基于企业关联关系的信用风险分析新思路_刘新海

·16·
【理论研究】
刘新海 基于企业关联关系的信用风险分析新思路
结构，数学上称为图论［2］。复杂网络是大数据时代 的数据挖掘模型，可以处理海量数据，描述复杂的非 线性关系，并且由于其可分析、可展现的特性，复杂 网络分析属于一种具有定量与定性特征的科学。
图 1 关联信用风险量化分析的建模方式
( 三) 关联关系挖掘的可行性 研究表明，人与人之间社会关系的影响（ 关联 风险分析） 比每个人的个人行为（ 传统信用风险分 析，如信用评分） 更可靠［3］。关联关系分析可以基 于复杂网络理论，而复杂网络理论在各个领域的成 功应用，如社交网络、信息科学等，特别是在社交网 络领域一些成功的应用，例如腾讯的“圈子”和 Facebook 的朋友推荐，正在改变着大众的生活。与传统 的基于信用主体的信贷行为来进行风险量化（ 如信 用评分） 不同，信用主体之间的各种金融关系也可以 形成关联性风险，通过另外一个角度来分析信用风险。
性等方面，主要面向个人消费者，对企业关联关系的 分析尚无深入的研究。
欧洲著名 的 风 险 管 理 专 家 比 利 时 鲁 汶 大 学 的 Bart Beasens 教授也利用社交网络分析进行反欺诈 检测。
因为国外金融市场比较发达，而且企业融资有 其他更方便的融资渠道，例如股市和债市，不一定要 依赖于银行，所以企业之间的关联关系对信用风险 管理的影响比较小，例如类似担保圈的情况很少发 生，国外的相关研究和应用比较少而且不够深入。
①本文仅代表个人学术观点，不代表任何单位意见。
收稿日期：2014 － 07 － 17 基金项目：国家自然科学基金青年基金项目 ( 61105058) ; 国家社会科学基金项目( 13CJY011) 作者简介：刘新海( 1976 － ) ，男，河南南阳人，副研究员，博士，中国人民银行金融研究所和征信中心博士后，主要研究方向 为金融数据挖掘、信用风险管理、大数据和互联网金融。
之间的关联关系方面，例如企业之间存在着如下关 联关系： （ 1） 担保贷款 （ 和信贷联系密切） ； （ 2） 互相 投资、法人代表、高管、财务负责人、集团企业、家族 企业； （ 3） 电话关联、地址关联 （ 补充关联，可靠性相 对较差） 。
除了企业之间的关联性风险外，个人与个人之 间、个人与企业之间也存在着关联性风险。甚至不 同的银行之间、地区之间、行业之间、商圈之间都存 在这种关联性风险的问题。
图 2 局部范围（ 行业 介绍基于关联关系的数据挖掘的基本思想。
( 二) 面向风险管理的担保关联挖掘 信用担保是指企业在向银行融通资金过程中， 根据合同约定，由依法设立的担保机构以保证的方 式为债务人提供担保，在债务人不能依约履行债务 时，由担保机构承担合同约定的偿还责任，从而保障 银行债权实现的一种金融支持方式。信用担保是第 三方担保，目的是保障债权实现，促进资金融通和其 他生产要素的流通。特别是中小企业倾向于采用担 保的方式获得银行的贷款，主要原因是银行的抵押 / 担保偏好，中小企业融资难，以及中小企业对于担保 风险认识不足等。 信用担保包括关联担保和互相担保。关联担保 是指有关联关系或有间接关联关系的企业之间的担 保，具体形式包括： 为大股东提供担保、为子公司提 供担保、为 关 联 方 提 供 担 保、高 管 人 员 的“私 人 关 系”、地方政府干预下的“地方关系”、产 业 链 间 的 “业务关系”。“互保”是指互相担保，也就是企业之 间对等为对方保证贷款，当对方还不上时需承担还 款连带责任。此外还有广义的信用担保，凡是在商 业银行以保证方式办理的信贷业务（ 包括商业承兑 汇票、信用证和保函） 均可纳入担保圈的范围内。 担保圈是源于 20 世纪 90 年代信用担保的衍生
三、企业的关联关系挖掘
( 一) 企业关联分析概述 作为一种重要的、补充性的风险信息源，企业关
·17·
【理论研究】
刘新海 基于企业关联关系的信用风险分析新思路
联关系在商业银行已经开始应用，例如征信系统通 过本身数据库中信用主体的关联关系进行梳理，并 提供关联查询服务，包括提供关联企业名单、关联关 系树和关联企业信息汇总表。商业银行开始对集团 性客户风险，关注信用膨胀，将关联企业作为一个整 体（ 家族和集团） 来看，进行集团统一授信和贷后检 查； 商业银行也开始关注由于企业之间担保引起的 风险，研究由担保关系而产生的担保圈，并利用担保 圈图谱进行收债。
( 二) 国内方面 部分商业银行（ 例如农业银行） 实现了关联关 系的汇总和展示，并应用了集团客户关联风险预警 系统。商业银行通过企业关联关系用于收贷，例如 2012 年上半年，一些浙江的银行前往企业收贷时， 都拿着一张巨大地图，实质就是单个企业和其他企 业的关联图，当时陷入危机的浙江当地房地产企业 天煜建设、中江集团等，正处在一张巨大关联图的核 心，涉及 60 多家企业的互保联保贷款链条。 金融监管部门例如银监会的大额风险管理系统 利用企业关联关系提供一些预警服务。国内的部分 研究机构仅对上市公司的关联关系进行理论分析。 央行征信系统收集了国内企业间相对比较全面 的关联关系。截至 2013 年 5 月，中国人民银行征信 中心为 1887． 1 万家企业建立了信用档案，有信贷记 录的有 407． 3 万家企业，有关联关系目前有 2 亿多 条 （ 仅限于有贷款卡的用户） ，目前梳理了企业征信 系统共有 9 大类 33 种关联关系（ 包含方向信息） ，实 现了关联关系的汇总和查询，并可以设定关联关系 的条件方便个性化地查询。 国内对于关联分析应用于风险管理，从商业银 行到监管部门已经开始比较重视，但是可以看出，目 前还处于汇总和展示阶段。综上所述，国内外征信 机构和金融风险管理部门开始对关联性风险进行研 究和应用，但是成果有限，现在还处于起步阶段，关 联性风险的理论还不够完备，对关联关系还未进行 深入的挖掘。
一、关联性信用风险①
( 一) 基本定义 信用风险管理是现代金融的本质性内容之一。 国内的信用风险管理从定性转换为定量，由专家手 工操作转化为自动化智能决策。在金融领域，传统 的信用风险管理是基于信用主体（ 企业或个人） 的 信贷行为的量化分析。 信用主体之间存在着各种各样的关联关系，这 些关联关系也能反映出信用主体的风险特性，可以 用来量化风险，例如德国互联网金融公司 Kreditech 利用 Facebook 的申请贷款人的社会关系做风险评 估来给没有信贷记录的顾客提供小额贷款［1］，而且 这种关联关系还会引起系统性信用风险，例如担保 圈危机。信用主体之间的关联关系还可以进行信贷 欺诈行为识别，例如虚假担保的识别。这种由于信 用主体之间的关联关系而引起的信用风险我们称之 为关 联 性 信 用 风 险 （ 简 称 为 关 联 性 风 险 或 关 联 风险） 。 这种关联性风险最明显地体现在企业信用主体
从中观角度（ 从行业、区域、机构角度，服务于金 融机构、地方政府、行业协会） ，如图 2 所示，将具有 关联关系的企业限定在特定的范围内，例如某一区 域和某一行业，进行网络建模，利用网络分析，可以 获得信贷结构和信贷流量的信息，并对行业（ 区域、 客群） 风险集中度（ 同一个行业的关联结构和紧密 度） 进行监控，来 防 范 局 部 范 围 的 关 联 性 风 险 （ 例 如，一个企业破产、一个行业陷入泥潭） 。
摘 要：基于企业关联关系的关联性信用风险是一种有别于传统信用风险的新的风险类型，这种关联性风险可以 从宏观、中观和微观不同层次来分析。基于一种大数据模型———复杂网络，提出一种新的风险分析框架，用来挖掘 出企业之间的关联性风险模式。以具有代表性的关联关系———担保圈现象为例，研究从建模到应用的过程，探讨 如何利用这种基于关联关系的风险管理的新策略以更好地服务于信用风险管理，并对基于这种关联风险分析的服 务提出建议。 关键词：企业关联关系; 关联性风险; 信用风险管理; 大数据模型; 企业担保圈 中图分类号：F832． 4；TP392；TP391． 4 文献标志码： A 文章编号： 1674 － 747X（2014）09 － 0016 － 05
从微观角度（ 以相互关联的企业信用主体为对 象，服务于信贷金融机构） ，对图 2 中每一个网络节 点（ 即每一个关联企业） ，利用网络分析的方法，进 行关联性风险计量，可以用于商业银行信用风险管
·18·
理的各个环节： 在前台、中台（ 审批部门） ，关联风险 分析可用于加强授信审查和实行动态管理（ 关联关 系的变化） ，在后台（ 信贷管理部门） ，可用于建立日 常监控、预警机制和贷后持续监测（ 例如，担保圈内 企业的资信状况、偿债能力和担保能力，对担保圈贷 款按风险程度分类） ，在营销环节审查申请融资客户 的关联风险状况，还用于反欺诈（ 通过关联关系验证 身份信息，防止企业利用关联方、潜在关联方来进行 套利） 。此外，可以向企业信用主体提供服务，用于 自身的关联风险状况审查。
从不同的层面，关联关系分析对于信用风险管 理都有着一定的价值：
从宏观角度（ 全国范围，服务于央行和金融监管 部门） ，如图 2 左侧所示，对全国所有企业的某种特 定的关联关系（ 担保、投资等） 进行建模，可以利用 关联风险分析用于金融稳定评估、信贷市场和经济 形势的预测、全局性金融风险传播分析和防范以及 金融风险监控。
( 二) 与传统信用风险的比较 这种基于信用主体之间关联关系的关联性信用 风险和基于信贷行为的传统信用风险的区别在于： （ 1） 关联性风险信息和信用主体的信贷行为中 所蕴含的风险信息是不同的。（ 2） 在对关联性信用 风险和传统信用风险进行量化分析时，各自的数学 建模方法也不同，传统信用风险分析是基于信用主 体的信贷行为，常用特征向量描述，多个信用主体则 用矩阵表示； 而如图 1 所示，信用主体之间的关联风 险更适合用复杂网络建模。复杂网络是由数量巨大 的节点和节点之间错综复杂的关系共同构成的网络
本文在复杂网络分析的基础之上提出企业关联 关系挖掘的一种新思路，如图 2 所示。复杂网络可 以描述出企业信用主体的复杂关联关系，企业信用 主体为网络中节点，企业之间关联关系为网络中的 连接，关联 关 系 的 强 弱 体 现 为 网 络 中 连 接 的 强 弱。 关联关系建模之后，就可以用复杂网络的理论对企 业间的关联关系进行分析和挖掘。通过网络分析， 自动发现关联风险的规律，识别关联风险模式，例如 预测关联风险、监测和防范风险，而且界面友好，结 果可解释，方便、可视化容易展现，同时可以参考社 交网络实时、大规模分析的成功应用，设计和规划信 用风险管理的新产品和新服务。