基于大數據背景下金融風險控制研究

呂建林

（上海工程技術大學 管理學院，上海 201620）

一、引言

大數據時代正悄然而至，金融企業間的市場競爭日益激烈，誰能夠在激烈的市場經濟競爭中率先掌握網絡科技手段，就可以占據優勢。大數據信息的把控，很大程度上可以幫助企業進行風險評估及預測，進而提出應對策略，獲得風險監控收益，并取得最后的競爭勝利。

隨著大數據時代的到來，我國的金融企業正在尋求與大數據信息網絡的接軌，經過多年的探索與嘗試，國內金融企業的隊伍正在不斷壯大，所掌握的信息量也在不斷增加，在分享經濟下可以互相交流與溝通，實現真正的共贏。金融企業與大數據時代相適應之后，具備了很多優勢：首先是金融企業在開展金融項目的時候可以掌握更多、更準確的信息；其次是金融企業如果財政狀況良好，可以將更多的資金投入到人才引進中來。所以，利用大數據進行金融風險控制成為金融業控制風險更好的選擇。通過這種靈活的大數據技術，可以在最大程度上利用人們以為無法有效利用的數據信息形式來實現對金融風險的控制，為金融業的發展也帶來了更大的機遇。

二、大數據與金融風險控制

（一）大數據及其技術

大數據是指在一定時間范圍內無法用傳統數據庫軟件進行采集、存儲、管理和分析的數據集或數據群，需要通過新的處理模式才能體現出的具有高效率、高價值、海量、多樣化特點的信息資產。利用數據挖掘分析技術可以使這些結構化、半結構化、非結構化的海量數據產生巨大的商業價值。

要做大數據，把大數據應用于金融風險控制中，首先要了解金融業，清楚的知道金融風險是什么，最關鍵的是金融機構需要找到應用于金融風險控制的核心數據。當掌握了核心數據之后，才能更好地為企業自身的大數據庫建設提供幫助。此外，還需要掌握一些相關的外圍信息，并在此基礎上不斷健全數據庫。最內層是核心，由內而外依次是外圍相關信息、外部組織的相關信息、社會非結構化的信息。

在借助大數據的作用實施有效的金融風險監管工作中，最為重要的環節就是信息挖掘。信息的深入挖掘都是從淺顯的、零碎的、繁雜的、不清晰的多樣化信息中摸索對自己有用的數據與內容，同時也是一個決策支持的過程。都是建立在網絡智能、機械學習、統計學原理的基礎上。運用大數據庫對已掌握的信息進行精準的解讀，并對此進行深入的總結推理，力爭發現其中可能存在的對企業有利的方式，能有效協助金融企業積極地進行市場調控，監督潛在威脅，力圖做出精準高效的解決方案。

（二）金融風險及其控制

1.客戶風險較高。很多網絡金融客戶可以獲得的收益水平不高，并不能確?？梢詮你y行那里獲得所需的貸款數目，如果不能確定是銀行的潛在客戶，且誠信評估水平不高，那么銀行就會斷定這些客戶的還款能力不達標，自然而然就會將這一意識投射到信貸審核的過程中，進而不情愿為客戶提供融資服務。尤其現在是處于國內經濟發展的關鍵時期，很多中小型企業缺乏必要的發展運營基礎，極易受國家宏觀調控的影響。因此，企業的運營狀況及經濟效益的浮動會非常大，進而導致企業自身還款能力下降。在當今網絡信息化的金融體系中，還款能力不足并呈顯著下滑趨勢的客戶與企業很多，他們面臨著相對較高水平的誠信風險，反過來又對現在的網絡信息金融行業的誠信風險監控提出了更高的要求。

2.客戶信用信息不全。網絡信息時代下的金融企業，有很多并未與銀行的誠信機制進行聯結。因此，就不能獲取到關于客戶的相關數據，諸如客戶的知識水平、客戶的工資水平、借還款情況、金融機構數據等。網絡信息時代下，金融企業在開展誠信風險審核工作的時候，只可以借助一些已經掌握的客戶自己告知的相關數據實施審核，但想要獲取到客戶的全部準確數據存在非常大的難度。只要金融企業不能完全掌握客戶的足夠信息，就無法進行客觀準確的誠信風險審核，進而就會降低金融企業對客戶的融資可能性，極大地限制了客戶自身及所在公司的發展。

3.惡意欺詐和薅羊毛比例較高。網絡信息化的金融企業一直都面臨著很多的挑戰，其中最為突出的就是存在一些有意薅羊毛的人，緊緊抓住金融企業的運營不足之處，借助新客戶的注冊及客戶介紹環節，來獲取積分，并通過短期投資的方式來獲取經濟效益。大多數的網絡信息金融企業的風險監控機構設置的目的就在于，希望可以尋找出存在的羊毛黨，并不給他們提供貸款業務。隨著科技手段的發展，羊毛黨欺詐手段與方式日趨先進，給銀行和審查部門都造成了很大的困擾。這就要求企業要建立強大完善的風險監控機制，網絡金融企業可以通過自身的風險控制經驗、客戶的相關數據來進行反欺詐。

4.客戶違約成本低，債務收回成本較高。網絡金融企業中，不能按時還款的客戶非常多，針對這種狀況，各個企業都構建屬于自己的貸款催收隊伍。一般催債隊伍會通過三種方式進行催債：首先是把資產整合起來，通過打折的手段轉讓給資產監管企業，將催債的任務交給他們。這種催債的成效并不好，造成的利益損失也比較高，而且也將面臨一定的法律風險。其次是交托給擔保公司，客戶需要擔負約百分之二的費用，這種模式是催債團隊使用較多的手段，但是只適用于還款債務規模較小的情況。一旦規模過大，就會導致催債的成本增加，降低企業的整體競爭力。最后是自己催收，其實很多未按規定還款的款項到最后都可以收回來，拒不還款的客戶還是占極小一部分。有些超期還款的客戶到最后反而成為了網絡金融企業中的信用程度較高的客戶，可以提供給企業的經濟效益更多。但弊端就在于催收過程中所需資金投入太大，客戶所需支付的違約成本卻較低。這就需要建立個人征信評分系統，規范客戶信貸行為，減少客戶信貸違約比例，使互聯網金融機構正常運行。

三、基于大數據的金融風險控制模式

（一）金融風險識別

金融風險識別即為在潛在風險未出現時，人們通過一系列客觀有效的手段意識到的可能存在的風險，并及時針對這些潛在風險進行解讀，是風險管理最基礎的一步，是對風險進行基本的認識和鑒別。

1.金融風險識別的原則：（1）全面詳細：全面了解各種風險事件、發生的概率、損失的嚴重程度；（2）綜合考察：各種方法綜合運用；（3）成本最?。猴L險識別要量力而行；（4）科學量化：用科學的方法度量風險的損失；（5）系統化、制度化與經?；?。

2.金融風險識別的內容：（1）認知金融風險：感知風險，了解客觀存在的各種風險；（2）分析金融風險：解讀造成風險事故的諸多原因以及再次出現的可能性。第一步是制作風險清單，風險監管職員應排列好可能會遭遇的風險與威脅，并把它們與企業的運作狀況相結合，由此便有利于察覺可能存在的威脅原因，才能明確威脅的來源及破壞程度；第二步是解讀潛在風險所帶來的損失情況，包括直接損失、間接損失以及責任主體。

3.金融風險識別的目的：（1）認識風險，判別風險的類型；（2）衡量風險的大小，風險發生的概率；（3）選擇最佳的風險處理方案。

（二）金融風險控制管理

1.集約化管理。在大數據技術的應用下，金融企業觸及客戶的方式發生了極大的變化，其在對客戶信用風險進行管理時無須以現場直接接觸的方式接觸、服務和管理客戶，而是以電話聯系、網絡在線溝通、移動智能設備客戶端等方式與客戶進行互動，進而有效地降低了運營成本。此外，由于業務流程更加標準化，在保證提高業務質量的同時，金融企業的服務效率也得到了提升，從而能夠更好地在控制風險的基礎上向不同的客戶群提供其所需的金融服務。

2.全過程風控。金融企業基于對大數據技術的應用，能夠在其風險管理系統中接入海量集中式數據，這些多維度數據的交叉驗證，能夠解決金融企業在客戶信用風險評估中客戶信息難以收集的問題，從而有效地緩解了金融企業在信貸業務中所面臨的信息不對稱的問題，提高了金融企業對客戶信用風險的識別和預防能力。在充分運用大數據的基礎上，金融企業的貸后管理能力尤其是非現場的貸后管理能力得到了提升。在大數據技術的應用下，金融企業的風險控制以非現場的預警監測為依托，對不同客戶群的風險特征和行為模式進行識別，強調對授信客戶進行持續跟蹤、動態監測和實時預警。

3.標準化與差異化相結合。雖然金融企業所提供的信貸產品具有一定的標準化特征，但在其風險管理過程中也同樣會考慮如何對差異進行處理。根據數據分析和市場調研的結果，金融企業可以針對不同行業、不同地區、不同特征的客戶群制定不同的標準化產品，并分別采用不同的運作流程、審核標準、評分卡和授信策略。在集約化的風險管理下，金融企業可以在不斷的學習和測試過程中，對其經營策略進行細分和調整。

4.輸入信息多樣化。在大數據技術的應用下，越來越多的外部信息也被納入金融企業的風險評估系統。在對外部信息進行標準化處理后，信息數據之間所進行的交叉驗證能夠在結合各個客戶群特征的基礎上進行優化。隨著外部輸入信息的范圍越來越廣、數據量越來越大、數據變化頻率越來越快以及數據類型愈加多樣化，金融企業的風險管理系統在數據處理、數據分析、模型建立、策略應用等方面的能力也在不斷增強。

四、基于大數據的金融風險控制方案設計

為了滿足飛速發展的網絡化金融的風險監控需求，需要基于下面三個角度進行合理有效的大數據風險監控工作。

第一，外部數據源整合。最大限度地對第三方信息來源與誠信評估組織進行整合，開展反欺詐到電商平臺等多元化全方位的信息及業務服務。

第二，風控模型與評分。在對客戶的誠信水平進行評估之前，必須對客戶的還貸能力以及意愿進行深入的了解，并針對差異化的、等級不同的客戶實施分類工作。之后再嚴格按照評分卡開展審核、授信、定價、威脅預測、數額調節等工作，完成信貸工廠的差異化與模式化構建。

第三，自動化決策。在網絡化金融的借貸需求基礎上，建構一系列自動化決策機制與風險監控機制，進而高效地評估企業風險，核算誠信風險層次，并提供給客戶適當合理的授信數目，真正地做到快速授信、即時放貸。

利用大數據控制金融風險的流程為：客戶申請、客戶授權、資信評估、資信報告、授信決策、放款和貸后管理。其中，資信評估包括身份驗證，黑名單檢查，社交數據，教育數據，運營商數據，電商數據，公積金數據以及社保數據等；貸后管理包括定期聯系，催收策略以及催收模型等。具體來說，在大數據風險控制中，客戶通常從網頁端口或手機客戶端口進入貸款申請系統；金融機構在獲得客戶授權指令后，利用其系統內和第三方的相關客戶信息數據對客戶進行征信：首先是對客戶身份進行驗證，并對其進行黑名單檢查，之后利用客戶的交易行為數據、社交數據、教育數據、運營商數據、電商數據、公積金數據、社保數據等相關數據對客戶的信用風險進行分析和評估；在評估結果的基礎之上，生成該客戶的資信報告；基于資信報告做出授信決策，并向客戶發放貸款；在客戶借款期間，在與客戶保持聯系的基礎上，依據事先設定好的催收模型和催收策略對客戶的信用風險進行實時監控。

五、余論

大數據實現了對金融業務產生的數據信息結構的解構，成為一個具有流動性、信息共享與連接的數據池。通過這種靈活的大數據技術，人們可以在最大程度上利用人們以為無法有效利用的數據信息形式來實現對金融企業業務風險的高效控制，為金融企業的發展也帶來了更大的機遇。大數據信息技術的提高也使得控制風險的數據信息安全工具和技術有所發展，讓金融信息安全的監督更加精細、高效與及時。

大數據的安全愈發重要，為金融信息安全帶來了發展機遇。大數據提高了金融數據信息的價值，但是數據信息安全意識薄弱以及頻發的金融信息安全事件，無疑對金融信息的安全提出了更高的要求。目前所使用的信息安全技術、工具、管理手段以及相關的不能解決這個問題的方法、方式都應該得到改進，而大數據時代的到來正是順應這一趨勢的必然選擇與必經之路。所有這些，都為金融信息安全的發展提供了新的發展機遇。