大數據背景下的商業銀行風險管理量化解決方案

(江蘇銀行，江蘇 南京 210000)

大數據背景下的商業銀行風險管理量化解決方案

管薇薇

(江蘇銀行，江蘇 南京 210000)

隨著金融深化程度的不斷加深，經濟進入新常態，商業銀行所處經營環境的不確定性與日俱增，風險管理能力將成為影響甚至決定商業銀行持續健康發展的關鍵因素。目前中國商業銀行資產質量雖然總體可控，但面對新一輪的經濟轉型和社會信息化的快速變革，絕大多數商業銀行正承受著不良貸款雙升、盈利增速下降的發展壓力。因此，商業銀行迫切需要改變和提升風險管理手段來應對變化莫測的市場環境，才能實現長期的可持續發展。

在此背景下，本文結合當前快速發展的大數據技術，提出了量化的方式來管理商業銀行的風險，為商業銀行提升整體風險管理水平的開辟了新道路。

大數據；風險管理；量化

一、 商業銀行風險管理的傳統方式的缺陷

長期以來，商業銀行的風險管理方式以人工管理的定性判斷方式為主，這種風險管理方式存在以下幾方面缺點：一是定性管理方式無法準確識別和衡量風險。這種管理方式受制于風險管理人員的知識水平、對風險的敏感度、個人的風險偏好等主觀因素影響較大；二是事后的風險管理無法有效防治風險。風險管理真正的目的在于風險的防患于未然，風險預判能力的不阻礙了商業銀行風險管理水平的提升；三是人工的風險管理方式效率低下。風險管理需要調查的大量信息和風險事件缺少有效率的信息搜集方式，尤其是面對金額小體量大的小微企業，人工風險管理效率低下的問題更加突出。

上述分析表明：傳統的風險管理方式已越來越無法適應信息化時代的發展需要。商業銀行只有提高自身的信息獲取能力，變被動管理風險為主動防范風險，變“人工管風險”為“系統控風險”，才能全面提升自身的風險管理水平。

二、商業銀行風險管理量化的實現方法

本文提出的風險管理量化解決方案是以大數據技術為基礎，通過“數據+模型+系統”的方式完成風險管理的量化轉變，下面將以信用風險為例具體闡述風險管理的量化解決方案。

1.搭建大數據平臺奠定風險管理量化的基礎

商業銀行在風險管理中主要依賴兩類信息：一是銀行自身系統內的客戶數據、賬戶數據、交易數據等；二是人行征信提供的客戶征信報告。這兩類數據覆蓋的人群都非常有限，對于目前中國近14億人的口來說，上述兩類數據能覆蓋到的客戶僅為4億左右，占比不足3%。信息獲取能力不足的問題可通過搭建大數據平臺來解決，具體步驟分為：數據收集、數據整合和數據除噪。

數據收集——解決信息不對稱問題。在對客戶授信的過程中，商業銀行需要對客戶進行全方位的判斷和評估，包括客戶的基本情況、是否已發生風險事件、未來還款能力、經營情況、對外投資情況等。與這些信息相關的數據有：工商、法院、公安、稅務、電力、通信等，引入這些外部數據可以幫助商業銀行對客戶做出更及時和全面的判斷，提升商業銀行對新客戶的風險識別能力。

除結構化數據外，大數據技術還能實現非結構化數據的結構化引入。“網絡爬蟲”技術就能夠對所有公開網站、新聞、論壇等在線媒體進行24小時不間斷的掃描，再通過語義分析、情感分析等文本挖掘技術對非結構化數據進行分類處理，實現數據的非結構化向結構化轉換。“網絡爬蟲”的優勢不僅在于強大的數據獲取能力，還在于它能做到數據實時不間斷的供應，為商業銀行在第一時間獲取風險信息提供了渠道。

數據整合——打破數據豎井限制。多渠道獲取的數據在未經整合的情況下會形成彼此獨立的數據豎井，產生無法逾越的數據鴻溝。只有打破這種松散的數據結構才能實現數據的互通，挖掘出數據表層之下隱藏的信息。因此需要對不同來源、不同類型的數據進行數據整合。

數據整合常用的做法是利用不同數據庫的相同主鍵字段建立庫到庫的映射關系。例如：利用統一社會信用代碼(或過去的組織機構代碼)連接不同的企業數據庫；利用個人證件號碼連接不同的個人數據庫。經數據整合后，大數據平臺中的數據供應能力大幅上升，為后續的風險管理應用打下了良好的基礎。

數據除噪——實現數據的自我糾錯。盡管大數據可以帶來海量的數據信息，但其中也不可避免摻雜著許多無效的，甚至錯誤的數據，這些錯誤數據形成了影響后續應用效果的“數據噪聲”。因此，大數據平臺還應當具備數據“除噪”的功能，在紛繁復雜的數據中剔除無效的和錯誤的數據，保留和提供有效的和正確的數據。

數據除噪的方法有很多，常用的包括：閾值設定、合法性校驗、交叉驗證等，下面以最簡單的“年齡”字段為列來說明三種數據除噪的方法。

閾值設定法是利用年齡數值一般具有一定范圍限制的特點，將年齡字段的數值設定在一個區間范圍內進行校驗，如[0，150]。如年齡字段中的數值在此范圍內，則認為數據可信，否則數據不可信。

合法性校驗是對數據存儲類型的一種校驗，對于年齡字段來說，正常情況下應當以數值表示。因此可對該年齡字段中的數據類型進行判斷，數據為數值型則認定合法，否則認定該數據不合法。

交叉驗證法是唯一可以在不同來源的數據中相互驗證數據質量的一種方法。對年齡字段來說，我們可以利用身份證號碼與年齡進行交叉驗證(假設身份證號碼準確)：通過提取身份證號碼的7～14位(即出生年月日)，并簡單計算獲得客戶的準確年齡，即通過身份證號碼驗證了年齡數據的準確性。

2.風險管理模型向風險量化模型的轉換

實現風險管理量化的核心在于構建風險量化模型，風險量化模型可為風險的識別、測量和后續處理提供標準統一、管理連續的整體方案。在實踐中構建風險量化模型的方法需要根據不同的風險管理目標來選擇，常用的風險量化模型包括：指標量化模型、規則量化模型或決策量化模型。

指標量化模型是最簡單的一類風險量化模型，通常一個公式就表達了一個風險管理的需要，適用于較為單一化的風險管理目標。例如：對單一客戶的風險限額管理問題就可以采取指標量化模型的方法，將單一客戶限額設定為如下公式：

單一客戶限額=Min[償債能力代理指標*(1+行業平均整張能力)*行業基準干干倍數*客戶評級調整系數*定性調整系數*銀行期望占比，單一客戶貸款集中度監管要求或具體業務要求上限]

用上述公式計作為商業銀行對單一客戶限額的控制指標，就輕松實現了風險管理的定量轉化。值得注意的是，用于計算該指標的變量或參數可能來自監管部門的規定、行業實踐的標準，也可能來自商業銀行的內部業務系統，有些參數(如“客戶評級調整系數”)本身也是另一個指標量化模型的計算結果。

規則量化模型適用于名單制管理或事件觸發類的風險管理的目標，即對個別性、突發性的風險事件的管理，如用于識別客戶準入過程中的反欺詐模型。

反欺詐模型通過搜集一系列的規則量化模型形成反欺詐規則庫，對授信業務中的欺詐風險可通過與規則庫的比進行識別。一般將外部欺詐分為兩類：一類是來自客戶申請信息的欺詐；另一類是來自申請交易行為的欺詐。兩類規則庫又分別包含若干類細分規則，細分規則中存儲著識別具體欺詐的客戶名單或規則列表。

以申請反欺詐中的“風險名單庫”為例，該名單庫收集了各類風險客戶的名單(如：涉訴、失信、有嚴重違約史等)，通過將客戶與風險名單庫中內的名單進行比對，識別出存在風險的客戶。同事還可根據風險嚴重程度，將名單區分為黑、灰兩個等級，規則量化模型在業務流程中將對兩個等級的名單觸發不同的處理方式：對黑名單客戶直接實施業務阻斷，拒絕客戶的信貸申請需求；對灰名單客戶暫不阻斷信貸申請流程，但會在后續的額度審批和客戶定價中采取適當的風險補償手段。

決策量化模型是最復雜的一類風險量化模型，多用于多維度影響下的風險管理目標的實現，下面以客戶風險定價為例說明量化模型的構建方法。

客戶風險定價模型是利用風險補償法對不同風險層級的客戶進行差異化定價，即對風險水平低的客戶給予較優惠的貸款定價，對風險水平高的客戶則要求定價后的收益足以覆蓋各項風險成本。

客戶定價模型以客戶分層模型為前提，從風險與綜合收益雙維度對進行客戶進行分層，具體的客戶分層方法可由商業銀行的風險偏好確定，用于判定客戶層級的各類指標是通過相關性分析、主成分分析和經濟學判斷等方法選取的。下圖給出了某商業銀行確定的客戶分層示例：

圖1 客戶分層模型示例

客戶分層模型確定后，再對各層客戶的綜合收益進行指標分析，選取最能體現客戶綜合貢獻的差異化指標作為客戶定價折讓的計算指標，結合統計檢驗和業務合理性檢驗等確定各指標對綜合貢獻度的影響，并確定出客戶差異化定價的具體折讓點差標準。

以上只是簡要介紹了客戶風險定價模型的構建方法，實際操作中的決策量化模型設計較為復雜，需用到大量的建模和統計學知識。作為一種典型的決策量化模型，客戶風險定價模型的決策結果幫助商業銀行在風險控制與盈利增長之間尋找到了平衡點。

圖2 網貸申請流程中的風險管理量化全流程

3.風險管理量化的全流程實現

只依靠單個、分散的風險量化模型不能從根本上提升商業銀行的風險管理水平，只有在業務的全流程中均實現風險管理的量化，才能減少風險管理的人工參與程度，提升系統管控風險的占比。風險管理量化全流程可以是單個系統內的全流程，也可以形成跨系統聯動的全流程。本文僅以企業網貸申請業務為例，說明單個系統內的風險管理全流程建設方法。

企業客戶在網貸業務申請過程的任何環節都可能存在風險，因此系統應在每個業務流程節點設置相應的風險量化模型。下圖給出了企業網貸業務申請流程中的風險量化模型嵌入業務流程的方式：跟隨網貸申請流程，在每部業務決策點依次設置了業務拒絕規則模型、反欺詐規則模型、申請評分模型、客戶風險等級模型、自動審批模型。這種“業務流程+風險量化模型”方式，將業務發展與風險管理有效融合在一起，不僅解決了長期以來困擾商業銀行的業務發展與風險管理間的矛盾，更提高了風險管理的有效性，從本質上提高了商業銀行在信息化時代的核心競爭力。

此外，這種由系統控制的風險管理量化全流程方案還有利于將整個風險管理的效果累積并記錄在系統中，形成可持續的風險量化管理目標。

三、結束語

隨著社會信息化程度的加深，風險管理傳統方式暴露出的缺陷只能通過技術的方式得以解決。本文提出的風險管理量化解決方案就是以大數據技術為基礎的商業銀行風險管理新方法，為商業銀行在“新常態”下實現戰略轉型，提升風險管理核心競爭力指明了道路。