大數據時代下銀行信用風險管控研究

張宏洋

摘要：隨著互聯網的發展，移動支付，社交網絡和搜索引擎對人力資源模型產生了巨大的影響。本文重點研究大數據時代金融工具的信用風險。本文根據金融風險管控的相關資料，初步建立當前時代下的信用風險測評指標體系以及金融工具流動性指測評體系，采用模糊綜合評價方法，建立了一套評價因子，并用問卷調查法對各信用風險評價指標進行評分。得出總的信用風險評價。本文收集了7個金融工具的流動性指標數據，進行加權求平均值，計算出各個金融工具的流動性評級。

Abstract： With the development of Internet， mobile payment， social network and search engine have a great influence on human resource model. This paper focuses on the credit risk of financial instruments in the era of big data. Based on the relevant information of financial risk management and control， this paper preliminarily establishes the credit risk evaluation index system and the financial instrument liquidity evaluation system in the current era， adopts the fuzzy comprehensive evaluation method， establishes a set of evaluation factors， and scores each credit risk evaluation index with the questionnaire survey method. The overall credit risk assessment is obtained. In this paper， liquidity index data of seven financial instruments are collected， weighted and averaged， and the liquidity rating of each financial instrument is calculated.

關鍵詞：信用風險評價;模糊綜合評價法;流動性指標評級;加權平均值

Key words： credit risk assessment;fuzzy comprehensive evaluation method;liquidity index rating;weighted average

中圖分類號：F832? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2020）04-0126-05

0? 引言

大數據時代下，構建結構化、智能化的信用評估體系，可以迅速的挖掘用戶的信用狀況、金融理財狀況，對用戶的情況進行快速、準確的評估，有效的提高金融的信用狀況，降低信用風險，提高風險管理機制的效率，讓數據為信用打分、提升了金融信用服務水平。本文主要研究大數據時代金融工具的信用風險和流動性風險評估。Paola Cerchiello（2016）對于風險監管的其中一個十分重要的貢獻就是系統性風險管控體系模型，它以確定金融機構之間的關系為主要內容，以便確認哪一個更加的重要。Leduc M V（2016年）研究銀行間系統中的破產級聯，允許銀行通過其他銀行出售的信用違約掉期來保險。通常情況下，對于每個參與者，只有網絡中的總負債和總資產是可見的。但劉愛華（2015）研究了阿里各種互聯網借貸產品的具體構成，運作流程，風險管理方法以及大數據的決定性作用。詳細解釋阿里小貸如何利用大數據在貸款前實現高質量的客戶篩選，以及對貸款的高效實時審查。童盼（2017）基于數據挖掘的銀行客戶管理信息系統是利用數據挖掘技術的銀行。通過有效而充分的數據挖掘，從不同角度分析銀行客戶數據，對客戶進行分類和分類。

1? 理論綜述

1.1 信用風險評級

信用風險評級是對評級對象（金融工具）全額償還債務本金和利息以及履行相關合同和經濟承諾的能力和意愿的總體評估。信用評級有助于企業和投資者防范商業風險，為投資者提供公平客觀的信息，從而保護投資者的利益，實現最大的有效經濟效益有利于維護資本市場的秩序穩定。

1.2 信用風險評價指標的建立

用評級的量化指標主要評估被評估人的財務風險，并檢查會計質量，包括：資產負債結構，盈利能力，現金流量充足性，資產流動性等，信用評級的定性指標主要分為行業風險評估和商業信用風險評估。本文選擇的信用評價的指標有： 品牌宣傳、貿易征信、招標評選、采購認定、銀行貸款、政策申請。信用風險計量：信用風險指標，如違約概率，違約損失，債務評級風險和信用利差風險。違約概率是商業銀行或金融機構客戶違約的概率。

2? 大數據時代金融信用風險的模糊綜合評價

2.1 模糊綜合評價法的步驟

2.1.1 確定評價對象的因素集

設■是對7個金融工具進行綜合評價所需要的m個評價因素（評價指標），其中m是其評價指標的個數。本文的指標體系如下圖1所示。

因此本文的評價因素集為：

2.1.2 確定評價對象的評語集

2.1.3 確定評價因素的權重向量

2.1.4 確定模糊綜合評價矩陣

本文通過對單因素的綜合評價，即單因素模糊評價，確定了最佳金融工具對評價集的隸屬度。

構建最好的金融工具集后，即隸屬度的各個評價因子7金融工具從單因素決定，然后獲得的模糊關系矩陣：

2.2 實例分析

本文在確定模糊關系矩陣時，采用問卷調查法，調查20名金融工具的貿易客戶，得到金融工具1的各項統計表，見表1。

3? 大數據時代銀行業金融風險管理和控制的不足

3.1 當前我國的銀行業風險管控不足

我國傳統的銀行金融風險管理體系正面臨著巨大的挑戰主要這體現在以下幾個方面：以往的財務風險管理體系是以內部控制當中的行為合理合規為主要導向的，傳統的財務風險管理體系雖然強調風險評估的定量和定性的度量方法，但更多地依賴于監控規則和具體指標，更是缺乏良好的測量方法。在大數據時代，風險管理的邊界大大拓寬，各種風險很難完全防范，如以不正當的手段籌集資金、銀行對客戶的個人資料保管力度不足等。傳統的金融風險管理體系難以實現監管的滲透，難以形成資金來源、中間環節和投資目的地的全面覆蓋。

3.2 大數據時代銀行業金融創新面臨的金融風險

在大數據時代銀行業混業經營趨勢進一步明顯，金融與科技的進一步融合改變了銀行對客戶進行信用評價的具體方式。銀行業擴大金融服務所要涉及的范圍，更進一步的促進了銀行對客戶服務的多樣化與多元化。融業務的創新所帶來的風險在銀行業的風險中所占比例日漸增大，用戶使得互聯網中的銀行業務的天平向買方傾斜，用戶對于銀行金融業務中的創新的需求增加同時都傾向于有豐富從業經驗的金融從業人員為自己辦理金融業務。銀行利用互聯網使得用戶的范圍大大拓寬進一步增加了活躍用戶的數量，但這也使得對用戶的資格審查和信用評級的難度和風險大大增加，使得銀行業務不確定性也進一步增加金融產品的創新在銀行風險所占的比例增加，隨著金融創新的不斷發展，金融市場出現了信用違約互換等新穎的金融產品，雖然其收益率較高但同時流動性風險也比較高。價格波動和高杠桿使得難以衡量其對資本頭寸和風險敞口的影響。

4? 大數據時代下銀行業金融風險管控的建議

4.1 國家政策方向的風險管控

引入產業規劃和支持政策，促進金融大數據的發展，建議引入政策性意見，促進金融業大數據的開發和應用，以滿足產業發展和政策空白的需要，明確產業發展的目標，方向，路徑和要求。完善行業發展支持體系和發展能力評估與建設體系。指導和支持行業標準，安全性和商業化等各個領域的金融大數據相關研究。加速建立健全銀行業風險監管體系，使整個行業盡快建立統一的行為規范，預防風險在源頭，使得發生風險的可能性降到最低。同時國家應該對銀行業進行完整的監測與規范，在整個行業內建立起一種預防風險的良好的風險意識，國家還應將培養風險意識的政策落實到單位個人以此在源頭預防風險的發生。

4.2 銀行在金融大數據使用上風險管控

銀行業應分步驟、分層級的促進金融數據的開放共享和共同平臺的建設。但由于銀行間客戶數據信息分散和銀行間交流隔離的問題，因此建議監管機構倡導用安全平穩方便控制的方法去開展金融業數據信息的開放和共享。銀行應從制定統一的數據目錄開始設立最低開放標準和逐步鼓勵銀行創新合作模式，為金融業構建統一的數據平臺和克服跨組織數據流通的障礙進行良好的鋪墊。銀行在建立開放統一的數據共享新平臺中應達成統一的共識：平臺的建立是為了促進銀行更好的發展以適應高速變換的大數據信息時代，憑此平臺在新一輪的更新換代中立于不敗之地。

參考文獻：

[1]韓俊華，周全，王宏昌.大數據時代科技與金融融合風險及區塊鏈技術監管[J].科學管理研究，2019，37（01）：90-93.

[2]李薇.大數據時代互聯網金融創新及風險防控[J].人民論壇，2019（05）：76-77.

[3]馮國富，王靜.基于大數據時代消費者利益保護的金融審計研究[J].江蘇商論，2019（01）：40-43.

[4]沈謝怡.大數據時代下互聯網金融發展的機遇與風險應對探析[J].當代經濟，2018（16）：50-51.

[5]張燕.大數據時代下我國消費金融行業的風險控制問題研究[J].商場現代化，2018（15）：7-9.

[6]葛俊婷.大數據時代下我國消費金融行業的風險控制問題探究[J].中外企業家，2018（19）：72.

[7]Paola Cerchiello，016 Paolo Giudici.Big data analysis for financial risk management.Journal of Big Data：3-18.

[8]Leduc M V ， Poledna S 2016， Thurner S . Systemic Risk Management in Financial Networks with， Credit Default Swaps[J]. Social Science Electronic Publishing，

[9]Doumpos M ， Zopounidis C 2001， 29（1）. Assessing financial risks using amulticriteria sorting procedure： the case of country risk assessment[J]. Omega：97-109.

[10]Gandy A ， Veraart L A M 2017. A Bayesian Methodology for Systemic Risk Assessment in Financial Networks[J]. Lse Research Online Documents on Economics， 215-229.

[11]劉愛華.大數據在網絡借貸風險控制上的應用[D].2015.

[12]童盼，董利娜.數據挖掘在我國商業銀行信用風險度量模型中設計[J].財訊，2017.