大數據框架下金融風險管理探究

郭蘊光

摘? ?要：信息化時代廣泛應用信息技術的金融行業出現了信息大爆炸現象，金融行業為了有效利用這部分海量的信息，需要綜合使用大數據技術，進而保證金融行業的發展水平。在大數據框架下，金融行業的發展并非全是機遇，還要面對很多挑戰，如果金融行業不能化解金融風險，很可能會威脅社會經濟的穩定發展。因此，探究大數據框架下金融風險管理具有一定的現實意義。

關鍵詞：大數據;金融風險;預測;管理

近些年來，科學技術的發展日新月異，金融行業在經營中累積了大量數據，從而促使金融行業主動使用大數據技術。在當今社會發展中，傳統預測和防范金融風險的措施已不適應金融行業的發展，金融機構只有采取全新的手段才能有效應對風險，實現自身的可持續發展。

1? ? 傳統金融風險管理體系與挑戰

傳統金融風險管理體系，管理目標是風險內控和監管合規，管理步驟是識別風險事件、制定應對風險策略、建立風險報告系統。傳統金融風險管理組織架構主要是3層風險管理防線，其中，風險管理組織機構應遵守分類、分層和集中管理風險的原則。

目前，我國傳統金融風險管理體制面臨巨大的挑戰。具體表現為：傳統金融風險管理流程導向為內控與合規，3道防線作用于監督和管控主要人員，但不能防止由于主要崗位人員徇私舞弊帶來的損失;傳統金融風險管理體系雖然結合定性和定量方法評估風險，但更多依賴于監控原則與實際指標，無法合理應用高級計量法;金融風險管理在互聯網時代已經擴大了邊界，出現了其他新的風險，傳統金融風險管理體系不能實現透明式監管，無法全方位覆蓋資金來源、中間環節與投資去向;傳統金融風險管理體系無法合理應用互聯網、大數據等全新技術，也難以達到治理要求。

民生銀行“假理財”接廣發銀行“假保函”都牽涉到商業銀行的流動、操作風險，還有欺詐以及內控合規風險。案例說明，傳統金融風險管理體系不能有效分辨內部控制存在的缺陷，甚至難以采取行之有效的風險應對措施，進一步引發更嚴重的風險事件。

金融機構在大數據環境中需要面對更加復雜的內外部環境，金融業務呈多樣化特點，增加了風險發生的概率，迫切需要改進傳統金融風險管理體系。

2? ? 大數據框架下金融風險管理概述

2.1? 大數據的涵義與特征

2011年，美國的麥肯錫公司在報告中首次提出了大數據的概念，公司在行業調查時就已經意識到數據對行業發展的促進作用。大數據是指信息數據量較大，人工無法對其搜集與整理，需利用有關軟件處理的數據。大數據具有較大的信息量，內部存在各種數據類型，結構十分復雜，經對其分析可得到與企業經營相關的重要資料，為企業發展提供參考。而大數據的特征如下。

第一，巨大數據量，在信息化時代，由于大數據形成龐大的數據資源，通過簡單的方式已不能科學處理和應用大數據;第二，多樣化的數據類型，大數據有不同的數據類型，需利用各種方法歸納這些數據內容;第三，處理數據效率高，基于大數據的背景，處理數據時可對其科學運用，提高了數據應用的效率;第四，數據的真實性有限，故要科學選擇數據。大數據背景下，同時存在各種不同的數據，只有規模化篩選這些數據，才可以獲得有價值的信息，從而推動企業可持續發展。

2.2? 大數據框架下金融風險管理的特點

金融企業在傳統的風險管理中要面對市場因素、信用因素、操作因素、管理因素和法律因素等帶來的風險。傳統的金融風險管理表現出金融業的制度化、風控的專業化和評估的完善化等特點，并隱藏了負債風險和信貸風險。而金融企業在大數據背景下，互聯網金融逐步成為主流發展趨勢，一定程度推動了金融行業的發展，特別是出現普惠金融、網絡P2P等金融模式以后，金融服務體現出大眾化特點，大數據技術保證了金融服務的質量，使金融服務不斷擴大范圍，大數據技術幫助人們認識金融服務。金融產品在發展中出現了市場風險，也滋生了各種潛在的風險，而大數據框架下金融風險管理主要針對業務風險。在互聯網金融的發展形勢下，買方主導市場方向，其快速創新產品，提高了金融行業的競爭力。另外，各種金融平臺也對互聯網金融造成一定沖擊，金融機構使用大數據技術則要承擔相應的信用評估與審查風險。大數據環境中，金融市場發展快，隨之出現了不同的金融產品，金融市場的監管出現了疏漏，造成資本市場不得不面對更大的風險威脅，而大數據成為防范風險的重要手段。

3? ? 大數據框架下的金融風險

3.1? 信用風險

信用風險的產生取決于信貸的誠信水平，金融業可利用不良貸款評估信用風險。當今時代，數據爆炸式增長，其真實度難以準確分辨。金融企業與客戶如形成信貸關系，可能會出現信息失真問題，加之客戶還款能力不足或是還款意識薄弱，增加了信用風險。另外，一旦出現較多的不良貸款記錄，勢必對金融業資金周轉造成影響，不利于金融行業的整體發展。

3.2? 市場風險

數據的真實性是形成市場風險的關鍵因素，此外，在金融交易中出現的違規現象和數據信息壟斷問題也會引發市場風險。對大數據進行分析時，需重點把握質與量兩方面內容，這絕不是簡單的數據分析。如果數據在分析中產生問題，則會降低預測和防范金融風險的效率，加大市場風險。另外，資金和實力相對雄厚的金融企業已習慣壟斷含金量較高的數據，導致金融市場朝著對自己有利的方向發展，也影響了大數據調節市場的作用。

3.3? 信息安全風險和數據分析風險

網絡時代，大數據技術可集中和量化處理數據，輕松獲得私密的數據信息，其中也包括金融信息。金融信息通常指個人身份、交易過程和償還狀況等，一旦客戶暴露這部分信息，將要承受無法估計的損失。一般從兩方面可能會泄露信息：一是數據分離，無法共享，金融行業各部門只有嚴格管理自身數據才能達到監管的目的，如此便弱化了數據間的聯系，難以實現數據共享;二是部分數據體現出封閉特點和延遲特點。數據在特殊狀況下會出現封閉的現象，從而阻礙了數據分析，即便完成了數據分析，數據本身的延遲也會影響其優勢發揮，同時產生一系列的問題。

3.4? 技術風險

保證數據信息的實用性，需要對大數據綜合分析與選擇，這個過程要求技術工具、技術人員與技術平臺給與充分支持，同時也要投入高額成本。因此，很多金融企業不具備挖掘數據的能力，無法在業務開展中應用有價值的信息，無形增加了金融風險的發生概率。另外，缺乏防范網絡平臺風險的意識，會帶來更嚴重的金融風險。

3.5? 法律風險

當前，很多金融企業的經營方式是網絡，其借助網絡渠道搜集了很多客戶的信息。長期如此，這部分信息可以發揮商業作用，一旦觸及利益，便容易被不法分子利用。另外，數據分析增加了金融業務的復雜度，加之法律不夠完善，缺少有效的監管措施，因而有必要科學解讀和應對法律風險。

4? ? 大數據預測和控制金融風險的案例

4.1? 美國Zest Finance公司

美國Zest Finance公司使用大數據評估消費者，不僅對原始貸款數據進行了分析，還深入研究了風險特點的專業術語，比如消費者的償還意識和能力等，有機聯系了篩選和抽取技術，從而掌握了消費者的信用狀況及利用大數據實現了征信分析。所以，該公司采取層次多樣化的數據挖掘與整合技術，完全覆蓋了消費者的征信，公司由大數據獲得了數以萬計的風險變量，不同的變量與有關的模型聯合使用，從各個角度評估消費者的信用情況，并獲得理想的風險預測效果。公司還采取了很多包含規則的算法以實現預測，進一步聯系不同模型得到較好的預測結果。公司管理者認為嚴格管理信貸審批可以控制大部分風險，故而公司建立了信貸審批模型，及時了解風險審批的科學性，不僅降低了壞賬率，還減少了貸款客戶的投入成本，幫助客戶提升了投資回報率，促使公司以更專業的手段管理信貸風險。

4.2? 百融金服企業

百融金服利用大數據技術有效融合線上、線下資源，從而構建了金融風險模型。公司嘗試將很多非金融數據引入信用建模，至少包括50個弱變量。利用大數據技術形成規則引擎、黑名單庫，從而實現風險報警、輔助審批等操作，進一步減少線上、線下帶來的金融風險。對行業外的用戶行為實施分析，評估用戶的償還能力，對可能產生的違約風險預測與防范。同時根據違約信息建立評估模型，獨立設計評價系統。為提高模型的預測水平，百福金融利用大數據技術獲取弱變量中的好壞客戶，綜合評價數據庫的弱變量數據，以達到精確掌握個人信用風險的目的。

經過分析上述案例可知：一是利用大數據技術分析海量數據時，建立評估風險的模型，可以對風險識別與量化，掌握了風險點，從而及時防范風險。利用大數據技術記錄交易借貸產生的金融違約指標，綜合分析風險定價和評估模型，客觀評價信用狀況，解決了信用問題和欺詐問題，同時憑借大數據背景下的金融數據處理和數據模型，最大限度降低了金融風險。二是采取大數據技術對金融風險科學防范，金融行業要構建獨立的云數據系統，探索科學的風險評價模型，獲得全方位、立體化的信用評估體系，并及時搜集體系內外的用戶數據，進一步對風險自主預測與評價，最大限度節省了風險防范的成本以及提高了風險防范的有效性。由此可知，在預測與防范金融風險中大數據發揮了關鍵作用。因此，在信息時代，通過大數據技術解決傳統風險控制問題可保證金融數據的安全。

5? ? 大數據框架下金融風險預防管理對策

5.1? 培養大數據思想

為了預防大數據背景下的金融風險，必須樹立大數據戰略思想理念，改變傳統的思想認知。由分析原因轉化為分析相關性，將追求絕對精確轉化為保證效率。在分析金融風險相關性工作中引入大數據，不僅要具備工作經驗，還要對量化數據分析工作不斷強化，如此不只保證了數據的及時性和全面性，還可以保證數據的有效性。在獲取金融發展信息和大致輪廓數據時，注意有機融入9大數據，研究金融數據的復雜性。這樣不僅有利于有關工作人員評估金融風險，還可以根據金融風險采取正確的解決手段。

5.2? 構建金融風險數據共享制度

建立金融風險數據的共享制度，統一管理在各個部門和機構獨立存在的金融數據信息，預防數據隔離帶來的問題。在管理數據中，要認真搜集與整理各種不同的金融數據，幫助金融行業科學使用和共享風險信息，確保金融行業有效預防金融風險。建立金融風險數據信息的共享平臺，順利擺脫數據約束。各個部門綜合監控和獲取金融風險數據，為開展相關性分析奠定了基礎。同時，審查客戶自身形成的風險，減少金融風險帶來的損失。

5.3? 建立風險管理體系

建立大數據的全面風險管理體系包括以下內容：首先，采取先進的科技手段，取得與客戶有關的數據資源。目前經常使用采集、存儲和分析數據的技術工具包括ETL、爬蟲、關系數據庫等，借助這些技術工具可以全面了解客戶的線上、線下數據資源。尤其是充分利用評分模型對客戶的信用實行評價。其次，在交易過程中監控和警示客戶可能產生的風險。在這個環節可通過大數據技術實時分析客戶的資金鏈條、交易記錄、還款能力等動態信息，從而在貸款中及貸款后降低客戶的金融風險。另外，還可以為客戶提示違約帶來的后果，使其形成風險意識。最后，采取結構化方法處理數據。大數據包含很多分散的數據，有些甚至是半成型的，整理數據時，要把這部分數據轉化為統一的結構化數據，從而建立完善的客戶風險管理體系。

5.4? 實行敏銳的風險管理

大數據框架下的金融風險是金融危機的導火索，其對金融行業帶來了嚴重后果與不良影響，金融機構也難以完全控制這部分風險，所以金融行業有必要注意規避這些風險。金融機構有關人員處理每一筆資金交易時，要思考發生金融風險的概率。有關人員要敏銳感知金融風險，從而全面把握金融業務，快速找出隱藏的風險。對風險管理的措施如下：第一，從上到下分步解析風險，了解業務每一筆交易的信貸業務數據以及這部數據可能隱藏的風險，另外還要全面解析自動清算（Automatic Clearing House，ACH）交易數據。第二，業務關聯和欺詐分析，判別與業務有關的信用卡或借記卡持有對象的數據真偽，減少惡意欺詐行為。第三，參考分析跨賬戶，主要是全面發展金融業務，分析ACH交易的有關資料。第四，了解交易對象的網絡風險。

5.5? 選擇技術策略

大數據框架下形成的金融風險可采取大數據技術解決，故而掌握大數據的關鍵技術，就可以降低風險發生概率。在大數據框架下，選擇金融技術需注意以下問題：第一，金融數據倉庫。金融風險絕不只影響一家金融機構，而是波及整個金融業，所以必須聯合全部金融機構共同規避風險。這就要求金融機構及時交流和利用信息數據。為了最大限度體現數據的價值，金融機構利用數據庫對全部的信息實現整合，幫助需要者通過大數據技術分析這部分信息。第二，大數據倉庫。大數據倉庫主要是對各種客戶結構數據進行整合，提高信息的應用水平，充分彰顯信息的價值。第三，傳統數據庫的應用存在一定限制，大數據技術只有打破傳統數據庫帶來的限制，才可以合理應用這部分數據。所以建立數據庫的結構基礎是弱耦合架以及對數據模型優化分析的不同技術。

5.6? 建立專業的人才團隊

任何行業的發展都無法離開核心要素人才，而金融機構更是如此，特別是在大數據背景下，金融機構應積極培育人才，建立專業化的技術隊伍。金融機構應不斷引入和培育大數據技術型人才，不斷優化人才培育制度，結合大數據特征和行業發展情況整理人才數據，培養人才的分析能力，專業化的技術人才不僅保證了企業的可持續發展，還可以幫助企業規避風險。

6? ? 結語

金融風險的出現是不可避免的，在外部市場環境不斷改變的情況下，金融機構的組織結構和發展方式也不同于從前。因此，金融機構出現了與之前不同的金融風險，其表現出廣泛且多樣的特點。要求金融管理人員基于大數據框架下的具體要求，通過科學預測，利用科學的管理策略，綜合各種大數據技術解決金融風險問題。

[參考文獻]

[1]呂建林.基于大數據背景下金融風險控制研究[J].生產力研究，2019（7）：35-38.

[2]湯敏.大數據背景下商業銀行風險管理戰略研究[J].海南金融，2017（8）：6-10.

[3]柯嘉義.大數據金融的風險與挑戰分析[J].今日財富，2017（13）：42-43.

[4]朱文娟，汪于平.淺談大數據與銀行風險管理[J].時代金融，2018（3）：69.