大数据之道与担保圈风险

fiwif5f6

近段时间，担保圈的风险问题再度引起社会的关注。2017年4月针对山东、辽宁等地出现的企业担保圈贷款风险事件，银监会办公厅下发了《关于进一步排查企业互联互保贷款风险隐患的通知》（下称“52号文”），要求各银监局立即对企业担保圈贷款风险进行专项排查，摸清风险底数，并由当地政府牵头，多方参与，对风险进行统筹分类处置。

从珠三角，到长三角，再到目前的环渤海三角经济带，为什么被称为信贷之癌的担保圈风险总是不断出现，而且容易发生在实体经济发达，民营经济活跃的地区？

何谓担保圈风险

担保圈是指企业之间由于信用担保合约(例如保证贷款)相互连接形成的网络组织。在市场经济中，保证担保贷款（为了方便理解，本文称其为担保圈贷款）本身是企业之间一种正常的融资保证行为，可以提高信贷市场效率。由于融资渠道的多元化，法律与监管的约束以及信贷文化的不同，欧美发达的市场经济国家没有出现像国内普遍存在企业间互相担保贷款的情况。所以从某种意义上来说，大规模的担保圈贷款是中国信贷市场中特有的现象。

图1 某地区企业担保网络示意

担保圈贷款由于企业互相担保而具备风险释缓功能的同时，还有强大的风险感染功能。由于担保圈的复杂性、不确定性，一个企业由于资金链断裂出现信贷风险，一群企业乃至一个行业都会受到牵连，最终会造成区域经济的破坏。担保圈风险往往包括信用风险、欺诈风险以及系统性风险，所以引起了正规金融机构、民间金融组织、地方政府和监管机构等多方面的高度关注。

企业之间的互保本质上是金融领域内一种信用增进机制。广义来看，企业之间的互保、联保机制已不仅仅应用于普通借款领域，在债券市场和主体债项评级领域也倍受关注。此外游离于正规的金融机构之外的中小企业民间借贷过程中，企业之间的互相担保也比较常见。不仅仅是民营企业存在担保、互保，其实城投债的担保互保更为普遍，尤其是一城多平台的区域也通过大平台、子平台互保增信以提高资质。所以，有分析人士认为担保圈贷款在近年来中国债务规模迅速扩张中扮演了重要角色。

担保圈风险的特点

担保圈往往呈现明显的区域特点。如图2所示，担保圈问题多发生在东部沿海地区。这些地区民营企业发展很快，信贷交易活跃，市场经济发达。事实上，近年来，企业之间的担保圈已经形成了一个全国性的大网络，但是没有形成一个全国范围的系统性风险，这主要与中国金融和经济的区域性特点有关系。

图2 典型的担保圈事件分布图

同时担保圈风险也往往具有行业的特点。2017年4月银监会指示各地地方监管机构要特别重视铝和钢铁制造等行业的贷款担保，这两个行业是中国的两大产能过剩行业，它们都从国有银行体系获得了巨额低息贷款，并存在对新工厂过度投资的现象。

担保圈往往和宏观经济政策密切相关。随着2008年4万亿经济刺激政策的逐步实施，一张错综复杂的地区性和全国性的企业担保网络开始形成和壮大。在国内经济“三期叠加”的背景下，部分地区特别是东部沿海省市企业债务风险频发，且沿着担保圈、担保链大面积传染扩散，各类风险因素沿着担保链条在担保圈内加速传递和放大，担保圈本也由原来的“互助集团”异化为“违约联盟”，成为银行信贷资产质量劣化的“重灾区”

担保圈现状：仍是国内信贷市场的重要组成

表1 不同规模的企业担保圈贷款余额（数据来源：Wind）

从整体来看，大型企业、中型企业和小型企业的担保圈贷款约各占1/3，在30%左右，微型企业担保圈份额很少，在3%左右。在全部企业担保圈贷款中，中型企业的担保圈贷款最多，约占35%，年贷款余额规模在2.6万亿到5.4万亿之间，说明其融资需求比较强劲；规模在2015年之前一直在上升。2015年中型企业的担保圈贷款之所以下降是受到了2014年各地不断发生的担保圈风险的影响。小型企业和微型企业的担保圈贷款的规模一直在上升，说明存在着融资刚需。

近年来，随着信贷市场的发展，全部贷款余额的增多，担保圈贷款也逐年增多，担保圈贷款在2014年底达到峰值，约14.8万亿元，但是在2015年出现下降，降至14.4万亿。截止2014年底，担保圈贷款在整个信贷市场全部贷款的占比相对稳定，在18%左右。但是在2015年出现了下降，降至15%左右，下降了将近三个百分点。2015年全国范围内的担保圈贷款出现双降（贷款余额，贷款余额占比）的原因明显是因为2014年不断出现的担保圈风险所致，银行对担保圈形式的贷款进行收紧，导致了担保圈贷款的下降。

图3 不同年份的保证贷款和全部贷款余额（数据来源：Wind）

根据2015年央行数据，五大商业银行的信贷总量占整个信贷市场的49.62%。商业银行的贷款按照贷款担保形式可以划分为保证（担保）贷款和信用贷款、抵押贷款以及质押贷款四种主要形式。其中担保贷款分为个人担保和企业担保，从贷款金额方面，担保贷款主要由企业保证贷款组成（和担保公司，以及个人担保相比，企业担保超过了90%）。因此可以认为保证贷款视为担保圈贷款。2007年五大商业银行的保证贷款在信贷结构中占比为24%，2016年五大商业银行的保证贷款占比虽然下降到18%，但仍然是信贷市场的重要组成部分。

从工商银行的保证贷款的总量和占比的动态演化，也可以看出担保圈贷款的比重虽然在下降，仍然是重要的信贷类型。工行的担保圈贷款的余额基本上一直在上升，从1.05万亿到1.87万亿，增幅为1.785万亿; 而其在信贷结构中的占比却是一直在下降，从2004年的28%降为2016年的14%，下降了近一半。

担保圈风控的大数据之道

可以看出担保圈贷款在国内信贷市场份额巨大，由于出现风险后的系统性传染的特点对区域和行业破坏性很大，担保圈作为信用增进机制，在信贷实践中的作用不可忽视，同时作为中小微企业融资的重要工具，担保圈贷款在短期内不会消失，其风险问题还需持续关注。

但是对于如此重要的信贷产品，目前国内缺乏有效的风险量化管理工具。这是因为担保圈的风险管理是一个比较复杂的问题，其难度远远大于常规的信贷产品的风险管理。从风险管理的专业技术角度来看，利用目前先进的大数据技术可以为复杂的担保圈风险管理提供决策支持。

对担保圈进行风险管理，首先要整合企业信贷和金融关联关系的大数据，例如对于担保圈中的A企业，不仅需要了解其本身信贷信息，还要了解其直接相关和间接相关的企业的信贷信息，以及相关企业之间的关联关系。往往一个复杂的担保圈会涉及成千上百，甚至数以万记的企业。因此担保圈的风控需要金融大数据的支持，需要全量的担保关联信息。

在信贷市场中所占份额如此之大的企业互相担保贷款不断出现风险，其中的一个原因就是缺乏合适的风险分析工具。2008年金融危机后，全球金融市场的关联性远超过去，金融关联性风险分析引起广泛关注，国内的信贷担保圈就是金融关联性风险的典型代表。担保圈的关联性风险是一个典型的复杂系统问题，无法用传统风险模型建模（传统的风险模型仅考虑单体金融主体的特征描述，不考虑系统性的关联影响）。适合针对大数据和复杂系统建模的复杂网络技术可以为担保圈风险管理提供了分析利器。

用复杂网络对担保圈进行建模：具有担保关系的不同企业为网络中的节点，企业间的担保关系为网络中的连接（边），两个企业之间有担保关系则两个相关节点之间有连接，否则节点之间不存在连接。 担保圈网络比较庞大，直接进行分析比较复杂，因此可以通过网络算法划分，将担保网络简化为不同的规模较小、相对独立的担保群，这些担保群之间担保关联连接稀疏；担保群的内部联系非常紧密，所以担保圈风险一般只发生在群内部。如图8所示，在此基础上根据复杂网络的算法分析，找到风险最大的担保群，然后再找到风险最大的担保企业，可以将复杂的担保圈风险分析问题简化为寻找核心担保群和核心担保企业的问题，处理担保圈风险问题就具有可操作性。

（a）整个担保网络 （b）不同的担保群 （c） 担保群内部结构

图4 基于复杂网络的担保圈风险分析示例

由于担保圈问题比较复杂，涉及因素很多，根据过往的经验，担保圈的风险处置往往是个系统工程，需要政府牵头，动用公安、法院等大量社会资源，仅依靠基于复杂网络的担保圈大数据风险分析方法不能解决担保圈风险问题。但是该大数据分析方法可以对担保圈风险的预测、防范和化解起到辅助和优化的作用，提高担保圈风险管理的效率和准确性。

fuganggangxx

谢谢分享，非常感谢

sjg001

多谢分享！