票据宝李华军：互联网大数据是建立中国信用体系重要手段
财经2015-03-2710348
【财经网讯】“在九十年代的时候，如果说没有大的数据下面你去做征信是不可能实现的，正因为有了大的数据才有可能去做一些现在可以做的一些事情。”3月27日，票据宝董事长李华军在2015博鳌亚洲论坛“大数据与金融征信”分会场作出上述表示。
当日，国内票据业务领先者票据宝金融服务有限公司，在博鳌亚洲论坛发布了国内首份票据垂直领域信用评级报告——《中国票据信用评级报告》（下称《评级报告》），《评级报告》以21个档次对银行承兑票据、商业承兑票据主体做了信用评级。
李华军表示，“在互联网的大数据下面，我们收集了在互联网下的票据信息，然后得出来这样的结果，而且提供了一个比较准确客观的结果，票据宝希望通过自己的努力为中国信用体系的建设提供一些正能量。”
以下为李华军发言实录：
尊敬的各位来宾，大家早上好！
刚才听到大家在大数据与金融征信这个题目下的精彩环节，说到信用社会是整个社会的基础，还有讲到市场经济它是一个契约经济，对我们实际操作者来说，在大数据应用的基础上，我们对于金融市场重要的票据市场做了一个实践，也就是做了一个报告。
下面我讲一下报告的运用，其实来讲，我们这个团队在票据行业里面也有十几年的经验，在十几年经验的基础上，把票据一些基础知识，外面的一些数据进行结合。在九十年代的时候，如果说没有大的数据下面你去做征信是不可能实现的，正因为有了大的数据才有可能去做一些现在可以做的一些事情。其实还有一个，金融产品是差异化的基础，而且在票据信用评级同其他的金融市场你的需求是一样的，也是非常需要评级的。
票据评级其实对于市场有以下几个方面的作用，第一是介绍这个社会的信用，对票据从业人员有一个参考的依据，第二点，提高中小银行的银票的活跃度和商票的活跃度。比如刚才农业的、养殖业的，你们是一个内部的内循环的商票的使用，如果说你本身的企业供应链条对于对方征信是非常好的，而且它的票据是非常好的，其实你整个的供应链条或者是对于你生态链可以放大到很多倍，你刚才说一百个亿，其实如果说你对对方的信用是很清楚的话，可以放大的。
第三个，我们现在的组织机制，就是防范系统的风险。第四个就是保护了票据投资者的利益，也就是推动了票据市场的稳定发展。这里面还有个非常重要的观点，就是现在中国的银行界对监管机构每个月它要报指标，要计算票据的风险系数，以前是没有这样的数据基础或者说没有这样的结果，现在我们有个结果的话，那在报这些数据的时候就有个参考依据。
我们把票据的信用评级定义为对票据承兑违约人的长期评级，并以投资级和投机级加以区分。这是美国的GDP增长率和投资级金融产品以及投机级金融产品之间的关系，如果说投资级金融产品其实跟GDP的增长是关系不是特别大，它的抗金融能力是比较强的，它的违约率是比较低的，但是投机级的这些金融产品，它的抗金融能力是比较弱的，它跟GDP也有波动，说明它的违约率是比较高的，它的风险系数是比较高的。
我们是建立了基于大数据的多维度的体系，过去我们其实没有办法去做一些数据的征信，因为你的数据是不够的，我们现在除了取消一般的指标，我们还取消三个非常重要的指标，就是票据的兑付比率和市场兑付度。我们的数据来源是外部数据和内部数据，刚才回到大数据概念的情况下，如果说没有互联网就不可能有大数据，我们现在通过互联网所有机器上面人工调整。还有个非常重要的，就是现在的数据，就是政府的数据要公开，而且企业的公募公司要公开。我们是通过票据宝网络爬级技术，每天不定时的通过互联网这个技术不断的去扫，网络数据采集起来以后，我们就通过专家调整，然后形成样本数据，这在过去是不可能实现的，我们现在可以通过这个技术算出它的评级结果，所以我们就得出了不同的银行的结果，然后我们将评级分了九个档，最好的是工行，最差的是低档，表示已经出现违约，Ba3以上是投资级的，Ba以下是投机级的。
从这个结构图来分析，银行业的整体评级结果是好过一般的工业企业，但是银行的评级是好过于中小银行的评级，房地产是最差的，表示房地产的违约概率高，能源的企业是最好的，明显的好过其他的工商企业，但是我们对于农业和航空目前没有充足的样本数据，互联网的数据比较小，就是没有大量数据没办法做出评级，我们从结果的整理分布图来看，整体的分值是介于投资级和投机级之间，这说明它的整体信用评级效果还是不太好，这是跟美国来比，有几个原因，一个还是样本数据的采集以及公开数据比较少，还有很重要一点，就是有些企业在互联网上沉淀下的数据是比较少的，因为你在互联网上没有留下你的足迹，就没办法去分析，刚才吴行长讲的观点，就是你在互联网上没有数据就没办法给你借贷，只有你在互联网上留下了数据才能对你进行借贷行为。
我们对于中国的工商企业的评级模型分了六个档位，一个是金融业，第二是房地产，第三是电力科技，第四是原材料，第五是能源，我们对于1224家企业进行了评级，如果说在过去传统的征信时代，你是不可能对于这么多企业在最短的时间进行评级，就是因为有了大数据，有了互联网，你才能做这些事情。
同样我们对于银行承兑汇票的评级是得到两个档位，一个是大中型银行的评级模型，第二个是中小银行的评级模型，大中型银行的评级模型，我们是包括大型国有银行、股份制银行和城乡行以及农村信用社，中小型银行的评级包括其他商行以及信用社，我们进行183家银行定向评级，为什么是183家？因为183家银行的工商数据是在互联网上随时可以找得到的，就它的财务报表以及它的财务说明，包括银行的整体网站都是公开的，就是我们通过全网来对它进行评级。
从这个结构图分部来看，大型银行结构是非常好的，它的评级效果非常好，股份制银行是分了四个档位，有些城乡行和农村商业银行评级是好过一般的股份制银行，这就是我们平常的观点，大家都是因为认为一些全国性的股份制银行评级效果是非常好，其实不一定。
还有一些小型的城乡银行和农村商业银行以及承兑银行以及信用社，它的违约率其实是蛮高的，它的分布图是处于投机级，表明效果、对付率是不大好。我们的评级结果和国内的评级结果来比较，跟国内的评级结果比较的话，比如说某一家其他的评级机构，刚才吴行长也讲了，它对于国内的银行界的评级分了三个档，它对工行的评级是3A，我们对工行的评级也是3A，它是招商、民生和光大，比如他们对于中大银行的评级是A ，我们的评级是A3，从这个看，我们对于国内其他股份制银行的评级区分度是非常高的，评级密度很强，他们都是分布在投资级，所以对于投资者的使用和指导是有限的。
我们的评级结果和目的来比，和境外的机构来比，对于中国国家的评级是比较低的，是A3，所以造成中国对中小企业在目前的评级体系下面都是很低，比如工商这么大的银行的评级是A1，偏低了工商银行的资本实力，对于广发银行的评级是投机级，广发银行是一个非常不错的股份制银行，经过股份制改造，我们对于广发银行的评级是投机级。
在互联网的大数据下面，我们收集了在互联网下的票据信息，然后得出来这样的结果，而且提供了一个比较准确客观的结果，票据宝希望通过自己的努力为中国信用体系的建设提供一些正能量，谢谢大家！
当日，国内票据业务领先者票据宝金融服务有限公司，在博鳌亚洲论坛发布了国内首份票据垂直领域信用评级报告——《中国票据信用评级报告》（下称《评级报告》），《评级报告》以21个档次对银行承兑票据、商业承兑票据主体做了信用评级。
李华军表示，“在互联网的大数据下面，我们收集了在互联网下的票据信息，然后得出来这样的结果，而且提供了一个比较准确客观的结果，票据宝希望通过自己的努力为中国信用体系的建设提供一些正能量。”
以下为李华军发言实录：
尊敬的各位来宾，大家早上好！
刚才听到大家在大数据与金融征信这个题目下的精彩环节，说到信用社会是整个社会的基础，还有讲到市场经济它是一个契约经济，对我们实际操作者来说，在大数据应用的基础上，我们对于金融市场重要的票据市场做了一个实践，也就是做了一个报告。
下面我讲一下报告的运用，其实来讲，我们这个团队在票据行业里面也有十几年的经验，在十几年经验的基础上，把票据一些基础知识，外面的一些数据进行结合。在九十年代的时候，如果说没有大的数据下面你去做征信是不可能实现的，正因为有了大的数据才有可能去做一些现在可以做的一些事情。其实还有一个，金融产品是差异化的基础，而且在票据信用评级同其他的金融市场你的需求是一样的，也是非常需要评级的。
票据评级其实对于市场有以下几个方面的作用，第一是介绍这个社会的信用，对票据从业人员有一个参考的依据，第二点，提高中小银行的银票的活跃度和商票的活跃度。比如刚才农业的、养殖业的，你们是一个内部的内循环的商票的使用，如果说你本身的企业供应链条对于对方征信是非常好的，而且它的票据是非常好的，其实你整个的供应链条或者是对于你生态链可以放大到很多倍，你刚才说一百个亿，其实如果说你对对方的信用是很清楚的话，可以放大的。
第三个，我们现在的组织机制，就是防范系统的风险。第四个就是保护了票据投资者的利益，也就是推动了票据市场的稳定发展。这里面还有个非常重要的观点，就是现在中国的银行界对监管机构每个月它要报指标，要计算票据的风险系数，以前是没有这样的数据基础或者说没有这样的结果，现在我们有个结果的话，那在报这些数据的时候就有个参考依据。
我们把票据的信用评级定义为对票据承兑违约人的长期评级，并以投资级和投机级加以区分。这是美国的GDP增长率和投资级金融产品以及投机级金融产品之间的关系，如果说投资级金融产品其实跟GDP的增长是关系不是特别大，它的抗金融能力是比较强的，它的违约率是比较低的，但是投机级的这些金融产品，它的抗金融能力是比较弱的，它跟GDP也有波动，说明它的违约率是比较高的，它的风险系数是比较高的。
我们是建立了基于大数据的多维度的体系，过去我们其实没有办法去做一些数据的征信，因为你的数据是不够的，我们现在除了取消一般的指标，我们还取消三个非常重要的指标，就是票据的兑付比率和市场兑付度。我们的数据来源是外部数据和内部数据，刚才回到大数据概念的情况下，如果说没有互联网就不可能有大数据，我们现在通过互联网所有机器上面人工调整。还有个非常重要的，就是现在的数据，就是政府的数据要公开，而且企业的公募公司要公开。我们是通过票据宝网络爬级技术，每天不定时的通过互联网这个技术不断的去扫，网络数据采集起来以后，我们就通过专家调整，然后形成样本数据，这在过去是不可能实现的，我们现在可以通过这个技术算出它的评级结果，所以我们就得出了不同的银行的结果，然后我们将评级分了九个档，最好的是工行，最差的是低档，表示已经出现违约，Ba3以上是投资级的，Ba以下是投机级的。
从这个结构图来分析，银行业的整体评级结果是好过一般的工业企业，但是银行的评级是好过于中小银行的评级，房地产是最差的，表示房地产的违约概率高，能源的企业是最好的，明显的好过其他的工商企业，但是我们对于农业和航空目前没有充足的样本数据，互联网的数据比较小，就是没有大量数据没办法做出评级，我们从结果的整理分布图来看，整体的分值是介于投资级和投机级之间，这说明它的整体信用评级效果还是不太好，这是跟美国来比，有几个原因，一个还是样本数据的采集以及公开数据比较少，还有很重要一点，就是有些企业在互联网上沉淀下的数据是比较少的，因为你在互联网上没有留下你的足迹，就没办法去分析，刚才吴行长讲的观点，就是你在互联网上没有数据就没办法给你借贷，只有你在互联网上留下了数据才能对你进行借贷行为。
我们对于中国的工商企业的评级模型分了六个档位，一个是金融业，第二是房地产，第三是电力科技，第四是原材料，第五是能源，我们对于1224家企业进行了评级，如果说在过去传统的征信时代，你是不可能对于这么多企业在最短的时间进行评级，就是因为有了大数据，有了互联网，你才能做这些事情。
同样我们对于银行承兑汇票的评级是得到两个档位，一个是大中型银行的评级模型，第二个是中小银行的评级模型，大中型银行的评级模型，我们是包括大型国有银行、股份制银行和城乡行以及农村信用社，中小型银行的评级包括其他商行以及信用社，我们进行183家银行定向评级，为什么是183家？因为183家银行的工商数据是在互联网上随时可以找得到的，就它的财务报表以及它的财务说明，包括银行的整体网站都是公开的，就是我们通过全网来对它进行评级。
从这个结构图分部来看，大型银行结构是非常好的，它的评级效果非常好，股份制银行是分了四个档位，有些城乡行和农村商业银行评级是好过一般的股份制银行，这就是我们平常的观点，大家都是因为认为一些全国性的股份制银行评级效果是非常好，其实不一定。
还有一些小型的城乡银行和农村商业银行以及承兑银行以及信用社，它的违约率其实是蛮高的，它的分布图是处于投机级，表明效果、对付率是不大好。我们的评级结果和国内的评级结果来比较，跟国内的评级结果比较的话，比如说某一家其他的评级机构，刚才吴行长也讲了，它对于国内的银行界的评级分了三个档，它对工行的评级是3A，我们对工行的评级也是3A，它是招商、民生和光大，比如他们对于中大银行的评级是A ，我们的评级是A3，从这个看，我们对于国内其他股份制银行的评级区分度是非常高的，评级密度很强，他们都是分布在投资级，所以对于投资者的使用和指导是有限的。
我们的评级结果和目的来比，和境外的机构来比，对于中国国家的评级是比较低的，是A3，所以造成中国对中小企业在目前的评级体系下面都是很低，比如工商这么大的银行的评级是A1，偏低了工商银行的资本实力，对于广发银行的评级是投机级，广发银行是一个非常不错的股份制银行，经过股份制改造，我们对于广发银行的评级是投机级。
在互联网的大数据下面，我们收集了在互联网下的票据信息，然后得出来这样的结果，而且提供了一个比较准确客观的结果，票据宝希望通过自己的努力为中国信用体系的建设提供一些正能量，谢谢大家！
发表评论