很多人对模型缺乏想像力，不知道模型早就放进了未来。
编辑：超级管理员 / 发布时间：2025-10-29 / 阅读：7
很多人以为模型只能用过去数据，所以没办法预测现在经济情势多变的未来。这就是对模型缺乏想象力，不知道模型早就长出了逻辑，层层递进的算法放进了因果判断，也放进了未来。有很多人以为模型没办法用在几千万额度的中大型企业，这也是不知道现在流行的小额税务贷、现金流贷，只是有着漫长悠久发展的模型法里的一个小分支而已。成功的企业千百种，但企业违约的样子则是像不断轮回的历史，总是有迹可寻。为什么风模系统可以预测未来? 事实上没有人可以预测未来，再精准的行业研究也快不过老天爷的的变心速度。但不管未来怎么变化，风险传导的路径是有迹可寻的，只要能捕捉到信号，就能提前预判风险。风模系统作用就是用来捕捉未来风险的信号，而风控的本质是底线思维。什么是底线思维。与有的人做行业研究，看准目标，做大额度相反。我们做风险管理，总是计算最坏情况，譬如鸡蛋不放在同一篮子，这就是底线思维的表现。好的底线思维更适合外部经济环境诡谲多变的时代，也更适合内卷，利率愈杀愈低的时代。 譬如现在很多银行流水贷不只利率杀到见骨，风险更是高涨。因为它只考虑到已经躺在帐户里的银行流水，这些银行流水在经济上行时总是美好。但这种风控手法不只有可能被养套杀的欺诈风险，更重要的是流水其实就像海市蜃楼，只要经济一波动。经营一有不稳定，或是下游一拖个款，马上消失。还有的人认为小微企业看三表就可以了，现金表、电表、出入库表。未来在哪，风险就在哪。可以说金融的本质即是在未来与现在之间做资源分配与价值移转。要明白所有的企业都不是单独存在的个体，所有的企业都在一个生态系统里，这个系统之间彼此互相影响，也互相传导风险。要仅从单一面向就做风险识别，那几乎是不可能的。好的风险模型是要能把这些生态系统整合进来，才能真正的做到把未来放进来，达到智能决策引擎的效果。只有考量单一行业变数的风模评分卡，那本质其实还是专家法。因为现代制造业的经营是相当复杂的，只考虑到行业的风险共性不足。企业不只被产品产业链关联影响(譬如汽配产业链)，被原物料产业链影响(譬如稀土产业链，稀土是汽车晶片的关键原材料)，被横向行业影响(譬如纺织、印刷)，更是被区域经济影响(譬如金融共债风险，地方政策风险)。这些交错的上下游与区域经济形成了一个错纵复杂的生态系统。而风险传导总是有固定路径。打个比方，现金流断裂的传导路径通常是下游往上游传导，原物料造成的生产风险是上游往下游传导。行业风险很多是来自于同业产品竞争，而金融共债风险或是环保等政策风险通常是由区域传导。这四大面向的风险评估缺一不可，好的风险模型系统，要有算法，层层递进的逻辑推衍与分析毛利、应收、应付、存货与融资等等的变化。掌握住企业的经营情况，就能知道未来的现金流将会如何变化。风险管理其实就是底线思维，而不是神通的预测未来该是怎样。下游订单突然消失的风险? 与其花时间研究订单，研究行业景气，我们不如就直接假设他订单就是会消失吧，测一下他下游客户的分散性与稳定性，计算订单消失后，企业的抗风险能力。下游积压应收账款风险? 那简单，我们底线思维一下，做个销售结构分析吧。不只贸易战在纷纷扰扰，咱们自己的产业政策也是说变就变，神仙也难料，譬如这次储能政策影响范围之大，所有人都始料未及。但不管地缘政治与政策如何变化，风险传导总是有固定路径。我们无法预测政策会怎么变化，但我们先假设政策一定会变化，算一算即使如此，我们的本金能收回多少。不需要专家洋洋洒洒花上个把月，写个几万字，却总还是有遗漏缺失或是主观偏颇。总是该写的不写，不该写的写一大堆的风险评估报告。甚至有的都忘了写风险评估是为了控制风险，不是逃避风险，最后变成了挑毛病大赛。甚至报告愈厚，风险愈高，因为这些无用功的材料都是噪音，平白影响判断。时代变化很快，我们总是不够坚强又不够理性。在经济上行里乐观侥幸，对风险无知无畏。又在崩坏里过度悲观，对风险杯弓蛇影。但系统不会，一个好的系统能区分噪音与真正的风险讯号，这是概率之下的众生平等。笔者说的这些风控逻辑其实每个人都很熟悉。只是没有一个系统性的章法，而且通常过于主观，噪音通常又太多。笔者说的不是就一张EXCEL表风评模版，让专家填上去评个分这么简单。而是系统用一个清晰的标准将所有的项目做一个"客观"的横向比对，减少专家法因为主观经验，经验(样本数)不足带来的偏颇。譬如大家都知道多元投资，容易造成财务风险。有的人就说了，但多元投资也有成功的呀。或许有的专家慧眼独具，看好恒大地产投资新能源车。但系统发现非本业投资的投资失败，可能会拖累本业就会自动上调拒绝阈值，收缩额度。 这些其实只要把税务等外部数据导入，系统自动清洗数据，其余让专家标准化、数字化，准确的尽调采集数据就可以了。一个高效的数字化管理，要有8成风险都能用系统前期排除，最后再辅以人工二次灰度判断，简单、清晰、高效。建立数据与情报中台，形成统一“风险认知地图”；线上线下一体化闭环，让风控策略能自我更新。只有专家法，谨慎但低效。经过统计分析后验修正的模型，不只可以补足专家法审批的不足与偏颇，提高审批效率节省人工，更可以做为决策参考，形成真正的决策引擎。所以我们微函树的模型不只能将专家法的经验做标准化。标准化只是起点，模型能做的事，最终是使用大数据做后验分析，起到风险方向盘的作用，成为"辅助决策"的智能风控决策引擎。好的风险模型更是风险治理的数字化工具。风模会指引专家，给一个框架，把每一个专家都放在框框里授权审批，把来自不同文化，形状各异的专家统一起来。这个框架最终会形成整体风险治理的一环，形成一个完整的内部授权控制体系，将传统的人治，真正的形成数字化治理。而不是给一个评分卡分数，仅供参考，专家该拍脑袋的的还是拍脑袋，然后就没有然后了，该怎么各说各话，还是继续各说各话。现在早就不是资金为王的时代了，很多公司风控很专业，但太专业了，给客户的体验感很差，一个给客户体验很差的产品，风险与收益是不会有正反馈的。其实租赁的竞争对象从来不该是银行，因为企业要的从来不是便宜、而是可靠、懂得与方便。生意场上的钱是用来赚更多钱的，利息从来不是单纯的成本费用。前台客户经理到客户那，能不能当场许下承诺。能不能放，什么时候能放，能不能赶上客户用钱的时间，风险缓释措施是什么。能不能放，提前给一个准信，别耽误客户的资金规划，这就是可靠性。这比便宜几个小数点重要多了。如果是非标产品，提款条件既要有可行性，有差异化的竞争力，又要能起风险缓释的作用，一个好的风控系统要做到这一点，就是风控逻辑的产品化。评级结果不该只有分数与额度，应该还要有风险缓释措施分级与结合贷后管理。所以智能决策引擎，要能结合贷后预警系统，贯穿多部门协同作战，提升客户体验。我们建的每一个模型系统，最后会长成的样子都不是我们微函树能控制的，而是公司风控与业务共创的成果，形成自己真正的竞争力--独特的风险洞察系统。很多人都想建模，但总是跟笔者说自己没有大量的数据源没办法建模。其实建模需要的只是专家法的风险偏好。风险偏好本身没有对错。譬如公司偏好国企类项目，就是拍着脑袋定，甚至讲的不是市场而是立场。我们一般把这叫先验，建模就是把专家法的风险偏好做标准化，所以不需要数据源。你把你们的尽调报告或是风险评估报告给我们就可以了，我们可以根据建模方法论，形成标准化的定性转定量模型。而这些被我们转定量的数据，大量的投喂系统，反复逻辑推演与运算后，去验证专家法初始的风险偏好。譬如数据其实不支持国企风险比较低，要到这一步才是后验的大数据分析。到这里，我们叫后验。当然我们微函树也有多位资深一线风控专家，能够协助中小微产业经验不足的租赁公司协助建模，以我们自身的经验建一个主标尺。建模的同时也是资深专家的知识转移，而风模就是承载专家经验知识的平台。比建模更重要的是修模，经济环境多变，每三个月就应该要更新。每一个算法逻辑都是开放讨论，每一个风险指标都可以被解释，被问责，被修正，一个好的系统要能反馈能学习。
因为模型里每一个输入变量都不是事实，而是假设。需根据政策、地方经济、与论预期里随着时间而动态调整。
