浅谈担保圈风险及识别对策

担保贷款是当前信贷业务市场重要融资形式之一，可帮助拓宽民营企业融资渠道，解决小微企业融资难问题。近年来，担保圈风险事件频发，担保圈内个别企业发生违约，往往会产生多米诺骨牌效应，使整个担保圈内企业陷入债务困境，对实体经济造成冲击，间接导致银行不良贷款率攀升。本文将对担保圈风险进行简要解读分析，并归纳出识别、防范担保圈风险的有效方法。

担保圈通常是指多个企业通过互相担保或连环担保等形式连接到一起而形成的以担保关系为链条的利益体。企业通过互相担保形成担保关系，连续的担保关系可形成担保链，担保链交织组成担保圈，本不相连的企业由于处于同一担保圈而变得息息相关。

担保圈的类型主要有连环担保圈、交叉担保圈和集团复杂担保圈三种形式：

1.连环担保圈

连环担保圈内各公司的担保关系较为简单，基本无交叉担保情况，公司间形成担保关系闭环，风险通常沿着担保链传递，这种融资担保组织模式一般仅在银行特定信贷产品业务模式或特定授信方案中形成。

2.交叉担保圈

交叉担保指在连环担保基础上，担保链条中的企业向多个企业提供担保，或者企业被圈内多个企业提供担保，这种担保圈的担保关系更为复杂。

3.集团复杂担保圈

集团复杂担保圈指参与企业主要为某一集团内各子公司、关联公司，常见的形式为集团母公司或核心公司对子公司提供担保，担保关系沿投资控股关系传递，也存在集团内各子公司互保的情况。

担保圈风险指在同一担保圈内企业的债务风险或风险预警信号沿担保链扩散传导，进而引发圈内其他企业贷款风险。担保圈的基础是融资担保行为，根据法律规定，担保是由债务人或债务人委托的第三方向债权人做出的保障其债权实现的承诺。担保方式包括：保证、抵押、质押、留置和定金；其中，保证为第三人信用担保，当债务人不履行债务时保证人应按担保合同约定对债务承担连带清偿责任，其他担保方式均以事前设定的财产来保障债权的实现。

1．担保圈风险的成因

担保圈风险形成的主要原因可以归纳为以下三个方面：

（1）外部经济因素

一方面行业经济周期变动可能会导致行业进入衰退期，企业生产经营状况受到不良影响，生产环境恶化，导致担保企业还款能力下降。另一方面，产业结构调整，导致部分行业受冲击较大，加上劳动成本攀升、环保节能要求提升等因素，提高了债务违约概率。

（2）银行因素

部分商业银行授信审查机制不完善，风控体系不健全，贷前贷中贷后审查不严格，未及时跟踪贷款资金流向和评估第一还款人的还款能力，造成过度授信，债务超过担保企业偿还能力。同时，担保机制有利于减少银行和企业之间的信息不对称，有效降低债务风险，具有一定的风险缓释作用。但商业银行若过度依赖会导致担保圈的粗犷式管理，担保圈的规模不断扩大，风险隐患增多。

（3）企业因素

部分企业过度融资，在多家银行同时贷款，多方担保，当资金周转困难时会形成借新还旧的循环；其次，部分企业缺乏信用意识，形成担保圈后偿债意愿下降，产生故意逃废债的现象。

2.担保圈风险特征

（1）传染性

传染性是担保圈的基本特性，主要体现在债务关系和风险信号的传染。债务关系传染指若担保圈中部分企业出现债务违约，担保企业将面临代偿责任，当担保企业资不抵债时，债务可能出现违约，而这种债务风险会在担保圈内传染。风险信号传染是指担保圈中部分企业出现风险问题或发生债务违约后，此类风险信号会快速传递至银行和担保圈中的其他企业，导致融资受到阻碍。

（2）隐蔽性

担保圈的隐蔽性有以下几个方面，一是担保圈内企业的担保关系较为隐蔽，可能存在部分负债不在财报中体现，只在代偿发生时转化为损失或负债。二是担保圈内企业之间资金往来具有隐蔽性，具体形式如资金搭桥、担保费等，贷款机构通常并不掌握这些信息，短期内隐藏了资金链问题或导致风险的延迟披露。三是线下担保关系，一些银行或融资担保在为企业办理授信时会要求线下追加担保，此类担保信息不会体现在公开信息系统中，其他贷款机构在评估借款人或相关担保人的融资担保情况时无法获得全面信息。

（3）放大性

由于担保圈特殊的组织结构，加上其传染性和隐蔽性等特点，结合圈内企业高杠杆经营，一旦发生风险，其积聚的负面效应远大于同等数量的独立企业出现债务风险的总合。除了直接对风险叠加放大外，还容易制造市场恐慌，扩大负面影响。

面对担保圈风险事件的不断上演，识别和防范担保圈风险也成为了商业银行做好贷后管理的关键之一。针对担保圈风险的特点，可以通过严控担保圈规模，推进多系统协调实现，同时也可以结合信贷数据，通过机器学习等算法进行分析识别。

1.严控担保规模，推进系统协调

对担保圈危机，银监会在2014年7月下旬下发了《关于加强企业担保圈贷款风险防范和化解工作的通知》，该通知要求各银行严格控制企业间互保、联保、循环保贷款规模，同时对于企业的担保客户不得超过5家、担保额度不能超过净资产进行了规定，并且要求商业银行彻底清查担保圈风险。银行需根据通知严格落实执行，谨防风险传染。

担保圈风险一旦出现，往往波及范围甚广，单个银行无法掌控。从以往的处置案例来看，政府决策至关重要，若提前布局，构建风险化解和处置联动机制，可有效防止风险蔓延。有条件的话，对于多方授信的企业，采取“类银团”贷款，进行联合授信，每家企业确立主办行，其他金融机构作为银团贷款的参与者，防止突然抽贷带来的连锁效应。

2.深挖数据价值，强化科技应用

（1）知识图谱

知识图谱是近几年兴起的技术，主要作用在于关系分析，尤其是深度且隐蔽的关系。知识图谱可以对海量复杂数据进行有效的加工、处理、整合，通过信息抽取、知识融合、知识加工三个过程，转化为简单、清晰的“实体,关系,实体”的三元组，最终以文本列表和图形可视化相结合的方式，向用户展示关联信息。

1）核心企业识别：担保圈中企业的中心度可以定义为与该企业建立担保关系的企业数量。如果企业中心度数值越大，代表与该企业建立担保关系的企业越多，一旦该企业或者与之相关联企业出现贷款风险，担保“连坐”波及的范围会更广，处置难度更大。通过企业之间的担保关系构建相关的知识图谱模型，结合图算法中的中心度相关算法，如中介中心性、接近中心性、度中心性等指标，可对担保圈中每个企业的重要程度进行量化，识别出担保圈中的核心企业，银行可提高对这些企业的关注程度。

2）担保圈风险点识别：担保企业间的原始数据可能存在不直观、不连续的情况。可以利用知识图谱对系统中全部担保关系进行识别，绘制出担保圈规模边界和网络拓扑结构。这样不但可以直观刻画企业间担保关系，也可利用图谱中的节点数量、边数、平均路径长度、聚类系数等指标，对担保圈中异常结构进行深度剖析，定位担保圈薄弱和密集环节，有效识别和防控担保圈中潜在风险。

（2）机器学习

首先可使用深度优先搜索算法对担保关系进行遍历，识别出封闭且不交叉的担保圈。通常情况下，企业的经营状况、担保或被担保的金额、担保企业的数量等因素决定着整个担保圈是否存在风险。因此可对企业的资产、负债、信贷、利润，及每个企业在担保圈中的担保金额占比和担保数量占比等指标，通过特征选取进行降维，将特征变量输入至随机森林、logistic回归、支持向量机等机器学习算法中，可计算得出企业违约概率，概率越高表明违约风险较大，银行需对这些企业重点跟踪。