大数据技术在商业银行信贷风险控制的研究

金海波

【摘 要】近年來，随着我国经济的高速发展和利率市场化，商业银行之间竞争愈加激烈，为了能更好的满足客户融资需求和银行自身发展的需要，各商业银行纷纷借助大数据、云计算、移动互联、人工智能等新技术，加速发展业务规模和进行业务转型创新，以求在市场上占得先机和竞争优势，在这个过程中，信贷规模不断扩大，线下业务模式转入线上，长尾客户的蓝海被得到充分挖掘。随着信贷规模的快速增长，服务客户群体的快速扩张，由信息不对称导致的信贷风险也呈现直线上升，如何通过大数据技术为商业银行信贷业务发展保驾护航，提升商业银行信贷风险控制能力成为关键。基于此，本文对商业银行信贷风险管理的发展过程和面临的问题，以及大数据技术在风控领域的应用和发展趋势进行了分析和展望。

【关键词】大数据技术；商业银行；信贷管理；风险控制

随着我国经济的高速发展和利率市场化，商业银行之间竞争愈加激烈，各商业银行改革与创新的步伐持续加快，金融服务水平和服务能力进一步提高，与此同时，银行业正面临互联网金融等新竞争态势，信息技术也正面临以大数据、云计算、移动互联、人工智能等为主要特征的新技术变革，新的竞争态势和发展趋势都给商业银行的发展带来新的机遇和挑战。商业银行在这个过程中，为了在竞争愈加激烈的市场中发展，不断对业务模式进行创新和多元化，表现为信贷规模不断扩大，线下业务模式转入线上业务模式，长尾客户的蓝海被得到充分挖掘等。随着信贷规模的快速增长，服务客户群体的快速扩张，由信息不对称导致的信贷风险也呈现直线上升，信贷最终竞争的是风控能力，客户融资需求在近几年增长迅速，高效专业地满足客户的融资需求，关系到商业银行服务客户、增加收益、不断成长的经营理念。

一、大数据技术的发展

当下我们处于一个信息爆炸的时代，随着网络和信息技术全面融入社会生活，充斥在我们身边的信息越来越多，收集数据、存储数据并从大量的信息提取价值，大数据的概念应运而生。简单来说“大数据”因数据格式、数据体量、数据来源的变化，而采用了新的处理技术和模式，具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。金融作为一个以数字体现价值的典型行业，大数据技术已经广泛应用于金融的风险控制、客户管理、精准营销和产品服务创新等多个领域。

二、传统信贷风控模式

传统信贷风险控制主要是通过收集借款方的信息，对借款方的偿债能力和偿债意愿进行判断，并对借款方的资金使用项目信息进行分析，发现并控制资金使用的风险，并以此为基础，对借款方的信用做出评级，综合借款各种因素，做出定价。按照贷款的不同阶段，分为贷前、贷中、贷后阶段，商业银行一般采用的信贷风控模式有以下几种：1、报表分析，对借款方提供的财务报表进行分析，对借款方未来的现金流进行分析，以评估还款能力进行风险控制；2、抵押和质押，以借款方提供的抵质押品的数量和质量为基础，用抵质押品进行风险控制；3、信用评分，基于统计学实现风险识别和计量，进行风险控制；4、群组担保，借款方需要有群组成员提供担保，在借款方不能履约的情况下，借款方不履行债务时，担保方按照约定履行债务或者承担责任，通过群组进行风险控制。

三、传统信贷风控遇到的问题

随着商业银行信贷业务规模的不断增加，以及服务客户群体的扩张，长尾客户成为各家银行的竞争发力点，同时服务理念也由产品为中心转为以客户为中心，更加关注客户的体验，导致信贷风险管理所面对难度和复杂度不断增加，使得信贷风控主要面临以下挑战：1、信息不对称，以前商业银行主要服务优质客户，这些客户一般具有完善的财务报表信息和征信信息，根据历史信息容易对其偿债能力和偿债意愿进行判断，现在长尾客户一般不具备完善的财务信息和征信信息，传统风控模式在服务这些客群的情况下，就产生了信息不对称风险，使得信贷风险增加；2、服务效率，以前商业银行服务的客户单笔融资额度较大，单客户融资频度较低，还款周期较长，商业银行在这个过程中主要依靠的是人工调查审核，现在服务的客户单笔融资额度较小，融资频度较高，还款周期较短，随借随还循环使用额度，传统人工审核的风控模式导致服务效率低下，不能服务大量的融资需求，用户体验差；3、服务成本，以前商业银行单笔融资的金额大，单笔业务利润就相应大，为了风险控制投入的成本就可以多一些，可以使用人工线下的模式，现在融资额度单笔较小，单笔业务利润无法覆盖风控控制投入的成本。4、风险控制手段单一，以前商业银行主要在贷前和贷中环节通过收集借款方的信息，对借款方的偿债能力和偿债意愿进行判断，并对借款方的资金使用项目信息进行分析，发现并控制资金使用的风险，贷后环节在一定时期通过人工调查审核，评估还款能力的变化，由于信贷业务风险管理人员对信贷客户的相关情况无法深入了解，很难对客户的具体还贷能力进行评价。

信贷规模不断扩大，线下业务模式转入线上，长尾客户的蓝海被得到充分挖掘，随着信贷规模的快速增长，服务客户群体的快速扩张，由信息不对称导致的信贷风险也呈现直线上升。

四、大数据风控模式

随着大数据技术的完善和推广使用，大数据技术在商业银行信贷风险控制领域应用空间非常广泛，在信贷业务的审批、跟踪以及贷后回收等环节加强了控制，实现了信贷风险的全过程的控制，完成了传统的信贷风险控制的蜕变，主要体现在以下几方面：1、信息对称，通过大数据技术整合银行内部和外部数据，基于大量的数据对客户进行一个综合信用评分，基于评分为征信白户提供金融服务。外部数据可能收集的领域非常广泛，例如电商、运营商、社交媒体、金融机构、公积金管理部门、社保、工商信息、司法信息等渠道。通过分析收集的大量信息，能够给目标对象一个全面的信用评分。而且随着数据量的积累，这种评分更为全面真实，比传统的征信评分更能符合目标对象的真实信用情况，可以作为金融机构项目标客户提供金融服务的重要依据，解决了信贷经营中的信息不对称问题；2、线上化，通过更先进的数据化技术，收集结构化和非结构信息，集成资金流、物流、信息流数据，搭建基于大数据的线上交互信息平台，整合内外部数据，实现信息数字化传输和管理，减少客户繁琐的资料提交及前中后作业人员繁琐的资料录入、手工检查、核对和检索，从本质上改善客户申办体验及内部作业效率，降低营运成本；3、审批自动化，基于存量用户数据、外部接入数据、自建数据，围绕信贷审批，利用大数据技术、机器学习方法训练模型，能够实现大批量、快速、精准的风险事件过滤或预测，用于自动识别用户欺诈行为和给予合理的授信额度，用于不同的数据源、产品和审批阶段，可以做到较高的通过率和较低的逾期率，常用的算法有线性回归、逻辑回归、GLM、多元回归、决策树、随机森林等，模型监测采用Gini（ROC）系数，分离度Divergency，K-S值，IV值，以及评分卡数分布，排序能力，好坏比，坏账率等多种方法，根据模型表现情况不断迭代优化，在这个过程中，利用用户数据积累和人工智能技术建立有效的智能化风控体系是核心能力；4、全流程管控，在贷前环节中可以依托外部数据和整合后的数据资产，通过政策性风险识别、联网核查、黑白名单、失信名单、活体检测、风险设备、行为风险、关联风险等手段，把有欺诈风险的客户拒在门外，同时针对借贷申请环节，运用大数据技术，将申请材料、不良信用记录和多平台借贷记录等信息加以整合，有效识别团伙欺诈、机构代办等高风险行为，在这个环节中在业务初始阶段也会使用打分卡，利用信贷专家经验的使用，构建层次分析结构，并进行交叉验证，把好第一道风控关。在贷中环节中用大数据技术主要解决价格和风险均衡的问题，在客户偿债能力范围内进行授信，可以通过外部数据获取企业现金流量、利润、个人缴税、社保、公积金等数据做为评估依据，同时需要结合征信报告，对已经使用的授信进行扣减，达到在风险可控的前提下，实现客户满意度和利润最大化的均衡。在贷后环节中用大数据技术主要是实时动态监测借款人的新增风险，如其他平台借款申请、其他平台逾期、法院失信记录、法院执行记录、助学贷款逾期、手机号停用、用户常用地址变动、工作地址变动等，帮助信贷机构动态监控借款人的信息变更，及时发现可能不利于贷款按时归还的问题。这个环节一直是传统信贷的短板，在普惠金融的趋势下，只有通过大数据、数据挖掘、自动化催收等技术才能解决成本和及时性问题。

五、结束语

随着经济发展、科技和创新进入拐点式爆发，大数据正在重塑商业银行信贷风险控制，传统银行利用大数据技术，正在转型成为一种新的银行，数据将是未来银行的核心竞争力之一，谁能掌握更多的数据，谁能掌握更及时的数据，将在竞争中获得先机。当下商业银行所面临的竞争也日益严峻，不仅来自于行业内部，还有外部的互联网、电子商务等新兴企业，这些企业在产品创新能力、大数据使用经验等方面都拥有优势，商业银行在这个残酷的时代中应高瞻远瞩、与时俱进，通过大数据等新兴技术不断提升与社会发展相适应的风控能力，才能在竞争中把握机遇，激流勇进，取得新的成绩。

【参考文献】

[1]刘嘉伟.金融科技重构信贷风控体系[J].中国金融，2018（11）：74-75.

[2]王姣娜.从传统到现代：中国信贷风控的制度与文化[J].中国经济史研究，2016（06）：92.

[3]安佳，王丽巍，田苏俊.互联网金融与传统金融农村信贷风控模式比较研究[J].新金融，2016（09）：54-58.

[4]吴丹.消费信贷最终比拼风控力[J].二十一世纪商业评论，2015（09）：36-37.