大數據在商業銀行信用風險控制中的應用探究

何 花 烏魯木齊銀行股份有限公司

現代社會是科學技術高度發達的社會，大數據技術的應用正在向社會各行各業滲透，極大程度地改變了人民生產生活方式。在大數據技術環境下，商業銀行有必要立足自身實際，精準把握其在銀行信用風險控制中的價值作用，輔助實現信用風險控制效果最優化。

一、大數據的概念、特征和應用現狀

(一)大數據的概念

大數據技術是一種基于現代數據挖掘理念的數據處理方法，能夠在海量的數據資源中快速、精準、高效地獲取所需要信息，是現代科學技術朝著現代化方向發展的重要代表。大數據技術的出現帶動了著新一輪網絡技術革命的出現，其覆蓋范圍涵蓋國家治理、企業管理與個人生活等多個方面，深刻改變著人們的思維方式與行為習慣，為現代經濟社會發展注入了強有力的數據驅動力。大數據技術在特定意義上可高效整合數據資源，提升商業銀行風險管控的現代化水平[1]。

(二)大數據的特征

一方面，大數據在數據產生和數據處理方面具有較快速度，其可運用系統完善的硬件工具平臺載體，在多類型的海量數據信息中提取有價值信息，且可保持持續化與實時化狀態。另一方面，大數據所處理完成的數據價值較大，由于現代經濟社會發展所形成的數據類型多種多樣，若不能夠準確判斷數據價值，則勢必會造成數據處理滯后與延遲，而依托于大數據技術方法，則可有效拓寬大數據覆蓋面，在更深層次意義上保障數據信息的高價值、低密度和碎片化。

(三)大數據的應用現狀

長期以來，廣大商業銀行不斷探索研究大數據技術在各項業務工作中的創新運用，在優化金融產品營銷路徑，程序化策略制定與實施等方面進行了大量卓有成效的研究與探索，有效規避了業務實施風險。受限于金融產品、社會環境與風險識別等條件影響，當前大數據技術的應用依然存在諸多短板，多類型的風險研判精準度相對不足，基于大數據的價值鏈條尚未完全形成并發揮現實作用。

二、大數據與商業銀行信用風險控制的契合點分析

(一)風險識別

風險識別是商業銀行信用風險控制的首要環節，也是大數據技術應用的關鍵方面。在大數據技術的支持下，商業銀行可有效拓展風險數據來源，在諸多類型的數據信息中匯總整合有價值信息，為準確識別信用風險提供基礎參考。大數據技術可有效解決商業銀行信用風險控制中信息不對稱的難點問題，可將海量的數據信息進行充分整合，使數據信息轉換成為風險識別的重要依據，從而識別高風險客戶，禁止授信準入，進而將銀行信用風險控制在初期階段。

(二)風險定價

在商業銀行信用風險分類中，不同類型的風險具有不同的影響程度、表現形式與外在特征，所導致的風險性后果同樣差異顯著，這要求對風險類型進行充分定價，以實施更加明確細化的風險控制策略。依托于大數據技術的核心價值作用，商業銀行可綜合考量客戶的還款歷史、信用歷史、信用種類和信用額度使用等客觀信息，從中發掘便于進行風險定價的價值數據，構建形成信用風險定價模型，實施定價數據集中管理，確保信用風險整體可控[2]。

(三)風險量化

大數據技術與商業銀行信用風險控制的契合點還表現在風險量化方面，這主要應從信用風險計量角度進行考量。按照大數據技術的數據分析方法，其可充分把握現代風險計量的核心，通過長期化的數據積累、觀察和發掘等方式，為未來某段時期的信用風險進行準確評估和預測，實現信用風險的量化管理。比如，當銀行貸款集中度達到所設定的風險限額時，則可進行自動預警，輔助商業銀行通過上收信貸審批權、停止授信、壓縮額度等方式進行風險控制。

(四)風險預警

在大數據技術條件下，如何對信用風險進行實時預警，成為商業銀行極其關注的重點問題。大數據技術為商業銀行積累了諸多不同類型的數據信息，這使信用風險自動化預警體系的建立成為可能，大大降低了傳統環境下的風險預警難度系數，使相對固化條件下難以達成的風險預警目標更具可達成性。商業銀行在信用風險控制中運用大數據技術的經驗相對不足，行業發展成熟度尚有待提升，風險預警的精準度亦需予以重點優化改進。

三、銀行信用風險控制領域中大數據應用面臨的問題

(一)大數據存儲與開發能力亟需提升

大數據存儲與開發能力是大數據環境下商業銀行信用風險控制中的關鍵所在，尤其在大數據技術影響深度與廣度不斷加大的趨勢下，商業銀行更應該將數據存儲與開發能力提升納入戰略體系。鑒于商業銀行的金融屬性，其將更多的資源要素向客戶開發與市場營銷方向傾斜，未能對大數據存儲與開發進行強有力的技術支撐，所采取的數據清洗、開發、挖掘與分析等方法缺乏實效性，難以在龐大的業務數據中篩選出有價值信息，制約著大數據技術整體價值的彰顯。受限于此，商業銀行應從信用風險角度考量大數據存儲與開發能力提升，更加全面地識別和把控信用風險[3]。

(二)大數據加劇了商業銀行信息安全隱患

信息安全問題貫穿于大數據技術應用的始終，這給商業銀行信用風險控制帶來了嚴峻考驗與挑戰，需要以更加精準有效的方式方法，全面破解信息安全隱患困局。從當前現狀來看，部分商業銀行尚未建立起系統完善的信息安全隱患防護機制，所采取的信息安全保障措施不能夠全面應對商業銀行所面臨的風險，往往使低風險、小風險逐漸演化為高風險、大風險。商業銀行信用風險控制需要以動態化的方式強化對各種風險的協同管理，以嚴防信息泄露，而多數商業銀行在該過程中卻存在突出短板。

(三)信用風險控制大數據專業分析人才匱乏

隨著大數據技術應用的持續深化，銀行信用風險控制工作對專業化的數據分析人才產生了迫切現實需求，只有積極引進專業化人才，才能在源頭上保證大數據技術應用的整體活力。實踐表明，部分商業銀行在人才隊伍建設方面存在明顯不足，信用風險控制中的專業團隊未能全面建立，既有人員的數據分析意識淡化，未能全面掌握信用風險控制的核心要義，相關工作實效始終停留在低下狀態。由于專業化的數據分析人才匱乏，銀行信用風險控制的實施規則不甚明確，亟需建立一支具備信用風險控制、統計學、運籌學等知識和技能的工作團隊。

(四)多部門獨立管控風險問題突出

基于大數據的商業銀行信用風險控制需要明確細化不同部門之間的職責權限與關聯關系，更需要以多部門獨立作用的發揮匯聚風險控制的強大合力。實踐表明，部分商業銀行業務部門、風險管理部門、審計監察部門等之間的職責銜接效果不甚明顯，層次化的信用風險控制模式未能形成，多部門獨立管控風險的覆蓋范圍存在空白，事前審核、事中監督與事后反饋總結存在脫節現象，需要加大改進力度。此外，商業銀行各部門之間的數據交互共享水平相對較低，信用風險評價標準不統一，預警技術和系統不夠完善，割裂了信用風險控制各要素的內在聯系。

四、基于大數據的銀行信用風險控制方法路徑探討

(一)建立一體化的風險防控體系

按照大數據技術的基本特點與應用規律，建立健全一體化的信用風險防控體系，在更深層次意義上將大數據技術轉換為強化信用風險識別、評估、分析與應對的重要工具載體，破除陳舊信用風險控制模式的局限與束縛。對以往既有信用風險控制策略進行全面細化梳理，對其中不符合大數據技術應用目標要求、不符合現代商業銀行發展路徑目標要求的內容進行全面修訂，充分發揮其保障和約束作用，為具體信用風險控制措施的實施提供基礎依據。強化一體化信用風險防控責任的落實，明確商業銀行各類型業務的全過程風險管理，對不同類型的信用風險進行準確分析與預防，動態調整其影響權重，做到思想認識、管理過程、操作執行的風險防控一體化。優化商業銀行內部審批流程，提升審批質效，杜絕人為主觀意志干擾，避免越權、越級審批行為。

(二)靈活運用大數據技術，建立信用風險預警系統

現代大數據技術的快速發展，為商業銀行信用風險控制提供了更為豐富的載體與工具。商業銀行應將大數據技術轉換為提升信用風險控制效能，優化信用風險控制效果的重要力量。按照信用風險控制數字化的運作要求，構建以現代信息化、智能化與自動化等為基礎的信用風險控制預警系統，利用該預警系統全面準確地識別、分析與處理業務數據信息，直觀清晰地對信用風險相關數據進行建模處理，對其適用性等做出全面評判。在信用風險預警系統內，設定信用風險預警前置條件，將所有影響銀行信用風險的因素納入統一管理，對存款、理財、借貸等業務狀況進行全面監控。通過風險類型的維度分析，強化商業銀行內部各部門之間、不同業務流程之間的數據信息互通，提高信用風險數據信息傳輸效率，形成防范信用風險的強大合力[4]。

(三)以數據為基礎優化全面風險控制流程

在信用風險識別與控制優化方面，商業銀行應對以往業務工作中所形成的數據信息進行全面搜集，包括合同債務數據、財務數據、信貸業務數據和風險緩釋數據等，以不斷優化迭代信用風險控制系統內容，準確計算分析客戶違約概率。在市場風險識別與控制方面，商業銀行則應利用大數據技術方法，實時地采集全球匯率、利率和理財產品等市場信息，為制定符合自身戰略實際的授信業務戰略提供基礎參考，并設定額度上限，最終形成準確可靠的風險計量模型。在操作風險識別與控制中，則需要加強業務風險識別，對歷史操作風險數據進行場景還原，得出信用風險的演變發生脈絡，為后續授信業務開展形成預警作用。此外，商業銀行還應探索實施高頻次壓力測試，準確進行客戶信用風險評級，自動核定交易額度，保障交易安全。

(四)匯集整合風險數據，拓展風險數據收集渠道

首先，商業銀行應強化內部數據治理。在銀行客戶下沉戰略的實施背景下，商業銀行應針對不同的授信客戶群體，對內部數據進行全面細致處理，將符合特定前置條件的數據信息進行集中統一管理，建立數據倉庫及風險數據集市，為信用風險控制決策提供數據支持。其次，應強化外部數據應用，包括交易數據、交互數據和社會屬性數據等，利用新型爬蟲工具對外部數據信息進行充分加工，關注目標客戶的相關信息，并以連續性的方式獲取來自于政府、媒體、社交等領域的外部信息，輔助開展關聯交易控制和貸款追溯等。最后，應優化數據交匯整合。商業銀行應注重區別半結構化和非結構化數據類型，促進信息的跨專業共享與流動，為銀行信用風險控制奠定基礎。

(五)打造大數據風控平臺，實施全流程風險控制

大數據信用風險控制平臺具有銜接支撐作用，可在信息獲取、信息錄入、評分預警等方面發揮有效作用，實現貸前、貸中和貸后的全流程風險控制。在貸前風險識別環節，應以行內內控名單庫為依托，對客戶準入的過程進行風險掃描，評估其還貸能力，重點識別與評估客戶違約風險，在更為深刻的范圍內對風險客戶進行“阻隔”。在貸中自助審批環節，則應充分運用風控評分卡模型，探索實現線上審批，超前發現信用風險隱患信息，實現所有客戶的實時授信，及時消除潛在風險隱患苗頭性問題。在貸后風險監測方面，則應選擇具有代表性的監測評估參數，建立信用風險動態監測體系，分析與把握融資客戶風險變化規律，對篩查發現的風險數據予以及時預警，落實跟蹤處置要求。

(六)優化銜接內部信息反饋和外部信息整合

在銀行日常經營活動中，不同部門與業務類型等均會對銀行信用風險帶來相應影響，若不注重銜接協作，則勢必會影響信用風險控制的綜合實效。一方面，應建立內部信息反饋制度，按照統一化的標準要求，在銀行不同部門和業務類型之間進行有效信息關聯，對各類數據信息進行及時收集、整理、總結與反饋。另一方面，應探索實施外部信息整合制度，以調查問卷等方式，通過外部信息整合途徑對相關材料進行搜集處理，得出自身所需信息，編制形成信息整合報告，為實施更加明確的信用風險控制戰略提供資料依據。此外，銀行還可聘請社會化的信用風險控制顧問，充分利用專業社會資源，對信用風險控制工作進行專業管理[5]。

五、結語

總之，大數據技術的核心價值作用決定了其在商業銀行信用風險控制中的現實地位。因此，商業銀行應充分把握與遵循大數據技術的基本應用規律，宏觀審視大數據技術方法應用對信用風險控制帶來的諸多新變化，建立健全基于大數據技術的信用風險控制方法體系，提高信用風險控制人員的專業技能，不斷總結探索大數據技術的實踐應用經驗，有效堵塞商業銀行信用風險漏洞，為全面彰顯大數據技術的實際價值奠定基礎，為促進商業銀行高質量發展創造有利條件。