◎王一鳴 閆洪舉

引言

涉農(nóng)貸款是農(nóng)村經(jīng)濟(jì)的主要正規(guī)金融資金來源，包括農(nóng)戶貸款、農(nóng)村企業(yè)貸款及各類組織涉農(nóng)貸款（杜金泉等，2020）。當(dāng)前農(nóng)村金融尤其是涉農(nóng)貸款仍面臨一些難題亟需解決。例如，農(nóng)村信貸市場信息不對稱問題突出，農(nóng)戶面臨嚴(yán)重的信貸配給（何廣文、劉甜，2018）；農(nóng)戶與金融機(jī)構(gòu)存在明顯的信息不對稱問題，部分貧困地區(qū)的創(chuàng)業(yè)農(nóng)戶甚至存在信用空白的現(xiàn)象（馬小龍，2020）。在此背景下，互聯(lián)網(wǎng)金融成為降低農(nóng)村金融服務(wù)成本、擴(kuò)大農(nóng)村金融客戶群體、有效緩解農(nóng)村客戶抵押不足難題的重要途徑（錢昉晗，2020），成為解決我國農(nóng)村金融供需矛盾的創(chuàng)新途徑（闞立娜、王曉星，2019）。

當(dāng)前，線上涉農(nóng)貸款已成為商業(yè)銀行布局互聯(lián)網(wǎng)金融的重要領(lǐng)域。準(zhǔn)確把握線上涉農(nóng)貸款風(fēng)險(xiǎn)特征，建立具有針對性的風(fēng)險(xiǎn)防控體系，是決定未來線上涉農(nóng)貸款投放規(guī)模和高質(zhì)量發(fā)展的關(guān)鍵因素，也是極具必要性和緊迫性的研究課題?；诖耍疚膶⑸钊胩骄看髷?shù)據(jù)、人工智能背景下線上涉農(nóng)貸款所表現(xiàn)出的風(fēng)險(xiǎn)類型，提出相應(yīng)風(fēng)險(xiǎn)防控建議，以期為線上涉農(nóng)貸款高質(zhì)量發(fā)展提供支撐。

線上涉農(nóng)貸款風(fēng)險(xiǎn)類型

涉農(nóng)貸款風(fēng)險(xiǎn)可劃分為自然風(fēng)險(xiǎn)、商業(yè)化風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)、欺詐風(fēng)險(xiǎn)等，無論是對于線上貸款還是線下貸款，這些風(fēng)險(xiǎn)都是較為常見也是非常重要的風(fēng)險(xiǎn)來源，本文將其定義為傳統(tǒng)風(fēng)險(xiǎn)。線上涉農(nóng)貸款對移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能算法等新興技術(shù)具有較大的依賴性，使得涉農(nóng)貸款出現(xiàn)了一些較為突出的新的風(fēng)險(xiǎn)形式，諸如數(shù)據(jù)風(fēng)險(xiǎn)、技術(shù)風(fēng)險(xiǎn)、模型風(fēng)險(xiǎn)等，本文將其定義為新興風(fēng)險(xiǎn)。此外，隨著業(yè)務(wù)流程以及業(yè)務(wù)形式的變化，操作風(fēng)險(xiǎn)、欺詐風(fēng)險(xiǎn)等傳統(tǒng)風(fēng)險(xiǎn)類型在線上涉農(nóng)貸款業(yè)務(wù)中表現(xiàn)出了一些新的特征，傳統(tǒng)的欺詐風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)防控體系也面臨巨大挑戰(zhàn)。

基于此，本部分將首先簡要闡述自然風(fēng)險(xiǎn)、商業(yè)化風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)等傳統(tǒng)風(fēng)險(xiǎn)，然后分析數(shù)據(jù)風(fēng)險(xiǎn)、技術(shù)風(fēng)險(xiǎn)、模型風(fēng)險(xiǎn)等新興風(fēng)險(xiǎn)，最后闡述操作風(fēng)險(xiǎn)、欺詐風(fēng)險(xiǎn)等在線下、線上涉農(nóng)貸款上的不同表現(xiàn)。

（一）傳統(tǒng)風(fēng)險(xiǎn)類型

1.自然風(fēng)險(xiǎn)

自然風(fēng)險(xiǎn)是指農(nóng)業(yè)生產(chǎn)中遭受的如旱災(zāi)、洪澇、寒潮等不可控的自然因素給農(nóng)業(yè)生產(chǎn)帶來損失的風(fēng)險(xiǎn)，自然風(fēng)險(xiǎn)的形成存在不可控性、周期性，具有種類多、頻率高、強(qiáng)度大等特點(diǎn)（李娟等，2020）。涉農(nóng)貸款主要用于受自然災(zāi)害影響較大的種植業(yè)、養(yǎng)殖業(yè)等。雖然我國農(nóng)業(yè)現(xiàn)代化水平不斷提升，但對自然風(fēng)險(xiǎn)抵抗能力弱的問題仍較為突出，尤其是近年來極端天氣出現(xiàn)頻率不斷增加，對農(nóng)業(yè)生產(chǎn)帶來的沖擊更是不容忽視。在受到自然災(zāi)害沖擊時(shí)，農(nóng)業(yè)生產(chǎn)受到較大影響，將直接影響農(nóng)戶第一還款收入來源，使其還貸能力減弱，最終使自然風(fēng)險(xiǎn)轉(zhuǎn)化為不良貸款。此外，自然風(fēng)險(xiǎn)通常具有區(qū)域性特點(diǎn)，可能會(huì)導(dǎo)致同一區(qū)域內(nèi)同時(shí)產(chǎn)生較多的不良貸款。

2.商業(yè)化風(fēng)險(xiǎn)

商業(yè)化風(fēng)險(xiǎn)主要指農(nóng)產(chǎn)品在通過市場轉(zhuǎn)化為商品的過程中，由于市場供需變化、價(jià)格波動(dòng)等因素導(dǎo)致農(nóng)戶在經(jīng)濟(jì)上遭受損失的風(fēng)險(xiǎn)，是由于農(nóng)戶缺乏對農(nóng)產(chǎn)品市場信息的有效認(rèn)知，農(nóng)戶生產(chǎn)通常具有盲目性特征，農(nóng)產(chǎn)品價(jià)格波動(dòng)較大，農(nóng)戶收入波動(dòng)較大而產(chǎn)生的風(fēng)險(xiǎn)。目前，我國農(nóng)業(yè)生產(chǎn)的蛛網(wǎng)效應(yīng)仍較為突出，影響農(nóng)產(chǎn)品商業(yè)化風(fēng)險(xiǎn)的因素仍相對較多，商業(yè)化風(fēng)險(xiǎn)也相對較大。商業(yè)化風(fēng)險(xiǎn)是涉農(nóng)貸款較為重要也較為常見的風(fēng)險(xiǎn)來源之一，通常具有不確定性、覆蓋面廣等特征，商業(yè)銀行在開展涉農(nóng)貸款業(yè)務(wù)過程中更應(yīng)加強(qiáng)對商業(yè)化風(fēng)險(xiǎn)的預(yù)判，以提高防控能力。

3.信用風(fēng)險(xiǎn)

信用風(fēng)險(xiǎn)主要是指借款人無法按照規(guī)定時(shí)間履約而出現(xiàn)的風(fēng)險(xiǎn)，是涉農(nóng)貸款中最為常見且較為重要的風(fēng)險(xiǎn)類型，是風(fēng)險(xiǎn)防控的重中之重。目前，我國農(nóng)村信用體系建設(shè)穩(wěn)步推進(jìn)，但是農(nóng)戶信息不完整、可信度低的問題仍較為突出，農(nóng)村大數(shù)據(jù)體系建設(shè)仍任重道遠(yuǎn)，部分農(nóng)戶信用觀念淡薄、履約意識相對較弱等問題仍較為突出。在此背景下，涉農(nóng)貸款信用風(fēng)險(xiǎn)風(fēng)控仍面臨較大挑戰(zhàn)，這也使得開展線上涉農(nóng)貸款業(yè)務(wù)的矛盾逐漸顯現(xiàn)：一方面，開展線上涉農(nóng)貸款需要依賴完整的農(nóng)村大數(shù)據(jù)體系、完善的信用體系，與目前農(nóng)村信用體系建設(shè)不健全、“三農(nóng)”大數(shù)據(jù)體系建設(shè)不完善之間存在矛盾；另一方面，開展線上涉農(nóng)貸款業(yè)務(wù)需要依賴良好的金融生態(tài)環(huán)境，與目前我國農(nóng)村金融生態(tài)環(huán)境仍待完善之間存在矛盾。

（二）新興風(fēng)險(xiǎn)類型

1.數(shù)據(jù)風(fēng)險(xiǎn)

數(shù)據(jù)是線上涉農(nóng)貸款快速發(fā)展的基礎(chǔ)，也是大數(shù)據(jù)風(fēng)控手段能夠廣泛應(yīng)用的支撐。袁江、劉青（2020）指出，大數(shù)據(jù)風(fēng)控的前提是數(shù)據(jù)的完整、安全和保真，但內(nèi)外部數(shù)據(jù)不完整、數(shù)據(jù)質(zhì)量存在真實(shí)性風(fēng)險(xiǎn)仍是商業(yè)銀行面臨的較為突出的問題。因此數(shù)據(jù)風(fēng)險(xiǎn)成為互聯(lián)網(wǎng)信貸面臨的新型挑戰(zhàn)之一。

綜合現(xiàn)有研究，以及線上涉農(nóng)貸款流程以及大數(shù)據(jù)風(fēng)控特點(diǎn)，本文認(rèn)為，數(shù)據(jù)風(fēng)險(xiǎn)主要源于數(shù)據(jù)真實(shí)性、有效性和時(shí)效性的不足。具體分析如下：

第一，數(shù)據(jù)真實(shí)性不足。無論是對于線上涉農(nóng)貸款的授信額度測算還是風(fēng)控管理，都需要依賴海量數(shù)據(jù)，包括銀行內(nèi)部數(shù)據(jù)、從第三方采集獲取的數(shù)據(jù)，甚至是客戶自己提供的數(shù)據(jù)，但目前對第三方采集獲取數(shù)據(jù)以及客戶提供數(shù)據(jù)的交叉驗(yàn)證能力不足，因此其真實(shí)性難以保證。在數(shù)據(jù)真實(shí)性不足的情況下，必然會(huì)導(dǎo)致建模結(jié)果的偏差，產(chǎn)生過度授信、風(fēng)控不到位等問題，從而帶來數(shù)據(jù)風(fēng)險(xiǎn)。

第二，數(shù)據(jù)有效性不足。在授信及風(fēng)控建模時(shí)，選擇質(zhì)量差、解釋性差的“臟數(shù)據(jù)”，則會(huì)導(dǎo)致模型結(jié)果的偏差，或者選擇的樣本數(shù)據(jù)不具有代表性，產(chǎn)生“以偏概全”的數(shù)據(jù)樣本偏差，同樣會(huì)導(dǎo)致數(shù)據(jù)的無效性，從而帶來數(shù)據(jù)風(fēng)險(xiǎn)。

第三，數(shù)據(jù)時(shí)效性不足。在移動(dòng)互聯(lián)網(wǎng)和大數(shù)據(jù)時(shí)代，數(shù)據(jù)的維度更加豐富，數(shù)據(jù)量也將越來越大，數(shù)據(jù)質(zhì)量的影響因素也隨之增多。李默涵、李建中（2016）指出，數(shù)據(jù)質(zhì)量會(huì)隨著時(shí)間的流逝迅速下降，因此在數(shù)據(jù)質(zhì)量的各個(gè)維度中，數(shù)據(jù)時(shí)效性扮演的角色至關(guān)重要。隨著時(shí)間的變化，客戶的行為模式可能發(fā)生變化，數(shù)據(jù)將發(fā)生變化，數(shù)據(jù)中的隱含信息也必將發(fā)生變化。在此情形下，如果依賴時(shí)效性較差的數(shù)據(jù)建模，其結(jié)果也必將產(chǎn)生偏差，導(dǎo)致授信或者風(fēng)控的偏差，繼而導(dǎo)致數(shù)據(jù)風(fēng)險(xiǎn)。

無論是對于傳統(tǒng)的線下涉農(nóng)貸款，還是對于現(xiàn)有的線上涉農(nóng)貸款，數(shù)據(jù)風(fēng)險(xiǎn)始終是其不可忽視的風(fēng)險(xiǎn)因素之一，尤其是線上涉農(nóng)貸款對于大數(shù)據(jù)的依賴特征更加明顯，在授信和風(fēng)控環(huán)節(jié)更加依賴維度高、體量大、數(shù)據(jù)類型復(fù)雜的大數(shù)據(jù)，其數(shù)據(jù)風(fēng)險(xiǎn)也相應(yīng)更加突出。因此，數(shù)據(jù)風(fēng)險(xiǎn)防控成為數(shù)字化時(shí)代線上涉農(nóng)貸款業(yè)務(wù)的重要一環(huán)。

2.模型風(fēng)險(xiǎn)

模型風(fēng)險(xiǎn)主要是指在涉農(nóng)貸款審批、風(fēng)險(xiǎn)識別等環(huán)節(jié)由模型自身缺陷或使用錯(cuò)誤而無法準(zhǔn)確識別借款人風(fēng)險(xiǎn)類型帶來的風(fēng)險(xiǎn)，例如在訓(xùn)練、測試時(shí)都沒有問題，將其應(yīng)用到真實(shí)生產(chǎn)環(huán)境中模型的有效性降低。模型風(fēng)險(xiǎn)可以看作操作風(fēng)險(xiǎn)的一種具體表現(xiàn)形式，都是由不完善或有缺陷的內(nèi)部程序?qū)е?。目前，商業(yè)銀行對人工智能算法在風(fēng)險(xiǎn)評估領(lǐng)域的應(yīng)用力度不斷加大，風(fēng)險(xiǎn)暴露點(diǎn)也將隨之增多。模型風(fēng)險(xiǎn)主要包括模型缺陷產(chǎn)生的風(fēng)險(xiǎn)和模型使用不當(dāng)帶來的風(fēng)險(xiǎn)，具體分析如下：

第一，模型缺陷產(chǎn)生的風(fēng)險(xiǎn)。模型缺陷主要是指模型設(shè)計(jì)偏差、模型泛化能力差、模型穩(wěn)定性差等問題導(dǎo)致的輸出結(jié)果偏差，使得信用審批、風(fēng)險(xiǎn)預(yù)警等出現(xiàn)偏差，產(chǎn)生過度授信、風(fēng)險(xiǎn)預(yù)警不到位、無法有效識別風(fēng)險(xiǎn)點(diǎn)等問題。其中，模型設(shè)計(jì)偏差主要是指未能選擇有效的模型，導(dǎo)致對數(shù)據(jù)重要隱含信息的挖掘不充分。模型泛化能力差主要是指模型測試階段效果較好，但是應(yīng)用與部署階段效果不佳。模型穩(wěn)定性差主要是指風(fēng)險(xiǎn)模型在不同時(shí)間段數(shù)據(jù)或者不同數(shù)據(jù)集上的表現(xiàn)效果不一致，尤其是機(jī)器學(xué)習(xí)等算法存在一定的不穩(wěn)定性，會(huì)導(dǎo)致輸出結(jié)果的不穩(wěn)定，繼而容易產(chǎn)生偏差。

第二，模型使用不合理產(chǎn)生的風(fēng)險(xiǎn)。模型使用不合理主要是指在特定場景、區(qū)域使用有效的信貸風(fēng)控模型，在未經(jīng)適用性、擴(kuò)展性分析的情形下，將其應(yīng)用于其他業(yè)務(wù)場景、或者不同區(qū)域，從而導(dǎo)致模型解釋能力下降，結(jié)果出現(xiàn)偏差，帶來產(chǎn)生風(fēng)險(xiǎn)的可能。例如，將線下信貸產(chǎn)品設(shè)計(jì)的授信、風(fēng)控等模型直接套用在線上信貸產(chǎn)品上，則會(huì)產(chǎn)生模型使用不當(dāng)帶來的風(fēng)險(xiǎn)。

因此，對于線上涉農(nóng)貸款而言，模型風(fēng)險(xiǎn)防控是整個(gè)風(fēng)險(xiǎn)防控體系的關(guān)鍵。如果使用存在缺陷的模型或者不具有適用性的風(fēng)險(xiǎn)，則會(huì)導(dǎo)致無法準(zhǔn)確評估其信用風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)等常見的風(fēng)險(xiǎn)，難以形成對線上涉農(nóng)貸款業(yè)務(wù)發(fā)展的有效支撐。

3.技術(shù)風(fēng)險(xiǎn)

金融科技的進(jìn)步是線上涉農(nóng)貸款快速發(fā)展的重要支撐，其中涉及的技術(shù)風(fēng)險(xiǎn)同樣不容忽視。袁康（2021）指出，金融科技自身也存在一定的技術(shù)風(fēng)險(xiǎn)，例如技術(shù)漏洞、系統(tǒng)缺陷、技術(shù)失靈，在風(fēng)險(xiǎn)來源和風(fēng)險(xiǎn)構(gòu)成上也表現(xiàn)出更加復(fù)雜、更加獨(dú)特的特征。袁江、劉青（2020）指出，互聯(lián)網(wǎng)技術(shù)是把雙刃劍，在提高效率的同時(shí)，也會(huì)產(chǎn)生技術(shù)風(fēng)險(xiǎn)。朱驊（2020）指出，網(wǎng)絡(luò)技術(shù)風(fēng)險(xiǎn)和信貸技術(shù)風(fēng)險(xiǎn)是技術(shù)風(fēng)險(xiǎn)的主要表現(xiàn)形式，網(wǎng)絡(luò)信息技術(shù)導(dǎo)致的風(fēng)險(xiǎn)可能會(huì)讓整個(gè)業(yè)務(wù)流程出現(xiàn)癱瘓，信貸技術(shù)風(fēng)險(xiǎn)則會(huì)導(dǎo)致網(wǎng)絡(luò)信貸業(yè)務(wù)無法有效評估風(fēng)險(xiǎn)類別。

綜合現(xiàn)有研究，以及線上涉農(nóng)貸款業(yè)務(wù)流程和客戶特點(diǎn)，本文認(rèn)為，技術(shù)風(fēng)險(xiǎn)主要包括兩個(gè)維度：

第一，網(wǎng)絡(luò)安全風(fēng)險(xiǎn)。網(wǎng)絡(luò)安全風(fēng)險(xiǎn)主要是指線上涉農(nóng)貸款所依賴的數(shù)據(jù)傳輸網(wǎng)絡(luò)所產(chǎn)生的風(fēng)險(xiǎn)。為構(gòu)建完整農(nóng)戶畫像，各商業(yè)銀行均加大多維度數(shù)據(jù)采集力度，數(shù)據(jù)的跨主體、跨平臺流通、整合與治理成為常態(tài)，在數(shù)據(jù)傳輸與存儲過程中，數(shù)據(jù)傳輸系統(tǒng)或存儲系統(tǒng)存在被攻破的風(fēng)險(xiǎn)，出現(xiàn)數(shù)據(jù)泄漏、被篡改、數(shù)據(jù)失真等問題的可能性不斷增加，繼而給商業(yè)銀行或者客戶等帶來一定風(fēng)險(xiǎn)。

第二，終端安全風(fēng)險(xiǎn)。線上涉農(nóng)貸款對貸款辦理系統(tǒng)、掌上銀行等終端具有較大依賴性，如果這些終端存在漏洞，則會(huì)帶來一定風(fēng)險(xiǎn)，即終端安全風(fēng)險(xiǎn)。例如，通過偽造正版應(yīng)用，誘騙借款人按照相應(yīng)指引步驟填寫相關(guān)信息，從而竊取借款人的賬號、密碼、身份證號等敏感信息，尤其是涉農(nóng)貸款面向的客戶對此類偽造應(yīng)用的識別能力較低，導(dǎo)致產(chǎn)生風(fēng)險(xiǎn)的可能性不斷提升。

（三）線上信貸與線下信貸交叉風(fēng)險(xiǎn)類型

1.操作風(fēng)險(xiǎn)

根據(jù)巴塞爾委員會(huì)的定義，廣義上的操作風(fēng)險(xiǎn)是指由不完善或有問題的內(nèi)部程序、人員及系統(tǒng)或外部事件所造成損失的風(fēng)險(xiǎn)（林龍騰、沈利生，2012）。本文所指操作風(fēng)險(xiǎn)是狹義上的，即由內(nèi)部程序、人員及系統(tǒng)而產(chǎn)生的風(fēng)險(xiǎn)，外部事件所造成的風(fēng)險(xiǎn)本文納入欺詐風(fēng)險(xiǎn)范疇。操作風(fēng)險(xiǎn)伴隨在銀行業(yè)務(wù)的各個(gè)環(huán)節(jié)，對于涉農(nóng)貸款而言，更是頻發(fā)、高發(fā)。隨著線上信貸業(yè)務(wù)的數(shù)字化、線上化不斷提升，其操作風(fēng)險(xiǎn)也出現(xiàn)了一些新的表現(xiàn)形式。因此，本部分從傳統(tǒng)操作風(fēng)險(xiǎn)和新興操作風(fēng)險(xiǎn)兩個(gè)維度闡述線上涉農(nóng)貸款面臨的操作風(fēng)險(xiǎn)。

（1）傳統(tǒng)操作風(fēng)險(xiǎn)

對于涉農(nóng)貸款而言，操作流程相對復(fù)雜，涉及流程環(huán)節(jié)相對較多，如準(zhǔn)入、審批、放款、貸后管理等，人工參與環(huán)節(jié)較多，由此產(chǎn)生操作風(fēng)險(xiǎn)的可能性會(huì)相對較大。

從貸前環(huán)節(jié)來看，貸前調(diào)查真實(shí)性、有效性難以保證。對于涉農(nóng)貸款而言，數(shù)據(jù)相對缺乏，很多數(shù)據(jù)都是依靠農(nóng)戶提供，而客戶經(jīng)理相關(guān)經(jīng)驗(yàn)和實(shí)際調(diào)查不足，導(dǎo)致數(shù)據(jù)的真實(shí)性和可靠性難以保證，為后續(xù)信貸業(yè)務(wù)的審批、審核、授信等環(huán)節(jié)留下了較大的風(fēng)險(xiǎn)隱患。

從貸中和貸后環(huán)節(jié)來看，涉農(nóng)貸款農(nóng)戶分布較為分散、距離網(wǎng)點(diǎn)較遠(yuǎn)，客戶經(jīng)理管戶半徑通常較大，客戶經(jīng)理無法嚴(yán)格按照相關(guān)制度對發(fā)放的貸款進(jìn)行貸中和貸后審查，導(dǎo)致貸中、貸后檢查不及時(shí)，出現(xiàn)相關(guān)風(fēng)險(xiǎn)隱患，或者限于客戶經(jīng)理的能力和經(jīng)驗(yàn)不足，無法全面分析和判斷農(nóng)戶的生產(chǎn)經(jīng)營變化情況與財(cái)務(wù)狀況，當(dāng)農(nóng)戶的生產(chǎn)經(jīng)營或者外部環(huán)境發(fā)生變化時(shí)，客戶經(jīng)理難以識別，因而導(dǎo)致對農(nóng)戶信用風(fēng)險(xiǎn)的識別、預(yù)警和處置存在一定滯后，導(dǎo)致貸中檢查和貸后管理在風(fēng)險(xiǎn)防控中的作用難以發(fā)揮。

（2）新興操作風(fēng)險(xiǎn)

線上涉農(nóng)貸款將許多人工環(huán)節(jié)轉(zhuǎn)為線上化、自動(dòng)化操作，實(shí)現(xiàn)了操作風(fēng)險(xiǎn)的實(shí)時(shí)識別和智能管控，緩釋或消除了一些流程或環(huán)節(jié)的操作風(fēng)險(xiǎn)，但是又衍生出了一些新的操作風(fēng)險(xiǎn)。具體來說，銀行縣域支行或者城鎮(zhèn)網(wǎng)點(diǎn)的信貸客戶經(jīng)理金融科技應(yīng)用能力相對較低，而線上涉農(nóng)貸款通常會(huì)涉及較多的系統(tǒng)、平臺或者終端設(shè)備，其操作復(fù)雜性相對較高，操作風(fēng)險(xiǎn)產(chǎn)生的可能性也將更高。此外，線上涉農(nóng)貸款的客戶群體科技應(yīng)用能力相對較低，因而會(huì)導(dǎo)致一些傳統(tǒng)線下涉農(nóng)貸款未涉及的風(fēng)險(xiǎn)表現(xiàn)形式，如線上涉農(nóng)貸款業(yè)務(wù)無法順利開展或者不當(dāng)操作導(dǎo)致信息泄露等，即產(chǎn)生外部操作風(fēng)險(xiǎn)。

2.欺詐風(fēng)險(xiǎn)

通常來講，欺詐風(fēng)險(xiǎn)屬于操作風(fēng)險(xiǎn)的范疇，但由于其發(fā)生的普遍性及一旦發(fā)生即帶來損失的特征，故本文將欺詐風(fēng)險(xiǎn)作為一種獨(dú)立的風(fēng)險(xiǎn)類型討論。由于線上涉農(nóng)貸款對移動(dòng)互聯(lián)網(wǎng)、金融科技等新興技術(shù)具有很強(qiáng)的依賴特征，欺詐風(fēng)險(xiǎn)同樣也表現(xiàn)出了一些新的特征。為此，本部分將從傳統(tǒng)欺詐手段和新興的欺詐手段兩個(gè)維度探究欺詐風(fēng)險(xiǎn)。

（1）傳統(tǒng)欺詐風(fēng)險(xiǎn)

欺詐風(fēng)險(xiǎn)可分為內(nèi)部欺詐和外部欺詐。內(nèi)部欺詐主要指員工故意騙取、盜用財(cái)產(chǎn)或故意違反法律、監(jiān)管規(guī)章或銀政政策制度導(dǎo)致的損失，違規(guī)違法放貸、盜取挪用資金等是常見的內(nèi)部欺詐風(fēng)險(xiǎn)（陸岷峰、徐博歡，2018）。外部欺詐主要表現(xiàn)為第三方欺詐、搶劫、盜取資產(chǎn)的行為，而騙取銀行貸款是常見的外部欺詐風(fēng)險(xiǎn)類型之一。根據(jù)欺詐的類型不同，可劃分為信息欺詐、身份欺詐和用途欺詐（鐘雪靈等，2018）。

（2）新興欺詐風(fēng)險(xiǎn)

線上涉農(nóng)貸款會(huì)在一定程度上降低虛假操作尤其是內(nèi)部員工人為造假的可能性，繼而降低內(nèi)部欺詐風(fēng)險(xiǎn)。在線上涉農(nóng)貸款業(yè)務(wù)開展中，數(shù)字身份和物理身份核驗(yàn)難度將提升，借款人真實(shí)身份、信用水平的識別難度將會(huì)更大，商業(yè)銀行也將面臨更高的、更大范圍的新興欺詐風(fēng)險(xiǎn)，并且出現(xiàn)的欺詐手段也是傳統(tǒng)線下涉農(nóng)貸款極少涉及的。例如，線上涉農(nóng)貸款在貸款申請端采用了互聯(lián)網(wǎng)、移動(dòng)設(shè)備等新渠道、新技術(shù)，涉農(nóng)貸款全線上化操作進(jìn)程也逐步加快，黑產(chǎn)團(tuán)伙也可更為便捷地批量制造虛假申請。此外，隨著生物識別技術(shù)的發(fā)展，其認(rèn)證的唯一性、豐富性、穩(wěn)定性得到了提升。典型的認(rèn)證方式包括指紋識別、聲紋識別、虹膜識別和人臉識別等，但其安全性、準(zhǔn)確性和方便性仍有待提升。例如，目前出現(xiàn)的利用照片基于2D攝像頭的人臉識別系統(tǒng)，通過真人佩戴假體道具破解活體檢測，從而繞過用戶認(rèn)證非法獲取權(quán)限，這無疑也會(huì)極大提升欺詐風(fēng)險(xiǎn)的可能性。

線上涉農(nóng)貸款風(fēng)險(xiǎn)防控建議

（一）加強(qiáng)金融風(fēng)險(xiǎn)防范知識宣傳

加強(qiáng)金融風(fēng)險(xiǎn)防范知識宣傳，提高客戶識別和防范金融風(fēng)險(xiǎn)的能力，既是商業(yè)銀行提升金融服務(wù)水平、承擔(dān)社會(huì)責(zé)任的要求，也是為營造良好金融信用環(huán)境、提高線上涉農(nóng)貸款風(fēng)險(xiǎn)防控水平的重要舉措。

1.加強(qiáng)對借款人信用意識提升的宣傳教育。商業(yè)銀行應(yīng)依托銀行網(wǎng)點(diǎn)、掌上銀行和微信公眾號等線上、線下渠道，以及客戶經(jīng)理走村入戶開展貸前、貸后調(diào)查等機(jī)會(huì)，多措并舉，加大對農(nóng)戶信用意識的宣傳教育，引導(dǎo)農(nóng)戶逐步樹立誠信理念，爭做誠實(shí)守信的模范，為營造良好的農(nóng)村信用環(huán)境、持續(xù)的信用體系建設(shè)奠定基礎(chǔ)，為線上涉農(nóng)貸款在縣域和農(nóng)村地區(qū)的高質(zhì)量發(fā)展提供支撐。

2.加強(qiáng)對借款人反詐騙能力的宣傳教育。商業(yè)銀行應(yīng)通過線上、線下多種形式，向農(nóng)戶講解如何辨別和防范金融風(fēng)險(xiǎn)，講解如何辨別正規(guī)金融產(chǎn)品服務(wù)，講解非法集資和電信網(wǎng)絡(luò)等常見詐騙“套路”，加強(qiáng)對借款人采用移動(dòng)客戶端申貸、用信等方面的指導(dǎo)，從而為線上涉農(nóng)貸款健康發(fā)展提供良好的外部環(huán)境。

（二）加強(qiáng)“三農(nóng)”大數(shù)據(jù)體系建設(shè)

加強(qiáng)“三農(nóng)”大數(shù)據(jù)體系建設(shè)，做好數(shù)據(jù)風(fēng)險(xiǎn)防控，是提高線上涉農(nóng)貸款風(fēng)險(xiǎn)防控能力的關(guān)鍵。

1.創(chuàng)新動(dòng)態(tài)化數(shù)據(jù)采集方式

隨著數(shù)字鄉(xiāng)村、鄉(xiāng)村振興、智慧農(nóng)業(yè)等一系列國家戰(zhàn)略的大力推進(jìn)，以及互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等現(xiàn)代信息科技手段的快速發(fā)展，農(nóng)業(yè)農(nóng)村數(shù)字化、智能化程度不斷加快，商業(yè)銀行應(yīng)緊緊抓住農(nóng)業(yè)農(nóng)村數(shù)字化快速發(fā)展的良好機(jī)遇，提高科技應(yīng)用能力和外部合作能力，創(chuàng)新動(dòng)態(tài)化數(shù)據(jù)采集方式。

一方面，探索建立基于衛(wèi)星遙感的數(shù)據(jù)采集模式。借助農(nóng)業(yè)遙感技術(shù)、物聯(lián)網(wǎng)等手段，可實(shí)現(xiàn)對種植面積測量、農(nóng)作物長勢監(jiān)測、產(chǎn)量預(yù)測等功能，實(shí)現(xiàn)對農(nóng)業(yè)大數(shù)據(jù)的采集、處理、分析與可視化，可替代傳統(tǒng)的依賴人工核實(shí)的模式。另一方面，加大數(shù)字農(nóng)業(yè)產(chǎn)業(yè)鏈相關(guān)布局。數(shù)字化農(nóng)業(yè)產(chǎn)業(yè)鏈可以實(shí)現(xiàn)農(nóng)產(chǎn)品生產(chǎn)、加工、儲運(yùn)、銷售和消費(fèi)等環(huán)節(jié)的集合。相關(guān)產(chǎn)業(yè)鏈也會(huì)帶來商流、物流、資金流、信息流等大量動(dòng)態(tài)化、場景化、批量化數(shù)據(jù)，可為商業(yè)銀行線上涉農(nóng)貸款等多項(xiàng)業(yè)務(wù)的開展提供重要支撐。

2.加大數(shù)據(jù)挖掘與應(yīng)用力度

加大內(nèi)外部數(shù)據(jù)挖掘與應(yīng)用力度是提高線上涉農(nóng)貸款風(fēng)險(xiǎn)防控能力的關(guān)鍵，是解決數(shù)據(jù)利用效率低下、數(shù)據(jù)對風(fēng)險(xiǎn)支撐能力弱的關(guān)鍵。一方面，商業(yè)銀行應(yīng)著重解決數(shù)據(jù)提取應(yīng)用過程中專業(yè)能力要求高、操作流程復(fù)雜等難題，提高數(shù)據(jù)的易用性。另一方面，組建“三農(nóng)”大數(shù)據(jù)分析師隊(duì)伍，提高“三農(nóng)”大數(shù)據(jù)應(yīng)用水平，建立大數(shù)據(jù)驅(qū)動(dòng)的風(fēng)險(xiǎn)防控模式。

（三）加強(qiáng)人工智能算法在風(fēng)險(xiǎn)識別中的應(yīng)用

機(jī)器學(xué)習(xí)等人工智能算法在處理復(fù)雜數(shù)據(jù)、高維度數(shù)據(jù)、海量數(shù)據(jù)方面的優(yōu)勢能夠解決線上涉農(nóng)貸款快速發(fā)展所產(chǎn)生的困境，積極探索人工智能算法在線上涉農(nóng)貸款業(yè)務(wù)全流程中的應(yīng)用，將有助于提高風(fēng)險(xiǎn)防控能力，也將有助于提高放貸效率。

1.加強(qiáng)機(jī)器學(xué)習(xí)在風(fēng)險(xiǎn)評估中的應(yīng)用

目前，貸款審批等諸多環(huán)節(jié)仍需進(jìn)行人工審查，被審查用戶的數(shù)據(jù)是否存在異常主要依賴于相關(guān)人員的經(jīng)驗(yàn)判斷，從復(fù)雜多維度的數(shù)據(jù)中挖掘出異常數(shù)據(jù)無疑存在較大困難，而機(jī)器學(xué)習(xí)可以提供解決方案。例如，機(jī)器學(xué)習(xí)可通過無監(jiān)督算法等方法實(shí)現(xiàn)對異常值的檢測，繼而尋找出數(shù)據(jù)或者行為異常的用戶，然后再通過人工方式做重點(diǎn)核實(shí)，這無疑會(huì)提高工作效率，提高審查精度。

相較于傳統(tǒng)統(tǒng)計(jì)學(xué)方法或者基于專家經(jīng)驗(yàn)規(guī)則的風(fēng)險(xiǎn)評估模型，機(jī)器學(xué)習(xí)不僅可以挖掘結(jié)構(gòu)化數(shù)據(jù)所隱含的信息，更可以挖掘行為數(shù)據(jù)等非結(jié)構(gòu)化數(shù)據(jù)的信息，更能推動(dòng)從數(shù)據(jù)資源向數(shù)據(jù)資產(chǎn)的轉(zhuǎn)變。因此，在線上涉農(nóng)貸款信用風(fēng)險(xiǎn)識別等環(huán)節(jié)，應(yīng)進(jìn)一步探索建立基于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等人工智能算法的風(fēng)險(xiǎn)評估方法，提高風(fēng)險(xiǎn)評估與識別的精準(zhǔn)化水平。

2.探索知識圖譜在風(fēng)險(xiǎn)防控中的應(yīng)用

知識圖譜可將不同的個(gè)體或?qū)嶓w連接到一起，得到一個(gè)關(guān)系網(wǎng)絡(luò)，為從“關(guān)系”的角度去分析問題提供了一種重要工具。例如，可將借款人的消費(fèi)信息、資產(chǎn)信息、社會(huì)關(guān)系等信息整合到知識圖譜，從而進(jìn)行分析和預(yù)測。目前，知識圖譜在反欺詐、異常分析等領(lǐng)域取得了一定的進(jìn)展。

線上涉農(nóng)貸款投放具有較強(qiáng)的區(qū)域特征，尤其是其面向客群主要在縣域和農(nóng)村地區(qū)。對于縣域和農(nóng)村地區(qū)而言，熟人社會(huì)更加突出，個(gè)體間的關(guān)系屬性更加緊密。在此背景下，如果能夠建立借款人的知識圖譜，一方面可以更加精細(xì)地建立農(nóng)戶個(gè)人精準(zhǔn)畫像，提高對農(nóng)戶風(fēng)險(xiǎn)水平的認(rèn)知能力，另一方面可以通過靜態(tài)分析和動(dòng)態(tài)分析等異常分析手段做好貸后管理，做好數(shù)據(jù)真實(shí)性審查。

3.建立業(yè)技融合聯(lián)合團(tuán)隊(duì)

隨著機(jī)器學(xué)習(xí)等人工智能算法的不斷成熟、計(jì)算機(jī)計(jì)算能力的快速發(fā)展，大樣本數(shù)據(jù)的處理、分析與挖掘變得更為簡單，基于大數(shù)據(jù)的風(fēng)險(xiǎn)建模已成為現(xiàn)實(shí)，風(fēng)險(xiǎn)因素的識別也變得相對更加容易。但相較于傳統(tǒng)的風(fēng)險(xiǎn)建模，以大數(shù)據(jù)、機(jī)器學(xué)習(xí)等為基礎(chǔ)的信貸風(fēng)險(xiǎn)建模，更需要業(yè)務(wù)和科技的相互輔助及相互融合。

一方面，采用機(jī)器學(xué)習(xí)等人工智能算法構(gòu)建大數(shù)據(jù)背景下的風(fēng)險(xiǎn)評估模型需要具備專業(yè)的數(shù)據(jù)處理、模型構(gòu)建、模型訓(xùn)練能力，這就要求具備統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)等知識背景的技術(shù)專家。例如，數(shù)據(jù)是風(fēng)險(xiǎn)建模的基礎(chǔ)，而線上信貸數(shù)據(jù)通常具有樣本不均衡、幸存者偏差、樣本數(shù)據(jù)同值或缺失等特征，同時(shí)隨著大數(shù)據(jù)的快速發(fā)展，文本數(shù)據(jù)乃至圖片數(shù)據(jù)、視頻數(shù)據(jù)等非結(jié)構(gòu)化數(shù)據(jù)隱含的重要信息在風(fēng)險(xiǎn)識別中同樣至關(guān)重要。此時(shí)，如果不具備專業(yè)的數(shù)據(jù)處理能力，則難以實(shí)現(xiàn)對特征向量的有效處理，繼而難以建立具有較高識別能力的風(fēng)險(xiǎn)評估模型。

另一方面，采用機(jī)器學(xué)習(xí)構(gòu)建大數(shù)據(jù)背景下的風(fēng)險(xiǎn)評估模型需要具備業(yè)務(wù)能力、業(yè)務(wù)邏輯專家的支持。與傳統(tǒng)的需要因果關(guān)系支撐的統(tǒng)計(jì)學(xué)建模方法相比，機(jī)器學(xué)習(xí)、大數(shù)據(jù)等更多關(guān)注的是變量之間的相關(guān)關(guān)系。然而，相關(guān)關(guān)系比因果關(guān)系更為淺層、更為表象，且在一定情況下，相關(guān)關(guān)系并不存在業(yè)務(wù)意義。因此，如果缺乏對風(fēng)險(xiǎn)因素背后業(yè)務(wù)邏輯的剖析和挖掘，則該建模結(jié)果的應(yīng)用性、推廣性和穩(wěn)定性可能相對較差，缺乏實(shí)際意義。此時(shí)，就需要相關(guān)業(yè)務(wù)專家根據(jù)業(yè)務(wù)邏輯、業(yè)務(wù)流程、業(yè)務(wù)實(shí)踐等知識提出專業(yè)性的建議，為機(jī)器學(xué)習(xí)建模特征變量的篩選等提供業(yè)務(wù)指導(dǎo)。

因此，建立大數(shù)據(jù)、機(jī)器學(xué)習(xí)等驅(qū)動(dòng)的線上涉農(nóng)風(fēng)險(xiǎn)評估模型的關(guān)鍵和基礎(chǔ)是需要具有統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)等專業(yè)背景的技術(shù)人才，以及具有信貸業(yè)務(wù)背景和風(fēng)險(xiǎn)研究實(shí)踐領(lǐng)域的業(yè)務(wù)人才，打破科技和金融業(yè)務(wù)之間的邊界，實(shí)現(xiàn)科技為金融賦能、業(yè)務(wù)實(shí)踐為科技提供指導(dǎo)，實(shí)現(xiàn)業(yè)技融合，最終為構(gòu)建精準(zhǔn)的信貸風(fēng)險(xiǎn)防控模型提供支持。

（四）加強(qiáng)新興風(fēng)險(xiǎn)防控

數(shù)據(jù)風(fēng)險(xiǎn)、技術(shù)風(fēng)險(xiǎn)、模型風(fēng)險(xiǎn)，以及數(shù)字化轉(zhuǎn)型背景下的欺詐風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)所表現(xiàn)出的新的方式，也需重點(diǎn)關(guān)注。目前，商業(yè)銀行在開展線上涉農(nóng)貸款業(yè)務(wù)過程中，相關(guān)風(fēng)險(xiǎn)類型涉及相對較少。但新興風(fēng)險(xiǎn)更具破壞力，其相應(yīng)的聲譽(yù)風(fēng)險(xiǎn)也將更大，更應(yīng)做好相關(guān)風(fēng)險(xiǎn)的防控工作。

1.加強(qiáng)數(shù)據(jù)風(fēng)險(xiǎn)防控

本文在加強(qiáng)“三農(nóng)”大數(shù)據(jù)體系建設(shè)的論述中，對于如何提高數(shù)據(jù)真實(shí)性、數(shù)據(jù)有效性和數(shù)據(jù)時(shí)效性等提出了相關(guān)建議。因此，此部分將重點(diǎn)闡述如何提高客戶相關(guān)數(shù)據(jù)在多系統(tǒng)、多環(huán)節(jié)傳輸過程中的安全性。

線上涉農(nóng)貸款涉及環(huán)節(jié)多、數(shù)據(jù)多、涉及主體多，應(yīng)重點(diǎn)加強(qiáng)數(shù)據(jù)隱私保護(hù)，做好數(shù)據(jù)風(fēng)險(xiǎn)防控。一是借助匿名技術(shù)、加密存儲技術(shù)、隱私保護(hù)技術(shù)、訪問控制技術(shù)等科技手段，做好數(shù)據(jù)發(fā)布、數(shù)據(jù)存儲、數(shù)據(jù)挖掘、數(shù)據(jù)使用等環(huán)節(jié)的全生命周期數(shù)據(jù)隱私保護(hù)。二是在對接外部政務(wù)數(shù)據(jù)、第三方數(shù)據(jù)的過程中，要加強(qiáng)數(shù)據(jù)傳輸方式的管理，例如通過拷貝、電子郵件方式直接獲取、傳輸外部數(shù)據(jù)，這無疑使得數(shù)據(jù)泄露的風(fēng)險(xiǎn)進(jìn)一步加大。

此外，隨著國內(nèi)法律法規(guī)的逐步健全和監(jiān)管的加強(qiáng)，數(shù)據(jù)合規(guī)使用也已經(jīng)成為防控領(lǐng)域的重點(diǎn)內(nèi)容之一。因此，在開展線上涉農(nóng)貸款業(yè)務(wù)過程中，由數(shù)據(jù)的不合規(guī)使用導(dǎo)致的風(fēng)險(xiǎn)值得深入關(guān)注。一是加強(qiáng)外部引入數(shù)據(jù)的收集使用、信息的更新與保存、信息披露和共享等方面的管理制度建設(shè)。二是要加強(qiáng)終端用戶數(shù)據(jù)的授權(quán)、掌銀用戶數(shù)據(jù)采集等方面的制度管理。

2.加強(qiáng)技術(shù)風(fēng)險(xiǎn)防控

第一，針對移動(dòng)金融客戶端所面臨的風(fēng)險(xiǎn)，如被篡改、破解、修改本地文件等風(fēng)險(xiǎn)，采取針對性措施對應(yīng)用程序本身進(jìn)行加密保護(hù)，大幅增加外部黑客攻擊的難度，降低由外部攻擊導(dǎo)致的信息泄露、篡改等諸多風(fēng)險(xiǎn)。此外，商業(yè)銀行應(yīng)加強(qiáng)與專業(yè)第三方安全公司合作，做好釣魚欺詐、界面劫持等相關(guān)技術(shù)風(fēng)險(xiǎn)防控工作。

第二，商業(yè)銀行應(yīng)通過多種渠道、多種方式引導(dǎo)農(nóng)戶下載客戶端應(yīng)用的正規(guī)方式，防止客戶下載山寨版應(yīng)用，做好金融風(fēng)險(xiǎn)提示工作，提示農(nóng)戶謹(jǐn)慎進(jìn)入不確信的網(wǎng)站，并不要將自己的個(gè)人信息隨意泄露，以免導(dǎo)致相應(yīng)風(fēng)險(xiǎn)的發(fā)生。

第三，加強(qiáng)對外聯(lián)技術(shù)風(fēng)險(xiǎn)的防范，制定嚴(yán)格的外部應(yīng)用接入規(guī)范，增加規(guī)范審核、安全檢測等機(jī)制，建立有效的應(yīng)急機(jī)制，一旦接入的外部應(yīng)用出現(xiàn)安全漏洞，要及時(shí)做好臨時(shí)限制和屏蔽工作。

3.加強(qiáng)模型風(fēng)險(xiǎn)防控

2020年7月，中國銀保監(jiān)會(huì)發(fā)布《商業(yè)銀行互聯(lián)網(wǎng)貸款管理暫行辦法》（下稱《辦法》）指出，風(fēng)險(xiǎn)模型的管理包括開發(fā)測試、評審、監(jiān)測、退出等環(huán)節(jié)。從嚴(yán)格意義上來講，某些商業(yè)銀行線上涉農(nóng)貸款還存在一些線下信息采集、審批等環(huán)節(jié)，并不是《辦法》中規(guī)定的互聯(lián)網(wǎng)貸款類型，但是也應(yīng)按照相關(guān)辦法建立風(fēng)險(xiǎn)模型管理機(jī)制，尤其是在機(jī)器學(xué)習(xí)和大數(shù)據(jù)等不斷應(yīng)用于涉農(nóng)貸款風(fēng)險(xiǎn)評估領(lǐng)域的背景下，建立風(fēng)險(xiǎn)模型的管理機(jī)制更為重要。除了《辦法》的相關(guān)規(guī)定之外，結(jié)合線上涉農(nóng)貸款業(yè)務(wù)風(fēng)險(xiǎn)模型需要，本文進(jìn)一步闡述補(bǔ)充其風(fēng)險(xiǎn)模型管理的相關(guān)建議。

（1）加強(qiáng)對風(fēng)險(xiǎn)模型穩(wěn)定性的監(jiān)測

對于線上信貸數(shù)據(jù)而言，數(shù)據(jù)背后包含的是客戶的行為信息，客戶的行為是多樣的也是多變的，例如對于不同年齡階段的客群、不同經(jīng)濟(jì)實(shí)力的客群、不同區(qū)域的客群都存在較大的差異性，因此在采用機(jī)器學(xué)習(xí)建立風(fēng)險(xiǎn)防控模型時(shí)，必須充分考慮數(shù)據(jù)的內(nèi)在特征，測試模型在不同客群上的表現(xiàn)差異與穩(wěn)定性。只有針對不同客群，建立起具有差異化參數(shù)的機(jī)器學(xué)習(xí)模型，確保模型的有效性與穩(wěn)定性，才能實(shí)現(xiàn)風(fēng)險(xiǎn)模型的有效管理。

（2）建立風(fēng)險(xiǎn)模型的試點(diǎn)與推廣機(jī)制

目前，探索建立基于機(jī)器學(xué)習(xí)的線上信貸風(fēng)險(xiǎn)防控模型缺乏相關(guān)實(shí)踐經(jīng)驗(yàn)，相關(guān)研究也相對缺乏，并且《辦法》中也明確提出禁止商業(yè)銀行將風(fēng)險(xiǎn)管理模型的職責(zé)外包，并應(yīng)加強(qiáng)風(fēng)險(xiǎn)模型的保密管理工作。因此，建立基于機(jī)器學(xué)習(xí)的風(fēng)險(xiǎn)評估模型將面臨一系列挑戰(zhàn)，例如數(shù)據(jù)挖掘人才的缺乏、相應(yīng)模型在生產(chǎn)環(huán)境中的適用性、面向客群復(fù)雜等問題。

為此，需要在嚴(yán)格遵守風(fēng)險(xiǎn)模型管理機(jī)制的基礎(chǔ)上，進(jìn)一步探索建立風(fēng)險(xiǎn)模型的試點(diǎn)與推廣機(jī)制，以確保相關(guān)模型能夠真實(shí)有效。一方面，商業(yè)銀行應(yīng)鼓勵(lì)科技實(shí)力強(qiáng)、數(shù)據(jù)積累相對豐富的分行，積極開展模型研發(fā)試點(diǎn)，探索機(jī)器學(xué)習(xí)算法、深度學(xué)習(xí)算法在授信審批、貸后管理等各環(huán)節(jié)的應(yīng)用，建立總分聯(lián)合團(tuán)隊(duì)，開展相關(guān)研究，在嚴(yán)格遵守《辦法》模型管理辦法的基礎(chǔ)上，積極開展相關(guān)研究成果的試點(diǎn)與落地工作。另一方面，在推廣過程中，要充分考慮不同客群、不同區(qū)域的特點(diǎn)，建立與區(qū)域發(fā)展特點(diǎn)相匹配、與客群特點(diǎn)相匹配的模型。

4.加強(qiáng)新興操作風(fēng)險(xiǎn)防控

操作風(fēng)險(xiǎn)也是一種不可忽略的風(fēng)險(xiǎn)類型。尤其是在數(shù)字化轉(zhuǎn)型背景下，商業(yè)銀行線上涉農(nóng)貸款涉及的操作風(fēng)險(xiǎn)防控更為重要。一是加強(qiáng)科技培訓(xùn)，防控因縣域支行客戶經(jīng)理金融科技水平低、系統(tǒng)操作不熟練帶來的風(fēng)險(xiǎn)。二是降低系統(tǒng)操作難度，要加強(qiáng)對基層支行客戶經(jīng)理的調(diào)研，根據(jù)相關(guān)反饋意見，不斷優(yōu)化相關(guān)系統(tǒng)，打造操作簡單、界面友好的相關(guān)系統(tǒng)。

5.加強(qiáng)新興欺詐風(fēng)險(xiǎn)防控

線上涉農(nóng)貸款欺詐風(fēng)險(xiǎn)防控的關(guān)鍵是身份識別與認(rèn)證，是解決借款人申請者物理身份與數(shù)字身份相對應(yīng)的問題。目前，一些商業(yè)銀行線上涉農(nóng)貸款采用線下數(shù)據(jù)采集與線上申貸放貸相結(jié)合的方式，有效降低了物理身份與數(shù)字身份不匹配的概率，降低了欺詐風(fēng)險(xiǎn)發(fā)生的可能性。但是，隨著線上化程度的不斷提高，身份認(rèn)證對于線上涉農(nóng)貸款業(yè)務(wù)的重要性不斷提升，尤其是對于防范偽冒申請、虛假申請之類的風(fēng)險(xiǎn)，將起到第一道風(fēng)險(xiǎn)防線的作用。例如，采用手機(jī)動(dòng)態(tài)驗(yàn)證碼、身份證、“OCR+活體檢驗(yàn)”等方式對客戶進(jìn)行多要素驗(yàn)證，實(shí)現(xiàn)對客戶數(shù)字身份與物理身份是否一致的有效識別。

結(jié)論

本文研究了線上涉農(nóng)貸款常見的風(fēng)險(xiǎn)類型，與傳統(tǒng)線下涉農(nóng)貸款一樣，自然風(fēng)險(xiǎn)、商業(yè)化風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)、欺詐風(fēng)險(xiǎn)等仍是較為常見的涉農(nóng)貸款風(fēng)險(xiǎn)類型，但是線上涉農(nóng)貸款主要是依托大數(shù)據(jù)、金融科技等新一代信息科技手段，繼而導(dǎo)致操作風(fēng)險(xiǎn)、欺詐風(fēng)險(xiǎn)又出現(xiàn)了一些新的演變形式。此外，線上涉農(nóng)貸款也出現(xiàn)了傳統(tǒng)涉農(nóng)貸款沒有涉及的風(fēng)險(xiǎn)類型，例如數(shù)據(jù)風(fēng)險(xiǎn)、模型風(fēng)險(xiǎn)、技術(shù)風(fēng)險(xiǎn)等。

本文認(rèn)為，線上涉農(nóng)貸款為商業(yè)銀行在縣域和農(nóng)村地區(qū)開展貸款業(yè)務(wù)提供了便利，為解決農(nóng)村、農(nóng)業(yè)領(lǐng)域的融資難、融資貴提供了一種有效方式，但是線上涉農(nóng)貸款也將面臨更加復(fù)雜的風(fēng)險(xiǎn)防控挑戰(zhàn)，加之移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展，金融機(jī)構(gòu)間、個(gè)體之間的聯(lián)系也更加緊密，風(fēng)險(xiǎn)傳播速度、力度也將更大，貸款風(fēng)險(xiǎn)對商業(yè)銀行乃至對整個(gè)社會(huì)也可能會(huì)產(chǎn)生更大沖擊。在此背景下，加強(qiáng)線上涉農(nóng)貸款風(fēng)險(xiǎn)防控尤其是數(shù)據(jù)風(fēng)險(xiǎn)、技術(shù)風(fēng)險(xiǎn)等新興風(fēng)險(xiǎn)防控將更為重要。