大數據背景下商業銀行信貸風險研究

綿陽職業技術學院　陳君

大數據背景下商業銀行信貸風險研究

綿陽職業技術學院陳君

本文基于大數據思維視角對現有信貸風險管理體系重新解構，通過弱化信息不對稱性和完善信貸風險評估工具來完善信用評估體系，并應用大數據進行區域和行業的信貸風險管理，建立以客戶為中心的扁平化風險管理體系。

大數據商業銀行信貸風險

一、引言

商業銀行是我國現代金融體系的重要組成部分。在我國社會經濟生活中，商業銀行主要為金融體系的其他機構提供資金融通和結算等業務服務，實現了社會資金的周轉流動，并借此發揮創造價值的功能。我國商業銀行提供的融資方式以信貸業務為主，而這種融資方式又在社會融資結構中處于主導地位，因此這種模式決定了我國金融體系中最重要的風險管理是商業銀行信貸風險管理。改革開放以來，我國經濟飛速發展的同時也產生了不良貸款率和經濟增長率的雙高悖論，在高經濟增長率下被暫時掩蓋的各種風險可能在經濟新常態下迎來一輪高爆發，而長期以來作為社會融資主要渠道的銀行業，信貸風險將是其面臨的主要風險。如何結合大數據對現行商業銀行信貸風險管理體系進行完善和改進得到了銀行業的廣泛關注。

二、基于大數據思維完善信用評估體系

大數據是指需要新處理模式才能具有更強的決策力、洞察力和流程優化能力的海量、高增長率和多樣化的信息資產，其核心價值在于對海量數據進行存儲和分析。商業銀行信貸風險的根源來自于信息不對稱。如何從海量龐雜的數據中挖掘有效的信用數據并進行高效的評估、決策，對商業銀行的信息整合能力提出了更高的要求。

（一）弱化信息不對稱性金融活動核心主要實現資金的回收力度，通過風險的測量實現客觀的利潤。風險的測量依賴于數據，因此必須全面收集有關數據，由于我國信用評級體系建設存在嚴重的信息不對稱現象，導致金融市場出現道德風險與逆向選擇，而大數據的應用能夠一定程度上消除信息的不對稱性，為銀行信貸風險的精確分析和判斷提供更加有力的支撐。同時，由于數據信息是要提供給借款人，而機構的采集面過于分散導致重要數據缺失，部分無用數據卻被重復采集等問題。這些固有的缺點都可以被大數據Volume（大量）所覆蓋。銀行可以通過各種方式來采集外部的數據信息，例如建立行業數據用戶信息共享平臺，與相關組織或企業交互共享數據信息，或者同第三方的信用評估中心外包信用評估服務或租賃其數據庫進行信用評估等方式。同時推進交易信息數據化，盡量引導客戶通過電子化渠道進行交易和辦理業務，以便獲取交易記錄等結構性數據。從更大范圍來核驗借款人生產經營信息與財務信息的關系，通過分析資金流轉率，掌握借款人的經營狀況，通過分析變化中的數據，實現數據與財務的匹配。在大量獲取相鄰關系匹配的數據的基礎上，銀行向借款人實施精準的信貸政策，并做好及時的風險防范措施。同時，大數據還有助于銀行發現關聯企業，有效規避關聯企業的信貸風險。

以保險業為例，在韓國，現代海上火災保險公司在2010年引進了基于大數據技術的SAS欺詐防范系統。當理賠申請被提出時，將申請的數據和其他數據比較，以此發現隱藏的欺詐行為。在未引入此系統時，調查人員需要核對成百上千的業務規則。引入此系統后，大量的業務規則通過計算歸一為某統一分值。通過分值的排序，保險公司只需要關注高排位的數據，而對排名靠后的客戶可以快速實施理賠。引入SAS系統后，海上火災保險公司欺詐案件與以往相比下降了20%。

（二）完善信貸風險評估工具風險管理是以信息數據為基礎，通過建立數學模型并采用統計學方法，對客戶違約可能概率和銀行可能的損失及收益進行量化之后，通過計算機系統對銀行業務進行監控的一種管理。信貸風險管理離不開技術的支持。風險管理的一些基本理念如可預見損失和不可預見損失等是憑借技術的發展，通過大量數據的采集、整理，使用數理統計分析方法才逐漸形成。

以中信銀行為例，中信銀行信用卡中心從2010年開始建立統一的涵蓋了交易、服務、風險和權益等多層面的數據庫，后來以此數據庫為基礎，啟動了“天羅地網”項目。其中地網數據信息庫包括客戶交易信息、客戶自身屬性、住宅信息等線下基礎信息；而天羅數據庫則側重于線上的行為信息，主要包括交易偏好、風險偏好、社交活動等。基于天羅地網信息庫的審核標準不再單純對客戶收入、工作單位等簡單指標進行審核，而是通過將線上消費有關的各種戰略性資源信息和線下實體經濟內部有用的信息資源結合起來，從地理、經濟和時間等屬性進行多維度綜合考量來建立模型以實現對客戶的準確風險評估。

（三）大數據在個人信用評估中的應用基于大數據的信用風險評估框架在國內外多家互聯網金融機構得到了采用。以設立在洛杉磯的Zest Finance公司為例，它以大數據技術為基礎，采集信息的范圍和渠道更加廣泛，不僅包括傳統數據中的結構化數據和非結構化數據，也涵蓋了大量的非傳統數據，比如法律記錄、網絡數據的信息、借款人房租繳納記錄、搬家次數等。非傳統數據是客觀世界的的數據體現，反映了借款人的真實狀態，只有對借款人的行為背景及它們之間的關聯性有了充分的考察，方能在服務上更加精準且有深度，對信貸風險進行更加準確的計算。

如圖1所示，Zest Finance大數據來源的多元化：獲得第三方的購買應用第三方的數據組成有關Zest finance的提倡的模型；同歸IP地址獲得網絡的數據、實現社交網絡的平臺建設、瀏覽器的升級，用通過戶的的定位、發現用戶的商品種類的偏好和完善性格的管理，這樣才能規避信貸風險；通過直接詢問用戶得到的信息。為了證明自己的貸款償還能力，用戶會提供更多公共記錄憑證如手機賬單等憑證。Zest Finance信用評估分析通過收集更多的信息，選取不同的模型進行數據的分析，然后歸集信息實現信用評估。第一步，各種數據的錄入，通過借貸者的各種信息和原始數據的分析，建立數據庫；第二步，轉化數據的關聯性，尋找有用的信息；第三步，在整合變量間的測量，通過一定的標準分析長短期的，整合不確定的風險意識和償還能力；第四步，通過計算分析不同的模型數據；最后，通過模型原則輸出變量的投票選擇，精細分析的步驟，完善信度的結論。相對于傳統信用評估（以美國征信體系為例），大數據技術的信用評估體系有以下幾個特點：新的信用評估可以為沒有征信記錄以及仍然沒有被傳統征信體系包含的人群提供服務覆蓋（在美國仍未被統征信體系包含的人仍有15%）；采用的數據更加傾向非傳統的信用數據，傳統信用數據重要性降低；新的信用評估體系更側重用戶現在信息的綜合分析，傳統信用評估更側重用戶的歷史信息綜合比較。基于大數據技術，使用了更多變量，一方面提高了信用評估的決策效率，對信貸風險的違約率也有更大的控制力。圖2為Zest Finance數據分析模型。

圖1　Zest Finance數據來源展示

圖2　Zest Finance數據分析模型

三、基于大數據的商業銀行信貸風險管理完善思路

（一）結合大數據思維進行行業信貸風險管理現有行業升級換代速度加快使得銀行風險管理對時效性提出了更高的要求。在微觀方面，結合大數據思維和大數據的數據處理方式更容易在同行業內獲取客戶的具體信息。在宏觀方面，應用大數據平臺可以準確快速地跟蹤宏觀經濟情況，以篩選成長性好、發展潛力大、貸款占比高的重點行業，及時掌握行業的發展趨勢以及波動規律；深層次地探索行業相關的風險傳導機制能夠對關聯行業進行關聯度和依存度分析并構建行業信貸組合，優化信貸結構；實行行業整體授信，實現行業信用風險的總量控制；在行業內細分潛在信貸市場，明確行業信貸投向有助于預判整個行業的發展趨勢，建立適用于整個行業的數學模型，以度量行業信貸風險并實現行業風險預警。

以九次方大數據公司為例，其不僅涵蓋了1360多萬家企業的諸如工商基本資料、公司介紹及核心競爭力分析、2005-2013年的發展歷史分析，還包括了股東結構和變化、產品競爭對手匯總、上游供應商及下游客戶的行業分析、公司相關聯公司子公司母公司分析，以及企業銀行貸款及股權融資需求狀態的監測、企業被投資并購情況、商標專利技術分析，甚至還有政府主管單位稅務環保等處罰記錄和法院訴訟記錄，這些都能夠幫助銀行了解目標行業的產業鏈中上下游企業關系和交易情況，對企業的真實情況做出真實判斷以更好控制信貸風險。

（二）區域信貸風險管理隨著我國非均衡經濟發展戰略實施帶來的區域間發展的非均衡性逐漸加劇，針對區域間不同金融生態條件實施差別化區域信貸政策的重要性大大提高。如果不顧區域信貸市場環境和金融風險的差異，實施大一統的信貸政策，會造成信貸資源的極大浪費，既不利于高風險區域的風險控制，也不利于優質信貸市場的開拓。區域間經濟差異的原因在于生產要素的不完全流動性、經濟活動的不可分性、創新能力的部分排他性和競爭性等。而實施區域信貸風險管理除了受到區域經濟條件的影響，還要受到當地銀行分支機構的經營管理水平等微觀因素的直接約束。對總行來說，通過大數據平臺能夠橫向對比各區域間經濟發展和信貸環境的不同，對于經濟發展不同的區域執行差異化的信貸政策；通過對本地以及更大區域范圍內產業結構的宏觀把控以及時發現產能過剩行業，抑制信貸過快、盲目增長；優化區域間信貸資源配置，積極引導各貸區形成能夠發揮區域優勢的特色信貸發展格局；實行總量控制和比例控制相結合的區域信貸風險監測和考核機制。對于各分行來說，大數據還能夠幫助銀行更直觀地發現本區域經濟發展的特點，發掘本區域具有相對優勢的行業，對產業鏈進行審視，發現其薄弱環節并進行傾向性的區域信貸政策，以拓展和培育新的信貸市場并形成新的區域信貸增長點，達到從行業優勢轉變為區域優勢的縱向拓展。

四、建立以客戶為中心的商業銀行信貸風險管理體系

（一）用大數據思維重新構建信貸風險管理架構我國商業銀行的傳統風險管理組織架構是金字塔狀，即由總行到分行再到支行的結構，但這一組織結構很容易導致市場營銷和風險控制出現嚴重的職能覆蓋沖突。信貸業務前后臺沒有嚴格的區分，無法有效識別和防范信貸業務中的操作風險。當前同一企業多渠道融資的情況比較普遍，同一企業或個人跨區域、跨市場、跨銀行的業務經營和資金流動情況加深了銀行對客戶進行整體風險評估的復雜性和難度。僅從常規渠道獲取的表層數據信息進行風險判斷，對于借款人的社會關聯與經營現狀的真實狀況很難鑒定，并且極難發現諸如關聯風險、虛假信息、交叉違約風險以及互保聯保風險等多層復雜風險。

用大數據思維構建以客戶為中心的全面風險管理體系，對同一客戶實行全局統一授信的方法，完成以客戶為中心的組織架構，重新界定部門間職能分工，更容易讓商業銀行金字塔式的組成結構向扁平化、矩陣化發展。改變由各分支機構各自分散識別風險的做法，集中統一管理數據信息，把同一目標客戶的不同貸款按照統一的風險準入政策和標準的風險防范措施來處理，提高風險管理效率。形成以客戶為中心的風險管理機制，可以在大量數據信息的統合分析基礎上，篩選符合本行風險偏好要求的客戶群體，實現信貸產品的P2P精準營銷。

（二）提供有效的貸后管理監測途徑長期以來我國信貸風險管理對貸后管理的重視程度不足，原因之一是我國銀行業傳統融資主體以國有大中型企業為主，貸后管理效用不大；也與我國銀行普遍重視信貸的貸前審查，準入機制要求相對嚴格削弱了銀行貸后管理有關。長期的經濟高速增長更隱藏了這種貸后管理缺失帶來的風險。在新常態下，隨著融資市場中借款人結構的變化，特別是民營中小型企業在社會融資中的比例提升，貸后管理的重要程度日益增加。大數據可以為銀行的貸后管理提供更多快捷有效的監測途徑，比如結合客戶所處行業主要的指標，分析客戶的同期數據變動是否正常，根據客戶年度的經營數據來縱向對比觀察是否出現波動。對客戶進行全面持續的風險監測，形成全方位、全流程的監測體系，對保證人和抵押品價值變化的持續觀測，有效防止擔保虛化等風險的發生。

（三）為培養專業型風險防控人才提供標準利用大數據可以通過對單一行業或幾個行業內、特定某個區域或幾個區域內信貸風險事件的流程梳理總結，總結其出現征兆、發展過程及解決方案，為解決特定維度的信貸風險提供風險判斷權重參考值，為專業型人才培養提供經驗依據以更快適應市場需求。這就使得財務人員從以往對風險識別和判斷主要通過經驗的方式逐步轉變為通過數據信息和模型技術對風險進行綜合判斷的方式，培養專業復合型風險人才隊伍。

（四）結合大數據優化信貸產品結構信貸結構是指在不同維度上信貸資金投放運用的配比。優化信貸結構能夠有效規避信貸風險，并直接決定銀行的發展方向。經濟新常態下，以往獲取大量信貸資產配置的產業可能會逐漸進入衰退期，同時新興產業的發展會需要更多信貸資源的投入。但是，信貸資金的產業配置過度集中在某幾個行業的現象并不利于社會經濟的整體發展。通過大數據分析客戶對產品的需求度，實現產品功能互補，擴大整體營銷效應，鎖定優質客戶，提高客戶貢獻度同時提高銀行效益。以往僅靠企業原有財務報表及信用報告為核心的信用評價方法將得到改變，而更多依賴新的數據，諸如客戶與交易對手的結算信息進行對比，企業最終控股人及管理者的數據分析信用等多維度信息，更客觀、全面地對中小微企業進行公平的信用評估，從根本上改變中小微企業融資難的現狀，拓寬業務渠道和種類，優化商業銀行現有信貸結構。

結合大數據，對宏觀經濟形勢下各行業之間聯系進行全方位的分析，有利于商業銀行發現潛在的增長點或潛伏的風險，對各區域信貸資源分配進行統一調整優化，實現調整社會經濟結構、投資消費比、產業結構等目的，避免重復建設產能過剩，平衡不同行業之間的信貸結構，發揮商業銀行的社會責任。以中國第一家大數據信用信息服務機構金電聯行為例，這是一家利用大數據平臺對企業各項數據進行分析，量化其信用額度來進行純信用貸款業務模式的機構。中小企業獲取其信用評價就可以直接從銀行獲取無需抵押擔保的純信用貸款。民生、招商、建設銀行等信貸管理服務提供商都選擇了金電聯行。截止2014年8月，金電聯行為200多家中小微企業提供了總規模超過三十億的信用融資服務，其不良貸款發生率為0。

［1］尹麗艷：《后金融危機時代探尋我國商業銀行信貸風險管理的新對策》，《北京工商大學學報》2012年第1期。

［2］魏國雄：《大數據與銀行風險管理》，《中國金融》2014年第15期。

（編輯杜昌）