大数据在银行金融业务风控管理中的应用

2018-04-14洪连峰

经济技术协作信息 2018年36期

◎洪连峰

当前，我国进入增速趋缓、结构优化、动力转换为特点的经济发展新常态，随即也出现了信贷风险频发、不良贷款大幅攀升的局面。大数据使人类社会逐渐走向数据经济时代，金融行业风险控制被认为是其最重要的应用领域之一，内部审计作为全行内部控制和风险管理体系的重要组成部分，如何发挥大数据在商业银行金融内控风险管理中的应用值得研究。

一、金融业务内部风险控制思路

在银行内部风险控制方面，主要是运用行内业务运行产生的各种数据，通过数据抓取、综合比对、逻辑分析等方式，发现业务操作内控风险点和缺陷，进而及时纠正违规操作，消除风险隐患。通过建立大数据风控模型，预先选准风控点，做到不定期运行全面核查，扩大金融业务检查覆盖度，扩展风险监控和检查范围，提高内控检查效能。如通过提取信贷客户财务数据、账户经营交易数据及内外部可以获取的重要风险事项，建立属性分析指标，利用大数据风险模型识别并量化客户经营趋势风险和经营异常风险，预测客户整体风险程度并提前发出预警信号查处违规行为。

二、金融系统风险控制方法

通过多样化数据源的处理分析，在金融外部风险控制及内部数据捕捉中实现高效精准的风险管理。一是可以基于大数据技术构建正常客户群体的风险视图，根据客户离群行为的偏离程度采取预警、加强验证等不同的安全控制措施，实现智能化风险控制。二是基于大数据实现神经网络模型和机器学习在风险预警中的应用，实现自动迭代更新和智能化预警监控。

（一）搭建风险模型体系

根据以往审计发现中有效揭示风险问题、线索的信贷类模型，采取甄选、优化和新建等方法，全面分析信贷客户内、外部风险信息，梳理归纳"经营、诚信、关联、资金"等四大类定性指标，以及其下属分类小项的风险模型体系框架。

（二）获取风险指标系数

通过运行风险模型体系，选取已进入不良的客户，分析其风险特征，如，根据数据信息显示企业存在停工或停产等风险状况、经营现金流连续两年出现负值、半年内资产负债率提示过快、信贷业务发生额超过当期主营业务成本等不同风险强度，测算、拟定相应的风险指标及相应系数。

（三）拟定预警客户

以趋势分析方法分析风险指标系数，进行风险值的归一化处理（归一化是一种无量纲处理手段，在本文中主要是将风险指标的绝对值，转换为在一定数值区间内的相对值）形成量化观测系数计量风险。筛选有效非不良信贷客户，根据其对应的风险系数和，乘"经济成分调整参数"计算出相应的"综合风险评分"，其公式为：Y=（A1+A2+…+A11）*X，X 为 "经济成分调整参数"，A为风险系数，Y为"综合风险评分"。

（四）预警各维度风险

在拟定预警客户的基础上，将风险客户的区域、行业、规模、所有制等特征进行聚类分析，确定维度下整体信贷风险暴露压力，预判规模、行业、区域等整体信贷风险。

三、金融系统风险控制的应用

信贷客户通过审计模型开展数据分析，可在调查其经营表象的基础上进一步延展分析客户的融资和扩张的情况，可以从其他方面发现其隐含的经营风险，例如客户是否存在超过自身经营规模或实际经营需求的过渡融资行为、信贷业务发生额与主营业务成本是否匹配等，来发现和查找客户经营趋势风险。

因此，经营稳定性是信贷客户生产经营活动中所面临内外部不确定性的多少，及解决不确定性能力的综合反映。经营稳定性高的企业，其面临的内外部不确定因素相对较少，经营风险较小；反之，经营稳定性低的客户，其面临诸多内外部不确定性或处于不可控状态，其经营风险相对较大。因此风险模型体系框架中主要拟定主营恶化、过度融资/盲目扩张、经营数据缺失或虚假和涉足高风险领域四个分项。