大數據技術在商業銀行信貸風險控制的研究

金海波

【摘 要】近年來，隨著我國經濟的高速發展和利率市場化，商業銀行之間競爭愈加激烈，為了能更好的滿足客戶融資需求和銀行自身發展的需要，各商業銀行紛紛借助大數據、云計算、移動互聯、人工智能等新技術，加速發展業務規模和進行業務轉型創新，以求在市場上占得先機和競爭優勢，在這個過程中，信貸規模不斷擴大，線下業務模式轉入線上，長尾客戶的藍海被得到充分挖掘。隨著信貸規模的快速增長，服務客戶群體的快速擴張，由信息不對稱導致的信貸風險也呈現直線上升，如何通過大數據技術為商業銀行信貸業務發展保駕護航，提升商業銀行信貸風險控制能力成為關鍵。基于此，本文對商業銀行信貸風險管理的發展過程和面臨的問題，以及大數據技術在風控領域的應用和發展趨勢進行了分析和展望。

【關鍵詞】大數據技術；商業銀行；信貸管理；風險控制

隨著我國經濟的高速發展和利率市場化，商業銀行之間競爭愈加激烈，各商業銀行改革與創新的步伐持續加快，金融服務水平和服務能力進一步提高，與此同時，銀行業正面臨互聯網金融等新競爭態勢，信息技術也正面臨以大數據、云計算、移動互聯、人工智能等為主要特征的新技術變革，新的競爭態勢和發展趨勢都給商業銀行的發展帶來新的機遇和挑戰。商業銀行在這個過程中，為了在競爭愈加激烈的市場中發展，不斷對業務模式進行創新和多元化，表現為信貸規模不斷擴大，線下業務模式轉入線上業務模式，長尾客戶的藍海被得到充分挖掘等。隨著信貸規模的快速增長，服務客戶群體的快速擴張，由信息不對稱導致的信貸風險也呈現直線上升，信貸最終競爭的是風控能力，客戶融資需求在近幾年增長迅速，高效專業地滿足客戶的融資需求，關系到商業銀行服務客戶、增加收益、不斷成長的經營理念。

一、大數據技術的發展

當下我們處于一個信息爆炸的時代，隨著網絡和信息技術全面融入社會生活，充斥在我們身邊的信息越來越多，收集數據、存儲數據并從大量的信息提取價值，大數據的概念應運而生。簡單來說“大數據”因數據格式、數據體量、數據來源的變化，而采用了新的處理技術和模式，具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。金融作為一個以數字體現價值的典型行業，大數據技術已經廣泛應用于金融的風險控制、客戶管理、精準營銷和產品服務創新等多個領域。

二、傳統信貸風控模式

傳統信貸風險控制主要是通過收集借款方的信息，對借款方的償債能力和償債意愿進行判斷，并對借款方的資金使用項目信息進行分析，發現并控制資金使用的風險，并以此為基礎，對借款方的信用做出評級，綜合借款各種因素，做出定價。按照貸款的不同階段，分為貸前、貸中、貸后階段，商業銀行一般采用的信貸風控模式有以下幾種：1、報表分析，對借款方提供的財務報表進行分析，對借款方未來的現金流進行分析，以評估還款能力進行風險控制；2、抵押和質押，以借款方提供的抵質押品的數量和質量為基礎，用抵質押品進行風險控制；3、信用評分，基于統計學實現風險識別和計量，進行風險控制；4、群組擔保，借款方需要有群組成員提供擔保，在借款方不能履約的情況下，借款方不履行債務時，擔保方按照約定履行債務或者承擔責任，通過群組進行風險控制。

三、傳統信貸風控遇到的問題

隨著商業銀行信貸業務規模的不斷增加，以及服務客戶群體的擴張，長尾客戶成為各家銀行的競爭發力點，同時服務理念也由產品為中心轉為以客戶為中心，更加關注客戶的體驗，導致信貸風險管理所面對難度和復雜度不斷增加，使得信貸風控主要面臨以下挑戰：1、信息不對稱，以前商業銀行主要服務優質客戶，這些客戶一般具有完善的財務報表信息和征信信息，根據歷史信息容易對其償債能力和償債意愿進行判斷，現在長尾客戶一般不具備完善的財務信息和征信信息，傳統風控模式在服務這些客群的情況下，就產生了信息不對稱風險，使得信貸風險增加；2、服務效率，以前商業銀行服務的客戶單筆融資額度較大，單客戶融資頻度較低，還款周期較長，商業銀行在這個過程中主要依靠的是人工調查審核，現在服務的客戶單筆融資額度較小，融資頻度較高，還款周期較短，隨借隨還循環使用額度，傳統人工審核的風控模式導致服務效率低下，不能服務大量的融資需求，用戶體驗差；3、服務成本，以前商業銀行單筆融資的金額大，單筆業務利潤就相應大，為了風險控制投入的成本就可以多一些，可以使用人工線下的模式，現在融資額度單筆較小，單筆業務利潤無法覆蓋風控控制投入的成本。4、風險控制手段單一，以前商業銀行主要在貸前和貸中環節通過收集借款方的信息，對借款方的償債能力和償債意愿進行判斷，并對借款方的資金使用項目信息進行分析，發現并控制資金使用的風險，貸后環節在一定時期通過人工調查審核，評估還款能力的變化，由于信貸業務風險管理人員對信貸客戶的相關情況無法深入了解，很難對客戶的具體還貸能力進行評價。

信貸規模不斷擴大，線下業務模式轉入線上，長尾客戶的藍海被得到充分挖掘，隨著信貸規模的快速增長，服務客戶群體的快速擴張，由信息不對稱導致的信貸風險也呈現直線上升。

四、大數據風控模式

隨著大數據技術的完善和推廣使用，大數據技術在商業銀行信貸風險控制領域應用空間非常廣泛，在信貸業務的審批、跟蹤以及貸后回收等環節加強了控制，實現了信貸風險的全過程的控制，完成了傳統的信貸風險控制的蛻變，主要體現在以下幾方面：1、信息對稱，通過大數據技術整合銀行內部和外部數據，基于大量的數據對客戶進行一個綜合信用評分，基于評分為征信白戶提供金融服務。外部數據可能收集的領域非常廣泛，例如電商、運營商、社交媒體、金融機構、公積金管理部門、社保、工商信息、司法信息等渠道。通過分析收集的大量信息，能夠給目標對象一個全面的信用評分。而且隨著數據量的積累，這種評分更為全面真實，比傳統的征信評分更能符合目標對象的真實信用情況，可以作為金融機構項目標客戶提供金融服務的重要依據，解決了信貸經營中的信息不對稱問題；2、線上化，通過更先進的數據化技術，收集結構化和非結構信息，集成資金流、物流、信息流數據，搭建基于大數據的線上交互信息平臺，整合內外部數據，實現信息數字化傳輸和管理，減少客戶繁瑣的資料提交及前中后作業人員繁瑣的資料錄入、手工檢查、核對和檢索，從本質上改善客戶申辦體驗及內部作業效率，降低營運成本；3、審批自動化，基于存量用戶數據、外部接入數據、自建數據，圍繞信貸審批，利用大數據技術、機器學習方法訓練模型，能夠實現大批量、快速、精準的風險事件過濾或預測，用于自動識別用戶欺詐行為和給予合理的授信額度，用于不同的數據源、產品和審批階段，可以做到較高的通過率和較低的逾期率，常用的算法有線性回歸、邏輯回歸、GLM、多元回歸、決策樹、隨機森林等，模型監測采用Gini（ROC）系數，分離度Divergency，K-S值，IV值，以及評分卡數分布，排序能力，好壞比，壞賬率等多種方法，根據模型表現情況不斷迭代優化，在這個過程中，利用用戶數據積累和人工智能技術建立有效的智能化風控體系是核心能力；4、全流程管控，在貸前環節中可以依托外部數據和整合后的數據資產，通過政策性風險識別、聯網核查、黑白名單、失信名單、活體檢測、風險設備、行為風險、關聯風險等手段，把有欺詐風險的客戶拒在門外，同時針對借貸申請環節，運用大數據技術，將申請材料、不良信用記錄和多平臺借貸記錄等信息加以整合，有效識別團伙欺詐、機構代辦等高風險行為，在這個環節中在業務初始階段也會使用打分卡，利用信貸專家經驗的使用，構建層次分析結構，并進行交叉驗證，把好第一道風控關。在貸中環節中用大數據技術主要解決價格和風險均衡的問題，在客戶償債能力范圍內進行授信，可以通過外部數據獲取企業現金流量、利潤、個人繳稅、社保、公積金等數據做為評估依據，同時需要結合征信報告，對已經使用的授信進行扣減，達到在風險可控的前提下，實現客戶滿意度和利潤最大化的均衡。在貸后環節中用大數據技術主要是實時動態監測借款人的新增風險，如其他平臺借款申請、其他平臺逾期、法院失信記錄、法院執行記錄、助學貸款逾期、手機號停用、用戶常用地址變動、工作地址變動等，幫助信貸機構動態監控借款人的信息變更，及時發現可能不利于貸款按時歸還的問題。這個環節一直是傳統信貸的短板，在普惠金融的趨勢下，只有通過大數據、數據挖掘、自動化催收等技術才能解決成本和及時性問題。

五、結束語

隨著經濟發展、科技和創新進入拐點式爆發，大數據正在重塑商業銀行信貸風險控制，傳統銀行利用大數據技術，正在轉型成為一種新的銀行，數據將是未來銀行的核心競爭力之一，誰能掌握更多的數據，誰能掌握更及時的數據，將在競爭中獲得先機。當下商業銀行所面臨的競爭也日益嚴峻，不僅來自于行業內部，還有外部的互聯網、電子商務等新興企業，這些企業在產品創新能力、大數據使用經驗等方面都擁有優勢，商業銀行在這個殘酷的時代中應高瞻遠矚、與時俱進，通過大數據等新興技術不斷提升與社會發展相適應的風控能力，才能在競爭中把握機遇，激流勇進，取得新的成績。

【參考文獻】

[1]劉嘉偉.金融科技重構信貸風控體系[J].中國金融，2018（11）：74-75.

[2]王姣娜.從傳統到現代：中國信貸風控的制度與文化[J].中國經濟史研究，2016（06）：92.

[3]安佳，王麗巍，田蘇俊.互聯網金融與傳統金融農村信貸風控模式比較研究[J].新金融，2016（09）：54-58.

[4]吳丹.消費信貸最終比拼風控力[J].二十一世紀商業評論，2015（09）：36-37.