供应链金融骗局乱象，国有数据堵住风控漏洞

供应链金融产品爆发风险，应收账款融资过程中的凭证真假难辨，那么，在供应链金融中的风险主要集中在哪里，又如何解决？

供应链金融的风险有哪些？目前主要表现为五大类：

1、 三套行为（即通过虚构交易行为和物流行为实施套利、套汇和套税）；

2、 重复和虚假仓单（即开具虚假仓单或者重复质押仓单骗取资金）；

3、 自保自融（即通过关联方进行担保或者实施动产监管，骗取资金）；

4、 一女多嫁（凭借供应链业务或资产，多渠道套取资金，放大融资风险）；

5、 移花接木（开展一段时间的供应链金融业务后，为了扩大业绩或者实现上市等目标，转做小贷或者高利贷业务，甚至假借供应链金融的名义，实作民间借贷等业务）。

供应链金融既然有如此风险，那是否还可靠、还值得信任？企业是否还应继续发展供应链金融业务呢？

近日，有消息报道银保监会向各大银行、保险公司下发《中国银保监会办公厅关于推动供应链金融服务实体经济的指导意见》(以下简称“《意见》”)。《意见》中强调要坚持交易背景真实，严防虚假交易、虚构融资、非法获利现象；坚持交易信息可得，确保直接获取第一手的原始交易信息和数据；坚持全面管控风险，既要关注核心企业的风险变化，也要检测上下游链条企业的风险。在加强供应链金融风险管控方面，文件做出以下要求：

加强总体风险管控。银行业金融机构应建立健全面向供应链金融全链条的风险控制体系，根据供应链金融业务特点，提高事前、事中、事后各个环节的风险管理针对性和有效性，确保资金流向实体经济。

加强核心企业风险管控。银行业金融机构应加强对核心企业经营状况、核心企业与上下游链条企业交易情况的监控，分析供应链历史交易记录，加强对物流、信息流、资金流和第三方数据等信息的跟踪管理。

加强真实性审查。银行业金融机构在开展供应链融资业务时，应对交易真实性和合理性进行尽职审核与专业判断。鼓励银行保险机构将物联网、区块链等新技术嵌入交易环节，运用移动感知视频、电子围栏、卫星定位、无线射频识别等技术，对物流及库存商品实施远程监测，提升智能风控水平。

大数据在供应链中的应用

（一）精确匹配需求，提供个性化金融服务

通过对大数据技术搜集到的高质量信息的应用，金融机构便有能力据此设计出更符合客户需求的产品组合，并随其偏好变化及时调整。各类金融机构中介服务同质化竞争日趋激烈，其所带来的利润也日益稀薄。在这种情况下各机构就必须转变经营思路，为企业提供个性化供应链金融服务。大数据技术可通过数据挖掘匹配多种数据源，结合行业发展动态，精准把握中小企业需求，将企业寻找信息转变成信息主动寻找企业。

（二）完善交易征信，降低信息不对称风险

传统的风控授信主要依托于静态、平面的财报等数据，这些数据的参考性有限，且存在人为加工的风险。大数据应用模式下，风控授信所基于的交易数据主要依托的是动态、即时更新的财务数据源，其将对相关主体的财务数据、生产数据等多维的立体数据进行梳理分析，并通过订单、库存、结算等明细交易记录进行交叉验证，获得企业最真实的经营状态，提高客户信息透明度和征信服务质量，降低信息不对称风险。

（三）实现量化授信，精准把控风险

在传统方法中，金融机构对企业客户的违约风险评估多是基于以往的营业数据和信用信息。这种方式的最大弊端就是缺少前瞻性，因为企业违约的影响因素并不仅仅只是其自身的经营状况，还要受到行业整体发展状况的制约。大数据手段的介入使信贷风险评估更加真实完善。首先识别出影响行业发展的主要因素，然后对这些因素进行模拟，以测试各种事件对其客户业务发展的潜在影响，并综合评判每个企业客户的违约风险。从而建立实时监控的分级预警、量化授信，精准把控风险。

（四）建立授信主体数据库，完善数据交互

传统模式下供应链金融仅依靠核心企业的客户订单数据，缺乏上下游各环节的配合和完整的交互数据。在大数据应用模式下，通过交易网关数据模式建立授信主体全方位数据库，从云端获取中小企业交叉数据，摆脱对核心企业的硬性担保、占比份额等措施，系统防范控制金融风险，实际缓解中小企业融资难题。

（五）提炼多维数据源，辅助参考决策

大数据技术可通过提炼授信主体高管成员的数据信息，来辅助参考决策。通过对高管人员日常生活中发生的交易数据如消费金额、消费分布，社交数据如微博、微信中分析高管人员特性、习惯，交叉验证授信主体实际财务状况，预警授信主体实际控制人还款意愿。

（六）判断预期交易量，提升管理效率

对授信主体建立完善的全方位立体数据库后，就可以结合行业数据源，通过对相应供应链上各数据之间相互影响、联动变化规律的总结，设计出相应的分析模型，从而预测终端消费量的变动对供应链各数据源的影响，如判断预期交易量，渠道、市场分配量等，打通流通渠道和消费渠道，最终提升供应链管理效率。

（七）实时自动化监控，优化风控措施

大数据技术从企业数据的终端采集到数据清洗、数据整理分析这一系列过程全部都通过计算机来完成。大数据技术应用模式下，风控预警依托的是实时更新的交易数据、实时追踪的风险测算结果。一旦发生问题触发风险预警，相应机构将有足够的时间采取措施转移风险，如要求授信主体提供第三方担保、承诺差额支付等强制增信措施，或金融机构及时进行资产保全等。

来源：数据宝平台返回搜狐，查看更多