公務(wù)員期刊網(wǎng) 論文中心 正文

大數(shù)據(jù)時代商業(yè)銀行信用風(fēng)險論文

前言:想要寫出一篇引人入勝的文章?我們特意為您整理了大數(shù)據(jù)時代商業(yè)銀行信用風(fēng)險論文范文,希望能給你帶來靈感和參考,敬請閱讀。

大數(shù)據(jù)時代商業(yè)銀行信用風(fēng)險論文

一、大數(shù)據(jù)時代商業(yè)銀行信用風(fēng)險管理SWOT分析

(一)定性分析

1.優(yōu)勢分析。商業(yè)銀行在多年發(fā)展中,擁有廣大的客戶群體,積累了客戶基本資料、客戶交易、客戶存貸款等大量數(shù)據(jù)。在大數(shù)據(jù)時代,商業(yè)銀行憑借其雄厚的資本,可以建立大數(shù)據(jù)服務(wù)器等設(shè)備,將這些傳統(tǒng)數(shù)據(jù)與其他來源數(shù)據(jù)進(jìn)行整合,數(shù)據(jù)分析人員通過云計算等技術(shù)手段挖掘出有價值的信息,從各個角度分析客戶需求以及識別信貸風(fēng)險,從而有助于商業(yè)銀行更加科學(xué)地評價經(jīng)營業(yè)績、評估業(yè)務(wù)風(fēng)險、配置全行資源,引導(dǎo)銀行業(yè)務(wù)科學(xué)健康發(fā)展。

2.劣勢分析。在現(xiàn)有的銀行交易系統(tǒng)中,客戶的身份證、交易流水等大量信息已被銀行掌握,但缺少如客戶的家庭情況、收入狀況、消費(fèi)習(xí)慣、興趣愛好等其他方面的信息。另外,目前小微企業(yè)客戶信息以及商業(yè)銀行的產(chǎn)業(yè)鏈客戶信息也比較缺乏,直接影響著銀行對這些客戶提供金融服務(wù)的水平。再者,大數(shù)據(jù)時代下,需要金融專業(yè)人才和數(shù)據(jù)分析人才相互配合,才能充分挖掘數(shù)據(jù)價值,但數(shù)據(jù)分析人員較為匱乏也將成為商業(yè)銀行的軟肋。

3.機(jī)會分析。剛剛進(jìn)入大數(shù)據(jù)時代,商業(yè)銀行應(yīng)率先構(gòu)架大數(shù)據(jù)戰(zhàn)略體系,制定大數(shù)據(jù)發(fā)展戰(zhàn)略,突破同質(zhì)性,實施差異化業(yè)務(wù)發(fā)展戰(zhàn)略,從而贏得先機(jī)。如果大數(shù)據(jù)獲得成功應(yīng)用,將為銀行創(chuàng)造先發(fā)競爭優(yōu)勢,使銀行決策從“經(jīng)驗依賴”向“數(shù)據(jù)依據(jù)”轉(zhuǎn)化,打造不可復(fù)制的核心競爭力。“數(shù)據(jù)—信息—商業(yè)智能”將逐步成為銀行定量化、精細(xì)化管理的發(fā)展路線,數(shù)據(jù)分析也將成為其風(fēng)險防控的法寶。

4.威脅分析。大數(shù)據(jù)在給商業(yè)銀行帶來前所未有的機(jī)遇的同時,也給其帶來了諸多威脅,例如大數(shù)據(jù)存在的風(fēng)險、網(wǎng)絡(luò)安全、數(shù)據(jù)失真等。在大數(shù)據(jù)開發(fā)利用過程中,云計算技術(shù)將會得到廣泛應(yīng)用。但是云計算將數(shù)據(jù)存入云端,而云端往往是由第三方服務(wù)器實現(xiàn)存取的,如果第三方將數(shù)據(jù)泄露,將會給銀行帶來極大的風(fēng)險。另外,互聯(lián)網(wǎng)金融正在顛覆著傳統(tǒng)的金融模式,網(wǎng)商具有活躍的交易記錄和巨大的金融需求,但商業(yè)銀行很難開發(fā)到這些客戶,將給銀行帶來挑戰(zhàn)。

(二)定量分析

除了對大數(shù)據(jù)時代商業(yè)銀行信用風(fēng)險管理面臨的內(nèi)外部環(huán)境進(jìn)行定性分析外,還可以進(jìn)行定量分析。具體思路為:

①確定包括優(yōu)勢與劣勢、機(jī)會和威脅等多于10個的內(nèi)外部環(huán)境因素;

②利用主觀賦權(quán)法、客觀賦權(quán)法、層次分析法(AHP法)等任一方法確定各因素的權(quán)重;

③給各個因素打分,分值范圍為1到5分,評分越高說明因素越重要;

④將各個因素的權(quán)重與得分相乘,從而最終計算出各個因素的加權(quán)分?jǐn)?shù);

⑤各個因素加權(quán)分?jǐn)?shù)計算代數(shù)和得出公司的總加權(quán)分?jǐn)?shù),然后根據(jù)分?jǐn)?shù)進(jìn)行判斷。某商業(yè)銀行內(nèi)外環(huán)境分析如附表所示。由附表可以看出,該銀行外部機(jī)會大于外部威脅,內(nèi)部優(yōu)勢大于內(nèi)部劣勢,應(yīng)抓住大數(shù)據(jù)帶來的機(jī)遇,充分利用信息技術(shù),更加科學(xué)地評估業(yè)務(wù)風(fēng)險、配置全行資源,引導(dǎo)銀行業(yè)務(wù)科學(xué)健康發(fā)展。

二、基于大數(shù)據(jù)的商業(yè)銀行征信系統(tǒng)構(gòu)建

目前,我們已經(jīng)進(jìn)入了大數(shù)據(jù)時代,由于大數(shù)據(jù)包含的信息量大而且非常復(fù)雜,傳統(tǒng)的系統(tǒng)已不能滿足銀行新的分析需求,有必要建立一個統(tǒng)一的數(shù)據(jù)環(huán)境,構(gòu)建大數(shù)據(jù)的商業(yè)銀行征信系統(tǒng),采取新分析算法,搭建大數(shù)據(jù)跨業(yè)務(wù)的統(tǒng)一應(yīng)用平臺,從而滿足銀行精細(xì)化管理、差異化服務(wù)、提升風(fēng)險分析能力的需求。

(一)大數(shù)據(jù)時代商業(yè)銀行征信系統(tǒng)概述

在金融交易安全日益突出的今天,如何迅速、有效地發(fā)現(xiàn)各類欺詐行為,對保證商業(yè)銀行的正常運(yùn)作和國家人民財產(chǎn)安全都顯得十分重要。商業(yè)銀行征信系統(tǒng)要針對信貸風(fēng)險防控工作的實際特點,通過客戶交易信息以及客戶其他信息收集來加強(qiáng)客戶信用風(fēng)險監(jiān)測。系統(tǒng)總體見附圖。附表某商業(yè)銀行內(nèi)外環(huán)境分析內(nèi)部環(huán)境評分權(quán)重加權(quán)分外部環(huán)境評分權(quán)重加權(quán)分⑴整體競爭優(yōu)勢明顯;30.100.30⑴云計算的快速發(fā)展;50.150.75⑵良好的客戶群體;50.150.75⑵數(shù)據(jù)來源多樣化;50.251.25⑶資本雄厚,有能力建立大數(shù)據(jù)庫;40.050.20⑶科技發(fā)展為數(shù)據(jù)應(yīng)用提供支持;40.200.80⑷擁有專業(yè)客戶人才;30.200.60⑷精準(zhǔn)評估業(yè)務(wù)風(fēng)險;40.251.00⑸良好的內(nèi)控環(huán)境;50.251.20⑸先入為主的機(jī)會;40.150.60優(yōu)勢⑹豐富的風(fēng)險防控經(jīng)驗;50.251.25機(jī)會⑹精細(xì)化管理的趨勢。40.100.40小計1.004.30小計1.004.80⑴缺乏個人客戶基本信息;-30.25-0.75⑴網(wǎng)商的競爭;-50.3-1.50⑵缺乏小微企業(yè)基本信息;-30.20-0.60⑵大數(shù)據(jù)安全風(fēng)險;-50.25-1.25⑶缺少產(chǎn)業(yè)鏈客戶的信息;-40.20-0.80⑶網(wǎng)絡(luò)安全面臨挑戰(zhàn);-30.2-0.60⑷缺乏專業(yè)的數(shù)據(jù)分析人才;-30.10-0.30⑷外部風(fēng)險事件的影響;-30.15-0.45⑸缺乏非結(jié)構(gòu)化數(shù)據(jù)收集能力;-50.15-0.75⑸外部風(fēng)險來源多樣化。-30.1-0.30劣勢⑹商業(yè)運(yùn)營模式面臨變革。-30.10-0.30威脅小計1.00-3.50小計1.00-4.10優(yōu)勢劣勢合計0.80機(jī)會威脅合計0.70系統(tǒng)將從海量數(shù)據(jù)中提取出有關(guān)聯(lián)的數(shù)據(jù)信息,以發(fā)現(xiàn)潛在或已知的風(fēng)險,系統(tǒng)將數(shù)據(jù)倉庫、模型庫、知識推理、人機(jī)交互四者有機(jī)地結(jié)合起來,充分發(fā)揮數(shù)據(jù)挖掘的作用,通過建立風(fēng)險評估模型較好地處理數(shù)據(jù)資源中存在的模糊性和隨機(jī)性,在成熟的模式識別技術(shù)和智能分析技術(shù)的輔助下,對銀行業(yè)務(wù)的全方位、多角度的可靠性分析和風(fēng)險評估,有助于商業(yè)銀行實施全面風(fēng)險管理體系,從而進(jìn)一步提高融資、貸款、授信等方面的風(fēng)險評估、監(jiān)控水平。

(二)大數(shù)據(jù)時代商業(yè)銀行征信系統(tǒng)工作原理

1.數(shù)據(jù)原料。數(shù)據(jù)原料是商業(yè)銀行風(fēng)險防控中的關(guān)鍵一環(huán),它直接影響到數(shù)據(jù)挖掘的效率、精準(zhǔn)度以及所得模式的有效性。目前,商業(yè)銀行針對客戶資料和消費(fèi)記錄都建立了功能龐大的消費(fèi)市場數(shù)據(jù)庫系統(tǒng),在以大數(shù)據(jù)引領(lǐng)、以智能化為核心的產(chǎn)業(yè)變革時代,銀行要真正將數(shù)據(jù)作為風(fēng)險控制的源點,有效整合來自銀行網(wǎng)點、PC、移動終端設(shè)備、社交網(wǎng)絡(luò)、征信機(jī)構(gòu)等傳來的結(jié)構(gòu)化和非結(jié)構(gòu)化的海量數(shù)據(jù),既要獲取常規(guī)渠道的數(shù)據(jù),又要收集社會化媒體數(shù)據(jù),真正將數(shù)據(jù)作為戰(zhàn)略性資產(chǎn),實現(xiàn)從管控風(fēng)險向經(jīng)營風(fēng)險方向的轉(zhuǎn)型。

2.數(shù)據(jù)工廠。數(shù)據(jù)工廠是利用數(shù)據(jù)挖掘理論與技術(shù)將數(shù)據(jù)中潛在的、有用的模式搜索出來,是整個征信系統(tǒng)最為關(guān)鍵的一步,也是技術(shù)難點。在數(shù)據(jù)工廠中,系統(tǒng)通過數(shù)據(jù)抽取工具、數(shù)據(jù)集成工具、數(shù)據(jù)過濾工具、數(shù)據(jù)挖掘工具以及模式評估工具等,從海量數(shù)據(jù)原料中提取輔助決策的關(guān)鍵性數(shù)據(jù),并經(jīng)過歸納總結(jié)、推理、分析數(shù)據(jù),利用數(shù)據(jù)挖掘中分類、聚類、偏差檢測、概念分析、異類分析、關(guān)聯(lián)分析、時序演變分析和元數(shù)據(jù)挖掘等功能,完成對銀行信用風(fēng)險控制、銀行市場風(fēng)險評估和銀行操作風(fēng)險評估,從而幫助決策者對信息預(yù)測和決策起作用。

3.數(shù)據(jù)產(chǎn)品。數(shù)據(jù)工廠最終的結(jié)果是數(shù)據(jù)產(chǎn)品,把所有最終經(jīng)挖掘發(fā)現(xiàn)的知識直觀地通過可視化技術(shù)展示給商業(yè)銀行,以幫助其理解和解釋數(shù)據(jù)挖掘的結(jié)果,控制信貸風(fēng)險。這些數(shù)據(jù)結(jié)果既包括傳統(tǒng)的諸如違約率、違約損失率、違約暴露和違約期限等客戶信用信息,也包括客戶的其它方面的信用記錄、客戶的信用評級以及對市場風(fēng)險的評估。當(dāng)然,整個數(shù)據(jù)挖掘過程是一個不斷反饋、循環(huán)往復(fù)的過程,信用評級結(jié)果也是動態(tài)變化的。

4.數(shù)據(jù)應(yīng)用。經(jīng)過數(shù)據(jù)挖掘得出的風(fēng)險評估結(jié)果為商業(yè)銀行評估信貸業(yè)務(wù)的風(fēng)險和收益情況提供了量化工具,改變了單純被動信用風(fēng)險管理模式。在此背景下,商業(yè)銀行應(yīng)規(guī)范貸款審批標(biāo)準(zhǔn)和審批程序,優(yōu)化金融信用監(jiān)控機(jī)制,完善組織架構(gòu)和規(guī)章制度,實施風(fēng)險動態(tài)防控,使信貸風(fēng)險管理體系健康運(yùn)行。

三、大數(shù)據(jù)時代商業(yè)銀行信用風(fēng)險管理應(yīng)注意的問題

在“大數(shù)據(jù)”時代,商業(yè)銀行面臨著信用風(fēng)險防控的新形勢,要積極做好如下應(yīng)對工作。

(一)風(fēng)險意識要思維開放

商業(yè)銀行在進(jìn)行風(fēng)險預(yù)測時,需要考量政策、人為的操作風(fēng)險、市場環(huán)境等等眾多因素,但現(xiàn)有的技術(shù)水平難以支撐挖掘大數(shù)據(jù)的商業(yè)價值。因此,商業(yè)銀行需要具備一種像互聯(lián)網(wǎng)一樣的開放式思維,建立分析數(shù)據(jù)的習(xí)慣,重視“大數(shù)據(jù)”開發(fā)利用,關(guān)注與風(fēng)險預(yù)測高度相關(guān)的大數(shù)據(jù)信息,如客戶的基礎(chǔ)信息(如客戶開立賬戶時留存的住址、年齡、從事行業(yè)、性別等等)、客戶交易信息(如客戶在ATM機(jī)上的存取款情況、使用銀行卡、購買理財、使用其他業(yè)務(wù)的記錄等等)、外部的信息(從互聯(lián)網(wǎng)、電信運(yùn)營商、證券交易所等處挖掘來的有關(guān)信息)等,用數(shù)據(jù)說話,從而提高不確定風(fēng)險的預(yù)測水平。

(二)數(shù)據(jù)整合要注重質(zhì)量

大數(shù)據(jù)很多時候是從一種非傳統(tǒng)的角度去分析、挖掘、利用數(shù)據(jù)價值的思路。由于數(shù)據(jù)來源龐雜廣泛,需要不斷利用技術(shù)創(chuàng)新去挖掘利用大數(shù)據(jù)的價值,再加上數(shù)據(jù)之間的關(guān)聯(lián)性很強(qiáng),商業(yè)銀行應(yīng)建立自己的數(shù)據(jù)地圖,整合銀行內(nèi)部數(shù)據(jù)和大數(shù)據(jù)鏈上的其它外部數(shù)據(jù),堅持做到數(shù)據(jù)要依照標(biāo)準(zhǔn)化采集,確保數(shù)據(jù)來源真實可靠,杜絕以假亂真;同時構(gòu)建專門的數(shù)據(jù)分析方法和使用體系,對數(shù)據(jù)進(jìn)行規(guī)范化處理,并嚴(yán)格按照國家法律法規(guī)進(jìn)行使用,從而確保數(shù)據(jù)質(zhì)量,提高數(shù)據(jù)應(yīng)用性。

(三)系統(tǒng)建設(shè)要高屋建瓴

大數(shù)據(jù)具有一般數(shù)據(jù)所不具備的特殊性,傳統(tǒng)的處理工具和解決方案難以滿足針對大數(shù)據(jù)的處理和分析需要,因此需要采用新的處理模式,才能發(fā)揮大數(shù)據(jù)的效能。商業(yè)銀行需要投入大量資源加快完善高度集中、完備、綜合、專業(yè)的數(shù)據(jù)倉庫系統(tǒng),建設(shè)完善數(shù)據(jù)倉庫項目,從而適應(yīng)“大數(shù)據(jù)”技術(shù)的需要。在系統(tǒng)建設(shè)中要高屋建瓴,要把對于非結(jié)構(gòu)化數(shù)據(jù)分析的技術(shù)與現(xiàn)有的、基于結(jié)構(gòu)化數(shù)據(jù)的分析工具相結(jié)合,預(yù)裝一些成熟的數(shù)據(jù)挖掘算法和文字文本的算法,完善數(shù)據(jù)挖掘工具的擴(kuò)展性,便于數(shù)據(jù)分析人員能夠快速地進(jìn)行大數(shù)據(jù)分析。同時,對資源的投入一定要有相當(dāng)?shù)那罢靶?,并兼顧?dāng)前實際,盡可能地實現(xiàn)資源利用最大化。

作者:谷增軍