基于大數據的商業銀行風險預警研究

閆鼎華

（中國礦業大學外國語言文化學院，江蘇 徐州221116）

一、大數據應用的時代背景

（一）大數據的定義和特征

所謂大數據并不僅僅是指海量數據，而更多的是指這些數據都是非結構化的、殘缺的、無法用傳統的方法進行處理的。全球知名咨詢公司麥肯錫將大數據定義為“無法在一定時間內用傳統數據庫軟件工具對其內容進行抓取、管理和處理的數據集合。”

國際數據公司定義了大數據的四大特征：海量的數據規模、快速的數據流轉和動態的數據體系、多樣的數據類型和巨大的數據價值。

如今，數據已經滲透到當今每一個行業和業務領域，成為重要的生產因素。全球新產生的數據年增40%，全球信息總量每兩年就可翻番。人們對于海量數據的挖掘和運用，預示著新一波生產率增長的到來。

（二）大數據應用的技術背景

金融科技是互聯網金融在監管的逐漸規范中回歸本質，強調技術創新，而非渠道創新或監管套利，落腳點在科技，偏重技術屬性，強調利用大數據、云計算、人工智能等新技術在金融服務和產品上的應用。

金融科技技術逐漸成熟并加以應用，迄今為止金融科技經歷了通過IT軟硬件技術提高金融行業的業務效率、通過互聯網或移動終端實現信息共享和業務撮合而擴大業務范圍這兩個階段，現在已經進入第三個階段。金融業通過大數據、云計算、人工智能、區塊鏈等最新IT技術，改變傳統金融的信息采集來源、風險定價模型、投資決策過程、信用中介角色等，大幅提升傳統金融的效率，解決傳統金融的痛點，其代表技術有大數據征信、智能投顧、供應鏈金融等。金融科技的發展以北美為主導，歐洲與亞洲緊隨其后，在過去的五年間，三大洲金融科技投融資規模激增。

二、銀行業大數據應用于風險預警方面的進展

從銀行業智能風控的最新進展來看，總體呈現如下幾個特點：

1.大中型銀行已普遍在風控領域應用了大數據。

2.先進同業已將大數據技術應用于包括獲客、調查、審批、貸后監控的信貸全流程。

3.從規則預警逐漸向模型預警過渡。

4.提升了風控實時性、準確性、前瞻性并節約人力成本。

銀行業大數據在風險預警應用方面代表性銀行如下頁表1。

三、商業銀行傳統風險預警的主要內容

（一）授信業務的風險預警環節

授信業務的風險預警工作是貫穿于整個授信業務始終的，一旦客戶與銀行開始產生授信業務關系，風險預警工作就隨著開始了。在授信調查、授信審批、放款管理、貸后檢查等所有環節均明確提出風險預警工作要求，如放款管理過程中一旦發現風險預警信號，客戶經理、客戶經理主管、國際業務等專業審核人員、押品管理人員、放款審核員、放款主管等所有流程人員立即終止放款業務流程，同時發起風險預警流程。

（二）風險預警主要工作方法

授信業務工作人員主要通過貸后檢查、日常管理和公開信息等渠道，發現已經或可能對銀行信貸資產安全帶來風險的信號，首先要進行初步識別，專業崗位工作人員要及時督促授信業務的管戶客戶經理按流程在信貸系統發起預警并提出行動方案建議。授信業務人員識別和發現風險預警信號的主要方法有如下幾種。

表1

1．人工調查。授信工作人員在授信調查、貸后檢查等過程中，通過仔細查閱、分析相關客戶資料，與以往資料進行對比，發現變化并進行判斷得到風險預警信號；也可以通過現場觀察客戶經營情況的變化，發現風險預警信號；或者在與客戶或他人交往過程中、通過法院等機構公開發布的信息、通過查看客戶銀行賬戶變化等多種方式，得到與銀行授信客戶相關的信息加以識別判斷出風險預警信號。

2．系統識別。通過已實現客戶風險信息的自動化應用，能夠自動識別導入客戶，該客戶在系統中辦理授信業務時，通過警示標識，給系統操作人員以提示。

3．系統識別與人工調查相結合。系統識別不可能做到完全準確，客戶經理會更直接了解客戶的情況，會根據其掌握的客戶情況，對部分系統識別出的風險預警信號進行再調查，根據調查結果判斷是否需要進行預警。

（三）傳統風險預警工作的難點

在基層工作層面，系統識別的信息不可能做到完全合理，若發生客戶經理認為不應當預警的信息，一次兩次客戶經理還能夠接受，但超過兩次便會產生“狼來了”效應，引起客戶經理的非議。即便系統識別的風險預警信號準確，但客戶經理出于自我保護心態，或者存在僥幸心理，想要在續授信時順利通過，就有可能會找個理由將風險預警流程終止，少報或不報風險預警信號。

從分行管理層面，目前授信業務不良頻發，授信業務人員疲于應對，會不重視甚至忽視尚未發生顯性風險的客戶，更對揭示隱性風險的預警信號風險無暇顧及。通常每家分行只有一名后臺專業人員兼職處理風險預警事項，身兼多崗產生的繁雜工作，使得不少風險預警信號難以得到及時處理，預警效果無從體現。

四、以大數據技術提高風險預警工作成效

隨著大數據技術的發展，應充分利用基于大數據構建的風險預警系統。通過對授信客戶的信息采集、分層處理、甄別和判斷，預測未來市場和客戶的風險狀況，根據風險狀況進行不同程度的警報，并傳送至相應崗位采取措施，對風險提前采取控制措施，以避免風險繼續擴大對商業銀行造成不利影響。在構建風險預警系統的過程中，需要注意以下幾方面。

（一）夯實大數據基礎

對商業銀行而言，大數據主要包括兩部分，一是外部大數據，包括公開數據如工商、稅務、法院等，也包括非公開數據如征信數據、電商交易數據；二是在銀行內部的賬戶行為數據、企業定性和財務數據。而其中較難獲取的是外部大數據，需要銀行花費大量的人力、物力構建大數據系統，以夯實應用基礎。

（二）與金融科技公司聯合構建預警模型

風險管理信息化和大量數據積累，使得準確計量業務風險成為可能，商業銀行應借鑒國內外對授信業務風險預警模型研究成果和經驗，與專業的外部金融機構合作，通過整合內外部數據，構建銀行授信業務客戶風險預警模型。

（三）注重應用成效

海量的數據雖然增加了收集和處理的難度，但卻為銀行的主動性風險管理提供了強大的技術支持。通過對客戶的實時數據和歷史數據進行全局分析，設置風險控制點，及時發現問題并預警，可以增強風險識別和防范能力。上述一切均應在實際業務中進行檢驗，并在業務應用中不斷修正預警規則和模型，以進一步提升預警的前瞻性和針對性。