信用风险审核所需要涉及到的几大板块，分别是：（1）准入条件；（2）经营风险（非财务风险）；（3）财务风险；（4）还款能力评估；（5）历史征信记录；（6）抵押担保，以及（7）其他特别条件的影响。具体而言：

准入条件实际上属于经营风险的一个环节之一，但作为基础中的基础，被从经营风险中被剥离了出来。作为最最基础的“审查”环节，一般以checklist的形式表现出来。

抵押担保（最直观的违约成本– 财产损失），作为额外的参考标准，从经营风险中的固定资产分析（也就是公司有多少资产可以被抵押）剥离了出来。

经营风险的范围比较大，宏观的政策，税收，合规…中观的地域，行业，产业链，供需，商业规则等…微观的企业运营，管理，生产，资产，产品，上下游…都属于这一部分。

财务风险也是类似，并且与经营风险相互呼应，体现在企业的增长空间，利润结构，资产结构，流动性…等。

撇开客观的财务数据，财务风险分析还包括了还款能力评估，但是由于同一家公司可以申请不同种类的贷款（长期的短期的，还款方式也可以是“按月付息到期还本”或者“按月等额偿还本息”），导致还款能力评估需要结合申请的贷款性质类分析，故而从财务分析中被单独剥离了出来。

历史征信则是最直观的还款能力以及还款意愿的参照；

特别条件（比如老板无名氏，但是背后是马云，或者XJP）就比较复杂了，对信贷决策的影响也是见仁见智。

经典的信用风控，大致的审核思路是这样的：

对经营风险和财务风险进行评估，条件允许的情况下，可以量化经营风险和财务风险的结果，一般按照3:7，或者3.5:6.5的权重测算，当然，不论是经营风险还是财务风险分析，其又可以各自分成主观判断和客观理解。对应的结果，则是得到借款人的评级A；

量化还款能力，抵押担保（违约成本），历史征信（还款意愿），以及特别条件。测算出该笔授信的还款违约率，即可得到该笔授信的评级B；

结合评级A和B的结果，再结合特别条件的影响，得到最终的结论（e.g. 可以借鉴各种债券的发布，每一个债券发行人都会有一个“债务人”评级，每一个发行的债券也会有一个单独的“债券”评级）

优点：一对一，审核结果较为精准

缺点：人工审核，虽然可以量化很多信息，但依旧会参杂很多主观判断，对审批人的经验要求高，且流程麻烦，需要大量参考信息

====================

数据型风控（比如信用卡，蚂蚁金服，京东白条之类的风控模型）的审核思路则是如下：

准入条件评估（严重简单化，但本质没有区别）；

将所有的借款人按照行业，销售额进行横向、纵向的划分（MAPPING），把每一个借款人放在一个指定的象限内（即评级A）；

对于落在同样象限内的借款人进行统一的授信（即对于评级A的客户只给固定的授信金额，比如：只要是身价超过1000万的个人，就给予50万信用额度，只要是身价低于1000万的个人，就只给予25万的信用额度）；

引入各种统计学，有条件可以深度精算，比如：将25万和50万额度的借款人，按照数量比例划分，比如发放1000个25万，250个50万，或者发放2000个10万，500个40万…从统计意义上来说，只要违约率（资金损失）小于利润，这个业务就可以赚钱；

按照上述计算结果，反过来倒推目标企业，以及贷款的销售目标，依此推广业务。

优点：简单粗暴快捷，无需太多参考信息，可以实现流水审核，对审批人的经验要求比较低，或者不用人，用机器都可以直接跑（比如打分卡）；

缺点：一对N的测算结果距离精准无比遥远，无法解决借款人的真实需求，也无法判断借款人的真实资信水平，以及单笔借款的实际违约概率。

经典信贷实际也使用大量的数据风控模型，但更多的是应用在宏观层面（比如对于行业偏好度的划分），但由于企业审查涵盖大量的主观判断，所以目前所谓的数据风控只能作为基础的参考信息，大部分情况下只会用于信用卡，个人房贷，车贷等板块。

信贷审查的核心是什么？分析也好，判断也好，主要针对的有以下几点：

对借款人已经发生的运营和财务的历史变化进行分析

对借款人未来的运营以及财务走势进行分析

从授信产品的结构出发，判断对于借款人还款能力的把握程度

从借款机构的角度出发，判断对借款人的把握程度

而具体的分析判断则又可以分成以下几个步骤：

从宏观的角度，去看借款人所经历的变化发展，是否符合行业特征；

针对一些行业特色的信息，进行深度的分析，应结合各类财务指标（以及其变化），交叉印证（此处需要联动思维，比如看到应收款变化就应该想到库存，现金流，销售额等多项指标也会产生变化）；

从企业本身的角度，去论证其各个维度的信息变化发展，是否属于（1）临时性向好（2）结构性向好（3）临时性恶化（4）结构性恶化…不论是财务方面还是非财务方面；

根据上述分析判断，来理解企业在接下来的指定的贷款期限内的发展情况会是如何，其中：

a)      如果是短期借款，那么以12个月为基准来判断即可，一般不会太难；

b)      如果是长期借款，则以贷款期限为预测的区间（比如5年），配合现金流预测来理解企业在未来的发展趋势。同时，应该甄选出容易对企业运营产生较大影响的几个方面，进行深度分析，或者是压力测试，敏感性测试等；

从思维的角度来说，大概就是一个不断问自己“为什么”的过程。比如，我们发现企业的应收账款增加了50%，我的思考方式大概是这样的：

线路一（从经营层面出发）：应收款增加了50%？à这是结构性的变化么？à是à为什么会这么变？销售增长了？还是下游更加难搞了？à销售增长à销售为什么增长？à订单上升，行业向好à行业为什么向好？à135政策推动，踩到风口了，起飞了…

线路二（从财务层面出发）：应收款增加了50%？à销售增长了？à是à账期有拉长么？à没有à收款质量好么？存货呢？经营性现金流同步提升？à存货稳定增长，周转天数没有明显增加，现金流入也稳定上升à产能跟得上？饱和了？à饱和了à固定资产投入呢？à正在一点点增加à银行贷款呢？…大概如此。

当然，实际是有很多条思路同步进行，并且交叉印证的…然后还要多一个为什么– “这么一个应收账款的增长，是结构性的还是一次性的？”à结构性的增长à那么未来1年内会是什么样子？à经营继续向好…

从纯粹的技术角度，各位可以拿起自己手上的信贷报告，看看自己都是怎么描述某一科目变化的：

菜鸟级（不及格）：由于销售的扩大，客户的应收账款增长了30%；

普通级（60分）：受益于国家政策推动，企业订单充沛，体现于销售扩大，应收账款也同比迅速增长达到30%；

资深级（80分+）：受益于国家政策推动，行业在过去一年内发展迅速，企业由于掌握了比较核心的技术，订单充沛，销售增长迅速，应收账款同比增长达到30%，但应收款的账期控制良好，97%为6个月内的应收款项。同时，虽然目前企业的产能利用率已经趋近饱和，但仍有一定的上涨空间，固定资产/在建工程正稳步增长，企业亦通过委外方式消化超出自身产能的订单…

资深的描述并不是简单侧重在“销售增长”这一“事实”上，而在于体现销售增长是基于一个”结构性”的驱动因素。相比之下，普通的描述，算是点到了“结构性”。

但是我想说的是，以上仅仅是基于逻辑推论的出发。由于信贷的一大特色是针对模糊信息进行处理，所以在实际的操作中，并不一定能够得到如此严谨的推论，所以真正的信贷分析，还要再进一步 - 结合上述客观的逻辑分析，进行主观判断：

比如：

应收款增加了50%？à销售增长了？à是à账期有拉长么？à略微à存货呢？经营性现金流同步提升？à存货稳定增长，周转天数没有明显增加à现金流增长？à并未完全达到同步，因为企业开发了很多新的客户，也给出各种账期优惠条件，所以应收账款质量略微下降，企业因此出现资金缺口，需要贷款à他行贷款呢？à暂时不明，企业正在同时与N家银行接触，但是银行贷款暂未明显增长…

好了，借不借这个贷款就变成了一个问题，进一步说，需要我们深度了解企业的应收款的状况，才能做出判断。当然，我们依旧可以找到许多能够从侧面帮忙印证判断的信息数据，但归根结底，最终的结论将是一个“主观判断”，或者说，这个判断并不能如逻辑推论一般，能够保证借款人可以100%偿还贷款。

不过好在我的题目只是想说说资深的思路是怎么走的，大概就这样吧。

如果您觉得本文对您有帮助，欢迎您推荐给朋友，您的支持和鼓励是我们前进的动力，回复数字“m"查看本平台精华文章目录，点击下面链接直接查看相应文章。

点击“阅读原文” 查看平台历史信息

↓