一種基于大數據風控預警監測及決策系統的研究

林 雯

(海浦東發展銀行，上海 200000)

0 引言

伴隨著信息化互聯網技術的飛速發展，金融企業為了保證金融業務規模擴大的同時，還需保證金融資產的安全可靠，因此需要搭建一套實時的大數據風控系統來幫助企業監控客戶的資金安全。該系統不僅需要將風險識別和計量成果融入客戶營銷、貸前客戶風險調查，在授信方案制定過程中，還需要考慮總體風險收益權衡、風險實時監測預警、信貸政策實施與管控、貸后非現場作業跟蹤反饋、考核評價等覆蓋客戶全生命周期的信貸業務流程。通過形成涵蓋創新業務風險準入規則部署、傳統業務全景風險探測與管控、授信方案制訂的風險收益平衡、風險實時監測預警、精細化組合管控、押品管理、信貸作業非現場監控、精準決策、信貸檔案、考核評價以及合規監測等客戶全生命周期的信貸業務過程監測管理和決策支撐。全面提升風險識別與計量、非現場監控、政策管控、信貸審批審查、貸后管理等各環節的精細化水平。為了保證風控數據精準高效，風控預警監測及決策系統的數據來源主要由企業信貸服務系統、核心產品化系統、公司客戶關系管理系統信用卡核心系統、信用卡催收系統、信用卡審批系統等系統提供主要數據源。本文所述系統應用大數據技術對數據進行分析處理并提供智能風控決策服務。其中內外部數據樣本經交換平臺統一提供到大數據洞察分析環境的訓練區（基于 HDFS或 HIVE），在訓練區對數據樣本進行訓練，完成訓練后（完成所有測試和驗證工作），部署至洞察分析環境的執行區，執行區統一調度對應作業（批處理類），數據的輸入輸出均基于大數據洞察分析環境。

1 系統總體架構設計

大數據風控預警監測及決策系統在規劃過程中要考慮到系統需求功能性和后期系統的拓展性、兼容性等問題。因此將該系統總體架構主要分為基礎用戶業務前臺層、大數據中臺層、數據資源層和基礎環境層[1]。基礎環境層主要負責底層硬件資源處理調度，網絡傳輸功能，數據安全模塊、數據備份模塊，數據存儲模塊、數據計算處理核心模塊等基礎功能模塊。數據資源層主要是系統通過企業信貸服務系統、核心產品化系統、公司客戶關系管理系統信用卡核心系統、信用卡催收系統、信用卡審批系統等系統獲取到用戶相關的金融資產數據，大數據訓練模型也是對這些數據進行分析和處理，原始數據都會進行備份和保存。大數據中臺層主要是分為數據中間層和數據服務層，數據中臺需要負責和底層海量數據資源進行接入操作，對于獲取的數據信息會進行相關的大數據訓練處理得到相關的數據集供數據服務進行調用，業務前臺通過調用相關的數據接口，便可以直接獲取到相關的數據資源。業務前臺主要是最上層和用戶進行直接交互的功能層，主要為用戶提供一些可視化的前臺操作網站和移動APP應用，用戶可以通過操作這些可視化的應用來獲取相關的信息或者功能。為了保證系統功能可以平穩有效的運行，提高系統的安全性，對目前現有系統功能進行數據處理性能優化，保證系統在打開和交互響應平均低于1秒[2]，增加用戶的使用體驗性。系統具體總體設計架構圖，如圖1所示。

圖1 系統總體架構圖Fig.1 System overall architecture diagram

2 系統平臺核心場景

本項目基于大數據風控預警監測及決策系統主要是想通過對用戶進行風險收益測算，評估用戶風險變化狀況，減少金融資產流失，如果出現風險不可避免的狀況，如何盡可能的減少資產損失。

2.1 風險收益測算

大數據風控預警監測及決策系統通過收集用戶授信材料，對用戶賬戶凈資產、負債信息和凈收入等數據進行匯總分析[3]。同時考慮到用戶金融信息的準確性，還需要對外行的金融資產和結算信息進行統一數據分析。如果發現凈收入出現異常的狀況，則需進行異常提醒。大數據分析得到的負債信息分析示意圖如圖2所示。另外，系統通過結合這些數據還會得到綜合分析的用戶資產估值圖、風險收益圖和資產趨勢圖等，方便業務同事為客戶制定合理授信方案提供可參考的風險收益量化依據。

圖2 負債信息分析示意圖Fig.2 Schematic diagram of liability information analysis

2.2 風險分析管理

用戶風險綜合評估是前臺業務人員進行金融業務開展重要的參考指標，系統會對用戶提供的數據進行大數據風控分析得出用戶綜合的風險指數[4]，其中主要風險數據需要考慮經營風險、融資風險、關聯關系風險、內外部風險、歷史行為風險、賬戶風險、監管風險和緩釋風險等。如果查詢到客戶相關的風險視圖和風險預警，發現目前存在的風險信息，業務人員需要根據風險信息，有針對性的進行非現場調查，提前了解客戶風險產生原因，最終結合企業實際情況，制定針對性的金融管理方案。具體用戶綜合風險分析示意圖如圖3所示。

圖3 綜合風險分析示意圖Fig.3 Schematic diagram of comprehensive risk analysis

2.3 機構信用風險異常處理

風險管理人員通過前端查詢金融機構風險動態功能，查看機構在資產質量、風險化解、風險績效、結構調整等維度下各項風險指標實際情況，以及各項指標具體信息分布。資產質量維度主要包括不良貸款余額及比率、逾期貸款余額及比率等[5]，動態展示指標近半年內的變化趨勢。通過全行排名以及發展趨勢展示，能夠在全面獲取分行風險資產信息變化情況同時，看到分行與其他分行之間的差距情況。風險化解維度主要包括后三類壓縮收回額、后三類清收壓縮計劃完成率、已核銷資產清收壓縮額、已核銷資產清收壓縮計劃完成率等[6]，及時掌握分行不良貸款壓縮清收情況，對于是否能完成風險指標做到心中有數。風險績效維度包括實際占用風險成本排名、風險成本控制率排名、分行撥備覆蓋率排名、分行EVA排名、分行RAROC排名等，對于完成較差的指標可進一步分析原因，找出問題所在。結構調整維度，展示結構調整類指標，如BBB以下客戶占比、支持類行業占比情況及排名情況等，掌握分行結構調整工作成效、完成指標差距，為結構調整工作提供決策依據。

另外，機構如果發現用戶存在不可避免的風險時，根據客戶當前信用風險狀況以及風險信息監測結果，將客戶分為出險池、風險池、觀察池和正常池四類客戶。針對已經實質出險客戶，其主要管理目標是降低貸款損失、控制和化解風險、退出或壓縮風險敞口，出現了影響客戶實質風險變化的情況但尚未出險的客戶，是非現場監測重點關注的客群[7]，主要管理目標是防止風險顯性化，切實做好風險排查，確認客戶當前風險狀態，防范償債風險。監測系統需要實時監測存在暫不影響客戶實質性風險一般預警信號的客戶，持續進行風險監測，關注風險遷徙變化情況。

3 風控預警監測及決策系統實踐

風控預警監測及決策系統的風險監測管理頁面，主要對分行機構的風險績效、資產質量、結構調整和風險化解進行綜合決策處理。風險監測平臺主要圍繞資產質量、風險化解、風險績效、結構調整，分別從業務維度、機構等維度統計主要風險監測指標，包括不良貸款指標、逾期貸款指標等，展示實時的信貸資產風險動態。風險監測主要由風險管理部負責實時推送全行相關部門，為風險監測提供核心數據支撐[8]。具體的風險監測界面圖如4所示。

圖4 風險監測界面Fig.4 Risk monitoring interface

大數據風控預警監測系統會對全行的大額轉賬交易進行實時分析監測，對發現的異常交易通過總分行聯動進行相應的風險排摸[9]。風險系統實時顯示出監測到的大額轉賬交易中存在多筆異常轉賬交易，系統將涉及的客戶信息和交易筆數、交易金額和交易詳情等具體信息分發給相關分行。同時總行風險監測人員會對數據進行初步分析，然后下發非現場監測調查書請分行協助排查和排摸[10]，異常轉賬交易造成的具體原因需要記錄上報，另外如果發現違規交易，分行將異常客戶因涉嫌虛假驗資進行反洗錢上報。大額交易實時分析界面如圖5所示。

圖5 大額交易實時分析界面Fig.5 Real-time analysis interface for large transactions

大數據風控預警監測系統分析處理獲得一批異常交易檢查線索[11]，總行風險監測工作人員對數據進行審核并將此批檢查線索上傳至線索發布及登記模塊中，由于每位客戶對應不同的客戶經理，所以分行風險管理人員需要批量分配該條線索至該行對應的客戶經理進行處理。分行整改人員對該類檢查問題進行整改并登記整改反饋信息，處理后進行反饋操作，已被分行確認的線索總行會將批量導入至問題整改庫。具體的線上檢查平臺，如下圖6所示。

圖6 線上檢查平臺Fig.6 Online inspection platform

4 結論

經過充分的調查和對大量資料的研究，本文分析了相關大數據風控預警監測及決策系統的基本背景和目的，也闡述了大數據風控預警監測帶來的好處，并且根據企業的具體痛點針對性的設計了總體設計框架，包括核心場景的處理流程。為了解決企業在風險監測和風險量化方面面臨的種種困難，本文根據企業的實際情況，設計了基于大數據風控預警監測及決策系統框架，通過大數據智能技術手段來提高總行的信息優勢以及風險管控的能力，提高金融資產的精細化水平[12]，保證金融資產的財產安全。另外本項目的風控預警監測及決策系統主要是想通過對用戶進行風險收益測算，評估用戶風險變化狀況，減少金融資產流失，如果出現風險不可避免的狀況，如何盡可能的減少金融機構資產損失，持續進行風險監測，保證金融資產安全可靠。