新冠肺炎疫情的突然爆发让一切都变得措手不及，也打乱了商业银行信贷投放的脚步。近日，据业内有关调查中发现，从2020年全年信贷投放情况看，目前因疫情的出现信贷业务营销工作受到影响，贷款调查受到干扰，银行“开门红”现象恐难再现。

其中，个人消费类贷款业务承压的担忧在信贷数据上已有所体现。3月11日，央行公布的数据显示，前两个月人民币贷款增加4.24万亿元，同比多增1308亿元。其中，1月人民币贷款增加3.34万亿元、2月人民币贷款增加9057亿元。

在住户贷款方面，2月当月，住户部门贷款减少4133亿元，其中，短期贷款减少4504亿元，中长期贷款增加371亿元。去年同期信贷数据对比发现，在2019年2月住户部门贷款也呈现减少状况，但规模仅有706亿元。

不过，随着疫情好转，希望已在不远处，多数业内人士预计，疫情得到控制后，前期被遏制的信贷需求有望得到明显恢复。但是，同时值得关注的是，作为银行风险管控必不可少的环节，现场尽调在疫情影响之下近乎停滞。

目前银行信贷投向的安排划定得比较明确，主要是企业申请，银行受理，再进行协商解决。从实际情况来看，银行也主要是通过电话或者网络等方式接受企业的申请，对于经营状况认定为流动性造成困难的企业，适当给予延期。

只是，面临疫情困境，当客户从线下涌向线上，能够迅速响应并充分满足用户需求、在物理接触有限的情况下保持各项业务的持续推进，将贷款以无接触、纯线上的形式精准发放给小微商户缓解其融资压力，对于银行来说难度不小。

在此过程中，人工智能等技术的运用显然将发挥巨大价值，为银行线上业务风控环节把关赋能。

中诚信征信基于机器学习打造的风险预警产品可通过技术打破传统风控高成本、低时效的局限，为银行等金融机构加强技术驱动力，为银行在疫情期间面临的风控压力解决助力。

风险预警体系的建立和应用将改变传统管理模式下风险判断表面化和风险反应滞后的状况，加强风险搜索的系统性和准确性，提高风险分析的技术含量，促使商业银行风险管理工作提高到一个新水平。

商业银行风险管理包括风险预警、风险预控、风险监管、风险事后处理和风险后评价等5个阶段。

风险预警是指通过一系列技术手段对特定经济主体进行系统化连续监测，提早发现和判别风险来源、风险范围、风险程度和风险走势，并发出相应的风险警示信号。

风险预控是指根据风险预警体系提供的风险预警信号，对尚未爆发的潜在风险提前采取防范措施，使之消灭在萌芽状态。

基于机器学习的风险预警体系的作用主要体现在以下方面：

提高贷前分析效率

信贷风险预警体系可以有效地弥补贷前分析的薄弱环节，它能够从经济周期、所在行业、所在区域、银企关系等多角度把握客户的系统性风险、财务风险、经营风险和信贷风险，同时提供动态更新的分析模板和指标参数，从而显著提高贷前调查分析的效率和质量。

改善贷中决策质量

风险预警模型还可以广泛应用于贷中审查，为贷款决策提供参考依据和技术支持。它能够对客户风险程度进行评价和分级，并对客户风险的波动趋势做前瞻性的，而不是事后的预测和判断。同时，可以提供与目标客户相类似企业的风险分析，并通过对比分析更加清晰地界定目标客户所处的风险状况，从而有效地降低决策失误的可能性。

制定行业信贷组合方案和行业信贷政策

风险预警模型可对银行业务范围内的所有行业的信贷风险进行全面预警分析，并在此基础上提出最佳的行业信贷组合方案，通过预警体系定期公布行业和区域信贷风险等级，确定重点支持和拟退出的行业，以提高信贷经营效率。

提高区域风险监管效率

风险预警体系的应用能够有效地提高非现场监管的及时性和准确性，它不仅可以迅速、准确地完成对各地区信贷质量及其变动情况的分析工作，还能通过对行内和行外信息的高度整合，形成区域信贷风险的综合评价，从而使风险管理在更大程度上体现超前性和系统性。