数字化背景下商业银行线上信贷业务风险管控对策研究

gecccn

王奕婷 吴纯杰（湖南财政经济学院财政金融学院讲师、博士；中国农业银行湖南省分行）

  「摘要」近年来，随着数字化技术的深度发展和应用，在政策与市场的双轮驱动下，商业银行利用互联网、大数据等技术对线下小微企业信贷流程进行了再造，创新推出线上信贷业务模式，大幅降低了小微企业贷款过程中信息不对称问题，小微企业融资呈现出“扩面、增量、降价”的趋势。但在线上信贷产品快速发展的同时，新的风险点不断显现，商业银行线上信贷业务风险控制面临着新的挑战。论文基于近年来商业银行线上信贷业务发展实践，梳理了业务开展中数据风险、模型风险、欺诈风险、贷后管理风险、法律风险、处置风险等面临的新挑战，提出了完善商业银行线上信贷业务风险管控对策的具体思路和建议。
  前言
  2019年底我国已有市场主体1.23亿户，其中企业3558万户，个体工商户8261万户，这些市场主体是我国经济活动的主要参与者、就业机会的主要提供者、技术进步的主要推动者，在国家发展中发挥着十分重要的作用。在这些市场主体中，小微企业占比超过90%，贡献了60%以上的国民生产总值和50%以上的税收。虽然小微企业为国家经济发展作出了巨大贡献，但由于自身风险较高，企业与银行信息不对称，难以实现收益、风险和成本的平衡，小微企业融资难、融资贵、融资慢问题一直成为国内外企业界、理论界、政府和监管部门关注的重点问题。
  近年来，随着金融科技的不断发展，在政策与市场的双轮驱动下，各金融机构逐渐将互联网、大数据等技术运用于信贷模式创新和信用风险管控，极大程度上解决了小微企业信贷信息不对称问题，小微企业信贷可获得性和服务效率得到大幅提升，融资成本持续降低。中国建设银行、招商银行等商业银行纷纷加大金融科技投入，加强对传统小微信贷业务的数字化改造，通过线上办理、自动审批等方式极大提升了获客能力和客户体验，而网商银行、微众银行等互联网银行利用所属集团强大的科技能力、众多的用户、丰富的场景，通过为个人和小微企业提供纯线上方式的互联网贷款业务，实现了分钟级申请、秒级放款、模型风控，在有效解决小微客户信贷需求“短、小、急”痛点的基础上，将信用风险也控制在了较低水平。
  商业银行线上信贷业务快速发展带来风险防控压力的上升，在产品的不断推广和使用过程中，新的风险和挑战逐渐显现。线上信贷业务面临准入环节反欺诈难度较大，贷中环节客户画像不精准、容易过度授信，以及贷后环节的资金监管、风险预警管理、诉讼证据链固化困难等问题，对商业银行风险防控提出了新的挑战。因此，研究如何加强线上信贷产品风险管理，提高“线上+线下”管理水平，解决线上业务风险防控问题，十分迫切和必要。本文在对已有相关文献进行梳理和分析的基础上，基于近年来商业银行线上信贷业务发展实践，梳理了业务开展中数据风险、模型风险、欺诈风险、贷后管理风险、法律风险、处置风险等面临的新挑战，提出了完善商业银行线上信贷业务风险管控对策的具体思路和建议。
  文献综述
  风险控制是线上信贷业务发展的关键，主要包括风险控制效果和风险控制成本两个维度，对应“信息不对称”和“规模经济”理论，本文主要研究如何提高风险管控模式的有效性，因此理论分析着重从“信息不对称”理论出发。信贷市场“信息不对称”现象引发了“信贷配给”（Akerlof，1970；Jaffee & Russell，1976；Stiglitz & Weiss，1981），影响了信贷资源配置效率。
  互联网技术特别是移动支付、社交网络、搜索引擎和云计算等技术拓展了信息渠道来源，降低了信息不对称程度，大幅减少交易成本，提高了资源配置效率（谢平、邹传伟，2012；宫晓林，2013）。信贷市场通过使用大数据和云计算等互联网技术，对企业的经营状况、未来发展潜力等进行多维度分析，构建更有效的互联网信贷评估模型，测算企业的第一还款能力，有别于传统信贷模式主要依靠抵押担保等第二还款来源缓释风险，它着重推动商业银行全要素生产率的提高，成为解决银行体系小微企业信贷供给问题的重要工具（王馨，2015；沈悦、郭品，2015；Livshits、MacGee、Tertilt，2016；盛天翔、范从来，2020）。
  随着互联网金融业务的不断发展，学者们也逐渐开始关注小微企业互联网贷款业务的潜在风险，Liberti&Petersen（2018）认为互联网贷款在信息收集过程中还有很多数据无法掌握，且在将“软”信息转化为“硬”信息时，会导致部分信息丢失。Jaksic&Marinc（2019）指出，互联网贷款虽然有大量的“硬”信息，但是可信度存在核实难问题，导致无法实现对借款人的精准画像。陈岩等（2016）研究指出互联网信贷主要依靠互联网信息和行为数据来判断借款人的资信状况和还款能力，数据失真和信息造假是导致信用风险的主要原因，“以贷还贷”方式容易转移信用风险。许荣等认为互联网贷款只凭借线上数据进行信贷决策，侧重对贷款人的行为数据分析而不是先验证资质条件，更没有进行线下接触和考察，信息数据的真实准确性存疑，容易引发信用风险（许荣等，2014；吴晓求，2015；刘忠璐，2016）。中国人民银行征信中心与金融研究所联合课题组（2014）分析了我国互联网信贷平台倒闭潮出现的原因，指出互联网信贷平台与传统金融机构相比，征信应用严重不足，无法制约借款人的道德风险。黄益平、黄卓（2018）总结了我国数字金融的发展经验，指出风控创新是互联网信贷的重要生命力之一，但大数据风控也存在数据不完整、噪音难消除等天然不足，且存在重相关关系、轻因果分析的问题。
  国内外学者前期研究指出互联网贷款存在的风险主要为：一是数据风险，由于数据造假、数据不完整和数据噪音，且没有线下核查流程，无法实现对借款人的“精准画像”；二是资金用途风险，由于无法有效控制贷款资金支付，出现“以贷还贷”等情况；三是征信数据应用不全面，无法制约借款人的道德风险。
  基于互联网贷款面临的风险分析，学者们提出了风险控制的相应对策。中国人民银行征信中心与金融研究所联合课题组（2014）提出要利用大数据技术开发适应互联网信贷模式的征信产品，提升征信数据的覆盖广度和数据准确性，增强信用风险管理能力。宋首文等人认为要搭建双边或多边平台并利用第三方平台实现客户征信数据库的全面升级，细化客户评级，建立内部统一产品库勾连同业产品库，采集宏观与微观经济变量，进行趋势性分析，提升区域风险评估体系（宋首文等，2015）。刘忠璐（2016）建议商业银行要加强与互联网企业合作，共享数据，提高信用风险评估的准确性。鄂春林（2018）认为要做强数据，提升风险控制模型的迭代速度，实现风险控制线上与线下相结合。
  整体上看，国内外文献关于互联网贷款的研究主要集中在贷款技术、信贷效率、风险承担等方面，对互联网贷款的风险识别和控制主要聚焦于数据风险、资金用途风险、征信应用不全面引发的道德风险等方面，对商业银行线上信贷业务有较强的借鉴意义。但有关商业银行线上信贷业务和风险控制方面的研究相对较少，至少还有欺诈风险、模型风险、贷后管理风险、法律风险和处置风险等方面值得进一步研究和关注。本文基于商业银行的业务实践，通过对商业银行近年来线上信贷业务发展中面临的主要挑战进行分析，在此基础上提出风险管控对策。
  商业银行线上信贷业务风险控制面临的挑战
  近年来，商业银行运用大数据和金融科技手段，对传统线下小微信贷业务进行了流程再造，为小微企业和企业主推出了银税互动类、交易流水类、金融资产类、公积金类、社保类等多维度的线上信贷产品。小微线上信贷业务的户数和余额呈现爆发式增长，如建设银行线上“小微快贷”系列产品至2020年末累计投放3.6万亿元，服务客户超170万户；农业银行线上“农银e贷”系列产品2020年末余额达1.31万亿，较上年末增长122.2%。商业银行线上信贷业务快速发展的同时，也逐渐暴露出数据风险、模型风险、欺诈风险、贷后管理风险、法律风险、处置风险等问题。
  （一）数据风险
  商业银行传统信贷流程主要依靠人工进行线下调查、审查、审批和放款，对信用风险的评估根据信贷制度从客户分类、信用等级、财务分析、生产经营情况、资金用途等维度进行违约预测，通过抵质押、保证等增信措施来缓释风险，是一种“经验驱动型”的信贷决策模式，服务半径较小，难以满足小微企业融资服务的普惠性需求。而线上信贷业务充分利用大数据，多维度、动态分析客户的履约意愿和履约能力，调查、审查、审批、用信等业务流程主要在线上完成，是一种“数据驱动型”的信贷决策模式，呈现出“小额、分散、高频”的特点。数据的真实性、广度和深度直接影响线上信贷业务的风险识别和控制水平。数据风险是商业银行线上信贷业务面临的主要风险之一，它是指由于数据的真实性、准确性和完整性而引发的业务风险。数据风险会衍生出欺诈风险，欺诈风险是指由于无法有效识别借款人的恶意骗贷行为而导致的信贷损失。从商业银行线上信贷产品实践来看，主要存在以下四大方面的数据风险：
  1.数据广度和深度不够，难以为客户精准画像
  一是数据来源不广。商业银行线上信贷业务的数据主要以内部数据和人行征信为主，内部数据主要包括行内支付结算信息、金融资产信息等，维度相对比较单一。虽然引入的外部数据有日渐增多趋势但还不够丰富，在对客户进行全面的数据收集比对和交叉验证上，还需要进一步加强。如客户行为数据（消费习惯、网络行为、社交行为等）在产品模型应用中不够广泛，部分本地化特色数据（环保、用水、用电、工资等）由于数据零散难以被模型引用，影响模型的准确性。二是内部数据存在“信息孤岛”现象。传统的商业银行组织架构按照业务条线进行管理，不同业务条线的系统和数据相对孤立，不能充分共享，如企业主的个人账户结算信息、个人贷款信息和信用卡使用信息等数据由于分布在不同系统中，导致在小微企业贷款审批决策中无法被充分利用，一定程度上削弱了对客户的行为分析及风险控制能力。
  2.数据真实性校验困难，存在数据篡改的风险
  一是部分数据源难以交叉验证，如商业银行供应链产品数据主要来源于核心企业，核心企业也有可能通过变造内部数据等方式来为自己或其上下游企业谋取利益。二是对于通过白名单形式报送的数据或需要线下调查录入的数据（如押品价值、企业销售收入、纳税情况等），存在数据提供者或调查人员高估押品或刻意修改数据的风险。三是对于外部数据平台，缺乏统一的准入评估标准，数据的真实性和可靠性无法准确判断，存在数据可靠性风险。
  3.数据更新不及时，信用风险未及时反映
  主要表现为外部监管数据（征信、失信被执行、法院判决等）更新存在时滞性，导致某些风险产生或消除后，未能及时联动更新，易造成短期内多家银行贷款、准入控制失效的情况发生。如借款人利用银行系统数据的滞后性，集中一段时间在多家银行的线上渠道申办贷款，远超其负债能力，导致信用风险加大，个别客户在金融公司、网贷平台的融资信息没有在征信系统中体现，导致融资额度远远超过自身风险控制水平；又如，企业的涉诉和执行信息联动系统会有滞后性，导致企业系统相关数据信息未能及时反映，贷款发放后可能存在潜在风险。
  4.白名单数据管理不到位，存在风险隐患
  线上信贷业务风险控制的关键环节之一是客户准入。目前，商业银行线上信贷产品尤其是个人类产品在客户准入管理方面主要采取白名单制。以个人公积金类线上产品为例，主流的白名单管理方式有两种：一种是基于单个客户维度的白名单，一种是基于单位维度的白名单。基于单个客户的白名单由于客户总量大且分散，白名单管理难度大；基于单位维度的准入白名单，虽然事先对客户工作单位进行了甄别和控制，但单位内部的异常员工无法有效剔除。如临聘人员、问题员工、非“正常”员工等还款能力不足，从对该类客户风险情况的跟踪看，形成不良的概率较大。同时，线上信贷业务无线下核查流程，部分小微企业通过注册空壳公司、构造虚假数据骗贷，部分中介机构通过代缴公积金或者代缴税款“养白户”骗贷，存在欺诈风险。
  （二）模型风险
  模型风险主要是由于模型建立（如建模假设不当、模型选择不当、模型要素不全、模型性能较差等）和模型应用存在偏差导致的风险。线上信贷业务在风险控制方面区别于传统信贷业务最主要的优势是大数据优势和模型优势（黄益平、邱晗，2021）。传统信贷业务主要依靠人工，根据制度要求进行信贷决策，线上信贷业务通过对大数据进行分析和处理，更能抓住一些复杂的非线性关系及解释变量之间的交互作用，在此基础上将制度要求转化为数理模型进行线上化信贷决策。目前，商业银行线上信贷模型一般布局在商业银行总部，一旦模型出现漏洞，容易引发系统性风险。从实践上看，模型风险主要有以下方面：
  1.制度规则模型化转化不足，准入控制失效
  部分定性化的产品政策和业务规则要求准入条件无法转化为数据语言被模型客观引用，导致模型数据不全，影响准入控制。
  2.授信模型函数较为简单，易被不法分子利用
  部分商业银行线上产品授信采用单一的授信校验规则，或通过简单的函数运算得出授信结果。不法分子可能通过多次调整业务数据、多个客户验证等方式识别出银行的授信模型，再通过蓄意修改数据，骗取授信额度。如目前商业银行的银税互动类产品，主要基于企业纳税数据授信，存在一些非法中介利用银行授信规则漏洞，通过代缴税费协助企业恶意套取银行信贷资金的现象，或通过助贷谋取不法利益等行为，这些都存在风险隐患。
  3.模型未实现客户及其关联人整体风险管控，存在过度授信风险
  商业银行的线上信贷产品中，企业行政处罚、法人高管信息、配偶及控股企业等信息内嵌于授信模型。单一个人通过其配偶或参与控股等方式，开立多家企业、多头进行线上融资，可能造成多头授信、过度授信的风险。
  4.授信模型后置，存在一定业务风险
  现有的商业银行企业法人类线上信贷产品，大多从企业网银业务授权申请开始，需要客户进行开立对公账户、企业网银和个人掌银。而在实际业务审批时，可能因模型校验、征信准入等问题导致授信不通过，引发客户反感甚至投诉，存在一定声誉风险。
  （三）贷后管理风险
  线上信贷业务贷后管理风险主要是由于对贷款资金用途监管不到位和贷后风险
  监测预警不到位引发的风险。线上信贷业务贷后管理与传统信贷业务贷后管理的主要区别在于，线上信贷业务小额分散，客户群体大。以某大型商业银行为例，在传统线下信贷业务模式下，单个客户经理管理小微法人客户10户左右，而在线上信贷业务快速发展背景下，大部分客户经理管户超50户，部分客户经理管户甚至超过100户，随着业务总量的扩大，管户数量将进一步增长。贷后管理风险主要体现在：
  1.资金用途监督缺失，存在资金违规使用现象
  线上产品对贷款资金流向难以掌控，存在资金违规使用风险。虽然商业银行的线上信贷产品均明确信贷资金仅限于企业正常生产经营活动，不得另作他用，但受制于现有技术手段，对客户信贷资金用途难以实行有效的监督，存在部分小微企业贷款由企业放款账户直接一次或多次转入企业主个人账户，再通过线上渠道（微信转账、支付宝等）转出，部分个人贷款违规流入股市、楼市，或投资私募基金、参与小贷、购买互联网理财产品等现象，给商业银行贷款资金监管带来一定困难。同时，客户信贷资金被挪用，容易出现信用风险。
  2.贷后管理问题
  一是客户经理与业务量匹配问题。随着线上信贷业务的快速发展，客户总量大幅上升，客户经理人数难以同步匹配客户发展规模，基层客户经理管户压力和管户难度较大。随着业务的不断增加，人均管户量还会进一步增加。二是客户经理管户意愿和能力问题。线上贷款客户由系统审批，贷款发放后分发管户，客户经理处于被动管户的状态，且管户数量较大，存在业务管理风险。与线下贷款相比，客户经理管理参与感与责任意识均有一定差距，存在客户经理业务素质与线上信贷业务发展不匹配的问题。三是贷后责任划分问题。纯线上信贷产品的审批和发放主要由系统处理，客户可以全流程自主提款。放款后系统完成客户经理指派，客户经理不能做到“了解自己的客户”，也无从进行及时有效的风险防范，一旦发生不良，责任也难以认定。
  3.线上预警处理不规范
  商业银行线上信贷产品上线时间较短，线上预警的处理方式方法还未系统性地建立，效果有待市场和周期检验。尤其是新产品上线初期，系统预警较多，因客户正常信息变更产生的无效预警也较多，客户经理处置预警的做法不一、效果良莠不齐。
  （四）法律风险
  商业银行线上信贷产品推出时间相对较短，司法制度、司法实践和产品设计等方面需要不断更新和完善。
  1.内外部法律规章制度不健全
  目前，关于电子合同方面的立法均为原则性规定，相关规定主要有《民法典》《电子签名法》等，技术标准不够明确，对于如何审核和认定电子证据，采取何种技术标准，均没有具体规定，可能导致业务部门在设计相关产品业务流程时，因无标准可依，导致流程环节设计方面不合理、不到位而带来相关法律风险。
  2.法院自由裁量权较大
  因对电子签名可靠性的不同理解，部分法院对线上产品电子签名、电子合同、电子证据效力持否定态度。因线上信贷产品主要是通过手机银行或网上银行操作，合同、借据等关键证据均为电子版，法院对电子合同在证据证明力上不认可，借款人也时常以此作为抗辩理由，增加了诉讼困难。
  3.部分线上产品对客户的权益保护不够
  客户信息保护是当前监管的重点关注领域，部分商业银行前期产品在调用客户人脸识别时未取得充分授权，对客户信息的保护需进一步完善。
  （五）处置风险
  1.自主清收方面
  主要存在客户信息资料不完整、不准确，大部分没有抵押物和其他相关财产线索，客户地址、电话变更，查找和清收相较传统的线上贷款难度大。
  2.诉讼处置方面
  主要存在诉讼立案、举证和执行困难。一是个别法院对线上贷款电子签名、电子合同、电子证据效力不予认可；二是执行中法院会要求提供被执行人的财产线索，由于线上贷款基本上无抵押担保，银行难以查证及提供被执行人的财产线索。
  3.核销方面
  目前线上贷款为新业务、新品种，银行对债务人基本信息、财产信息和尽职追偿证明材料收集较为困难，影响核销效率。
  商业银行线上信贷业务风险控制的对策建议
  （一）拓展数据来源，增强数据的支撑作用
  数据是线上信贷业务发展和风险控制的基础，数据的真实性、完整性、有效性对提升风控效率至关重要。因此，商业银行对内要高效整合各条线割裂数据，打破“数据孤岛”，对外要引入第三方宏微观数据和客户行为数据，提升大数据的支撑作用，防范欺诈风险。
  1.搭建数据中台，打破“数据孤岛”
  搭建数据中台，将科技、运营、内控等后台部门和普惠、个贷、信用卡等前台部门的海量数据进行汇总，打通内部系统壁垒，实现数据的共享融合、组织处理、建模分析、管理治理和服务应用，统一数据口径、实现数据的标准化输出，在存储和传输过程中加强对客户的信息保护，维护数据安全，并以API方式提供服务，供内外部调用。组建跨业务条线、跨部门的数据分析团队，通过对大数据的分析和应用，让决策模式从“经验式决策”转变为“数据分析式决策”和“经验式决策”双轮驱动，让数据实现业务化、资产化，更好驱动业务创新和发展。
  2.探索与第三方机构合作，拓展数据的广泛性
  加大对第三方数据的合作和引用，包括引入政府类数据和第三方机构数据等，推动信用业务适用数据的采购与嵌入，逐步引入税务、房地产评估、车辆及个人保险、投融资、产业链信息、公积金、电力、政府采购、行业协会、司法、舆情、消费能力、个人行为、网贷平台借贷等外部数据，构建覆盖客户、行业、区域、人员的多维度、多时点信用大数据视图，保证根据业务需要能随时找到高质量的数据，实现数据的好用和实用。
  （二）完善授信模型，提升信贷决策有效性
  授信模型是保障线上信贷业务健康发展的核心因素，模型开发要根据业务特点进行假设，采用合理建模方法，在建模过程中要加强合理性论证，做好模型的后续验证，根据市场变化进行迭代升级。
  1.建立客户统一授信体系
  打通法人和个人授信，进行线上信贷产品授信时，充分采集企业主配偶及关联企业信息，对企业主及关联企业实行总体授信额度控制，防止控制人通过设立多家企业进行多头融资。
  2.做好授信模型的迭代升级
  为适应市场变化，要根据宏微观市场动态，加强模型的迭代升级。如疫情发生后，国家采取了一系列的减税降费政策。在传统的银税互动模型下，会出现因小微企业客户的税收缴纳变动而降低客户授信额度或审批不准入的现象，与国家政策和市场真实情况出现偏差，需要及时更新。
  另外，对于第三方中介机构代缴税收和代缴公积金、帮助客户骗取贷款等情况，需要加强反欺诈措施，实现有效拦截。
  （三）整合渠道和系统，搭建风险控制平台
  平台整合了获客渠道和风险控制优势，目前，部分商业银行线上信贷业务呈现“平台化”特点，取得了较好的成效，如中国建设银行的“惠懂你”APP、招商银行的“招贷”APP等。以建设银行“惠懂你”为例，平台定位为“可见即可贷”的小微企业一站式融资服务平台，集中了额度测算、预约开户、贷款申请、支用还款、指数调查问卷等功能，打造了集批量化获客、精准化画像、自动化审批、智能化风控、综合化服务等功能为一身的一体化平台，是一个外部交互开放、内部充分整合的平台，具有开放式获客、一站式办理、智能化风控等特点。风控系统作为平台的重要组成部分，在注册环节，通过收集个人和企业基本资料、账户信息、身份信息、财产信息、通讯信息、生物识别信息、手机号码，采集声音、人脸图像、设备信息、地理位置等信息对用户身份进行识别，完成实名认证，系统可自动实现个人关联至企业，有效解决反欺诈；在客户贷款申请和审批环节，调用第三方关联的企业信用、工商、税务、水费、电力、知识产权、票务、政府采购等信息，实现对客户的精准画像和授信，首创了企业在线授权功能，自动生成股东会决议，股东可进行线上投票，授权企业实际控制人进行后续贷款操作；在贷后环节，通过持续跟踪企业动态，实现快速预警，如建行湖南省分行在线上贷款发放后即由管户客户经理进行电话联系，对于无法联系的客户立即开展上门核查，结合系统预警等级通过“线上+线下”方式进行处理。
  平台化对于商业银行线上信贷业务风险控制具有重要借鉴意义：
  1.整合入口渠道，搭建获客平台
  整合商业银行现有的渠道入口，搭建普惠金融服务平台，将反欺诈、风控模型嵌入平台中，提升风险控制效果。
  2.整合预警信息和系统，搭建企业级预警平台
  一是打造企业级风险预警平台，整合法人与个人、线上与线下、表内与表外全部信用业务风险监控，将行内、行外风险信息引入风控平台，实现联防联控。同时引入海量数据打造企业级风险预警信息平台，提高风险预警的时效性和准确性。二是建立规范的线上信用风险预警信号处理体系，明确各相关人员风险信号的处理流程和权限，实现线上信贷风险管理智能化、标准化。
  （四）做实贷后管理，防范发生系统性风险
  线上信贷业务“小额、高频、分散”的特点决定了贷后管理模式只能以“线上为主”，通过建立外呼中心、在线监测中心等方式进行贷后集中作业。在此基础上，构建“线上为主，线上+线下”的联动贷后管理机制。
  1.将线上贷款纳入全量监测范围
  一是强化对线上信贷业务的动态监测和到期管理，加强对贷款资金用途的管理和跟踪监测，抓实贷款用途管控，严禁信贷资金流入房地产、股市、购买理财等领域，重点排查信贷资金用途虚假、向空壳企业发放贷款等情况。二是杜绝中介参与，通过“线上+线下”结合的贷后管理，按照监管要求穿透和跟踪贷款资金支付和使用，防止资金挪用或进入高风险领域。
  2.加强线上产品培训
  组织常态化的贷后管理培训和考试，并将贷后管理的完成情况、培训考试的通过率，纳入对相关从业人员的绩效考核中，将贷后管理培训的组织情况纳入对经营机构的绩效考核中，使得贷后管理责任能真正落实到客户、落实到人，着力提升客户经理的贷后管理能力。
  原文载于《农村金融研究》2021年第12期