1. 引言
1.1. 研究背景
随着金融科技的迅猛发展，全球金融行业正经历着一场前所未有的变革。金融科技的兴起，为银行业带来了诸多积极影响，如提升业务效率、优化客户体验、拓展服务边界等。然而，与此同时，它也给银行的风险管理带来了新的挑战。在金融科技的推动下，银行公司信贷业务的模式和流程发生了显著变化，信贷风险的形态和传播路径也更加复杂多样[1]。一方面，大数据和人工智能技术的应用使得银行能够更精准地评估企业信用风险，但同时也可能导致过度依赖数据模型而忽视了企业实际经营状况的复杂性[2]；另一方面，区块链技术虽然提高了交易的透明度和安全性，但也可能带来新的技术风险和合规风险。此外，金融科技的发展还加剧了市场竞争，使得银行在追求业务增长的同时，面临着更大的风险压力。
赵江山、杨吉三、许东彦(2025)认为，金融科技通过拓宽数据来源与优化分析技术，能显著提升银行风险识别能力[3]，借助大数据整合非结构化信息、区块链增强数据可信度，可让银行事前风险感知能力提升，事后风险承担水平下降。李冠东(2023)也认为，以招商银行为例，其借助大数据、云计算等技术在数据质量与风险识别层面全面升级，有效降低了信用风险[4]，进一步印证了金融科技对信息不对称的缓解作用。王悦(2025)同样认为，以某商业银行为研究对象，金融科技可解决信贷审批响应时效过长等痛点，有效提升风控效率[5]。
然而也有学者认为金融科技对银行信贷风险有着一定的负面影响。郭娜、张骏(2024)认为，金融科技赋能带来的效率提升，可能刺激银行扩张信贷规模、调整信贷结构，进而增强主动风险承担意愿[6]，且这种“风险承担效应”在中小银行中表现更突出，因为中小银行面临更激烈的市场竞争压力，倾向于通过风险定价获取收益。王悦(2025)认为，以某城商行为例，数字化转型会带来系统安全风险，如数据孤岛导致的信息割裂[5]。黄梦涵(2024)认为，金融科技还会引发技术依赖风险(算法黑箱可能引发系统性误判)和风险传染加速问题(跨平台关联性使局部风险更易扩散)，且金融科技在降低银行系统风险的同时，易增加技术操作风险，具有两面性[7]。
从国家层面看，我国近几年对于金融科技政策支持也在不断地退出。2022年国务院发布的《金融科技发展规划(2022~2025年)》强调规划银行业数字化转型蓝图，推动金融科技发展，赋能风险管理。2023年10月中央金融工作会议指出，要做好科技金融、绿色金融等“五篇大文章”。大力支持运用数字化渠道和技术创新金融产品、优化服务流程、加强风险管理，提升金融服务质效。
1.2. 研究意义
在此背景下，商业银行公司信贷风险管理的重要性日益凸显。公司信贷作为银行的主要业务之一，其风险状况直接关系到银行的盈利能力和稳健性。现有学者大多数只研究金融科技如何作用于商业银行信贷风险及其机制分析，但在信贷风险管理的整个系统流程还缺乏一定的研究，因此本文在已有的公司信贷风险理论与实践的基础上，以工商银行为研究对象，对其在金融科技背景下公司信贷风险的现状及问题进行深入研究，通过贷前、贷中、贷后三个层面分析金融科技如何优化风险识别、评估与监控机制，推动风险管理理论迭代，丰富金融科技在商业银行风险管理中的应用理论。通过工商银行的实践分析，为同业提供可改善提升公司信贷风险的意见，降低不良贷款率。
2. 工商银行信贷风险管理现状分析
2.1. 工商银行信贷业务发展现状
工商银行积极服务新质生产力，深化科技金融“五专”服务体系，强化“股贷债保”联动，助力制造业发展，满足房企合理融资需求。2024年，工商银行加大对重大战略、重点领域和薄弱环节的支持，如战略性新兴产业贷款余额突破3万亿，制造业贷款余额达4.4万亿元，助力制造业发展。2023年，制造业、战略新兴产业、绿色、普惠、涉农等贷款增速均显著高于全行贷款平均增速。
如表1所示，2020年至2024年期间工商银行客户贷款及垫款总额从2020年的18,624,308百万元逐年增长至2024年的28,372,229百万元。同时，公司贷款额也从2020年的11,102,733百万元增加到2024年的17,482,223百万元。这一增长趋势表明该银行在扩大贷款业务规模方面取得了显著成效。此外，不良贷款率从2020年的1.58%逐年下降至2024年的1.34%，而公司不良贷款率也从2.29%降至1.58%。这些数据反映出该银行在风险管理和资产质量控制方面取得了积极进展，不良贷款的减少有助于提高银行的整体财务健康度和稳定性。
Table 1. ICBC credit business data
表1. 工商银行授信业务数据
年份 |
客户贷款及垫款总额(百万元) |
公司贷款(百万元) |
不良贷款率 |
公司不良贷款率 |
2020 |
18,624,308 |
11,102,733 |
1.58% |
2.29% |
2021 |
20,667,245 |
12,194,706 |
1.42% |
2.09% |
2022 |
23,212,312 |
13,826,966 |
1.38% |
1.96% |
2023 |
26,086,482 |
16,145,204 |
1.36% |
1.81% |
2024 |
28,372,229 |
17,482,223 |
1.34% |
1.58% |
2.2. 工商银行信贷业务流程
工商银行在从事信贷业务时遵循安全性、流动性和盈利性三性相统一的原则，通过建立严格的贷款制度对借款人进行评估、审查，确认借款人的资信情况和偿还能力，对信贷业务的各个流程进行层层约束，有效控制信贷风险，控制不良率，保证银行的经营稳健。其信贷业务流程主要可以分为如下几个阶段[8]：
企业应充分了解工商银行提供的不同贷款产品，如贷款条件、利率、还款方式等，选择最适合自身需求的产品。其次需准备营业执照、财务报表、税务登记证、组织机构代码证、近6个月银行流水等材料。最后企业向工行提出书面借款申请，并提交相关资料。
客户经理尽职调查：客户经理对企业的基本信息、经营状况、财务状况、信用状况等进行实地调查，形成调查报告。
评估贷款项目：对于固定资产贷款等项目贷款，信贷评估部门会根据贷款“三性”原则，运用定量与定性相结合的方法，对贷款进行全面和系统的评价[9]。
银行会综合考虑各种风险来评估企业目前的条件是否有违约的可能，是否能在规定期限内还款。如信用风险、市场风险、行业风险评估等。综合考虑企业的信用记录、财务状况等因素，评估企业违约的可能性。对于受市场因素影响较大的企业贷款，考虑市场变化对企业经营和还款能力的影响。分析企业所在行业的整体风险状况，如行业竞争程度、行业发展趋势等。
初审：由企业的开户行受理和初审贷款申请，提出初步意见。
审查审批：根据贷款金额、贷款类型等因素，贷款审批会经过不同的层级。审批人员会综合考虑客户调查结果、风险评估等因素，决定是否批准贷款申请。
联合评审(如有)：对于一些特殊项目贷款，如总行确定的重点优质客户申请的信贷业务、银团贷款项目等，会实行联合评审。
合同中会明确贷款金额、贷款期限、贷款利率、还款方式、还款日期、贷款用途、违约责任等内容。企业在法定代表人或授权代表签字并加盖企业公章后，与工行签订借款合同和担保合同(如有)。
对于抵押贷款，银行会对抵押物进行评估，确定其价值。如果贷款采用保证担保方式，需要落实保证人的担保责任。对于项目贷款，需要确保项目已经获得相关部门的审批。
经工行同意发放的贷款，办妥有关手续后，工行将按照借款合同的约定，将贷款资金按规定一次性转入企业指定账户。
资金使用监督：监督企业按照合同约定的用途使用贷款资金，防止资金挪用。
定期检查：定期对企业进行贷后检查，包括企业的经营状况、财务状况、还款能力等，及时发现和处理潜在风险。
风险预警与处置：建立风险预警机制，对出现风险预警信号的企业，及时采取措施，如调整还款计划、要求补充担保等。
企业须按借款合同约定的还款计划、还款方式偿还贷款本息。贷款结清包括正常结清和提前结清两种。正常结清是贷款最后一期结清贷款；提前结清是在贷款到期日前，企业如提前部分或全部结清贷款，须按借款合同约定，提前向工行提出申请。
根据以上九个步骤(图1)，可以将工商银行公司贷款流程分为贷前、贷中、贷后三个环节。贷前包括客户申请、客户调查、风险评估；贷中包括贷款审批、签订合同、落实贷款前提条件；贷后包括贷款发放、贷后管理、贷款收回。与其他信贷业务相比，公司授信业务流程呈现出授信决策复杂、贷后风险监控要求高等特点。
Figure 1. Loan process flowchart
图1. 贷款流程图
2.3. 金融科技在工商银行信贷风险管理的应用
据2024年报显示，国有六大行持续推动数字化转型，不断加大金融科技投入力度，2024年金融科技投入共计1254.59亿元，较2023年共计1228.22亿元的金融科技投入增长2.15%。工商银行、农业银行、中国银行、建设银行在金融科技方面投入金额均超200亿元，邮储银行和交通银行在100亿元以上。
Table 2. Fintech investment of China’s six state-owned banks in 2024 (in billion yuan)
表2. 2024年国有六大行金融科技投入额(亿元)
银行 |
中国银行 |
农业银行 |
工商银行 |
建设银行 |
交通银行 |
邮储银行 |
金融科技投入 |
238.09 |
249.7 |
285.18 |
244.33 |
114.33 |
122.96 |
数据来源：证券日报网。
如表2所示，其中，工商银行金融科技投入285.18亿元，排位第一；农业银行信息科技投入总额249.7亿元；中国银行信息科技投入238.09亿元，占营业收入的3.76%；建设银行金融科技投入244.33亿元，占营业收入的3.26%；邮储银行信息科技投入122.96亿元，占营业收入的3.53%；交通银行金融科技投入114.33亿元，占营业收入的5.41%。与此同时，国有六大行的科技人才队伍不断壮大，为银行科技创新和应用能力的提升构筑人才“护城河”。2024年末，工商银行金融科技人员3.6万人，占全行员工的8.6%；交通银行金融科技人员9041人，较上年末增长15.70%，占集团员工总人数的9.44%，较上年末上升1.15个百分点；中国银行科技条线员工14,940人，占集团员工总人数的4.78%；建设银行金融科技类人员16,365人，占集团员工总人数的4.34%。
工商银行大模型规模化应用取得新突破，建成企业级千亿金融大模型技术体系“工银智涌”，赋能20余个主要业务领域、200余个场景，累计调用量超10亿次。
(1) 贷前管理
如图2所示，工商银行通过大数据技术，整合行内外、表内外、境内外的风险数据信息，全面收集客户的基本信息、财务状况、经营情况、信用记录等多维度数据，为风险评估提供丰富依据。运用机器学习、人工智能等技术，构建信用评分模型和风险评估模型，对客户的信用风险进行精准评估和量化分析。根据评估结果，确定客户的信用等级和风险类别，决定是否准入以及授信额度。借助金融科技手段，如OCR、NLP等，提高贷前调查的效率和准确性。同时，结合线下实地调查，核实客户信息的真实性，了解客户的实际经营状况和还款能力。
Figure 2. ICBC risk control system
图2. 工商银行风控体系
(2) 贷中管理
利用数字化技术实现审查审批的自动化和智能化。基于大数据和风险模型，对贷款申请进行自动审批或辅助人工审批，提高审批效率和质量，确保贷款决策的科学性和合理性。通过电子合同、电子签名等技术，实现合同签订的线上化和便捷化。在放款环节，运用资金流向监控技术，确保贷款资金专款专用，防止资金被挪用。
(3) 贷后管理
构建信贷风险监控预警体系，运用大数据分析和机器学习算法，实时监测客户的经营状况、财务变化、还款情况等，及时发现潜在风险信号。当风险指标出现异常时，系统自动发出预警提示。对于出现风险预警的客户，及时采取相应的风险处置措施。如调整还款计划、追加担保、资产保全等，以降低风险损失。对于不良贷款，运用金融科技手段，如智能催收、大数据资产处置等，提高不良贷款的清收效率。定期对信贷业务的风险状况进行评估和总结，分析风险成因和管理效果，不断优化风险管理制度和流程[10]。
3. 工商银行公司信贷风险管理存在的问题
3.1. 贷前管理：数据与模型的双重局限
数据收集与整合问题：尽管金融科技可以整合行内外、表内外、境内外的风险数据信息，但在实际操作中，数据共享和整合仍面临挑战。不同部门、不同业务人员掌握的监控分析规则存在差异，管理方式与更新维护方式也不尽相同，导致数据关联的业务标签相对较少，难以充分发挥数据的价值。
信用风险防范不足：我国征信体制不健全、信用录入数据不完整、征信监管环境不完善，金融机构开展网上贷款业务时容易引发信用风险。此外，小微企业等特殊群体抗风险能力较弱，银行为其提供信贷服务时面临较高信用风险。
风险评估模型局限性：虽然运用机器学习、人工智能等技术构建了信用评分模型和风险评估模型，但模型的准确性和稳定性仍有待提高。模型可能受到数据质量、样本偏差等因素的影响，导致评估结果不够准确。
3.2. 贷中管理：效率与风险的平衡不足
审查审批效率问题：虽然利用数字化技术实现审查审批的自动化和智能化，但在实际操作中，仍可能存在审批流程复杂、审批时间较长等问题，影响客户体验和业务效率。
合同签订与放款风险：在合同签订和放款环节，可能存在操作风险，如合同条款不明确、资金流向监控不到位等，导致资金被挪用或出现其他风险。
3.3. 贷后管理：预警与处置的协同不足
风险监测与预警能力不足：虽然构建了信贷风险监控预警体系，但在实际操作中，风险识别和预警的及时性和准确性仍有待提高。部分调控政策涉及维度相对单一，调控颗粒度相对较粗，政策设定前开展预分析的数据基础不齐备，分析方法相对简单。
风险处置与化解难度大：对于出现风险预警的客户，风险处置措施的有效性有待提高。在不良贷款清收方面，面临着债务人逃避债务、资产处置难度大等问题，导致不良贷款的清收效率较低。
4. 工商银行公司信贷风险管理的对策建议
4.1. 贷前管理：构建“数据 + 模型 + 场景”的三维风险评估体系
精准化数据治理与共享：依托工商银行现有“智慧工行”技术底座，搭建集团级公司信贷数据中台，整合行内企业客户开户信息、结算流水、历史信贷记录等核心数据，同时对接国家企业信用信息公示系统、税务部门纳税信用数据、海关进出口信用数据等外部权威数据源，建立数据质量“三色预警”机制(绿色达标、黄色待优化、红色需整改)，确保数据准确率不低于98%，为风险评估提供可靠数据支撑。针对小微企业数据分散问题，专门开发“小微数据采集小程序”，通过企业授权自动抓取经营流水、电商平台交易数据等非结构化数据，解决小微客户信息不对称难题。
场景化信用风险评估体系优化：在现有信用评分模型基础上，按行业细分开发“行业专属评估模型”，例如针对制造业客户，增加产能利用率、应收账款周转率、原材料价格波动敏感度等行业特色变量；针对科技创新企业，引入知识产权数量、研发投入占比、核心技术人员稳定性等科技属性指标。对于小微企业，摒弃传统“重抵押、轻信用”评估逻辑，开发“小微信用评分卡”，将企业主个人信用记录、上下游合作年限等作为核心评估因子，实现小微客户风险评估覆盖率提升至95%以上。
实用化风险评估技术应用：运用工商银行已部署的机器学习平台，对公司信贷客户进行“风险画像”动态更新，每月自动分析客户经营数据变化，识别潜在风险信号。针对大额对公客户，引入“压力测试模型”，模拟利率上升、行业政策调整、原材料价格暴涨等极端场景下客户的还款能力变化，提前制定风险应对预案。
4.2. 贷中管理：打造“智能审批 + 全流程监控”的高效风控模式
分级化审查审批流程优化：根据授信额度实行“分级智能审批”，对于授信额度500万元以下的小微企业贷款，依托预设审批规则实现“秒批”；对于授信额度500万~5000万元的中型企业贷款，采用“AI初审 + 人工复核”模式，AI系统自动审查材料完整性、合规性，生成初审意见后提交客户经理复核，审批时长压缩至3个工作日以内；对于授信额度5000万元以上的大型企业贷款，建立“跨部门联合审批小组”，通过视频会议形式开展审查，同时利用数字化审批系统共享审查材料，避免多部门重复提交。
精细化合同签订与放款管理：按贷款类型分类设计合同条款，明确贷款用途限制、还款方式、违约处罚标准等核心内容，同时嵌入“智能条款校验功能”，在合同签订时自动识别条款冲突或遗漏，避免法律风险[11]。在放款环节，实行“专款专用账户监管”，要求企业在工行开立专门的贷款资金使用账户，资金支付需提交用途证明材料，系统自动核验资金用途与贷款申请是否一致，对于大额支付，需客户经理线下核实后才能放款，防止资金挪用。
4.3. 贷后管理：构建“智能预警 + 高效处置”的闭环体系
提升风险监测与预警能力：优化风险监控预警体系，提高风险识别和预警的及时性和准确性。利用大数据分析和机器学习算法，实时监测客户的经营状况、财务变化、还款情况等，及时发现潜在风险信号[7]。对企业客户设置多维度预警指标，例如财务指标、经营指标、信用指标，当指标触发阈值时，系统自动向客户经理发送预警短信。针对集团客户，开发“关联风险传导监测模块”，实时监控集团内子公司、关联企业的风险情况，防止风险跨企业传导[12]。
加强风险处置与化解能力：建立“不良贷款分级处置机制”，按不良贷款金额和风险程度分为“小额常规类”(50万元以下)、“中额关注类”(50万~500万元)、“大额重点类”(500万元以上)。对于小额常规类不良贷款，运用“智能催收系统”，通过短信、智能语音电话自动发送催收通知；对于中额关注类不良贷款，由专职催收团队开展“上门催收 + 债务重组”；对于大额重点类不良贷款，成立“专项处置小组”，引入大数据资产处置平台，整合法院、拍卖行、资产管理公司等资源，通过司法拍卖、资产证券化、债转股等方式加快处置。
5. 总结
在当今时代，金融科技已然成为左右未来银行业走向的关键力量。信贷风险作为银行业发展的“老对手”，在不同阶段展现出不同特点。在金融科技蓬勃发展的当下，银行要想稳健前行，必须想方设法做好信贷风险管理，切实提升信贷风险防控水平，这无疑有着极为关键的意义。本文从工商银行的公司信贷流程入手，从贷前、贷中、贷后三个环节切入，剖析工商银行当前在金融科技背景下公司信贷风险管理存在的一些问题。主要是贷前大数据搜集的效率问题、贷中审核的效率问题以及贷后风险预警和安全问题。因此，本文以解决实际问题为导向，提出了一系列对策建议：贷前加强数据共享平台建设、贷中完善审核流程、贷后提升风险预警能力等。
基金项目
扬州大学商学院研究生实践创新项目“金融科技背景下商业银行公司信贷风险管理研究——以工商银行为例”，项目编号：SXYSJCX202513。