新闻

当前，世界正在加速数字化转型，数据资产日益成为推动和加快数字经济发展的重要战略资源。数字元素和数字技术正在重构新业态、新模式。同时，工程机械行业下行周期筑底进程仍在延续，内需支撑依然疲弱，市场调整压力持续。由于行业市场下滑，设备购买者设备租赁率不足、租金下降、还款率下降等因素削弱了第一还款来源，其他还款来源难以补充，增加了建设信用风险机械公司。

赊销业务本质上是通过承担风险来销售设备获取收入、还款和利润。核心是信用风险管理。信用风险的根源在于信息不对称。在数字化浪潮和工程机械行业低迷的背景下，工程机械传统的信用风险管理模式既是一大挑战，也是一大机遇。如何构建数据驱动的风控能力和风控体系，突破信息不对称的制约，值得每一个工程机械企业深入思考和实践。

01.信息不对称与信用风险

根据信息经济学理论，信用风险的微观基础是信息不对称。信息不对称是指市场双方在信息的获取、处理和使用方面存在差异。信息充足的一方处于较有利的地位，而信息较差的一方则处于相对不利的地位。由于信息的专业性、隐匿性和搜寻成本，交易双方往往拥有信息不对称。不同的信息渠道和信息量会给交易双方带来不同的风险和收益。信息量处于劣势的一方将会面临更大的风险。

信息不对称根据交易合同签订的时间点不同，分为事前信息不对称和事后信息不对称。在事前信息不对称的情况下，拥有信息优势的一方隐藏信息；在事后信息不对称的情况下，拥有信息优势的一方拥有信息。占主导地位的一方隐藏其行动。交易合同签订前发生信息不对称，造成“逆向选择”问题；交易合同签订后发生，造成“道德风险”和“委托代理”问题。

对于工程机械企业来说，无法在交易前全面、实时、准确地掌握设备采购方的资产负债、对外业绩、经营能力等资信和还款能力信息；在合同履行过程中，公司的运营、设备运营、收入征收、债务偿付能力等也难以监控。交易前后，设备购买者利用自身信息优势，纯粹基于个人利益最大化而隐藏关键信息。这就造成逆向选择、道德风险等问题，形成信用风险。

02.传统信息不对称解决机制的设计及存在问题

1.解决逆向选择的信号显示机制

市场信号展示是指拥有信息优势的一方为了解决逆向选择问题，展示自己的优质信息，并以某种方式向信息劣势的一方发出市场信号，以增强对方的信心。通过信号显示机制，可以利用有效的优质信息形成设备购买者的信用风险识别。

工程机械的采购方一般为中小微企业，提供的资产信息有限，难以提供相对完整、真实的财务报表数据。在信用审核过程中，存在很多关键信用信息缺失的情况，影响了市场信号显示机制的有效性。玩。

2、解决逆向选择的信号筛选机制

市场信号筛选是指信息劣势方在进行市场交易前，首先利用相关合约和机制设计，让信息优势方发出表现出自身某些特征的信号，以方便信息劣势方做出判断。信息，从而改变其在市场交易中的信息劣势。的行为.工程机械企业可以设计将首付比例与价格折扣联系起来的合同条款。首付比例高的客户将享受更高的价格折扣，从而区分不同信用级别的设备购买者。

对于工程机械企业来说，运用这一机制的难点在于风险定价。不同信用等级和应用业务条件对应的价格需要合理计算和量化定价。

3、风险共担和利益共享机制，解决道德风险问题

对于道德风险，机制设计一般是合理的激励机制，风险共担、利益共享，从而通过内生激励解决委托代理问题。工程机械企业可以在合同中约定违约金等违约金条款。有违约记录历史的设备买家，回购时将面临价格上涨、融资利率上涨等违约后果；预付款的设备购买者将享受利息减免。履行合同回购时给予一定的价格和利率折扣。

该机制对设备采购方履行合同能够起到一定的引导作用，但企业经营和设备运营存在很大的不确定性。如果不能提前预测和预警违约风险，相应的风险控制措施就会是被动的、滞后的。

03.数据驱动的信用风控

信用风险的不确定性在于是否发生、何时发生、影响范围、影响方向、持续时间、影响程度的不确定性。为了缓解信息不对称带来的信用风险，工程机械企业必须基于经济学的理论机制设计数字化工具箱，推动信用风险管理从实证分析向数据分析和前瞻性预测转变，实现风险识别——风险量化-风险评估-风险监测-风险报告的高效闭环管控。

1.风险识别。风险识别的第一步需要良好的数据基础。工程机械企业一般都有自己的CRM、ERP、DMS等信息系统。但主数据管理（MDM）管理规则不一致，信用管理相关数据字段缺失，信息不能动态更新。有些企业甚至存在离线表管理，基础数据质量无法满足挖掘和分析要求，需要进行全面的数据治理。

工程机械企业利用数据治理来提高设备采购商内部交易和信用数据的质量。系统开发完成后，整合应用外部合规第三方数据，形成完整的内外部交易和合同履约数据，从而进入信用审核阶段。通过系统信用扫描和数据库比对，识别潜在信用风险，形成买方360度风险视图，还原描绘资产负债、现金流、利润三大报告，作为后续增信措施和信用评级 评级的重要参考依据，解决交易前的信息不对称问题。

2.风险量化。有了数据基础，第二步就是建立合适的定量分析模型。基于大样本企业的历史业绩或违约数据，选取影响因素指标，构建包括被解释变量、被解释变量和控制变量的违约概率测度与分析模型。除定量指标外，一些难以量化的指标，如性别、年龄、地区、就业年限等，可以转化为虚拟变量，基于Logistic信用风险评估模型进行参数估计。

通过控制变量并在回归分析中添加解释变量，可以得到参数值 ​​是估计的。根据参数值是否显着，判断解释变量是否对违约率有影响。当参数值显着后，通过参数值的正值或负值来判断对违约率的正向或负向影响。根据参数值的弹性系数值，可以判断对违约率的影响程度。基于回归分析结果，将影响违约率的指标纳入信用审查和评级模型，并不断优化和迭代模型。

3.风险评估。有了定量基础，第三步是构建工程机械企业的预期损失（EL）估计模型。 EL是设备买方在一定时期内因违约而可能遭受的损失，包括三个要素，即违约概率（PD）、违约损失率（LGD）和风险暴露（EAD），EL=PD × LGD × 工卡。

PD和LGD可以采用逻辑回归和卡方检验计量分析方法，结合信用记录、还款能力、收入水平、债务情况等数据进行计算。其中，PD还可以根据历史违约情况和模型估计构建信用评级量表，其中信用评级与违约概率形成映射关系。例如，可以形成五种类型的信用评级：A、B、C、D和E。它也可以用于某些类型的信用。等级进一步细分（A级可分为AAA、AA、A），不同的信用等级对应不同的违约概率。同时，根据内外部交易变化、合同履约数据以及尽职调查中发现的信用变化，及时调整买方信用评级。

通过模型计算，可以发挥风险定价的核心作用，实现预期收益可以覆盖预期损失。针对不同风险水平的设备买家，可制定不同的首付比例、担保金额比例、销售价格、融资利率、授信额度等，实现差异化定价，平衡风险与收益。预期损失较高的买家将控制额度，收取相应的风险溢价，并严格制定审批规则，以规则的确定性应对未来信用变化的不确定性。

4、风险监控。传统风险监控主要监控买方还款是否逾期，以及逾期金额和期限的变化。随着工业物联网技术的发展及其与移动互联网技术的全面融合，风险监测将“人”和“物”数据融合在一起，形成新的风险识别视角。

通过物联网监控，形成风险判断的“三匹配”。首先，根据设备开工率、运行工时数据，对设备采购方近期偿付能力进行提前分析预警，判断设备使用收入与还款金额是否一致。匹配;其次，根据设备开工率和运行时间，结合市场租金和还款情况的变化，确定设备采购方每月付款金额与其项目收入是否匹配；第三，根据物联网数据和市场价格趋势，确定设备的残值是否与设备应支付的金额相匹配。同时，根据设备运行轨迹，监控设备的资产安全。

5. 风险报告。工程机械行业是周期性行业，受宏观经济环境、固定资产投资等影响较大，工程机械行业信用风险变化必须基于微观评估模型，结合宏观经济指标进行测算分析，形成风险报告。当市场状况发生剧烈异常变化时，必须建立压力测试模型，对赊销资产进行压力测试，以确定资产是否有足够的弹性来应对市场的突然变化。

在数据驱动的信用风险管理模式下，工程机械企业必须在风控操作与数据之间形成有机联系。通过对风险数据进行智能化、多维度的识别和分析，形成风险全景图和风险地图，同时报告企业风险管理目标。风险管理组织体系建设的可实现性、完整性，重大风险应对策略的有效性，企业、产品线、区域、客户群等维度的风险评估。

“终日寻春却不见，当鞋破山顶云，归来闻梅花香，春已在枝头。”数字时代，“春天已临枝头”。工程机械企业要加快风险管理数字化转型，从组织驱动向数据驱动转变，推动数字元素重塑信用风险管理模式，建立数据决策和行动机制，确保确定性。数据驱动的风控系统，应对未来风险的不确定性。

来源：今日工程机械