理公司作为专业收购和处置不良资产的金融机构,其所提供的救助性金融服务和特殊机遇资产管理,在市场化竞争中,是从“危”中找“机”。“不良资产”的简单定义是:超出合同规定偿还期限的贷款或应收账款,包括本金和/或利息。按照五级分类标准,不良资产包括次级、可疑、损失类贷款。商业银行或其他债权人之所以转让或剥离不良资产,主要原因包括:(1)改善资产负债表,增强持续经营能力,满足风险管理需要;(2)满足监管指标要求,防范系统性风险;(3)交给专业机构处置,可降低不良资产的处理成本。

与医疗体系类似,金融资产管理公司在处置不良资产的初期,要开展客户尽职调查(体检)、不良资产及其承债主体问题程度的判断(诊断)、是否有接收的可行性等过程。在接收的过程中要办理各种法律或合同文书,进行权利和责任的确认(收治)。在收购或接管之后的存量处置阶段,要对不良资产进行处置、经营或管理(治疗),经历处置方案的拟订、相应措施的使用,与医疗领域的开方用药、输血、手术、转出康复等过程类似。

不良资产管理行业作为金融领域的“医疗体系”,在信息科技和人工智能飞速发展的当下,既有必要也有极大空间运用科技手段提高经营管理的质量和效率,通过靶向治疗和免疫疗法,在市场竞争中为金融资产管理业务提供有效解决方案。

科技在金融资产管理中的作用,体现在服务保障、驱动赋能方面。

在服务保障方面,无纸化、移动化办公大大提高了工作效率,突破时间和空间限制,实现业务处理和日常管理的随时、随地化。数据信息的保存、调用、分享也更便捷及时。云服务、分布式、中台架构可以实现技术架构的松耦合、高复用、高安全和低成本。

在驱动赋能方面,运用科技手段,如大数据、人工智能、物联网、区块链等,能够使得不良资产业务处理和管理服务精细化、精准化。首先,在客户尽调、信用评价、客户限额管理、关联交易管理、不良资产辅助定价、基于大数据的风险评估等方面给不良资产经营管理赋能。其次,自然语言处理(NLP)技术、图数据库技术提供了机器智能识别处理语言、图形、图像的能力,在合同比对、解释、存档方面大大提高效率,降低人工处理面临的烦琐、低效、错误率高等问题;扩展现实和计算机视觉技术的进步,可帮助机器准确识别实体环境,对抵押品的管理、资产的减估值管理、资产保全业务等,实现非现场监测和动态评价;可解释的人工智能形成闭环,使人们明确系统做出决策的思路。第三,借助5G技术的高带宽、大容量、低时延特质,通过物联网接入数量更多、类型更丰富的终端设备,为采集实时数据和进行边缘计算提供更可靠的连接手段。这使得资产管理公司从传统上每6个月对管辖资产走访一次的要求变为每天跟踪监测,大大提高债权资产管理的时效和质量。

在数字经济时代,数据既是生产要素又是产品。运用大数据进行商机的捕获、资产的估值、客户的体检、交易条件的制备,必须使数据本身真实可信,在时间和空间维度上具有较强的统计意义。这就必须在建立数据仓库、吸纳大量相关数据的基础上,对数据进行适当的清洗,通过数据标准体系的建立和完善,使得任何的数据集都能够计算或比较、统计、运用。


  体验共建  

资产管理公司所管理的头部资产基本上是逾期贷款,交易对手则是债务人。对于债务人而言,贷款逾期会造成:(1)声誉损失,评级下调,征信记录差,再次贷款难度大、成本高;(2)面临诉讼和处罚;(3)破产; (4)主要当事人还可能承担刑事责任。在绝大多数情况下,债务人违约是下策。对于商业银行或者不良资产的其他原始债权人而言,转让资产的目的是改善资产负债表、满足监管指标要求。如果对不良资产在更长、更广的维度上进行考察就会发现,其投资价值是显而易见的。通过赋予债务企业个性化主权,资产管理公司和客户企业建立利益攸关的共生关系,这是资产管理的要义也是资产管理公司的生命线。为此,借助AR和5G技术的作用,资产管理公司将能够打破地理空间限制,为客户提供定制化服务,让客户有参与感,这样才有望创造巨大的潜在价值。资产管理公司要想保持竞争力和客户黏性,需要重视客户意见,探索体验共建,进而吸引新的客户群。与客户共享主权可以帮助企业实现法规合规性与企业目标之间的平衡,尤其是在涉及客户隐私的情境下。在是否决定债转股、是否要对问题企业进行重组的关键决策环节,必须得到客户透明度的支持,为客户设计生财之道,帮助客户赚到钱。

在不断蓬勃发展的不良资产管理二级市场上,资产管理公司居于标的资产的中间位置。潜在的投资人必然要求资产、抵质押物、担保人、债务人的确切信息,但除非有强制信息披露要求以及违规就面临严厉处罚,否则资产出让方、债务人倾向于隐藏部分真实信息特别是隐私权。在此情形下,如果利用联邦学习技术,把不良资产处置市场的利益相关方置于共同互见的场景下,不仅有利于信息共享和利益共沾,也有利于发挥协作效应,打破僵局,取得共赢的效果。对于潜在的资产受让人而言,除了价格,最主要的是持有收益和风险。资产管理公司有能力提供经营过程中获取的内外部信息,取得债务人和投资者之间的信赖。

随着市场化的不断推进和竞争的加剧,交易标的的特殊性决定了针对资产或客户的数据挖掘特别重要。历史的、内部交易的数据仅能提供参考,而大量来自外部的数据对客户评级(评价)、资产估值、风险预警评估起着重大甚至决定性作用。例如,在推荐转让资产的情景中,仅仅从文字方面描述资产性质、特征、潜在投资收益是不够的,如果配以形象化、数字化的图谱,会起到身临其境的效果。通过增强资产出让人、投资人与标的资产所在地实时环境的数字资讯互动,使客户获得实时环境增强的感官体验。


  科技覆盖资产管理全过程  

如前所述,不良资产管理的核心是风险管理,覆盖资产处置、经营、管理的全过程、全方位,包括尽职调查、估值定价、管理处置等。

尽职调查。常见的主要问题是掌握的信息不准、不全、不能穿透。客户基本属性、所在行业及地区特性、关联图谱、财务状况、债务情况、违约状态和诉讼状态,这些都需要敏捷而有效的程序、细化的指标、定量与定性结合、交叉验证数据驱动的决策支持。在不良资产处置中,资产管理公司作为受让方与资产出让方存在信息不对称。一方面,资产出让方(比如商业银行)没有义务向资产管理公司提供关于资产特别是债务人的一切信息,或者出让方确实不持有全部所需的信息; 另一方面,随着竞争的加剧,资管行业由买方市场变为卖方市场,有前景的资产稍纵即逝,导致买方来不及掌握资产相关的重要信息,就达成了交易。这就要求资管公司尽可能多地采集感兴趣行业及其经营企业的基本信息、经营状态、违约涉诉情况等外部数据,如工商数据、财报数据、司法数据、行政处罚数据、舆情数据、征信数据等,建立覆盖相关行业和经营周期的、涉及市场风险、政策风险、信用风险、关联风险的数据仓库,以供客户尽调时参考。

估值定价。估值定价是准确判断合理投资价值区间的主要参考依据。资产估值不仅要建立定量模型、运用历史数据,还要综合考虑标的资产所处行业和经济周期、债权抵押担保措施、法律环境、市场活跃度和处置策略等多种因素。随着资产管理行业参与者的大量涌入、竞争的加剧,不良资产零售化、证券化的趋势也逐步显现,这对资产估值定价提出精准化、实时化要求。而资产的估值涉及资产的潜在收益折现率、违约风险概率、违约风险损失率、期限错配等。与房地产相关的行业企业最具有代表性。目前,房地产市场已经形成销售和租赁市场公开竞价体系,包括淘宝京东拍卖、司法机构的公拍网、基于互联网的二手房交易、土地交易数据、房屋租赁数据等。科学有效地把外部数据与所要管理处置的资产具体特征进行有效关联,需要基于统计特征的算法和基于大数据的知识图谱、数据图谱。

管理处置。在接收不良资产之后,金融资产管理公司面临多重选择:第一,转让。第二,继续持有并债转股,或对债务企业进行重组。第三,独立或与其他债权人形成债委会,申请对债务企业破产清算。要针对资产内在特征分类施策,积极嫁接各种平台资源,不断提升资产处置效率和处置水平。

首先,通过广泛收集宏观数据和权威的研究报告、行业分析成果以及相关政策解读,判断宏观环境和走势对特定行业产生的影响,为资产处置把握大方向。其次,要对行业和债务主体(包括债务企业和担保机构)开展持续经营能力、偿债能力、竞争力跟踪、动态评估,广泛运用大数据提高信息对称度,为精准施策奠定基础。再次,要在名单制管理的基础上,建立数据档案。对确有增值运作价值的项目,要精心设计,运用多种组合工具,努力挖掘潜在价值。在抵质押品管理与资产保全过程中,应当建立机器学习及深度学习模型,监测抵质押品设备运行状态,抵质押品的权属变化,随时进行异常状态分析及预警,同时实现相关设备运行的远程监控及优化控制。


  打造大数据能力  

人类进入数字经济时代,这已成为普遍共识。数据不仅是生产要素,而且是重要的投资品和消费品。大数据更接近于群体行为数据,它是全面的数据、准确的数据、有价值的数据。与传统的用样本代替全体的统计方法相比,大数据使用更全局的数据,其统计出来的结果更为真实全面,更接事物真相,大数据带来的统计结果将纠正过去人们对事物的大概模糊认识和有偏误的认识,有利于对所要了解的对象的各种历史行为真正原因的了解,纠正样本统计误差,为基于模型的统计结论不断纠错。

在不良资产管理行业,大数据技术可应用于资产处置的全流程,包括尽调过程、接收过程、持有期经营处置管理过程、事后统计分析等。此外,大数据技术也非常适用于风险管理、财务管理、资本(金)管理、内外协同、经营决策等全方位的应用。如前所述,不良资产管理如同医疗,疾病的确诊和治疗方案的确定是最困难的。借助大数据平台、知识图谱技术、图数据库技术,可以收集不同案例和治疗方案,以及病人的基本特征,建立针对性的数据集市,实现数据模具化、可重用、可验证。同样,不良资产处置通过对以往案例进行汇总、分类,建立特征数据库,一旦现实中遇到收购处置案例,就可以调用数据库进行比对。在制订处置方案时,可以依据债务人的基因特点,调取相似基因、健康状况特征的有效治疗方案。


  为经济资本管理赋能  

在当前全球经济大衰退、新冠肺炎疫情冲击多重作用下,全球供应链面临中断、重组,微观经济主体面临前所未有的风险。这必将加大产业重组、供应链重构、供需重建的压力,进而对银行信贷结构造成重大影响,不良资产规模会大幅上升。金融资产管理公司作为专事不良资产管理的市场化企业,必须在经济资本管理上更加科学、精准、有效,增强预见性,冲销行业周期波动的影响。根据经济资本回报率(RAROC)的计算公式:

RAROC=(收益-经营成本-预期损失)/经济资本 

RAROC考核要求将未来可预计的风险损失量化为当期成本,对当期收益进行调整,衡量经过风险调整后的收益大小。要为非预期损失做出资本储备,进而衡量资本的使用效率,使企业的收益与所承担的风险挂钩。

实践中,企业财务数据往往真实性不高,外部信用评级在信贷决策和定价中很难起到核心作用,甚至会掩盖真实风险和负面风险。金融机构在计算违约率时,只能依靠自己的内部评级数据。而内部评级评分在方法论、数据采集和处理、评分结果检验以及相关工作的组织、适用方面仍存在较大差距,严重限制了RAROC模型的应用。对此,资产管理公司必须运用先进的科技手段,积累大数据、通过认知智能,强化对违约概率、违约损失率、风险值的预测和计量,提高密集度和动态性。例如,通过运用区块链技术,在不良资产处置链条上的参与方相互之间构建智能合约、有效利益激励约束机制,降低经济资本消耗。商业银行、债务人、资产管理公司、专业咨询机构等多个利益相关方通过构建联盟链,将进入关注、次级、可疑级别的资产分类上链、共管,对于关注类资产,有利于防止其质量下迁,也有利于形成次级及更高不良等级的资产时,有更多的时间、更丰富的信息支持采取有效处置手段,治未病。从这个角度看,科技投入不在于其可获得的显性收入,而在于为资产管理赋能。       





(作者为中国华融资产管理股份有限公司科技部总经理)






上一篇:2020年上半年全球金融科技监管动态综述
下一篇:核心企业供应链保理与中小企业融资
当代金融家 2020年第9期 总第183期
出版时间:2020年09月08日
查看详细内容
 
热门排行
做好金融业标准化“十四五”发展规划
银行业金融机构落实“尽职免责” 应...
金融机构合规风险管理 及合规文化建...
新形势下金融控股集团发展战略思考
商业银行业务联动营销效能提升之道—...
商业银行数字化转型的三个层次
新冠疫情对经济的影响及 日本央行采...
疫情下, 产业“危与机”及商业银行...
银行网点敏捷转型:特色、专业、轻型...
完善金融资本要素市场化配置的改革建议