二是事中结合大数据的风险预警。

笔者发现，中国的金融投资机构更多重视投前而忽略投后，这是定式思维，也受技术层面的限制。因为投后预警需要更强的时效性，由于外部信息太多而外部评级滞后，因此需要结合大数据，将风险预警的功能真正落地到风险管理部门的日常工作中来。

目前市场上有不少风险预警相关产品和服务，但大多数还是以提供基础数据变动为主，鲜有通过专业模型进行分析预警。风险预警原理概括而言，基于三个维度，即发行人基本面信息、实时分析增量信息如舆情、交易信息。

笔者利用相关的信息系统，观察以上三个维度的信息表现出的发行人信用风险边际变化。大数据、人工智能技术主要运用在增量信息的处理分析上，能够快速理清大量的新增信息。

以汽车行业预警排名前几的公司为例，如力帆实业（集团）股份有限公司，系统分析基本面信息认为，其资产负债率较高，且短期有息债务规模较大，同时经营性现金流连续为负，财务基本面待改善，给予内部评级为B，同时系统监测到发行人股价下跌、大股东所持股份质押比例较高，且近期有资产出售行为等负面信息，基于发行人基本面情况，实时给予相应的预警排名。又如庞大汽贸集团股份有限公司，系统先后监测到发行人受调查、失信信息、出售资产、高质押率等负面信息，实时分析负面信息体现出的信用风险变化，并实时调整发行人预警排名。

三是事后不良资产处置标准化。

对于已经有减值迹象的业务，根据22号准则相关规定，在估计现金流量时，企业应当考虑金融工具在整个预计存续期的所有合同条款（包括展期、补充协议等），还应当反映源自担保物的预期现金流的金额和时间（而无论该抵债是否很可能发生），包括出售所持担保品获得的现金流量，以及属于合同条款组成部分的其他信用增级所产生的现金流量。

目前，证券公司预期收取的所有现金流量（还款来源）应该包括：

抵质押品，包括针对债项的抵押房产、房产、土地使用权等，证券公司通常对抵质押品的真实性、可交易性，结合官方评估报告来综合评估可回收价值。

关联方担保等增信措施。担保公司，或银行，或发债企业股东信用良好，为其提供连带担保责任，并且已经签订了担保协议。根据准则的规定，在估计现金流缺口时，所有源自因抵债而获得的担保方的现金流，均应该予以考虑，从而调整违约损失率。

考虑发债企业具备积极的还款意愿，召开债委会，申请展期，或有部分还款动作，视为其还款意愿强烈，但处于现金流困境中。该类融资人如果仍然正常经营，且经营状况能够证明未来具备还款能力，均应该予以考虑，从而调整违约损失率。

借用吴晓波的书名“激荡十年水大鱼大”来形容今天的市场多样化，最恰当不过。

新金融工具准则将信用风险的预测放在了重要的位置上，从简单的事后计算转变为事前主动评估和事中跟踪监控。抱着侥幸心理搏收益的惨痛教训告诫我们：风险计量精细化、数据库和管理信息系统建设迫在眉睫。操作层面上，从事前风险评估、事中风险监控、事后风险处置三个节点着手，进行风险管理，才能在未来的市场竞争中，更早发现灰犀牛，更快采取应对措施，更有效降低损失。

（方烨系德勤中国风险咨询合伙人，陈绿原系德勤中国风险咨询经理）

相关报道: