摘 要

在金融行业的数据不断走向整合、共享、开放的趋势中，金融行业迎来了新的发展基于和新的发展动力。近些年来，随着大数据、区块链、人工智能、云计算等新技术的迅速的发展，信息技术与金融领域走向深度融合，释放出金融的无限活力和应用潜能，这个趋势大大的推动了我国金融业走向转型和升级。关系型信贷是信贷的基本模式之一，是解决信贷市场信息不对称问题隔阂、降低交易成本的有效渠道。

本文针对大数据技术在金融行业的融入，提出将大数据使用到关系型信贷的度量当中，改善银企关系，金融机构可以利用大数据技术对贷款企业进行更好的数据评估，进行客户画像、风险管理等操作。因此，实现科技与金融的融合，将大数据技术应用于银行等金融机构的贷款业务当中，对金融机构规避信用风险、操作风险有着十分重要的意义。同时，本文也针对使用大数据进行关系型信贷的风险进行了分析，并提出了建议。

关键词：关系型信贷；大数据；银企关系

Abstract

The integration, sharing and opening of financial data industry is becoming a trend, which brings new development opportunities and huge impetus to the financial industry. In recent years, with the rapid development of new technologies such as big data, blockchain,artificial intelligence and cloud computing,these new technologies have been deeply integrated with the financial business, releasing the vitality of financial innovation and application efficiency, which has greatly promoted the transformation and upgrading of China's financial industry.The relationship lending is the elementary model,which is the effective pattern to solve the information asymmetry and reduce the transaction cost.

Aiming at the integration of big data technology in the financial industry, this paper proposed to apply big data into the measurement of the relationship lending to improve the bank-enterprise relationship. Financial institutions can use big data technology to evaluate the data of loan enterprises, conducting customer portraits, managing risk and other operations.Therefore,it is of great significance for financial institutions to realize the integration of technology and finance ,applying big data technology in the loan business of financial institutions such as banks, avoiding credit risk and operational risk. At the same time, this paper also analyzes the use of big data in the relationship lending and puts forward suggestions.

Key words:The relationship lending；Big data；Bank-enterprise relationship

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1研究背景与意义 1

1.1.1研究背景 1

1.1.2研究意义 1

1.2国内外研究综述 2

1.2.1国内外关于关系型信贷的研究综述 2

1.2.2关于大数据的研究综述 3

1.3研究思路与方案 3

第2章 相关概念界定及理论基础 5

2.1关系型信贷的内涵及特点 5

2.2关系型信贷的运行机制 7

2.3信息不对称理论基础 8

2.4大数据的定义及在金融行业的应用 10

第3章发展大数据关系型信贷的SWOT分析 12

3.1发展大数据关系型信贷的优势分析 12

3.2发展大数据关系型信贷的劣势分析 13

3.3发展大数据关系型信贷的机会分析 14

3.4发展大数据关系型信贷的风险分析 14

第4章发展大数据关系型信贷的实现路径分析 16

4.1推动科技工作转型升级 16

4.2完善信息数据库 17

4.2.1挖掘和梳理自身内部数据库 17

4.2.2明确衡量“关系”数据来源渠道 17

4.2.3借助互联网专业平台 18

4.2.4补充信用描述风险预警 18

4.3建立风险监管机制 19

4.4建立专业人才队伍 20

第5章研究结论及展望 21

5.1研究结论 21

5.2发展大数据关系型信贷业务的展望 22

参考文献 24

致 谢 25

第1章 绪论

1.1研究背景与意义

1.1.1研究背景

为了改善银企关系、加强中小企业融资，银行等金融机构推出了关系型信贷，商业银行在审批企业贷款时，往往注重硬性数据信息或银企之间有无长期合作关系，但中小企业因为资产薄弱、建立时间相对较短，并没有对一家或多家商业银行保持合作关系，因此中小企业一直存在着融资难的问题。为了改善中小企业融资难的现状，商业银行在业内逐渐建立起一套完整的信用记录体系，即本文中的关系型信贷，改变往日对硬性信息的考察，建立信息共享机制，在贷款业务中增强对“软”信息的考察，因此在关系型信贷中与一批信用资质较好的中小企业客户建立了长期合作关系。同时中小企业为了培养关系，也在不断规范自身的财务制度，使财务数据更加透明化，拥有了更稳定的融资来源。

但随着互联网金融的不断发展，银行等金融机构面临的信用风险和操作风险也越来越大。如2018年以来，中安消、神雾环保、亿阳集团、富贵鸟、盛运环保凯迪生态、盾安集团等企业爆发了不同程度的信用风险或违约的事件，这轮信用风险或违约的事件大多集中在民营上市公司，不同于上轮景气下行、盈利下滑带来的内部现金流恶化导致的违约，这轮违约整体背景是再融资压力下外部现金流的萎缩，在这样的大环境下区别判断企业的信用风险和债务偿付压力，评估银企关系成了更重要的研究目标，如果利用好大数据进行风险的降低，关系型信贷在这样的压力下成为了银企双方共同的所求。

1.1.2研究意义

金融业数据不断走向开放和共享，这是时代的大趋势所在，为金融机构带来了无限的发展动力和发展挑战。随着大数据、人工智能、区块链等高新技术的发展，金融业与信息技术产业有了更多的交融之处，进一步释放了金融业数据的发展潜力，极大地促进了中国金融业的转型升级相应金融要服务于实体经济的号召，有效的促进金融业的整体发展。 在这个开发过程中，大数据技术是最成熟和最广泛使用的。许多国内银行已开始尝试通过大数据推动业务运营比如光大银行成立了社交网络信息数据库，招商银行业使用了大数据开发小额贷款。 在关系型信贷中，金融机构可以利用大数据技术对贷款企业进行更好的数据评估，进行客户画像、风险管理等操作。 因此，实现科技与金融的融合，将大数据技术应用于银行等金融机构的贷款业务当中， 对金融机构规避信用风险、操作风险，把握银企关系并进一步优化运营有着十分深刻的意义和作用。

此外，国内外将关系型信贷对大数据应用的领域的相关研究较少见，随着大数据等先进技术越来越能发挥无限的潜力，挖掘更深的市场，对大数据技术在金融领域的融合研究显得更具有重大意义。

1.2国内外研究综述

1.2.1国内外关于关系型信贷的研究综述

关系型信贷这一概念是在中小企业融资难的背景下产生的，Stiglitz and Weiss(1983)最初对中小企业融资难的因素进行了详细的总结，他们认为市场上容易发生信贷配给现象是因为信贷市场上存在着信息不对称引发的道德风险，甚至逆向选择，之后产生了出清利率高于银行最有利率的情况，银行为了保证自身业务和管控风险，容易发生信贷配给的情况，在这种情况下，中小企业由于自身规模较小、信息披露机制不完善、抗风险能力较弱等情况，难以获得银行的贷款。柏林(Berlin)和梅斯特(Mester,1998)对“关系型借贷”进行了更准确的界定，即“建立全面、细致的银企关系，利用银行和企业之间的长期合作关系，来最大程度地减少中小企业借贷风险的一种贷款协议”。^【1】

伯杰(Berger,1998)和尤戴尔(Udell,2002)从融资的角度对关系型信贷做出总结，他们把符合信息披露规范、可以传递、能进行量化的企业数据总结为“硬信息”，把较不符合信息披露规范的中小企业数据称为“软信息”。他们在界定“硬信息”和“软信息”的基础上提出了“关系型融资假说”，他们认为企业可以固定的与少数银行保持业务，通过长期业务往来使银行方面得到贷款企业的有效信息，进一步缓解银企关系，缓解信息不对称带来的新代配给现象。^【2】 廖海波（2016）在关系型信贷的相关研究显示，他将银企间长期互动的关系称为关系型信贷，银企业务往来期间为关系存续期间，在关系存续期间银行收到的企业及业主的诸如财务信息、个人信用、现金流状况等，都将会成为银行贷款的依据。^【3】张之（2018）通过实证分析得出，大银行在向企业进行关系型信贷时较出于投资假说的目的，也就是大银行使用关系型信贷是为了获得更多的企业软信息，从而更好的进行垄断、获得更高利润。但小银行在向企业进行关系型信贷时较出于战略叫说的目的，也就是小银行使用关系型信贷是将其作为一种战略需求，期望保持长期、稳定的银企关系来获得更稳定的收益。

1.2.2关于大数据的研究综述

随着云时代的到来，大数据越来越在信息科技的舞台上发挥出越来越多的作用。大数据通常是指无法用常规的计量软件在一定时间的范围内进行捕捉、管理、加工的数据集合，大数据通常用来形容一个公司创造的大量非结构化和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。

大数据概念最早由麦肯锡公司提出，麦肯锡在《Big data: The next frontier for innovation, competition, and productivity》^【4】报告中阐述了大数据的概念，即大数据是数据大小超过了通用典型的数据库软件的采集、储存、管理和分析的数据集。Gartner公司指出大数据是常用硬件环境和软件工具在一定时间范围内为用户搜集、管理、处理数据的能力。

IBM公司提出了大数据的4V特征，4V即包括四个层面，第一，Volume,大容量，即大数据具有海量、规模大的特征；第二，Velocity,高速，即大数据具有处理信息速度快的特征，大数据设计的感知系统、传输系统、决策系统相当复杂，但大数据能及时准确的进行处理；第三，Variety,多样性，即大数据涉及的数据类型复杂，不仅包括各类数据库，更有日常生活和社交媒体中的各类数据；第四，Veracity,低密度，即大数据虽数据量庞大，但价值密度低，通过对数据的深度分析，可以对事物的未来趋势进行预测。^【5】

1.3研究思路与方案

本文从以下几个方面来对大数据关系型信贷进行研究：

第一：大数据关系型信贷业务发展水平：通过对大数据、云计算、人工智能等技术的研究和金融关系型信贷业务的研究，分析大数据在金融科技领域的融合水平。

第二：在金融领域实现大数据科技融入的可能性：分析大数据技术对当前金融领域发展和中小企业融资瓶颈问题能带来的改善可能性。

第三：发展大数据关系型信贷业务需要的条件和存在的风险。

本文采用的主要研究方案主要分为两种，一种是实地调研法：采用走访调查并实际参与实习的形式，对银行等金融机构进行调研分析，了解金融机构使用大数据技术进行信贷业务优化升级的水平。另一种为比较分析法：通过对各金融机构推出的大数据信贷平台的特点进行比较，概括和总结出大数据关系型信贷业务的发展特点及发展水平。

第2章 相关概念界定及理论基础

2.1关系型信贷的内涵及特点

关系型信贷的“关系”大小称之为关系强度(Stermgth),它是衡量银企之间建立关系的紧密程度。无论是社会学视角还是经济学视角，“关系”都是个复杂的系统网络。从理论上看，网络中的多维关系都构成关系强度的组成部分。因此，关系强度是个虚拟变量，一般在统计时常用其他的能直观地反映双边或多边关系大小且能简单地统计出来的变量来替代。关系强度的度量是关系型信贷理论研究的一个难题，一方面，关系强度本身没有明确的范畴；另一方面，反映银企关系紧密程度的许多指标难以量化或取得完整的数据。常见的实证研究基于样本数据的可获得性，选择一个或几个变量作为代理变量来反映关系强度，并以此来确定关系强度的指标内涵。国内外的相关文献中，采用的关系强度代理变量一般是关系长度、关系距离、深度和关系规模。
第一，关系长度(Length) 关系长度是关系型信贷关系度量最常用的简单方法。关系长度是指银企关系的持续时间，常用银行与企业发生融资关系的持续期限(年)来计量。关系长度越长，表明关系对银企两者而言都更为重要，则银企关系强度更强。一般而言，关系持续时间越长，银行与企业之间有更为充分的信息交换，彼此有较全面的了解，越能有效地降低信息不对称问题，增强银行对企业的约束力，提高企业的贷款可获得性。同时，关系长度越长，越有利于银行内化企业信息，提升企业转换银行的成本。

第二，关系距离(Distance) 关系距离是指银行与企业之间的空间距离。以空间距离来衡量关系的大小，是依据社会学的社会资本理论，将银行作为社会经济组织嵌人到社会关系中。在相对开放度不高的社会关系网络中，社会关系强度与双方的距离存在一定的正相关关系。同样在个较为封闭的社会关系网络中，企业与银行的空间距离越近，则双方的信息交换越充分，相互之间的美系就越紧密，企业就越能获得银行的贷款或得到更好的贷款条件。

在开放的经济关系网络中，各经济主体可以自由地与当地的银行形成业务关系，以空间距离来度量银企关系强度，缺乏理论逻辑上的有效性。首先，家银行(支行) 所服务的区域要比社区的范围大，银行服务于多个社区，不同社区之间的网络关系存在较大差异，其信息产出也有差异；其次，在一家银行(支行)的服务区域内，一般会有多个市场、企业集中地或集群，它们的内部信息产出水平、内部之间的网络关系紧密程度和相互合作与控制能力不一定与其跟银行的空间距离成正比；最后，每家银行(支行) 都存在一定的服务空间边界，在边界内，难以说明其服务能力是随着距离的变长而降低。

第三，关系深度(Depth) 关系深度是指银行与企业之间在业务与管理上的结合程度。关系深度是一个相对抽象的指标，常用业务深度和决策深度来替代。业务深度是指关系银行利用关系对企业进行金融业务开发的程度，也即关系银行与企业之间的金融业务往来平，一般以除贷款之外的其他业务(主要是存款业务、中间业务)发生情况来衡量。决策深度是指关系银行对企业决策的介人或控制程度。从理论上讲，关系深度是度量关系强度的理想指标。银行与企业之间业务越紧密，银行为企业提供更多品种的金融服务，银行就越能了解企业的实际情况，就拥有越多的私人信息。另外，银行与企业之间有更深的决策深度，则银行能实质性地参与到企业的公司治理结构中，参与到企业的各项投融资决策中，能实现对企业真实信息的获取和实际控制。因此，关系深度高，更能解决银企关系中的信息不对称问题，最大限度地提高企业贷款的可获得性。

但在现实中，关系深度难以成为有效的指标来度量关系强度。其一，银行可以为企业提供除存贷款之外的其他业务，特别是中间业务，但这些业务很难量化。其二，银行为企业提供多样化业务服务的前提是企业有实质性需求，而企业对银行不同业务服务需求与企业的规模等有很大关系，不同规模的企业样本之间缺乏比较价值。其三，在特定的金融体制下(如日本、德国)，关系银行能通过在董事会中占有席位或直接持有投票权股份来参与到企业的公司治理结构中，或通过董事聘任、核心岗位选派(如审计岗位等) 等来实现对企业的控制或部分控制。在这种体制下，选取相关反映决策控制力指标来度量银企关系强度是有意义的。但是，在我国的金融体制下，关系银行或在职银行员工还不能通过正常渠道实现对企业的决策控制(董事的关联贷款仅是个别现象，不能作为一种关系深度模式进行实证研究)。

第四，关系规模(Scope) 关系规模是指与一家企业保持融资关系的银行数量。一般来说，企业与银行的关系规模与企业的资产规模、业务经营特性(如跨国业务经营、跨区域经营、多样化业务经营等) 相关。一定规模以上的企业大都会与多家银行建立关系，大型企业、跨国经营企业、跨区域经营企业或有多个主营业务其与银行的关系规模要大，而小企业与银行的关系规模要小，特别是的企业，微型企业、个体工商户等，可能只与一家银行保持着融资关系。

2.2关系型信贷的运行机制

关系型信贷的运行机制主要体现在：