基于復(fù)雜網(wǎng)絡(luò)的企業(yè)信息特征挖掘及風(fēng)控應(yīng)用探索

趙 暉，朱子言

（1.江蘇銀行，江蘇 南京210001；2.東南大學(xué)，江蘇 南京211189）

當(dāng)前，隨著內(nèi)外部環(huán)境的深刻變化，商業(yè)銀行信貸風(fēng)險(xiǎn)管理面臨多重挑戰(zhàn)。一是各個(gè)經(jīng)濟(jì)主體之間的聯(lián)動(dòng)性越來(lái)越緊密，企業(yè)之間的股權(quán)、債權(quán)和資金往來(lái)關(guān)系錯(cuò)綜交錯(cuò)，授信風(fēng)險(xiǎn)傳染路徑更為復(fù)雜，事前防控風(fēng)險(xiǎn)的難度加大。二是客戶利用信息不對(duì)稱，通過(guò)欺詐等手段套取銀行貸款現(xiàn)象增多。三是銀行客戶內(nèi)部業(yè)務(wù)信息管理分散，風(fēng)控應(yīng)用價(jià)值受限。四是可用于交叉驗(yàn)證的外部信息質(zhì)量不高。同時(shí)傳統(tǒng)的評(píng)分卡和評(píng)級(jí)模型也已無(wú)法滿足日益復(fù)雜的風(fēng)險(xiǎn)環(huán)境。對(duì)此，隨著大數(shù)據(jù)技術(shù)的逐步成熟，金融機(jī)構(gòu)開始嘗試運(yùn)用大數(shù)據(jù)和復(fù)雜網(wǎng)絡(luò)技術(shù)來(lái)構(gòu)建便捷、直觀的企業(yè)信息挖掘應(yīng)用模式，以揚(yáng)長(zhǎng)避短，提高風(fēng)控質(zhì)效。文章探討當(dāng)下商業(yè)銀行信貸業(yè)務(wù)風(fēng)險(xiǎn)管理面臨的主要問(wèn)題，介紹基于復(fù)雜網(wǎng)絡(luò)的企業(yè)信息特征挖掘概念和方法，并提出銀行應(yīng)對(duì)挑戰(zhàn)的舉措及展望。

一、 信貸風(fēng)險(xiǎn)管理面臨的主要問(wèn)題

（一）企業(yè)復(fù)雜關(guān)聯(lián)關(guān)系的識(shí)別能力不足

市場(chǎng)經(jīng)濟(jì)環(huán)境下投資主體逐漸多元化，跨地區(qū)、跨行業(yè)和集團(tuán)化經(jīng)營(yíng)的企業(yè)越來(lái)越多，納入集團(tuán)合并報(bào)表范圍內(nèi)的母子公司或子子公司僅為關(guān)聯(lián)客戶類型之一，除此以外關(guān)聯(lián)客戶類型還有總分公司、家族式、合營(yíng)聯(lián)營(yíng)、擔(dān)保關(guān)聯(lián)、產(chǎn)品關(guān)聯(lián)、市場(chǎng)關(guān)聯(lián)客戶等，企業(yè)之間的關(guān)系錯(cuò)綜復(fù)雜，也使得授信風(fēng)險(xiǎn)傳染路徑更為復(fù)雜。該類客戶，尤其是關(guān)聯(lián)度高的團(tuán)系企業(yè)（如集團(tuán)客戶、實(shí)際控制團(tuán)系企業(yè)、資金關(guān)聯(lián)度高的企業(yè)、擔(dān)保圈企業(yè)），一旦其中某一客戶暴露風(fēng)險(xiǎn)，極易形成多米諾骨牌效應(yīng)，無(wú)疑會(huì)給銀行信貸資產(chǎn)安全造成重大威脅。針對(duì)該類風(fēng)險(xiǎn)防控，目前，商業(yè)銀行可以通過(guò)查詢企業(yè)工商信息、征信報(bào)告等手段掌握存在股權(quán)關(guān)聯(lián)、擔(dān)保關(guān)聯(lián)的企業(yè)基本情況，但上述手段受制于查詢不便捷，同時(shí)無(wú)法獲取企業(yè)資金來(lái)往等信息，以致應(yīng)用價(jià)值大大受限。部分銀行則專門開發(fā)了企業(yè)關(guān)聯(lián)圖譜，通過(guò)整合工商數(shù)據(jù)、征信數(shù)據(jù)以及線下調(diào)查信息項(xiàng)下企業(yè)對(duì)外對(duì)內(nèi)擔(dān)保、投資和實(shí)際控制情況等客戶信息逐戶展現(xiàn)企業(yè)關(guān)聯(lián)關(guān)系，但仍存在展示維度不足、風(fēng)險(xiǎn)揭示不充分的問(wèn)題。

（二）鑒別信貸業(yè)務(wù)真實(shí)性手段傳統(tǒng)單一

信貸業(yè)務(wù)真實(shí)性是銀行信貸決策的前提條件，銀行信貸申報(bào)人員往往通過(guò)現(xiàn)場(chǎng)走訪了解客戶實(shí)際經(jīng)營(yíng)情況、盈利模式、結(jié)算方式、往來(lái)交易等信息。信貸審批和風(fēng)險(xiǎn)管理人員在進(jìn)行信貸業(yè)務(wù)審核或風(fēng)險(xiǎn)排查時(shí)通過(guò)企業(yè)提供的信貸業(yè)務(wù)申請(qǐng)資料和銀行內(nèi)部掌握的企業(yè)存取款信息、交易信息及基本信用評(píng)級(jí)等來(lái)判斷企業(yè)貸款需求真實(shí)與否。然而受制于信息不對(duì)稱，特別是在宏觀經(jīng)濟(jì)探底期，企業(yè)通過(guò)提供虛假信息及材料套取銀行貸款的現(xiàn)象在增多，主要涉及以下幾方面:一是通過(guò)沒(méi)有實(shí)質(zhì)現(xiàn)金流的關(guān)聯(lián)交易增加業(yè)務(wù)往來(lái)記錄，美化財(cái)務(wù)報(bào)表相關(guān)數(shù)據(jù)，調(diào)整和控制企業(yè)的資產(chǎn)負(fù)債結(jié)構(gòu)和經(jīng)營(yíng)成果，使各項(xiàng)財(cái)務(wù)指標(biāo)符合機(jī)構(gòu)借貸條件；二是通過(guò)企業(yè)間相互投資參股，虛增資本，營(yíng)造公司資本雄厚的假象；三是私下互保；四是虛構(gòu)貿(mào)易背景和貸款項(xiàng)目，使商業(yè)銀行無(wú)法通過(guò)現(xiàn)場(chǎng)調(diào)查、第三方數(shù)據(jù)交叉驗(yàn)證以及邏輯推導(dǎo)等方式核實(shí)企業(yè)的真實(shí)狀況，致使不法企業(yè)套取或挪用銀行貸款成為可能。

（三）銀行客戶內(nèi)部業(yè)務(wù)信息不完整、管理較分散

在商業(yè)銀行風(fēng)險(xiǎn)管理中，內(nèi)部數(shù)據(jù)對(duì)風(fēng)控發(fā)揮著重要的作用。國(guó)內(nèi)商業(yè)銀行數(shù)據(jù)建設(shè)普遍為業(yè)務(wù)驅(qū)動(dòng)型，即根據(jù)業(yè)務(wù)單元進(jìn)行劃分管理，以最先滿足業(yè)務(wù)單元需求，這產(chǎn)生了客戶業(yè)務(wù)信息分散化、口徑差異化的問(wèn)題，以致相關(guān)數(shù)據(jù)價(jià)值難以被充分挖掘。特別是在當(dāng)前銀行理財(cái)、公司類基金、信用債承銷及投資等業(yè)務(wù)規(guī)模迅速膨脹的大背景下，銀行除需加快相關(guān)數(shù)據(jù)互聯(lián)互通外，還應(yīng)探索其他數(shù)據(jù)應(yīng)用模式，以克服條線數(shù)據(jù)不完整、不共享的缺陷。

（四）可利用的企業(yè)外部信息質(zhì)量不高

在信貸風(fēng)險(xiǎn)類型多樣化、復(fù)雜化的大背景下，銀行內(nèi)部數(shù)據(jù)已遠(yuǎn)遠(yuǎn)不能支撐銀行信貸風(fēng)險(xiǎn)管理工作，大部分商業(yè)銀行已普遍開始布局涉及授信客戶的外部數(shù)據(jù)挖掘和分析工作。但可利用的外部數(shù)據(jù)普遍存在硬數(shù)據(jù)少、質(zhì)量不高的現(xiàn)象。結(jié)合部分銀行的實(shí)際情況看，工商數(shù)據(jù)、金融市場(chǎng)數(shù)據(jù)、手機(jī)驗(yàn)證、個(gè)人戶籍、學(xué)籍學(xué)歷等數(shù)據(jù)獲取相對(duì)容易，但稅務(wù)、水電等“硬數(shù)據(jù)”獲取難度較大。同時(shí)從不同渠道獲取的同類外部數(shù)據(jù)，或多或少存在重復(fù)、缺失等問(wèn)題，這也給數(shù)據(jù)風(fēng)控應(yīng)用增加了難度。

二、 基于復(fù)雜網(wǎng)絡(luò)的企業(yè)信貸風(fēng)險(xiǎn)特征挖掘及風(fēng)控應(yīng)用

（一）復(fù)雜網(wǎng)絡(luò)技術(shù)應(yīng)用于企業(yè)特征挖掘概述

復(fù)雜網(wǎng)絡(luò)技術(shù)是以企業(yè)為核心，利用信貸客戶授信基本情況、財(cái)務(wù)指標(biāo)、行為信息以及商業(yè)銀行引入的征信、失信人等信息為數(shù)據(jù)源，運(yùn)用復(fù)雜網(wǎng)絡(luò)建模挖掘結(jié)構(gòu)特征，建立起企業(yè)授信要素之間的聯(lián)系，結(jié)合行為信息計(jì)算行為特征，研究企業(yè)與企業(yè)之間、個(gè)人與企業(yè)之間以及個(gè)人與個(gè)人之間的投資、擔(dān)保、實(shí)際控制人、高管等復(fù)雜關(guān)聯(lián)關(guān)系，并以直觀的圖譜形式展示，以供授信管理人員識(shí)別和防控信貸風(fēng)險(xiǎn)。該技術(shù)因運(yùn)用了復(fù)雜網(wǎng)絡(luò)建模，一定程度上能克服內(nèi)外部數(shù)據(jù)缺陷對(duì)風(fēng)險(xiǎn)識(shí)別造成的負(fù)面影響。

（二）網(wǎng)絡(luò)圖譜展示方法

以文章研究的企業(yè)網(wǎng)絡(luò)圖譜為例，圖1 表示的是企業(yè)之間的網(wǎng)絡(luò)關(guān)系，每個(gè)節(jié)點(diǎn)代表的是一個(gè)信貸企業(yè)客戶，節(jié)點(diǎn)之間存在的連線若為實(shí)線則表示企業(yè)之間存在擔(dān)保關(guān)系；節(jié)點(diǎn)之間存在的連線為虛線則表示企業(yè)之間存在資金往來(lái)，在圖中分別表示為關(guān)聯(lián)1 和關(guān)聯(lián)2。如圖中A 與C 之間有連線且為實(shí)線，因此說(shuō)明A 企業(yè)為C 客戶的貸款擔(dān)保或者C 企業(yè)為A 企業(yè)的貸款擔(dān)保；A 與B 之間有連線且為虛線，因此說(shuō)明A 企業(yè)貸款客戶與B 企業(yè)貸款客戶之間存在一定的資金往來(lái)。并且，若與一個(gè)企業(yè)存在擔(dān)保關(guān)聯(lián)或資金往來(lái)關(guān)系的企業(yè)越多，則代表該企業(yè)的節(jié)點(diǎn)越大。因此，通過(guò)網(wǎng)絡(luò)圖譜可挖掘出企業(yè)在整個(gè)信貸網(wǎng)絡(luò)之中的關(guān)系特征以及地位。

圖1 企業(yè)之間的網(wǎng)絡(luò)關(guān)系圖

（三）復(fù)雜網(wǎng)絡(luò)建模挖掘優(yōu)勢(shì)

一是刻畫企業(yè)網(wǎng)絡(luò)結(jié)構(gòu)以及風(fēng)險(xiǎn)特征。復(fù)雜網(wǎng)絡(luò)能夠較為完整地刻畫企業(yè)擔(dān)保圈結(jié)構(gòu)、資金往來(lái)關(guān)系、派系特征等，通過(guò)模型算法將授信企業(yè)劃分成團(tuán)，進(jìn)行團(tuán)伙性分析，根據(jù)圖論上的屬性，如團(tuán)的密集程度和某些路徑的關(guān)鍵程度、圖直徑等角度來(lái)估計(jì)風(fēng)險(xiǎn)。二是彌補(bǔ)有限的內(nèi)外部數(shù)據(jù)缺陷，弱化數(shù)據(jù)真實(shí)性影響等問(wèn)題。一方面，利用復(fù)雜網(wǎng)絡(luò)可以提取企業(yè)行為特征，傳統(tǒng)企業(yè)行為特征大部分來(lái)源于外部數(shù)據(jù)但相對(duì)稀疏，復(fù)雜網(wǎng)絡(luò)可以一定程度地解決外部數(shù)據(jù)稀缺和有效性欠佳的問(wèn)題，作為預(yù)測(cè)信貸風(fēng)險(xiǎn)的有力補(bǔ)充。另一方面，復(fù)雜網(wǎng)絡(luò)通過(guò)對(duì)涉及授信企業(yè)基本信息和授信特征的深入挖掘，計(jì)算出大量的有效關(guān)聯(lián)信息，可以提升風(fēng)險(xiǎn)預(yù)測(cè)精度。三是解決中小企業(yè)風(fēng)險(xiǎn)評(píng)價(jià)成本高、手段少的問(wèn)題。通過(guò)復(fù)雜網(wǎng)絡(luò)建模挖掘，能較快地形成企業(yè)特征圖譜，并能識(shí)別涉及包括集團(tuán)關(guān)系、擔(dān)保關(guān)系、資金關(guān)系等風(fēng)險(xiǎn)，除能應(yīng)用于大企業(yè)風(fēng)控外，同樣也可以適用于中小企業(yè)貸款的風(fēng)險(xiǎn)管理，如結(jié)合中小企業(yè)授信流程優(yōu)化，可大幅降低中小企業(yè)風(fēng)險(xiǎn)管理成本。同時(shí)隨著可利用數(shù)據(jù)的多元化，如加入企業(yè)供應(yīng)鏈、外部投資等信息數(shù)據(jù)，銀行對(duì)企業(yè)風(fēng)險(xiǎn)的評(píng)價(jià)范圍和尺度也將更加全面和有效。

（四）模型實(shí)施

1.根據(jù)業(yè)務(wù)流程定位模型數(shù)據(jù)

文中復(fù)雜網(wǎng)絡(luò)建模主要針對(duì)對(duì)公授信客戶，數(shù)據(jù)主要包括兩大類，分別是某城商行內(nèi)部數(shù)據(jù)和外部征信數(shù)據(jù)。數(shù)據(jù)直接描述企業(yè)在整個(gè)業(yè)務(wù)流程中的行為以及關(guān)聯(lián)關(guān)系的形成，并從內(nèi)部業(yè)務(wù)系統(tǒng)獲取客戶業(yè)務(wù)、預(yù)警等相關(guān)數(shù)據(jù)，按主題進(jìn)行匯總。

2.特征提取

基于處理好的數(shù)據(jù)，論文從以下維度提取特征:一是企業(yè)基本信息特征。定性地反映企業(yè)的基本情況、信用及還款能力等，如企業(yè)規(guī)模、所有權(quán)性質(zhì)、所屬行業(yè)、是否集團(tuán)客戶等。二是結(jié)構(gòu)特征。描述客戶所在網(wǎng)絡(luò)關(guān)系中的結(jié)構(gòu)特征，企業(yè)在圖中所處的位置對(duì)其他節(jié)點(diǎn)產(chǎn)生的影響，比如客戶在圖中的影響程度值。文中結(jié)構(gòu)特征涉及擔(dān)保關(guān)聯(lián)、資金往來(lái)、集團(tuán)關(guān)聯(lián)和派系關(guān)聯(lián)等。

我們利用Python 的Networkx 庫(kù)構(gòu)建數(shù)據(jù)結(jié)構(gòu)。每個(gè)網(wǎng)絡(luò)圖譜均可轉(zhuǎn)化為鄰接矩陣的形式，其中網(wǎng)絡(luò)圖譜的每條邊均可對(duì)應(yīng)于矩陣中的一個(gè)元素。又由于文中網(wǎng)絡(luò)圖譜均為無(wú)向圖，因此所有邊均可對(duì)應(yīng)為鄰接矩陣中的兩個(gè)對(duì)稱元素，且鄰接矩陣為對(duì)稱陣。

如圖2 所示，根據(jù)復(fù)雜網(wǎng)絡(luò)理論，關(guān)聯(lián)網(wǎng)絡(luò)可由鄰接矩陣A＝{aij}的形式唯一給出。其中aij＝1 表示i企業(yè)與j企業(yè)之間存在關(guān)聯(lián)，值為0 則表示不存在關(guān)聯(lián)。假設(shè)i企業(yè)的特征為wj，則j企業(yè)受i企業(yè)行為傳染的結(jié)果為aij×wj。即若i企業(yè)與j企業(yè)之間存在關(guān)聯(lián)，則i企業(yè)對(duì)j企業(yè)的特征的貢獻(xiàn)為wj。因此，對(duì)于一個(gè)已知網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系或鄰接矩陣，根據(jù)所有企業(yè)的特征向量W＝[w1，w2，…，wj]可以計(jì)算出j企業(yè)受傳染的特征為∑n i aij×wj。根據(jù)高等代數(shù)知識(shí)，我們定義行為特征為經(jīng)過(guò)傳染的特征，可具體用線性代數(shù)中的內(nèi)積表示如下:ω＝A×w＝[ω1，ω2，…，ωn]。其中，j企業(yè)的特征為ωj＝因此，依據(jù)企業(yè)關(guān)聯(lián)關(guān)系挖掘，可以分別輸出企業(yè)特征。進(jìn)一步通過(guò)聚類分析即可挖掘特征與潛在風(fēng)險(xiǎn)標(biāo)識(shí)之間的關(guān)聯(lián)。如果將所有特征通過(guò)降維得到唯一的風(fēng)險(xiǎn)特征因子，結(jié)合關(guān)聯(lián)圖譜可以得到如圖3 所示效果。

圖2 關(guān)聯(lián)網(wǎng)絡(luò)創(chuàng)建

圖3 關(guān)聯(lián)效果

由此，風(fēng)險(xiǎn)特征因子與潛在風(fēng)險(xiǎn)標(biāo)識(shí)之間的關(guān)聯(lián)可以分割為兩個(gè)層面。一方面，風(fēng)險(xiǎn)特征越大的集團(tuán)派系會(huì)具有越大的潛在風(fēng)險(xiǎn)標(biāo)識(shí)發(fā)生概率。另一方面，同一集團(tuán)或派系的企業(yè)具有相近的風(fēng)險(xiǎn)特征的同時(shí)，也會(huì)具有相似的潛在風(fēng)險(xiǎn)標(biāo)識(shí)情況。這一結(jié)果將進(jìn)一步表明網(wǎng)絡(luò)圖譜對(duì)于風(fēng)險(xiǎn)特征挖掘和風(fēng)險(xiǎn)預(yù)測(cè)的作用，同時(shí)給風(fēng)險(xiǎn)管理提供有力建議，即對(duì)集團(tuán)或派系風(fēng)險(xiǎn)進(jìn)行有針對(duì)性的提前預(yù)防和監(jiān)控。

3.模型效果

論文所涉及的圖譜呈現(xiàn)明顯的無(wú)標(biāo)度特征，即網(wǎng)絡(luò)中少數(shù)稱之為Hub 點(diǎn)的節(jié)點(diǎn)擁有極其多的連接，而大多數(shù)節(jié)點(diǎn)只有很少量的連接。從復(fù)雜網(wǎng)絡(luò)理論來(lái)看，無(wú)標(biāo)度網(wǎng)絡(luò)的整體結(jié)構(gòu)對(duì)抗風(fēng)險(xiǎn)的穩(wěn)定性較強(qiáng)，而個(gè)別節(jié)點(diǎn)的風(fēng)險(xiǎn)傳染效應(yīng)較為明顯。這一特征可由雙對(duì)數(shù)坐標(biāo)軸下的度累積分布圖佐證。

根據(jù)復(fù)雜網(wǎng)絡(luò)理論，無(wú)標(biāo)度網(wǎng)絡(luò)十分符合現(xiàn)實(shí)社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)的形式，其中重要節(jié)點(diǎn)產(chǎn)生變化，將對(duì)整個(gè)網(wǎng)絡(luò)產(chǎn)生巨大影響。而從風(fēng)險(xiǎn)管理角度來(lái)看，如果重要節(jié)點(diǎn)產(chǎn)生風(fēng)險(xiǎn)，將迅速傳染至其關(guān)聯(lián)節(jié)點(diǎn)。一方面，重要節(jié)點(diǎn)關(guān)聯(lián)企業(yè)較多，被高風(fēng)險(xiǎn)企業(yè)牽連的可能性較大；另一方面，重要節(jié)點(diǎn)由于其自身關(guān)聯(lián)企業(yè)較多，控制風(fēng)險(xiǎn)和解決短期流動(dòng)性問(wèn)題的能力較強(qiáng)。總的來(lái)說(shuō)，節(jié)點(diǎn)的重要性與其自身風(fēng)險(xiǎn)之間存在一定關(guān)聯(lián)關(guān)系。

由此，我們定義結(jié)構(gòu)特征為節(jié)點(diǎn)重要性，可以用節(jié)點(diǎn)度來(lái)表征。節(jié)點(diǎn)度即與該節(jié)點(diǎn)關(guān)聯(lián)節(jié)點(diǎn)的個(gè)數(shù)，對(duì)于有向圖則分為入度和出度。節(jié)點(diǎn)度可以根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)計(jì)算得出，若網(wǎng)絡(luò)圖以節(jié)點(diǎn)度作為節(jié)點(diǎn)大小，則可以清晰看出重要節(jié)點(diǎn)的位置。

三、 啟示和展望

（一）強(qiáng)化網(wǎng)絡(luò)圖譜風(fēng)險(xiǎn)防控應(yīng)用

一是持續(xù)優(yōu)化圖譜展示功能。利用文章所述的復(fù)雜網(wǎng)絡(luò)技術(shù)可以將銀行掌握的企業(yè)信息結(jié)構(gòu)化，銀行可以把企業(yè)基本情況、授信情況、內(nèi)部數(shù)據(jù)和外部信息等多維度信息整合到一張圖譜中，并可結(jié)合內(nèi)部數(shù)據(jù)整合和外部數(shù)據(jù)引入，持續(xù)優(yōu)化圖譜展示功能，從而不斷提升信貸風(fēng)險(xiǎn)識(shí)別和防控能力。二是加強(qiáng)圖譜在信貸“三查”中的應(yīng)用。結(jié)合圖譜展示的風(fēng)險(xiǎn)狀況，客戶經(jīng)理可根據(jù)風(fēng)險(xiǎn)揭示信息開展針對(duì)性的現(xiàn)場(chǎng)核查，審查審批人員可判斷企業(yè)是否存在關(guān)聯(lián)關(guān)系風(fēng)險(xiǎn)、擔(dān)保圈風(fēng)險(xiǎn)、供應(yīng)鏈風(fēng)險(xiǎn)、貸款被挪用等風(fēng)險(xiǎn)，并可根據(jù)潛在風(fēng)險(xiǎn)狀況采取針對(duì)性的授信方案。

（二）挖掘企業(yè)內(nèi)部信息，豐富特征維度

銀行可進(jìn)一步搜集企業(yè)風(fēng)險(xiǎn)數(shù)據(jù)并進(jìn)行挖掘處理，通過(guò)關(guān)聯(lián)業(yè)務(wù)分析和數(shù)據(jù)可視化建設(shè)，探索并實(shí)踐大數(shù)據(jù)分析方法。對(duì)海量客戶信息開展多維度挖掘，并根據(jù)業(yè)務(wù)風(fēng)險(xiǎn)排查結(jié)果總結(jié)經(jīng)驗(yàn)，梳理客戶風(fēng)險(xiǎn)圖譜多維度展現(xiàn)客戶基本信息、風(fēng)險(xiǎn)信息、銀行業(yè)務(wù)與往期風(fēng)險(xiǎn)處置信息，將客戶全方位風(fēng)險(xiǎn)要素可視化，提升風(fēng)險(xiǎn)信息挖掘處理和關(guān)聯(lián)業(yè)務(wù)分析能力。將風(fēng)險(xiǎn)客戶的資產(chǎn)情況、社會(huì)關(guān)系、行為軌跡等信息橫向關(guān)聯(lián)、縱向發(fā)掘，可以支持風(fēng)險(xiǎn)信息的交叉分析驗(yàn)證和風(fēng)險(xiǎn)評(píng)估，提升風(fēng)險(xiǎn)客戶評(píng)價(jià)的可靠性和準(zhǔn)確率。內(nèi)部風(fēng)險(xiǎn)信息在銀行各業(yè)務(wù)條線的自動(dòng)調(diào)用與實(shí)時(shí)展現(xiàn)，可以豐富業(yè)務(wù)風(fēng)險(xiǎn)防控的預(yù)警模式與參考要素，為客戶風(fēng)險(xiǎn)分析與處置提供保障，為銀行業(yè)務(wù)穩(wěn)健安全發(fā)展提供支持。

（三）建立不良授信案例庫(kù)，提升模型效果

對(duì)于很多中小型銀行，因業(yè)務(wù)規(guī)模及信息系統(tǒng)建設(shè)滯后等原因，不良授信的案例庫(kù)要么缺失、要么案例較少，尤其是對(duì)于結(jié)構(gòu)化融資、投資基金等類信貸業(yè)務(wù)，不良案例庫(kù)更是少之又少。由于案例庫(kù)的缺少，目前風(fēng)頭正勁的機(jī)器學(xué)習(xí)等新的風(fēng)控技術(shù)難有用武之地，大數(shù)據(jù)風(fēng)控技術(shù)、模型的效果難以得到充分的驗(yàn)證，基本只能通過(guò)對(duì)傳統(tǒng)業(yè)務(wù)客戶的歷史違約情況進(jìn)行分析，以此來(lái)評(píng)價(jià)風(fēng)控模型效果。為此，中小銀行應(yīng)持續(xù)構(gòu)建不良授信案例庫(kù)，并通過(guò)模型校驗(yàn)，持續(xù)完善本行的風(fēng)控技術(shù)。

（四）將人工智能技術(shù)應(yīng)用于客戶風(fēng)險(xiǎn)分析

隨著國(guó)內(nèi)“雙創(chuàng)”政策的推動(dòng)和對(duì)人工智能產(chǎn)業(yè)的投資拉動(dòng)，人工智能技術(shù)已廣泛運(yùn)用于各行各業(yè)，國(guó)內(nèi)金融行業(yè)已經(jīng)逐步開始應(yīng)用人工智能技術(shù)，比如平安集團(tuán)下設(shè)平安科技人工智能實(shí)驗(yàn)室研發(fā)人工智能金融應(yīng)用等。在授信決策方面，人工智能技術(shù)可以將不同來(lái)源的數(shù)據(jù)整合到一起，分析企業(yè)的信貸特征，將不同的企業(yè)進(jìn)行分類。比如將已進(jìn)入訴訟流程的出險(xiǎn)客戶直接標(biāo)記為“司法訴訟”，并提醒相關(guān)人員及時(shí)開展處置工作。通過(guò)提取企業(yè)或法人在網(wǎng)絡(luò)或社交媒體等領(lǐng)域的信息，比如觀測(cè)企業(yè)或其產(chǎn)品在搜索網(wǎng)站的搜索數(shù)量、在微博中被提及的次數(shù)或獲得的評(píng)價(jià)來(lái)判斷貸款企業(yè)綜合實(shí)力。在反欺詐方面，人工智能技術(shù)中的機(jī)器學(xué)習(xí)可以利用信貸企業(yè)的交易特征和正常貸款數(shù)據(jù)，學(xué)習(xí)什么是好的貸款，什么是壞的貸款，推測(cè)信貸業(yè)務(wù)風(fēng)險(xiǎn)點(diǎn)，提升銀行風(fēng)險(xiǎn)識(shí)別能力，推動(dòng)銀行信貸評(píng)價(jià)體系向更科學(xué)的方向發(fā)展。