金融科技泛指一系列技术驱动的金融创新，诸如分布式总账技术、物联网、机器人投顾、智能合约、大数据应用和P2P贷款等，相互之间差别极大。中国并非任何一项金融科技的原创国，但却是金融科技在金融领域渗透最深、应用最广泛的国家。各种或大或小的互联网平台公司，利用各种金融科技纷纷进入第三方支付、存款、贷款、财富管理、货币基金和征信服务领域，横跨银行、货币市场、交易所等多类机构和市场设施，把金融科技变成了事实上的科技金融。与此同时，商业银行也对金融科技投入重金，努力实施数字化转型。从最初模仿电商平台公司开办银行自己的电商平台，到把大量中小银行汇聚起来形成“银银平台”，再到目前通过API技术把银行服务端口嵌入到客户端和客户自己的生产、生活场景，中国银行业的组织架构和服务模式正在发生巨变。金融科技带来创新的同时，也在投资领域形成大量庞式骗局和风险事件，给投资者和储户造成巨额损失。尽管如此，中国官方仍然对金融科技乃至所谓的科技金融青睐有加。按照一部分人的理解，为改变处于高度管制和享受垄断保护的传统金融业，金融科技的鲶鱼效应必不可少。

 

具体到信用风险管理，至少从中国经验看，金融科技带来的影响可谓革命性的，问题仅在于我们能在多大程度上收获其积极效应。

 

首先应该提及的是大数据及大数据技术。大数据和大数据技术帮助信用风险管理实现了两个“透明”：针对银行外部借款人的风险信息透明，以及针对银行内部信贷操作的流程透明。在借款人方面，大数据和大数据技术促使银行得以比以往更加清晰地看见更加全面的信用风险视图，帮助风险管理从内部评级法模式下的估计违约概率，进入到看见违约模式。这里的看见违约模式不仅包括看见风险源头，也包括看见风险的传播路径和传播过程。

 

具体来说，基于借款人的财务数据和其他定性信息，内部评级体系能够估计出给定置信水平下借款人未来一年的预期违约概率。尽管如此，作为一个多少有些抽象的汇总信息，预期违约概率在实际应用方面存在局限：首先是具体某一笔信贷的预期违约概率本身准确与否并不确定。当违约风险源自建模以外的因素时，内部评级对于潜在的违约概率将不具备预测能力。其次，从风险管理实践对风险预测的要求看，风险管理不可能满足于只是估计或“知道”一个违约概率，然后简单把风险规避或转移掉。实际的风险管理更强调主动作为，所以更关心风险来自何处，途经何处，以便及时或提前做好处置和化解安排。有效的贷后管理和资产保全是银行控制风险的重要手段。

 

大数据和大数据技术刚好弥补了内部评级体系的上述不足。借助大数据和大数据技术，风险管理能够在众多潜在风险因子中识别出是哪些因素在导致违约，比如是借款人自身的现金流风险，抑或借款人的关联关系风险（比如卷入担保圈和担保链等）；是信贷项目的现金流风险，还是贷款挪用风险；是过度授信风险，还是抵质押设置不合理导致的风险缓冲不足风险，等等。与内部评级和违约概率相比，大数据和大数据技术提供的是一幅立体的违约画面，全面、直观、可管理，风险管理相应减少了被动性，增加了主动性。

 

大数据和大数据技术的应用不仅促使借款人信息更加透明，也促使银行内部的信贷流程更加透明，诸如客户经理的尽职情况、分支行的资产质量信息、分支行实际暴露或面临的风险信息等。这里需要重点提及的是图像识别技术。由于像素和压缩技术的进步，类似视频聊天这样的技术已经从社交平台如微信，扩展到更多的商业应用场景。以车辆保险为例，针对过去多年来定损员与4S店串谋高估实际损失水平的问题，过去几年来中国保险行业开始大幅度裁减定损人员，取而代之以实时的视频影像流作业。发生事故的车主直接将事故现场和车辆受损画面拍摄上传，保险公司的运营平台即可自动给出损失估价。在银行信贷领域，以图像识别和处理技术为基础的影像流作业同样有着广阔的应用空间。关于借款人生产运营场景，存货，水表、电表、燃气表的实际使用数据，动产质押状态等都可以通过图像提供的非结构化数据。影像资料可以由银行人员收集，也可以在没有事前通知的情况下直接由借款人拍摄上传。不但补充了传统信贷数据的局限，也大大提高了数据真实性。另外，通过对客户经理的贷前调查和贷后管理实行实时影像记录，还可以大大降低客户经理的不尽职风险，并提高贷前调查和贷后管理的作业质量。

 

其次是应该重点提及的场景授信。这里的场景主要指各类借款人日常生产和生活中与支付有关的场景。判断一笔支付是否真实，最好的方法是把该笔支付还原到产生该笔支付的对应场景中。只要场景真实，交易和支付真实，依托该笔交易和支付发放的信贷就能够做到风险可控。

 

场景授信的兴起主要得益于以电商平台（B2B和B2C）、供应链融资平台为代表的平台经济带来的信息集中及场景透明：各种具体的消费信贷场景和供应链融资场景。当银行的信贷端口直接嵌入到消费场景和供应链场景的支付环节时，支付和信贷彼此贴近，场景透明促使信用风险大幅度降低：一是贷款被挪用以及贷款用途欺诈风险大幅度下降。从这一轮中国信贷周期的实际表现看，导致不良贷款大规模爆发的首位因素是过度授信，其次就是贷款挪用。二是授信规模与支付金额挂钩，贷款额度规模适当，过度授信风险大幅度下降。三是在交易和贸易背景真实的情况下，供应链融资的自偿性得到充分发挥，既降低了实际的信用风险，又增加了有效信贷供给。