商业银行互联网贷款的树，能不能结出产业数字金融的果？
(资料图)
【编者按】
最近一段时间和相关产业、银行、科研院所和监管研究机构的人一起讨论产业数字资产的银行应用场景和未来的金融应用方向。十分明显地感觉到，对商业银行互联网贷款十分熟悉的朋友，对产业数字化场景中的数字资产概念表现出一头雾水。因此想写一个系列的随笔，来和朋友们讨论一些相关的问题，希望使产业数字资产金融创新早日落在实处。
现在商业银行互联网贷款所遵循的监管规则，是中国银保监会2020年7月颁布执行的《商业银行互联网贷款管理暂行办法》（以下简称“《暂行办法》”）。放款对象为个人消费金融贷款和个人用于生产经营和流动资金贷款。前者个人信用贷款的授信额度不超过20万元，后者由商业银行根据情况自行决定授信上限。可以看出，现有的监管规定是面向商业银行的个人和小微企业的贷款。《暂行办法》设定了9类风险模型：身份认证模型、反欺诈模型、反洗钱模型、合规模型、风险评价模型、风险定价模型、授信审批模型、风险预警模型、贷款清收模型。
可见，如果商业银行用这样的一个监管规定和经营互联网贷款的理念，来参与产业数字金融产品的设计与实践会有一种小马拉大车的即视感，显然是不合适的。既然我们承认场景金融是千人千面，那么就应该在方法论上接受千方千案的解决方法。
产业数字化的最底层数据来源于工业物联网（IIOT）设备的传感器，是一种没有人工干预的数据来源，产业界据此判断工业环境中运行的生产过程是否正常，带有成百上千个传感器的工艺路线是否顺畅。这些源于生产现场最底层的传感器数据，结合相关的网关设备和通信协议构成了在各端服务器上沉淀的大量带有时间戳的海量数据集，这些数据集构成了真正意义上的产业数字资产。整理、分析和利用这些数据将会给金融机构带来前所未有的新局面。
66云链基于“物的信用”的供应链金融服务
产业数字化是在用数字技术大规模改造传统产业之后形成的全新商业模式和经营能力。数字技术给产业场景提供了极细颗粒度的数字穿透力和回溯验证力。过往金融欺诈所使用的信息不对称和动作不留痕等欺诈手段已经成为历史。经营者通过第一时间在产业第三方平台上留存的这些海量数据，按照银行的要求通过数字信用模型的验证后，即可获得数字信用额度和贷款。贷款期间银行会持续将生产场景中关键工艺节点的实时IIOT数据引入风险监控模型进行贷中监管，发现问题时进行预警。这样，就把银行出借的资金或者信用与生产工艺中正在被加工制造的产品在数字空间“绑定”在了一起。
至此，在排除了金融欺诈数据之后的基本信用测算才有意义。无论是主体信用还是交易信用，不能识别信用欺诈行为的模型和方法都是不可靠的。有相关研究机构对我国的产业链金融风险成因进行了分析，结论是：“在交易风险评估方面，交易风险是产业链金融风控的薄弱环节，94%的产业链金融风险源自欺诈。”（注：产业数字金融：发展挑战、创新模式、未来探索国际金融杂志公众号2023.6.6）
作者：左杨农，66云链董事、高级顾问，江阴恒阳物流集团高级顾问，中物联“物联网技术与应用专业委员会专家组”专家
标签：
相关文章
