今年一季度,3家互联网专业银行的不良债权规模突破4700亿韩元。逾期率逼近1%,约为商业银行的3倍。分析认为,虽然按照设立宗旨“扩大包容性金融”增加了对中低信用者的贷款,但在高利率环境下利息负担加重,导致逾期激增。专家指出,这可能演变为银行稳健性问题,除金融当局需彻底管理外,各银行也须扩大引入创新型信用评价模型。
据4日银行联合会银行经营信息披露显示,今年一季度3家互联网银行(KakaoBank·Kbank·Toss Bank)持有的逾期3个月以上不良债权(次级及以下贷款)规模为4784亿韩元。较去年一季度的3339亿韩元,一年间激增43.25%(1445亿韩元)。同期次级及以下贷款占比上升0.20个百分点,达到0.68%。这一数字远超今年一季度KB国民、新韩、韩亚、友利银行等五大商业银行平均次级及以下贷款比率(0.28%)的2倍。3家互联网银行的平均逾期率(逾期一个月以上)为0.92%,约为商业银行(0.31%)的3倍。
互联网银行不良债权大部分为家庭贷款。全部次级及以下贷款中,88.44%即4231亿韩元来自家庭贷款。以个体经营者为主的企业贷款中,不良债权规模为553亿韩元。一位互联网银行相关人士表示:“互联网银行主要经办的家庭和个体经营者都是受市场景气波动影响较大的群体”,“今年在景气恶化和高利率负担下,不良债权规模和逾期率同步上升”。
专家一致认为,除金融当局的稳健性管理外,各家互联网银行也需提升信用评价水平。弘益大学经济学部教授全成仁表示:“互联网银行曾自信可利用先进审查技术向金融盲区放贷,但如今显现出不足”,“虽然计提了充足的坏账准备金,尚未到稳健性出问题的程度,但需要强化监管、提升信用评价水平等”。
尤其是随着互联网专业银行将业务扩展至个体经营者贷款,无力还债的自营业者急剧增加。由于金融当局决定自今年起将个体经营者贷款纳入中低信用者贷款占比,按个人和行业细分的信用评价模型升级迫在眉睫。
据银行联合会银行经营信息披露,今年一季度3家互联网银行持有的企业贷款次级及以下贷款比率为1.32%。相比个人贷款中0.64%的次级及以下贷款比率,企业贷款的不良率高出许多。直到去年,家庭贷款(0.85%)的次级及以下贷款比率还高于企业贷款(0.30%),但随着被归类为企业贷款的个体经营者贷款增加,出现了反转。
企业贷款中,自营业者占比较高的住宿、餐饮业及批发零售业等行业不良率较高。以今年一季度为准,次级及以下贷款比率依次为住宿餐饮业(1.65%)、批发零售业(1.58%)、建筑业(1.55%)、制造业(1.53%)、服务业(1.25%)。去年一季度这些行业的次级及以下贷款比率还不足1%,但随着高利率、高物价长期化而受到打击。
与商业银行不同,互联网银行在发放个体经营者贷款时多为信用贷款而非抵押贷款,一旦出现不良,实际上很难收回。实际上,3家互联网银行今年一季度全部次级及以下贷款(4784亿韩元)中,绝大部分即93.31%(4464亿韩元)被归类为无抵押的“可疑”债权和实际上无法收回的“损失”债权。与有抵押的次级贷款相比,属于一旦发生不良更难收回的恶性债权。与去年一季度(91.7%)相比,向可疑、损失类债权集中的现象更为严重。互联网银行相关人士解释称:“虽然通过扩大保证书贷款等努力管理个体经营者贷款的稳健性,但互联网银行多为不设房产等抵押、仅凭信用发放的贷款”,“一旦景气萎缩,逾期率必然进一步上升”。
问题在于,随着不良债权增加,被视为“空壳贷款”的无收益贷款也可能激增。逾期3个月以上本息均未收回的无收益贷款会立即影响银行的贷款稳健性。3家互联网银行今年一季度无收益贷款规模已达6525亿韩元,较去年同期(3441亿韩元)增加近两倍(89.63%)。
随着稳健性恶化,互联网银行也在减少中低信用者贷款的经办。直到今年初,3家互联网银行新发放信用贷款的平均信用评分仍停留在800多分中段。但今年5月,Kbank·Toss Bank等新发放信用贷款的平均信用评分分别大幅上升至951分和928分。这高于五大商业银行上月新发放信用贷款的平均信用评分914~940分。即互联网银行为管理稳健性,增加了对信用评分相对较高借款人的贷款。汉城大学经济学系教授金相奉解释称:“互联网银行必须维持30%以上的中低信用者贷款比重,因此次级及以下贷款增加是理所当然的”,“除中低信用者贷款外,也只能靠有收益的1~3级信用贷款来弥补收益”。
尽管稳健性担忧加剧,互联网银行短期内仍将扩大个体经营者贷款。此前只有个人信用贷款被视为中低信用者贷款,但金融当局决定今后也认可SOHO信用评分4级以下个体经营者的信用贷款,以及平民金融贷款中超出保证限额的贷款余额。据此,互联网银行正在提升信用评价模型(CSS)水平。正在使用自主替代性信用评价模型的KakaoBank通过应用按行业特化的模型,使评价更加精细。目前已对餐饮业经营者等应用特化模型,今年一季度计划开发并应用面向电商卖家的特化信用评价模型。此外,还通过与首尔大学的共同研究,开发针对以人工智能(AI)技术开发的信用评价模型的可解释方法论。Kbank作为首家互联网银行与Naver Pay合作,于今年3月引入基于非金融数据的“Naver Pay评分”。同时计划在年内引入三大移动通信公司信用评价合资公司通信替代评价筹备法人今后将推出的基于通信数据的模型“Telco CB”,推进信用评价升级。Toss Bank将在便捷汇款时期积累的自有数据基础上,结合既有银行、信用卡公司的数据,构建更高水平的信用评价模型。
互联网银行相关人士解释称:“仅从次级及以下贷款比率看,中低信用者贷款中应只集中于个人信用贷款,但为了急需筹资的小微工商户,只能扩大经营者贷款”,“同时正按行业、按个人提升信用评价模型水平,努力管理稳健性”。






