大数据与银行风险管理_魏国雄

大数据与银行风险管理魏国雄

以

大数据思维为基础发展起来的互需识别和判断的风险因素相对也比较清联网金融，不仅使数据信息应用

晰，其所需的相关数据信息采集主要由发生了质的飞跃，更引发了对银行经营基层机构客户经理的现场调查和借款人与风险管理方式变革的思考，在风险识提供。经过多年的改革发展，市场环别、防范和提高效率等方面带来了很多境、信息技术、借款人生产经营方式及全新的理念。

风险特征等都发生了很大的变化。交易结构复杂了，数据信息量增多了，有效数据信息在风险管理中的运用

应用数据信息的难度也增大了，其中的不确定性又给银行信贷业务带来了新的风险是信息不对称的表现，因此数风险。

据信息是银行风险管理的基础。作为近年来银行的不良贷款出现了持续上经营风险的机构，银行既有数据信息应升的态势，打破了近10年不良贷款额和用的环境，更有数据信息应用的强烈需不良贷款率的“双下降”，其中有20%左求。银行只有拥有尽可能多的各种数据右可能会形成损失，需要核销。按现行信息，才有可能减少不确定因素，更多的利差水平来计算，1亿元不良贷款的核地了解借款人的真实情况，才有可能对销，需要有约50亿元正常贷款一年的净其中的一些隐性风险、潜在风险进行揭收益来弥补，可见风险管理对银行经营示，对虚假信息、欺诈行为进行识别。绩效影响很大。从银行自身的风险管理就此而言，银行对数据信息的采集、整情况来分析，不良贷款的形成至少存在合与挖掘分析能力决定银行的风险管理以下一些值得关注的问题。

能力，而风险管理的能力决定银行的竞首先，银行对借款人的数据信息收集争力。

不完整，缺失遗漏多。随着市场环境的要充分发挥数据信息在银行风险管变化，银行对借款人数据信息收集的难理中的作用，就必须要尽可能多地获取度不断增大，对借款人的生产经营、资和拥有数据信息，更充分有效地应用数金流向了解不清楚，对其盲目投资、过据信息，以实现借款人的信息流、资金度融资以及关联关系的数据信息掌握不流、物流“三流合一”。在此基础上凭全面，一些深层次的、及时的、连续的借以往的经验和定性因素以及市场变化数据信息更是难采集，缺失和遗漏多。预期来对借款人进行风险管理，使信贷加上数据信息的采集主要是靠分支机构经营行为更为理性，这也是银行风险管和借款人提供，还普遍存在分散采集、理提质升级的基本要求和重要内容。

重复采集等问题。

银行传统的风险管理方式以良好的其次，银行对数据信息的整合、挖掘社会信用为基础，且借款人的生产经营分析不到位。数据信息不完整，又缺乏方式比较简单、关联关系也比较清楚，

有效的整合，很难能支撑银行对借款人

2014年第15期主持人:贾瑛瑛

整体风险的识别，甚至还有可能误导银行对借款人风险的判断。尤其是对于跨区域、跨行业经营的集团客户，不进行数据信息的整合和深度挖掘分析，风险就很难识别和判断。此类借款人或借款人的实际控制人在不同地域多处注册，分头融资的情况较为普遍，对其复杂的交易及大量跨区域、跨市场、跨银行的业务经营和资金流动等情况，仅从表层的数据信息来看，很难清晰地了解其生产经营和社会关联的全部真实情况，其中的关联风险、互保连保风险、交叉违约风险以及虚假信息等多层复杂风险基本无法发现。

最后，银行现行的风险管理方式不适应业务发展和市场环境变化的需要。银行现行的经验型风险管理，主要靠定性因素来分析，凭经验来判断风险，这种方式又主要依赖分支机构相关人员的经验来对借款人风险进行识别和防控，局限性很大，不仅效率很低，而且质量也不高。借款量的风险或潜在风险容易被忽略，对借款人提供的一些不实数据信息缺乏基本的鉴别，对一些重大数据信息缺失和遗漏也不能及时发现，更没有要求借款人补充完善。就是发现一些异常情况或风险因素也因缺乏有效途径和方法去验证或辨别，一旦风险暴露就已错过最佳的保全补救或退出时机了。

现行风险管理模式不适应新形势

从深层次上来分析，上述问题的存

25专󰀃题ZHUANTI大数据时代的金融业在，主要是银行内部的风险管理、运行机制和风险管理方式不能适应市场变化，以产品为中心、专业条线各自经营与管理的，已经严重掣肘了对借款人整体风险的识别和防控。在这种管理下，部门按职能定位和管理需要来定义、筛选和采集数据信息，使得数据信息的内涵定义标准不统一，数据信息采集不完整，记载字段和格式更是多样，不少重要数据信息还严重缺失。大量数据信息被人为分隔，基本处于局部化、碎片化状态。如客户的融资信息由信贷部门管理；存款等负债信息由存款部门管理；代理业务的信息又由负责代理业务的部门管理；信用卡与个人业务的信息也分别由不同的部门进行管理。在一些银行甚至出现了不少只有贷款没有结算、存款等业务往来，看不到经营活动和交易信息的“裸贷”客户。

这种管理过于突出了部门的相对，数据信息不能得到充分有效的整合。部门间、上下级行间、分支机构间的数据信息基本是各自分散采集，上级行或总行采集的数据信息主要为其自身的管理服务，很少让分支机构共享，不同分支机构间的数据信息更是相互分隔。与此相应的是存储和应用数据信息的系统也分别开发，且互不链接。从而加剧了银行与客户、贷款人与借款人之间的信息不对称，一些同样的风险在不同机构、不同专业重复发生。如在钢贸领域，有些分支机构判断其风险较大，没有进入，有些机构缺乏有效的信息支持，就盲目进入；小企业融资部门发现钢贸有风险开始退出了，个人贷款、信用卡部门还把钢贸作为重点市场展开积极的营销进入，致使银行整体的信用风险又进一步扩大了。

随着银行业务快速发展，资产规模日益增大，客户的数量也快速增加，但银行的客户经理和风险管理人员并没有相应增加，人均服务与管理的客户数量不断叠加。再加上现行的风险管理方式，效率低和操作流程长，普遍存在超负荷

的工作状态，很难把工作做细做实。对风险的分析也只是对借款人财务报表中的数字做一些简单的勾稽关系核验，很难发现深层次的风险隐患。参差不齐的人员素质更使银行的信贷尽职调查、尽职审查难以真正做到位，相当多的尽职调查、审查流于形式。据调查，一些银行的客户经理和风险管理人员从业时间太短，不满3年的占比超过40%，在部分分支机构这个比例超过60%。从业人员缺乏基本的业务经验和社会经济等常识，甚至为应对日常工作，有些尚未取得从业资格就仓促上岗了，根本承担不了复杂的客户信息调查和风险识别等工作。对市场及风险动态变化敏感性不强，不善于从实质上来识别和判断风险，对借款人提供的数据信息不能及时作出有效的分析判断，只能靠抵押、保证等方式来缓释风险，甚至搞不清楚这种缓释实际上是否有效。

争中保持优势，就要加快风险管理方式的变革，特别是要引入大数据思维，通过大量数据信息来支持风险识别、防控能力的提升，推行把现场调查与非现场数据信息挖掘分析相结合、模型筛查与经验判断相结合、以定性信息与定量财务、经营等多重数据信息的勾稽核验等为重点内容的风险管理创新。

尽可能多地采集数据信息。数据信息更是大数据模式下风险管理的基础，银行要通过各种方式，利用各种渠道来采集外部的数据信息，如加强同业间的数据信息交流合作，与相关机构和部门在数据信息上的交互联网，并与一些专业数据公司进行合作，包括协作、购买、交换等方式。同时，要尽可能引导客户采用电子化渠道来办理业务，提高交易的电子化占比，推进各类交易信息的数据化，获取尽可能完整的交易记录等结构性数据信息。对内部前台市场调查、中台审查审批、后台风险监测等全部环节的所有资料、所有操作等非结构化信息都要进行数据化处理，实时纳入数据库。

深化风险管理改革。银行要用大数据的思维和理念来构建以客户为中心的全面风险管理体系，理顺部门间的职责，淡化部门色彩，彻底打破以往小数据模式下形成的部门、机构、区域、产品间数据信息分隔管理以及由分支机构各自分散识别风险的做法，形成按客户集中统一管理数据信息和高效协调机制，并在建立健全数据信息应用授权和安全管理制度的基础上，完善按部门、机构分类分级授权共享数据信息的运行机制。总行要通过大量数据信息的挖掘分析，勾画出客户的全景视图。在此基础上，筛选出那些适合本行风险偏好要求的客户群，实行对客户总部“总对总”的精准营销，提升客户整体价值和银行整体的风险管理水平。不论客户生产经营什么、怎么经营、在哪里经营，需要什么金融产品，都按统一的营销策略、统一的风险准入和风险防范措施等来处理。从对客户的选择开始就严

风险管理方式的变革与创新

面对日益复杂的外部市场环境，银行要防控风险，提升信贷资产质量，遏制不良贷款的上升，并在未来的市场竞

26把风险准入关，使风险管理的效率更来对借款人生产经营信息与财务信息进高。这种管理和机制，既是风险管行数据勾稽关系的核验，以便能更清晰理的基本要求，也是风险管理的基础。

地了解借款人生产经营与资金运行流向对数据信息进行优化整合。以大数流量的变化、交易习惯与历史数据的变据思维建设系统集成平台，为风险管理化、交易对手正常与否，交易数据与财提供技术支持。银行的业务经营和风险务数据是否匹配等。有些具体的交易数管理都要求数据信息不仅收集的量要尽据信息，从单笔看是正常的业务，抽样可能大，面要尽可能宽，时间跨度要尽分析也不一定能发现问题，但通过对其可能长，而且还要整合得好，才能使之全部数据、关联交易信息、交易对手信发挥出预期的作用。数据信息的整合就息、历史交易记录信息等的挖掘，可能是要强化数据信息的管理，对不同来就会有重要的异常细节发现。如对借款源、性质和内容的数据信息进行分类管人提供的各种财务数据与生产、销售数据理，健全相关的管理制度并执行到位，进行匹配核验，与其生产规模、用电量、确保各类数据信息来源的真实、完整、运费、纳税额、海关进出口量、产品市场及时、连续。在整合过程中，要对原先价格、员工工资以及交易对手生产经营范由部门、分支机构管理的大量局部化、围和规模等进行勾稽匹配验证。此类勾碎片化数据信息进行严格梳理，对新采稽匹配的数据信息越多，对借款人就越集的数据信息要严格把好准入质量关，能有真实的展现。在此基础上，银行就要有常态化的数据信息清洗机制，对不可以对借款人实施精准的信贷和风同来源的数据信息，通过清洗来提升质险防范措施，使原来难以识别和防控的量，使数据信息的价值得以更好地发风险变得可以识别和防控。这应成为银行挥。还要从技术上把由部门管理的、分风险管理最基本的方法。

散运行的信息系统进行整合，改造、升建立集中式的风险监测中心。构建级，搭建更加广泛、各部门和分支机构以非现场为主的贷后管理方式，对借款安全共享的数据信息系统集成平台，实人进行全面持续的风险监测，形成全方现对客户和业务流程的全覆盖，为全行位、全流程的监测体系。如发现借款人全面风险管理的集约运行、批量挖掘、未能按合同提供相关交易数据信息等风模型筛查以及动态风险管理、过程风险险迹象，或出现交易、结算、存款等大管理、实时风险管理等提供强有效的技幅变动或下降等异常情况，就应及时到术支持。通过系统平台的不断升级和完现场核查，并督促借款人改进，或采取善，不仅可以持续提高数据信息的使用保全、提前收回融资等防范措施。同时价值，更可以持续拓展风险管理的宽进一步完善基于大数据信息平台的集中度、高度和深度，提升风险管理的整体式风险审查审批，采用大数据方式水平。

来验证借款人的数据信息，校正申报机对整合后的数据信息进行深度挖构或部门对借款人的风险判断。运用合掘。银行风险管理方式转型变革的重要理的参数和模型，计量出可接受的最大内容，就是用大数据思维，对数据信息风险敞口，精准识别和动态审查借款人进行深度挖掘和分析，把其中的潜在价的每一笔融资业务。再利用习惯性数据值充分地挖掘出来。无论贷前调查、审信息和常识性、逻辑性分析，作出更专查审批、贷后管理等全流程都要突出对业的判断，使风险识别、防范、决策更借款人风险及其整个相关关系的数据挖加可靠，更加贴近实际。

掘分析，更多地运用动态方法来分析其加强风险管理专业人员的培养。大变化，而不只是简单地关注用静态模型数据思维对银行风险管理能力的提升具所做的精确风险敞口计算。从更大范围

有十分重要的意义，但它不是万能的，

2014年第15期主持人:贾瑛瑛

不能解决银行风险管理的所有问题，更不能代替风险管理专家的作用。这不仅是因为数据信息本身有局限性，风险管理也不能只看数据信息和模型，它需要大批有经验的风险管理专家来识别和判断。因此，银行要重视营造有利于风险管理人才成长的环境，不断提升各类风险管理人员的专业技能。在培养和引进风险管理人才上要舍得投入，人力资源配置要有一定的倾斜，特别是在引进和留住高级风险管理人员方面要有相应的配套机制。以着力造就一支数量充足，结构合理，既有经验，对风险有基本的定性分析判断能力以及动态风险监测能力、潜在风险排查防控能力，又熟悉和掌握风险定量分析技术，具有风险模型设计能力、数据信息整合挖掘能力的复合型风险管理专业人才队伍。还要健全考核评价制度，改进传统的培训方式，采用大量案例和实战模拟教学，健全严格的上岗、晋级资格考试制度。对以往主要依靠经验来做风险识别和判断的人员要引导其学会同时运用数据信息和模型技术来综合判断风险的技能。

此外，监管部门要为银行业金融机构依托大数据进行风险管理创造良好的监管环境，提供有力的监管支持。其一，建立数据信息质量标准，加强数据信息的安全管理，完善客户和银行的隐私保护制度，进一步健全与大数据应用相适应的安全保障体系和数据信息安全预警机制，着力改善数据信息共享的使用环境。其二，鼓励、支持银行运用数据信息进行风险管理的创新探索，并在监管上及时完善相关制度，规范业务操作，防范创新风险。其三，严格监管银行对大数据的应用，督促银行遵守相关的制度规定，完善自身的数据信息管理，对银行业的风险态势保持足够的敏感，加强风险的预警提示，促进银行业的可持续健康发展。■

作者系中国工商银行首席风险官

（责任编辑　贾瑛瑛）

27