融资租赁的周期往往比较长,传统风控怎么经得起企业每月一个小周期、一年一个中周期、三年一个大周期的折腾?怎么经得起行业三年一个小周期、五大一个中周期、十年一个大周期的折腾?更别提出没无常的“黑天鹅”事件(指非常难以预测且不寻常的事件,通常会引起市场连锁负面反应甚至颠覆)了。

现实也与我们担心的总是高度一致,运作三年的融资租赁公司如果没有出现违约风险几乎不可能,除非没做多少业务。

风控是建立在历史会重演的假设基础上的,是以已知信息推断未来未知的风险。但是,三五年的确太长,承租人期间会发生什么事与我们所预料的肯定有很大出入。风控最大效用仅限当前,风控最可能把握的也一定是客户当前的风险,因为这符合一个简单的信息分布原理,即离信息主体越近则信息密度越大,相反离信息主体越远则信息密度越小。

为什么当前我们对风险的把控力最强?因为信息密度大,信息之间的关联性也越多越强,我们越可能借助分析工具,发现风险信息、虚假信息、冗余信息和价值信息,越可能对信息主体下一步的变化进行准确推测。所以,当下的风控预知力和风控力是最强的,而三五年后的企业样貌的相联信息因为极其稀少,即便借助大数据分析也很难。

信息分布原理告诉我们,融资租赁的风控肯定不能完全建立在风控技术基础上,更不能完全依赖一个强大的风控团队来实现。

风控技术,包括大数据风控、机器学习等,都是基本当前已知信息对未来短期内的风险预测,最具价值的部分是对企业未来短期内现金流的量化预测,以及由此引发租金违约的概率,有助我们及时调整风控策略。当租金违约风险达到一定程度时,风控技术慢慢会变得无能为力,无法控制风险损失。

所以,我们认为,融资租赁公司必须假设每一个客户都有中途退场的可能,只有这样,我们才可能意识到,租赁物在未来风险控制的能量。不管我们做直租还是回租,租赁物如果无法控制,承租人中途退场带来的一定是项目亏损。为了更好理解这一点,让我们回到融资租赁的底层,去了解它形成的逻辑。

1、融资租赁形成的信用逻辑

设备生产厂家和供应商都明白,生产设备价值大,大部分企业购买时难免存在资金压力,为了更快更多地卖出设备,它们通常提供赊销方式。到期一次性付款的赊销对一些在20万元以下的设备一般没有问题,但对于动就几十万、上百万、上千万,甚至上亿的设备,则基本上没有解决采购企业的资金难题,所以后来出现了分期付款的赊销方式。

然而,分期付款使得设备供应商的资金压

[1] [2] [3]  下一页