商業(yè)銀行發(fā)展與風(fēng)險觀察

《銀行發(fā)展與風(fēng)險觀察》試圖通過觀察融媒體時代海量的數(shù)字化輿情信息、結(jié)合銀行信息披露與專業(yè)機構(gòu)研究成果，提煉每月銀行業(yè)發(fā)生的重要事件；并進一步用人工智能的方法，判斷其中哪些信息意味著發(fā)展機會，哪些信息代表著潛在風(fēng)險。

《銀行發(fā)展與風(fēng)險觀察》由陸家嘴新金融實驗室和上海犀語科技有限公司共同研發(fā)，采用中文自然語言處理（NLP）技術(shù)和大數(shù)據(jù)分析及智能算法技術(shù)，針對海量信息、智能解讀、分析、推理、建模，從而判斷市場事件給銀行發(fā)展帶來的發(fā)展機會或風(fēng)險。

風(fēng)險因素主要考慮事件造成的風(fēng)險暴露與管理措施的應(yīng)對表現(xiàn)。發(fā)展機會因素主要考慮事件在行業(yè)背景下可能獲得的業(yè)績提升。發(fā)展機會或風(fēng)險的影響程度同時還與該事件相關(guān)的其他事件的數(shù)量及該事件的傳播范圍大小有關(guān)。

數(shù)據(jù)收集

本觀察報告的數(shù)據(jù)來源包括：1.銀行信息披露公告：根據(jù)《商業(yè)銀行信息披露辦法》要求，商業(yè)銀行應(yīng)按規(guī)定披露財務(wù)會計報告、各類風(fēng)險管理狀況、公司治理、年度重大事項等信息。2.專業(yè)機構(gòu)研究報告：包括各大券商研究所圍繞銀行的行業(yè)報告以及針對個別銀行的公司研究。3.公開媒體輿情信息。

在傳播維度方面，優(yōu)先計算犀語科技自動收集財經(jīng)新聞數(shù)據(jù)庫中相關(guān)內(nèi)容篇幅出現(xiàn)的數(shù)量，考慮觀點引用和噪音規(guī)律，進行數(shù)據(jù)清洗整理。例如，圍繞“上海銀行”的內(nèi)容需要剔除“上海銀行間市場”；圍繞中國銀行的內(nèi)容需要剔除“中國銀行保險監(jiān)督管理委員會”和“中國銀行業(yè)監(jiān)督管理委員會”等特定詞匯。在影響力維度方面，以百度指數(shù)、頭條指數(shù)、微信指數(shù)等指標(biāo)作為輔助，衡量信息擴散和傳播的程度。

模型訓(xùn)練材料

為了進行模型訓(xùn)練，本觀察報告首批樣本選擇信息披露較為充分的26家上市銀行群體。

風(fēng)險因素的訓(xùn)練材料主要包括銀行業(yè)典型風(fēng)險案例集；減持/賣出/看空等研究報告；第三方輿情系統(tǒng)中統(tǒng)計的銀行負面輿情；相關(guān)企業(yè)上市材料和財務(wù)報告中的風(fēng)險提示部分。

機會因素的訓(xùn)練材料主要包括增持/買入/看到等正面研究報告；相關(guān)企業(yè)上市材料和財務(wù)報告中的競爭優(yōu)勢部分。

為了增強訓(xùn)練材料相關(guān)性，陸家嘴新金融實驗室同時追蹤了過去三年中，26家上市銀行較為典型的120個股價異動時間段，梳理了股價異動期間對應(yīng)企業(yè)的公告和輿情信息，做機會或風(fēng)險分類及量化影響程度的支持材料。

事件數(shù)據(jù)化、影響概率化

材料經(jīng)過語意團隊進一步篩選后，作為訓(xùn)練素材提交系統(tǒng)，建立模型。隨后，犀語科技通過AI和大數(shù)據(jù)技術(shù)進行關(guān)鍵詞分析，提煉出更為精準的測算因子。

基于測算因子，每月用定量方法衡量各家銀行當(dāng)月的發(fā)展機會與風(fēng)險變化情況，統(tǒng)計匯總最高機會概率與最高風(fēng)險概率的若干事件，最終形成《銀行發(fā)展與風(fēng)險觀察》報告。

首期測試版報告僅發(fā)布兩例事件。

案例1：首家銀行系住房服務(wù)公司來了！建行跨界加碼住房租賃

發(fā)展機會概率 90%

6月15日，建信住房服務(wù)有限責(zé)任公司開業(yè)儀式在北京舉行。建設(shè)銀行行長王祖繼在開業(yè)儀式上指出，建信住房服務(wù)公司將應(yīng)用互聯(lián)網(wǎng)理念和技術(shù)，不斷完善高效運營的平臺，承接社會公共資源。此外，公司將依托集團和股東優(yōu)勢，更為專注地動員物流、優(yōu)化資金流、豐富信息流、強化服務(wù)流，做好住房租賃新生態(tài)的連接者，促進住房租賃生態(tài)圈的發(fā)展；將延伸平臺觸角，聚焦衣食住行全場景服務(wù)，做好智慧生活的城市管廊和服務(wù)商。

6月14日陸家嘴論壇上，建行董事長田國立表示，利用住房租賃市場，輔以必要的政策培育措施，引導(dǎo)空置住房流入市場，可以改善存量住房的風(fēng)險收益特性。在提高存量住房市場風(fēng)險承受能力的同時，實現(xiàn)原有社會資源效益提升和充分利用，利用“疏”的方式解決城市土地利用率，也是對“堵”的方式的有力補充。

案例2：計入逾期90天以上貸款，貴陽農(nóng)商行去年底不良率飆升至19.54%

風(fēng)險概率：69%

6月29日，由評級機構(gòu)中誠信國際出具的《2018年貴陽農(nóng)村商業(yè)銀行股份有限公司二級資本債券跟蹤評級報告》顯示，截至2017年底，貴陽農(nóng)商行的不良率高達19.54%，同比飆升4.7倍，資本充足率則只有0.91%，遠低于監(jiān)管要求。

由于逾期貸款大幅增加，貴陽農(nóng)商行還被降低信用評級。2016年11月，中誠信國際將其主體評級由穩(wěn)定調(diào)整為負面。在最近的評級報告中，中誠信則將該行主體信用評級由AA-下調(diào)為A+，評級展望為穩(wěn)定；并將2015年7億元、2016年5億元的二級資本債信用等級從A+下調(diào)為A。

面對不良貸款高企的局面，貴陽農(nóng)商行也在采取措施。該行在2017年年報中稱，為了有效改善資產(chǎn)質(zhì)量，2017年全力做好不良貸款清收處置，成立清收小組，按“一行一策”、“一戶一策”加快清收處置。《評級報告》數(shù)據(jù)顯示，截至3月底，該行不良貸款余額為58.97億元，比去年底下降19.46億元，不良率為13.86%，降幅為5.68個百分點；撥備覆蓋率則上升了8.27個百分比點，為42.42%，信用風(fēng)險開始趨穩(wěn)。

迭代方向：

擴展樣本覆蓋，從上市銀行群體拓展到更大的范圍。

細化評價維度，除了機會和風(fēng)險兩個維度外，進一步開發(fā)金融科技發(fā)展、戰(zhàn)略轉(zhuǎn)型力等評價體系。

通過與機構(gòu)溝通進行信息質(zhì)量管理，接受公司評閱反饋，對數(shù)據(jù)和信息進行更新改正。