大數據在銀行風險控制中的應用研究

葉婷妤

摘 要：目前，銀行信貸及消費金融業務還主要使用以央行征信數據為主的金融數據建模，以對用戶進行信用評級和授信。但在傳統的風控體系下，審批過程耗時較長，各機構金融產品同質化嚴重，難以滿足用戶的多場景需求。在大數據背景下，可以在銀行風控系統中增加互聯網行為動態特征等數據，將會對用戶貸款、消費、社交、娛樂等多維度變量進行補足，形成完整的用戶畫像，通過整合海量數據，完善銀行的風險控制體系。本文將對大數據在銀行風險控制中的應用進行研究。

關鍵詞：大數據;風控體系;互聯網+

一、緒論

隨著互聯網技術的發展，大數據技術得到了廣泛的應用，并且在金融風控領域得到了較好的應用。傳統銀行等金融機構在對客戶進行風險評估的時候，過去較為依賴行內的現有數據，但是這些數據難以滿足日益復雜的風險評估需要，而且由于銀行數據較為滯后，更新緩慢，因此用來進行風險預判顯得較為薄弱。

而大數據技術收集了客戶生活、行為、消費等更為全面的數據，同時數據采集更為及時，同時利用數據挖掘，機器學習等模型能夠更加深刻的挖掘客戶的特征，對客戶的風險事件提前預測。大數據風控逐漸成為各個銀行等金融機構廣泛關注的研究重點。

二、大數據風控數據源

大數據風控體系是基于原銀行風控體系的擴展，從數據源上擴展了銀行的數據范圍，如表1所示。

從表1可以看到，大數據風控體系，收集了運營商、第三方互聯網電商及金融數據、公共事業、互聯網輿情以及各種能夠獲取的數據，能夠覆蓋客戶生活的方方面面，可以深入的刻畫客戶的特征，判斷客戶的風險。

三、大數據風控業務場景

（一）反欺詐平臺

反欺詐平臺可以整合共享各業務條線多年積累海量反欺詐信息資產，并應用大數據、云計算和人工智能技術，將反欺詐從信用卡、借記卡、網上銀行等應用基礎上，進一步擴展到個人業務全部領域，實現對反欺詐的事前、事中、事后全流程的監控。

基于大數據技術搭建欺詐風險信息數據平臺，可以涵蓋客戶相關信息、賬戶信息、卡片信息、授權信息、清算信息、還款信息，以及已經確認的交易欺詐記錄等數據。應用特征工程技術，綜合運用交易信息、賬戶信息和客戶信息等數據源，從交易時間、交易金額、交易場所、交易頻率和交易花費速度等方面，考慮單維度、多個維度和歷史維度，設計客戶交易行為檔案。采用神經網絡、GBDT、隨機森林和高緯度機器學習技術，精準識別定位欺詐交易實時事中交易反欺詐系統需要在毫秒內完成客戶交易特征行為變量更新和模型計算，根據風險高低設置事中干預策略，采取阻斷、人工調查和放行處理。

（二）金融風險統計監控平臺

交叉性金融風險統計監控臺通過對產品、客戶信息數據庫的整合，以交叉性金融業務的資金流向鏈條為基礎，建立由資金來源端到產品、資金使用端的多層投資關系，識別投資過程中涉及到的各類基礎資產，厘清資金流向，繪制風險傳染網絡視圖。應用圖計算算法，以客戶、產品交叉關聯的復雜度為標準，識別與客戶、產品關聯度高、具有較強風險傳染性的核心客戶和關鍵產品，找出各風險節點間的最短風險傳染路徑及發揮樞紐作用的關鍵節點。建立市場規模、產品規模、價格等不同風險因子與宏觀經濟變量間的相關性，借鑒壓力測試思路，研判市場變化趨勢，預測各市場、各產品風險因子變化對基礎資產的影響，基于資金流轉鏈條和風險傳染路徑，層層分析基礎資產變化對交叉性金融業務、發起金融機構的影響，從而實現對交叉性金融業務的前瞻性分析和監測。

四、總結

信貸風險監控預警體系以大數據技術和方法為監控手段，基于對各類信息資源的有效整合，通過構建具有風險特征的監控預警模型，建立了分析建模、實時監測、風險預警、核查管控、跟蹤督辦、反饋優化及考核評價的全流程信用風險監控體系。可以實時開展融資客戶、融資產品、信貸機構及信貸人員風險的監測預警及跟蹤管控，實現對客戶準信用風險事件的精準、及時和高效識別，以及核實、反饋、控制等全流程管理，為前臺盡職調查、中臺審查審批、后臺監測及貸后管理活動提供支持。

參考文獻：

[1] ?馮玥. 商業銀行大數據技術探索——從日常交易流水到價值客戶發現[J]. 上海金融， 2020（8）.

[2] ?王炯. 大數據在商業銀行的規模化應用[J]. 銀行家， 2020（4）：2.

[3] ?原笠軒. 大數據下商業銀行網貸信用風險預警研究——以某銀行信秒貸貸后管理為例[J]. 大眾投資指南， 2021（9）：2.