基于大数据的国有商业银行信贷风险管理体系研究

徐霄

摘要：大数据时代背景下，数据日益成为商业银行最为重要的生产要素和战略资产，对银行积累的大数据进行有效管理和挖掘将成为商业银行未来竞争和增长的基础。研究基于大数据的智慧型信贷风险管理有助于丰富商业银行风险管理的相关理论和提高商业银行智能分析风险、管理风险的水平，具有十分重要的现实意义。

关键词：大数据；商业银行信贷风险管理体系

大数据的出现，引起金融界的广泛关注和重视。伴随着互联网金融的兴起，大数据在金融业的应用给传统金融行业尤其是线下商业银行带来了深刻的影响和冲击。较于传统数据技术，大数据具有数据量大、数据类型繁多、时效要求高等4V特点，既有的系统架构和技术已无法高效处理海量数据，大数据获取、储存、搜索、共享、分析，乃至成果的可视化等方面还存在一定的困难。

大数据时代背景下，数据已经成为金融企业制胜的关键性因素。从自然属性上讲，商业银行本质上属于经营风险的行业，风险管理是其生存的根本。研究基于大数据的智慧型风险管理具有重要意义：第一，有助于丰富商业银行风险管理的相关理论；第二，有助于商业银行进行智能分析风险、管理风险，具有十分重要的现实意义。

一、大数据引入信贷风险管理的必要性与可行性

（一）必要性

1.跟上技术发展和同行业应用进程的要求

大数据的理念正逐步“吞噬”且重塑着传统行业。信贷风险管理引入大数据不仅有利于金融机构信贷业务优化处理，还可以借助大数据信息挖掘优势，更加前瞻地洞察影响贷款资产安全、收益的各类风险因素。数据挖掘分析技术在西方商业银行风险控制中早已有所应用，因此大数据的出现为中国银行业在全新的平台上与西方商业银行竞技提供了难得机遇。目前银行业大数据应用总体呈现两种趋势：传统银行加大与数据服务商合作；新兴互联网金融企业利用自身技术积极拓展大数据在信贷业务中的应用。传统银行与新兴金融对大数据的追逐，无疑将加快银行业整体信贷风险管理的量化进程，而紧跟竞争对手的步伐，是在竞争中寻求获胜的必要前提和基本条件。

2.應对复杂风险形势的要求

一方面金融市场化改革不断纵深发展，大量金融创新推动着市场深刻变化。另一方面，经济转型在从宏观上助推国民经济长远发展的同时，也对银行研判经济周期，以及行业态势、区域风险特点、客户风险走势方面提出更高要求。

（二）可行性

1.形成了较为完善的信贷信息化体系

建行集成信贷业务生产与管理功能信息化平台日趋成熟，积淀了海量的历史与最新信贷数据信息，信贷业务生产与管理功能信息系统与其他相关系统的交互渠道愈加畅通。

2.具备了基本的数据挖掘分析经验

建行信贷在线监控工作开展以来，各级行在利用系统存储的海量数据信息实施信贷风险管理方面做出了扎实的探索，形成了系统自动识别风险、批量监控预警等在内的一系列工作方法，促进了信贷风险管理手段的完备，积累了挖掘、处理海量数据信息的实践经验。

3.适应大数据应用的分工专业队伍体系初步形成

全行形成了以信贷评级体系建设和在线监控人员为主干的信贷数据分析应用队伍，且围绕需求，不断加大科技、软件、需求相关力量的配置力度，为大数据工作推进提供了必要的人员保障。

二、当前大数据在信贷风险管理工作中的应用策略

（一）改变管理理念

首先是要增强信贷风险决策的数据依托理念，减少和杜绝粗放管理行为。然后是要加强数据之间相关关系应用，提高信贷风险预判的科学性与准确性。最后要加强信贷大数据信息建设意识，积极着手信贷大数据基础平台搭建工作，推进数据信息的整合共享，拓宽信贷风险管理数据源获取渠道。

（二）弱化信息不对称性

银行可通过各种方式来采集外部的数据信息，同时还要推进交易信息数据化，尽量引导客户通过电子化渠道进行交易和办理业务，以便获取交易记录等结构性数据，从更大范围来核验借款人生产经营信息与财务信息的关系，提高商业银行识别风险能力。

（三）重点突破应用方向

1.搭建互联网金融平台以加快大数据的获得

模仿和跟进大数据应用领先的互联网金融企业，加强与互联网社区、电子商务等企业合作，打造和形成银行具有主导经营管理权的O2O、B2C、B2B等互联网金融平台。在平台建成后，可依托平台不断丰富信贷产品，积累网络用户的信贷交易信息、行为及信用数据信息，从中总结和摸索适用于信贷风险管理的数据模型或方法。

2.促进跨系统信贷相关信息的整合应用

加强相关技术的学习与引进，最大程度地节约系统整合成本，解决信贷相关信息的“孤岛”问题，将全行不同系统中存储的涉贷客户信息与贷款质量变化联系起来，提高风险早期发现和识别的可能。

3.深入挖掘内部数据源信贷风险管理价值

在全面关注大数据技术发展动态的同时，重点做好非结构化数据信息技术动向跟踪，必要时通过与数据分析专业厂商合作，加快这一领域数据信息价值的挖掘，提高非结构化微观数据信息在信贷风险综合管理层面的集成应用。

（四）深度应用方向

借助数据挖掘技术，利用机器学习算法（如聚类分析法、决策树算法、并行算法等）或模型对海量信贷数据及相关信息进行处理，进而发现隐藏在数据间的内在联系或推导出有价值的管理结论，极大程度地促进信贷组合、评级模型、预警监控在内的诸多管理工作量化分析决策。

1.用大数据思维重新构建信贷风险管理架构

用大数据思维构建以客户为中心的全面风险管理体系，重新界定部门间职能分工，改变由各分支机构各自分散识别风险的做法，集中统一管理数据信息，把同一目标客户的不同贷款按照统一的风险准入政策和标准的风险防范措施来处理，提高风险管理效率，实现信贷产品的P2P精准营销。endprint

2.提供有效的贷后管理监测途径

对客户进行全面持续的风险监测，形成全方位、全流程的监测体系，对保证人和抵押品价值变化的持续观测，有效防止担保虚化等风险的发生。

3.为培养专业型风险防控人才提供标准

利用大数据通过对单一行业或几个行业内、特定某个区域或几个区域内信贷风险事件的流程梳理总结，总结其出现征兆，发展过程及解决方案，为解决特定维度的信贷风险提供风险判断权重参考值，为专业型人才培养提供经验依据以更快适应市场需求。

4.结合大数据优化信贷产品结构

结合大数据，对宏观经济形势下各行业之间联系进行全方位的分析，发现潜在的增长点或潜伏的风险，对各区域信贷资源分配进行统一调整优化，优化本行现有信贷结构。

三、结论

大数据时代来临，数据成为金融企业制胜的关键性因素，大数据的有效管理和挖掘将成为商业银行未来竞争和增长的基础，并日益成为商业银行最为重要的生产要素和战略资本。银行作为经营风险的企业，必须在这一过程中获取与大数据发展相适应的风险防范控制能力，才能在大数据时代的激烈竞争中处于不败之地。

参考文献：

[1]陸岷峰，刘凤.互联网金融背景下商业银行变与不变的选择[J].南方金融，2014，1（5）.

[2]庞淑娟.大数据在银行信用风险管理中的应用[J].征信，2015（03）：12-15.

[3]龙正清.我国商业银行中小企业信贷风险管理研究[J].金融经济：下半月，2015（3）：140-142.

[4]于晓光.建设银行互联网金融业务发展对策研究[D].湘潭大学，2016.

[5]韩浩.大数据技术在商业银行中的运用探讨[D].苏州大学，2014.

[6]蔡燕兰.建行掘金大数据[J].中国房地产金融，2015（5）：114-116.

[7]李连梦.基于大数据的商业银行智慧型风险管理研究[D].天津商业大学，2016.

[8]江明哲.借鉴大数据相关关系提升信贷审批前瞻性[J].上海金融，2015（2）：6-13.

[9]武颖.中国建设银行发展互联网金融的战略研究[D].首都经济贸易大学，2015.

（作者单位：中国建设银行深圳市支行）endprint