作者：凤凰先生 来源：凤凰先生

　　

　　风模是什么

　　

　　风模，全称风险控制模型，任何投资都需要管理损失或盈利波动的风险。融资租赁公司作为信贷类金融机构，风模就是信贷风险控制模型，按照这个模型去调查数据，然后判断做不做，做多少，做多久，什么条件。

　　

　　举例：深圳房产抵押贷，就是一种风模，一种基于第二还款来源（抵押物处置的变现能力）的风模。

　　

　　假设一个深圳的房子1000万，抵押给你，借700万——

　　

　　做不做：做，深圳房子容易出手，可以做

　　

　　做多少：700万，即使对方不还钱，我卖出去800万应该很多人要

　　

　　做多久：3年可以，深圳房价不跌最少可以持续5-10年，这是深圳经济和深圳住房供应决定的

　　

　　什么条件：房子抵押给我

　　

　　回到针对融资租赁看，做不做，做多少，做多久。

　　

　　做不做的核心：预估净收益是否大于违约预估损失

　　

　　做多少：预估违约时点的未还本金

　　

　　做多久：预估违约时点

　　

　　什么条件：哪些人和公司提供担保保证

　　

　　融资租赁，也有第二还款来源，A有标的物，所以，做多少还包括预估违约时点之担保品或标的物二手市场价值是否大于违约预估值，这也是喜欢通用型保值性设备的直租的原因，B条件中的保证人，所以，做多少还包括保证人、负责人、股东、母公司之资力是否足以代偿违约预估值。

　　

　　风模与治疗类比

　　

　　翻译成医学语言，那就是根据症状和诊断，确定用不用药，用什么药，用多久药。

　　

　　试错类比

　　

　　一批客户，给了一笔钱，他能还上，我们遇到同类的情况继续会给。

　　

　　一批病人，吃了一个药，病情好了，我们遇到同类的症状继续会给。

　　

　　强调，一批，不是一个。

　　

　　深圳房产抵押贷这个风模，有几个关键特征：

　　

　　1.深圳 - 仅限深圳，其他地方不行

　　

　　2.房产 - 车子其他的都不行

　　

　　3.抵押 - 需要房子抵押到放款人

　　

　　4.打折/安全边际 - 1000万房子只借了700万

　　

　　点 - 线 - 面

　　

　　初级的医生，看到的是症状点，多从书本上找症状点和病因的对应关系。

　　

　　初级的风控，看到的是风险点，只能罗列风险点去判断额度。

　　

　　而成熟的医生和风控，看到的都是一整张图片，他们把症状点和风险点，结合其他信息，形成了病人和企业的全息图像，形成对象现在、历史乃至未来的全面信息/想象。

　　

　　这可以归为风模中的前部程序，也可以归为风模前的程序。我更喜欢前者，因为我们是会根据风模的需求去收集信息。

　　

　　双赢类比

　　

　　他们还有个神似的地方，一般是双赢。银行赚利息、客户获资金使用权；医生赚诊金，病人获健康。但也不一定，例如有时给客户一笔需要付息的钱，如果没有足够的投资盈利，客户可能亏了利息，但也不足以摧毁客户；同样，有的生病，可以不吃药或者，吃便宜药也能好的病，但吃了贵药，乃至有副作用的药，也不影响生存。作为出售人的银行/融资租赁公司，和医生，出于赚钱的目的，有时有强加的欲望。

　　

　　所以，无怪，蔡桓公见扁鹊说：医之好治不病以为功！

　　

　　做医生，可以医不叩门，但做贷款，不去推广不去拨款就要失业了

　　

　　中西医类比

　　

　　中西医，在看待疾病的一些不同，也这是风模的不同。

　　

　　中医，认为疾病更多是来自合力，采用模糊对模糊的方法治疗；西医，认为疾病来自有害的细菌病毒，有明确的逻辑链条，顺藤摸瓜地发掘，精准明确的治疗。

　　

　　风模在授信中的阶段

　　

　　无论是中西医，都是先有诊断，再有治疗。

　　

　　西医的诊无疑更客观，更数据化，中医对比之下，诊断更为主观，特别涉及“阴阳虚实寒热表里”。无疑中西医，诊断都是难的，特别是诊断中的判断，即从已知信息中（症状）去判断对象病机的问题。包括西医也是如此，例如同样的CT同样的验血，我们还是要去大医院，因为大医院大医生的判断更靠谱。

　　

　　授信也一样，我们先有收集申请人的信息，再有对信息的判断，继而对授信的决策。难的，也是根据有限的客户信息，去判断客户全面的真实的情况，甚至要预测客户的未来情况。#p#分页标题#e#

　　

　　信息有限，不止是小微企业的特征，中大企业也一样。只是中大企业本身规模大。就像同样都是健康的人，壮年成人的抵抗力一般比幼儿强。

　　

　　无论授信，还是治病，都面向，时间有限而信息大量的冲突，知道越多越容易见全局，有效判断的意义在于抓重点（也即主要矛盾）。

　　

　　所以有——十年学医，九年诊断。

　　

　　正是因为收集的信息有限，所以不同风模可能收集的信息不一样，认定的主要矛盾不一样，授信方案也不一样。

　　

　　类比为治疗，同样的病人，可能不同医生问得问题不一样，开的药方一样，还可能有些情况下，开的药方不一样同样能治，头痛医头能治，头痛医脚也能治。

　　

　　我在新人培训中，就有一页，解释模型。

　　

　　以【仲利租赁】为例，模型是印在各个权限主管中的决策逻辑，他们通过区域精耕+既往经验，发展出既有普适性也有特殊性的模型，从而完成对一个申请人的授信判断。

　　

　　如果这个模型有效，就会放款多，信用风险少，拥有这个模型的主管就会晋升，从而获得更高的权限，更高的放款金额，继续试错迭代他的模型。

　　

　　风模的参数-CFA

　　

　　风模的参数，就是评估的维度。

　　

　　因为信用风险的判断，就是判断申请人未来产生现金流的能力，所以可以影响未来现金流的因素，都应该纳入风模，越重要的配越高的权。

　　

　　In so doing, analysts must assess both the credit quality of the companyand the fundamentals of the industry in which the company operates. Traditional creditanalysis considers the sources, predictability, and sustainability of cash generatedby a company to service its debt obligations.

　　

　　CFA1-Equity and Fixed Income

　　

　　CFA教材使用的是4C原则。

　　

　　把评估的分为经营能力（Capacity），抵押物（Collateral ），契约（Covenants），品格（Character）

　　

　　前文链接：信用风险（2）信用分析方法4C

　　

　　这就是风模中，普适性，的部分。其他常用的经典原则包括，5P、5C、Z模型等。

　　

　　AI风模是什么

　　

　　我们一般见到的风模，都比上面的深圳房产抵押贷复杂。

　　

　　深圳房产抵押，算是容易判断的事。因为容易，没有风险/风险极低，所以大家抢着做，所以利息很低，然后所以让有成本优势的银行做了。

　　

　　作为出身卑微的我们，要赚钱，只能找别的。

　　

　　其他地方房产抵押贷就不一定稳赚，其他方式的贷款，例如小微企业融资租赁，例如数码产品消费贷就不一定稳赚。

　　

　　这时候，需要引入更多的信息进行判断。数据越多，判断速度越慢，判断的难度更大，于是有人引入了计算机去协助完成判断过程。

　　

　　AI风模，就是用计算机去完成这个过程。

　　

　　额度授予模型是如何建立的？| 干货

　　

　　AI风模授信的维度和权重局限

　　

　　贷款的结果，能否及时还款，是一个合力的过程，维度即使能穷举，但确定哪个维度应该配多少权却是一个动态的过程（例如某些时间点，环保许可会是重点，某些时间点，有深圳的不动产，会是是重点）。

　　

　　AI风模，一般无法包含所有的维度，更很难动态地判断哪个维度应该升权，哪个维度应该降权。

　　

　　AI风模更多只能从结果上学习，哪个维度该调权了。

　　

　　维度的选择，权重的升降，也是风模中，特殊性，的部分。

　　

　　目前AI风模的运用

　　

　　直接的判断（做不做，做多少，做多久）

　　

　　1. 小额大批业务

　　

　　形成客户评分，评分越高偿债能力越高

　　

　　评分的意义，还在于，避免主观性过大。

　　

　　就像人的体检评分，分数越高，抵御外来病菌能力越强，得病乃至死亡越低。

　　

　　2. 授信参考

　　

　　高分大额度，低分小额度或不做。

　　

　　3. 授信商务条件指引

　　

　　保证金降低，IRR降低等。

　　

　　风模授信的时间局限

　　

　　借贷市场和股票市场一样，模型即使有限都是有时间性的，不是永久的。

　　

　　历史有效不等于未来有效。

　　#p#分页标题#e#

　　股票市场，可能，曾经低PE策略去获取超额收益是有效的，但采用的人多了，低PE股票的采购成本会上升，继而只能获得平均收益，甚至低于平均收益。

　　

　　AI风模的难点就在于，建立需要长时间摸索，一旦有效，又会因为资本的趋利性，马上失效。

　　

　　这又有点像西医学的抗生素，抗生素研究出来的时候能杀菌，但细菌会变异和演化，经过或长或短的时间，最终出现耐药性，从而，迅速宣告该抗生素的无效。

　　

　　风模的优劣

　　

　　治疗的优劣，看病程、副作用、后遗症。

　　

　　风模的优劣也是类似，看资料、额度、价格、程序、期限、担保人。举例，如果A和B两个风模，除了担保人，全部一样，A需要实际负责人夫妇担保，B只需实际负责人本人（也即少一个担保人），那么一定是A在本项目中被客户选择，但不代表A比B优胜，还得看长期的信用风险和回收比例，如果A回收低，可能会因为亏损使得股东停止投入/无法融资而退出市场。

　　

　　任何成功的模型都是贝叶斯思维的运用

　　

　　现代统计分为2个门派：经典现代统计和贝叶斯统计。

　　

　　经典现代统计，证明一个东西有效，要假设这东西无效，然后算出无效的概率反过来推导结论……

　　

　　贝叶斯模型框架就是假设你有一个原始观点（先验概率分布）然后当证据（现实数据）出来以后你就会修正自己之前的观点，得到一个修正后的观点（后验概率分布）……比如投资中你认为A公司这2年业绩会很好。这个判断就是先验概率，通过你研究这个企业的基本面比如行业，管理层，产品，销售等等得到的结论。然后随着更多的数据和事件出来比如行业景气程度，每个月的销售数据披露等等，你会开始修正你的原始观点最后得到新的观点，比如符合你预期，超预期，低于预期等等。

　　

　　Stevevai1983-雪球

　　

　　这里2个难点1个重点。

　　

　　如何开始

　　

　　原始观点，就是先验概率分布，经典观点（4C）都是普适性的，借贷有几千年历史，用的人太多，你要获取客户只有2个可能：1.需求远大于供给（对于小微融资租赁，3年前都还是这样），2.加入特殊性（也是个人性，维度的选择，权重的升降）。

　　

　　如何改进

　　

　　当获得证据，不发生信用风险和发生信用风险，就会引起模型的改进，但是什么引起了信用风险，找到并认准其中的主要矛盾，很重要，风险因子就是研究这个题目的关键词。

　　

　　按照现金流量表的分类方法，我把产生信用风险的风险因子分别归入经营现金流、融资现金流、投资现金流分类。

　　

　　前文链接：小微企业融资租赁风险因子

　　

　　在场很重要

　　

　　要获得证据，必须参与。

　　

　　不参与，你获得的数据一定不干净，清晰的图片肯定是要比模糊的图片信息量多。

　　

　　风模的参数-广东中信简易版

　　

　　我们采用业审分工，审查主核账的流程。为了方便业务初步判断客户的批核额度，也便于业务与客户进行额度预沟通，使用了一个只含15个维度的风模，15个维度是等权的，没有哪个更重要。

　　

　　采用打钩，5个等级，若申请人的该项情况，越正面，评分越高，勾选最正面的，则为9分，越负面，评分越低，勾选最负面的，为-5分。

　　

　　然后根据评分，对项目分级。高评分的，考虑中大额度，低评分的，小额度或不做。

　　

　　下面是一个申请人的实际例子。

　　

　　风模的参数-CHAI公司

　　

　　模块一：行业情况

　　

　　比较去年 - 应收账期 应付账期 加工费/售价 动工率 采购单价 市场

　　

　　预估未来 - 订单 人员 销售额 市场

　　

　　模块二：财务情况

　　

　　财务结构 - 资产负债率  长期资金／固定资产 金融负债/净资产

　　

　　偿债能力 - 流动比率 速动比率 租金覆盖比/DSR

　　

　　经营能力 - 净值周转数 平均收款天数 平均销货天数

　　

　　获利能力 - 毛利率 净利率 净资产报酬率

　　

　　成长力 - 净资产成长率 净利成长率 营收成长率

　　

　　模块三：非财务情况

　　

　　公司历史 人事情况 管理情况 经营者从业历史 净资产值 财务透明度 政策影响 宏观经济影响 同业竞争/产品竞争力 制造业研发能力 服务业产品知名度 下游客户稳定度 上下游评价/同业评价#p#分页标题#e#

　　

　　模块四：上述数据的调整

　　

　　一是针对涉及实质大于形式的调整，例如前身的经营历史，二是涉及主观的判断，例如未来的预期。

　　

　　从用途上，CHAI的评分，更多是作为授信商务条件指引（保证金降低，IRR降低），而不是决定做不做，做多少。