CQ9电子官方网站论普惠金融范式进化习总在中央局第十一次集体学习时强调：“高质量发展需要新的生产力理论来指导，而新质生产力已经在实践中形成并展示出对高质量发展的强劲推动力、支撑力，需要我们从理论上进行总结、概括，用以指导新的发展实践。”2023年中央金融工作会议提出加快建设金融强国，构建中国特色现代金融体系，“做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章”，普惠金融在五篇大文章中处于基础和中坚位置。自从2013年确立为国家战略，中国普惠金融十年发展特别是最近五年成绩卓然，覆盖面日益广泛，首贷、信用贷客户大幅增加，持续强劲增长，小微企业融资难题初步缓解。今后需要深层次探寻中国普惠金融发展的新动力、新变化及背后的逻辑，总结经验、看清趋势，写好五篇大文章的新篇章。
作为学术意义上的范式是一个系统性概念，指一个特定领域工作者所共同拥有的信念、技术手段、操作标准和模式、世界观和方。普惠数字化是大数据和资金、信贷技术、金融科技、人力等要素的创新融合，在信贷逻辑、业务流程、生产要素、风险控制、信贷特征等方面同传统模式发生了方向性改变。新模式重构信用发掘机制，重建信贷作业流程，重塑普惠金融业务形态，体现线上化、数据化、智能化的趋势，走出了一条从线下到线上、从人工到系统、从手工到智能的普惠金融变革之路。
（一）信贷思路改变。传统信贷依靠报表，相信实地调查和个人经验，依赖逻辑和历史经验进行分析判断，立足单个客户财务数据寻找“局部”最优解。新模式摆脱报表依赖，相信客观数据和数据背后的规律，依赖“数据+算法”驱动业务决策，依托全量数据寻找“全局”最优解。
（二）信贷作业流程再造。一是客户接触。传统模式重视上门营销，实地调查。数字化实现线上化、场景化获客，客户信息触发模型满意值，即可启动模型授信。二是客户交互。传统立足于以抽样统计为基础的小数据时代，进程采取深井勘探模式，收集客户纸质资料，上门调查，层层深入，深挖到底，最终上报审批决策。数字化立足于全量数据建模的大数据风控，采取由面到点的漏斗筛查模式。客户授信需求触发后，银行部署的筛查模型进行底线排查、反诈阻断，场景模型选客等层层筛选，筛选合格的客户依据满意信息进行额度测算。在客户交互过程中新模式包含两类传统模式不具有的数据：实时数据和行为数据，实时数据反映企业的最新状况，行为数据反映企业主的品行，包括客户申请的时间、环境、微表情、声纹和动作等，新模式的动态性和交互性更强。贷后，传统模式要求定期上门检查，新模式建立贷后监控模型，对实时数据、行为数据和其他信息进行多方跟踪，客户可以再申请，随借随还，可以更换额度，授信和贷后管理合为一体。
（三）生产主体要素不同。传统模式信息主要靠客户经理实地调查获取并确认，大数据时代数据覆盖广泛，可复制共享，可无限增长和供给，成为数字化的主体生产要素。一是生产要素范围不同。传统模式主要依靠财务报表为基础的结构化数据，数据来源单一，数量有限，信息滞后；数字化降低了对客户经营报表、结算流水乃至抵（质）押物的要求，增加了非财务数据、半结构化和非结构化数据，时间上包括历史数据、现期数据和未来数据。二是增信方式不同。传统模式以财务指标为核心，对授信主体资质进行深入评价，但小微企业财务报表不规范、主体经营不透明，信息质量差，增信往往依赖抵押和强担保。针对小微企业融资的“抵押难”“担保难”，数字化广泛接入政府部门、平台机构、核心企业等多方有公信力的数据，运用数据和交叉验证建模，由“抵押依赖”转变为“数据增信”，使普惠金融门槛有效降低，首贷率和信用比率大幅度上升。
三是从主体信用到场景信用。传统信贷着眼于“过去”，侧重企业历史的资产负债表、利润表和现金流量表，依靠企业主体信用。新模式深入挖掘场景、交易和数据的内在联系，个性化定制数据、场景、交易、客群四轮驱动的授信模型，实时监控商品流、信息流、资金流及物流“四流”数据，风险管理做到模型、数据、流程和授信四位一体，通过实时交互信息为产业链、交易链上的小微企业发放信用，着眼于“当下”，从主体信用延伸到交易信用、圈链信用和场景信用。
（四）风险控制机制不同。新模式风险控制由“人控”走向“机控”，由经验判断走向大数据分析，由事后管理走向实时监控。一是由人工判断走向模型控制。传统模式信息有限，依赖人工进行分析和判断，难以避免主观产生的信息误差、操作风险和道德风险。数字化决策由经验依赖转向数据决策，模型化、智能化风控。授信决策基于自动交叉验证的度数据；风控模型基于历史客群特征，从海量数据中运用人工智能找出和风险强相关的数据因子，通过大数据算法预测风险，风险控制走向客观、可溯和可控；智能风控实现以模型为核心的全流程、体系化和动态化风控。新模式丰富了风险控制和信贷调查的手段，做到现场调查与非现场数据挖掘分析，历史数据规律与实时模型管控、模型筛查与经验判断相结合。二是全流程“数控”。贷前调查数字化，新模式借助“负面清单排除”和“替代数据画像”等重构调查方式，基于大数据对申贷主体和申贷行为的真实性、资金需求的合理性、履约能力和意愿开展全方位评估，重塑小微企业信用发掘机制；贷中审批自动化，新模式自动调取模型生成风险量化评价，弥补了人工审批依赖个人经验的不足，实现“秒批秒贷”；贷后管理智能化，通过“在线管理工具”实现由传统的贷后定期检查转向主体信用和行为的持续跟踪，贷后动作以风险预警触发的风险核查为主。大数据讲概率，新模式授信不良率最终将趋近大数定律。
（五）信贷特征不同。一是个性化与标准化。传统信贷最明显的制约是个性化，每个客户需要独立调查，撰写客户评价报告，人工审批，对客户的分析、推理和决策建立在信贷人员主观判断基础上，难以大规模复制和推广；数字化主要特征是标准化，大数据分析建立智能模型部署于平台，可以线上申请、自动审核、智能审批，3分钟实现放贷。二是慢与快的变化。传统信贷流程漫长，规定动作多，现场多方调查，层层审核，贷前、贷中和贷后流程分离；新模式建设一站式线上平台，金融服务嵌入经营场景，客户端自主操作完成申请、审批、支用、还款等全生命周期服务，简单快捷。三是重与轻的变化。新模式颠覆了传统的重人工、办贷时间长、纸质资料繁多的“重”业务模式，客户线上快速申贷，系统按最小必须原则设置申请信息，大数据主要来自系统自动收集和交叉验证，流程轻型化，满足小微企业“短平快”的用款需求。
中国普惠金融在数字化领域先行一步，积极探索新质生产力赋能下的中国方案，对世界普惠金融的发展具有方向性意义。新范式肇始于新质生产力的更新，依赖于线上化、智能化、自动化和模型化，核心是从复杂的数字现实中抽象提炼规律，建立模型应用并实施标准化生产。
（一）道：道以明向。普惠金融是中国特色现代金融体系的重要组成部分，既遵循现代金融发展的客观规律，又具有适合中国国情的鲜明特色，党中央、国务院对普惠金融发展高度重视，顶层设计擘画高质量发展蓝图。中国普惠金融坚持把为人民服务作为工作的出发点和落脚点，突出“家国担当”社会价值发展理念，以义取利，增进金融的普惠性、可得性和平衡性，推动共同富裕，这是一条金融发展的正道。而正是因为以人民为中心，政府机构对普惠金融相关数据大力开放，社会各界对普惠金融的支持不遗余力，中国普惠金融高速发展获得良好的制度保证和外部环境。
（二）法：法以立本。传统信贷以分析为主，相信眼见为实，视角集聚具体的客户对象，重视财务、资产等硬指标，加工和处理完全信息的手段有限，存在信息约束和认知约束，人力投入巨大。数字化以综合为主，对纷繁具体的海量可用信息进行抽象分析和归纳，由点上升到面，找出一般规律，规律固化为授信模型，模型部署于平台，由面到点推广应用，应用过程中系统针对偏差案例实时反馈，迭代优化，呈现否定之否定的螺旋式上升进程。新模式授信由面触发，遵循“产业数字化，数字产业化”规律CQ9电子官方网站，适应普惠金融服务大众的需要。大数据分析与应用将更有助于知识获取、方改进和实践应用。经济学传统上有建构理性和演化理性两种倾向。建构理性试图对社会秩序进行设计，相信理性力量，传统模式趋近建构理性；而进化理性认为个人理性是有限和不完全的，社会是在不断试错的过程中有机地、缓慢地发展，谨慎处理未知事物，新模式依靠抽象工具趋近大数据背后的规律，倾向于演化理性。
（三）术，术以立策。数字化立于技术与算术。一是技术。科学技术是第一生产力，金融的演进与技术的迭代相辅相成，于今尤甚，金融科技加速与业务融合，成为普惠金融范式进化的创新先导和内生动力。数字化不是技术简单叠加或局部优化，而是全流程全方位多项创新技术的综合应用，带来涌动、蝶变、聚变、倍增甚至指数增长效应。技术的加速迭代，当前大模型、人工智能发展日新月异，信贷处理广泛运用数字人、计算机视觉、多模态识别、人机交互和自然语言处理等智能技术，将催动数字化的加速进阶。二是算术。在万物互联、万物皆数的时代，万事万物可以数据作为表征，人类全部的生产呈现为一个全新的数据处理系统，所有外在自然现象和人类活动结果可以解构为一种算法，世界的运动规律归根结底回归到算术。数字化是普惠范式进化的依据和手段，数字化能力由数据、算力和算法三部分组成。数据是基础生产要素，是原料和粮食，算力提供动力和底层支撑，算法是针对具体场景的算术，决定了机器的智能水平，深度总结场景的特征与规律。银行对算法的要求是最高级别的，差之毫厘失之千里。小微企业授信具有浩如烟海的数据和样本，银行普惠金融能力高下的区分将来自算术，算法和模型反映银行对小微企业活动规律的发现和把握能力。
（四）器：器以成事。工欲善其事，必先利其器。器是工具和平台。智能时代最重要的机器是计算机，计算机具有强大的信息连接、通讯、储存和处理能力，为数字化提供了工具和方法CQ9电子官方网站，ChatGpt和大模型使人机交互越来越自然流畅，拓展人类思维和行动能力，所有重复的、有数字的、有逻辑的、有规律的操作都可由机器完成，人工要做的是对机器的训练、干预和更高质量的信息处理以及创造性、方向性工作。机器替代的广度、深度和质量构成数字化的核心竞争力。推广数字化，要重视公共基础设施和工具。一是公共数据库。数据是关键生产要素，政府要推动全国范围内公共数据库融合复用，增强数据挖掘能力，拓展数据来源，丰富数据类型，支撑数字化构建全景式、度、跨类型、细颗粒的数据视图。二是模型商品化。数据的高水平应用离不开场景，无场景不交易，交易在平台留下数据痕迹，应探索社会化的数据开发共享机制，形成可复用、可评测、可交易的普惠金融模型特征库。各银行搭建模型配置平台，支持参数、指标、策略的可视化编排和差别化管控，通过开放、共享、商业化提升不同阶段银行数字化水平，形成差异化竞争。
（五）势：势以立人。从短期我们观察到数字化范式的改变与进化，从中长期看，很可能是一场范式。普惠数字化是银行数字化的先锋，数字化正在深刻改变银行，银行各项业务面临重启、重塑、再造和重构。一是推动普惠金融高质量发展。普惠数字化显示出旺盛的生命力，其增长的源泉来自技术进步和资源配置效率提升：首先，生产效率提升，通过机器替代、流程再造、生产工具和模型的广泛应用，新模式下单个客户经理服务效率提高近十倍，相应人工成本大幅下降；其次CQ9电子官方网站，客户服务和营销效率提升，银行与客户交互基于开放界面，客户服务千人千面，授信效率实现秒批秒贷；最后，银行洞察力提升，客户所有接触点和行为变成信息收集点，客户信息统一视图，大数据运用越深入，模型叠加越精准，客户需求和风险识别能力越强。
二是银行信贷结构将出现分化。伴随数字化外部交易和内部管理的成本下降，将重塑银行服务边界，重组金融秩序和金融结构。最近几年我们观察到大型银行对小微企业授信的掐尖效应，随着小微企业经营的规范和活跃，反映企业真实经营的数据痕迹日益丰富，被大银行数字化命中率上升，中小银行和农商行出现头部客户流失迹象。最近5年大型银行普惠金融平均增长率超过30%，中小银行平均增长10%。数字化的竞争力导致客户在银行间此消彼长。在银行内部各业务板块间，低成本、高效率的更有竞争力，2023年出现部分企业实控人相关房地产按揭被数字化置换现象，银行个人住房虽然投放加大，但余额普遍下降。
三是重塑组织架构。数字化是新质生产力广泛应用的成果，新型生产力需要生产关系和组织结构的相应升级和调整，应基于大数据的运行规律，改造业务组织、流程和经营形态，培养聪明大脑和敏捷触角，做好顶层设计，经营管理向上集约，建设全渠道、全客户、全产品一体化经营体系，提供端到端（从需求产生到满足全周期）的实时金融服务。（作者为中国建设银行高级经济师）
①阿克洛夫、斯彭斯、斯蒂格利茨：阿克洛夫、斯彭斯和斯蒂格利茨论文精选[C].北京:商务印书馆,2010
