大數據時代銀行信用風險管理策略研究

張偉榮

摘要：進入21世紀以來，隨著信息技術的迅猛發展，全球已經基本跨入了大數據時代。大數據是繼云計算、物聯網之后又一次歷史性的技術變革，它主要強調對信息數據進行篩選、分析、整合、加工，使雜亂無章的數據變得有規矩可尋。那么，在大數據背景下，商業銀行如何借助內外部數據的整合來防控信用風險是非常值得深思熟慮的一件事。

關鍵詞：信用;貸款

一、商業銀行信用風險現狀

商業銀行的信用風險又稱為違約風險，是指借款人因種種原因，不愿或無力履行合同條件而構成的違約，導致銀行遭受損失的可能性。目前銀保監會對于信用風險的檢測指標主要表現為不良貸款余額、不良貸款率、貸款撥備率、撥備覆蓋率等。截至2018年二季度末，我國銀行不良貸款余額19571億元，已經連續27個季度上升;不良貸款率1.86%，較上一季度上升0.11個百分點，較上年末上升0.12個百分點。關注類貸款余額34241億元，較2017年末上升0.44%，較去年同期上升0.23個百分點，整體而言關注類貸款與不良貸款呈現出同步變化的態勢。從不良貸款率來看，增長勢頭有上升的趨勢，加之國家正在實施去產能、去杠桿、去庫存，我國銀行體系信用風險還有繼續釋放的空間。近些年，我國銀行表外資產規模急劇擴張，但表外資產的信用風險沒有釋放的出口，而最新的人行《關于規范金融機構資產管理業務的指導意見》又將部分表外資產納入表內管理，可能會對商業銀行的資產結構產生新的影響。綜合上述來看，國家產業結構的調整、資管新規等，可能會對商業銀行的資產質量產生一定的影響。

二、商業銀行信用風險管理的現狀

改革開放以來，我國商業銀行取得了長足發展，資產規模、資產質量、盈利能力都取得了較大的改善。但是我們還要正視與西方發達國家金融體系存在的差距，尤其是資本市場方面，目前我國企業融資以間接融資為主，直接融資市場發展相對滯后。目前存貸利差給銀行帶來了巨大的利潤，但是自古風險與收益是相伴而生的，利潤增長的同時不良貸款額也在逐年增加?，F階段銀行信用風險管理存在以下幾個方面的問題：

（1）信用風險管理重形式輕實質

1.輕視貸款企業自身經營收入，過于看中第二還款來源。在貸款調查環節僅依據企業提供的財務數據難以準確判斷企業實際經營情況，根據內部風控管理和貸款審查的要求，客戶經理往往要求貸款企業提供相應的擔保，這樣不僅能夠減免貸款不良的問責，還能加快貸款通過銀行中后臺的審查。

2.信貸管理系統建設滯后，貸后監測預警信息未起到實質性作用。目前商業銀行信貸管理系統企業數據來源于客戶經理的手工錄入，這樣可能會使得信貸管理系統所提示的信息帶有一定的主觀性和滯后性。

3.貸款集體審議難以真正意義上的獨立。目前商業銀行普遍實行貸款審批委員會集中審議制度，集體審議可以集合眾人智慧，一定程度上降低審議風險，但是商業銀行出于上級行經營業績考核壓力，基層行會給貸款審批委員會施壓，一定程度上降低了貸款審查委員會的獨立性。

（2）信用風險管理能力與業務發展不相適應

從2003年至2018年7月，商業銀行資產總額由276583.8億元增長到2543050億元，增長了約9.19倍，但是信用風險管理能力卻跟不上業務發展的需要，部分銀行出現了貸前調查不深入、貸后檢查流于形式，難以真正落實有效的風險管理的要求。

（3）貸款辦理中信用風險信息碎片化，難以集中整合

目前商業銀行基本根據審貸分離的原則，建立起了前臺、中臺、后臺的貸款“三查”制度，但是三個部門對貸款企業審查的關注點不同，可能導致信用風險收集不完整，每個部門僅根據自己的需求片面的了解部分信息這樣導致風險信息收集不完整。

（4）信息爆炸性增長與風險管理系統落后之間的矛盾

隨著大數據技術的發展，企業和個人的交易信息不斷被大數據系統所記錄。但是商業銀行局限于金融系統，難以對顧客消費習慣、生活習性、社交范圍等方面的信息進行準確的采集，跟別提利用數據進行分析處理，這就造成現有掌握信息難以滿足信用風險監測的需求。

三、商業銀行如何更好地利用大數據進行信用風險管理

（1）打破壁壘，建立以客戶中心的業務系統

在大數據時代，商業銀行要打破內外部壁壘，建立起以客戶為中心的綜合業務系統。對內進行各部門間的信息系統整合，從整體的角度看待信用風險管理。對外積極尋求與互聯網數據平臺的合作，利用各家網絡數據平臺的優勢，整合各方所擁有的資源，打造自身的數據分析平臺，提升信用風險分析和應對能力。

（2）構建全新的客戶信用風險評估模型

對收集的客戶信息進行分類整合，構建全新的風險評估模型，根據各項事件發生的概率和損失推測信用風險發生的概率。比如根據客戶過往在不同平臺的消費習慣、社交范圍等，綜合分析顧客履約能力，一旦發現顧客某一方面指標異常及時發出預警，提示客戶經理做出進一步的預判，已及時規避信用風險的發生。

（3）推進部門整合，改變傳統信貸模式

目前商業銀行普遍采用“總行——級分行一二級分行—支行”管理模式，信貸管理流程較長，造成管理的效率偏低、管理成本較高。大數據分析使得銀行收集的信息進一步向總行靠攏，總行就需要對各種信息進行在加工和處理。按照這樣的模式總行應該負責信貸的審批和管理，而基層行更多地側重營銷。

（4）培養大數據人才，提升專業技能

大數據的收集、整理、加工、運用都需要專業專業人才的操作，目前商業銀行信息科技人才占比較低，據專業調查顯示截至2017年工商銀行信息科技人才占比3.3%、農業銀行信息科技人才占比1.3%，中國銀行信息科技人才占比2.5%，建設銀行信息科技人才占比8.21%，交通銀行信息科技人才占比2.69%。這就需要注意相關人才的引進，培育出能夠對大量后臺信息數據綜合分析處理能力的專業人才隊伍，這樣真正的貸后信用風險預警監測才能落到實處。

參考文獻

[1]袁媛.金融科技與銀行信用風險管理[J]中國金融.2018（9）