大数据时代银行信用风险管理策略研究

张伟荣

摘要：进入21世纪以来，随着信息技术的迅猛发展，全球已经基本跨入了大数据时代。大数据是继云计算、物联网之后又一次历史性的技术变革，它主要强调对信息数据进行筛选、分析、整合、加工，使杂乱无章的数据变得有规矩可寻。那么，在大数据背景下，商业银行如何借助内外部数据的整合来防控信用风险是非常值得深思熟虑的一件事。

关键词：信用;贷款

一、商业银行信用风险现状

商业银行的信用风险又称为违约风险，是指借款人因种种原因，不愿或无力履行合同条件而构成的违约，导致银行遭受损失的可能性。目前银保监会对于信用风险的检测指标主要表现为不良贷款余额、不良贷款率、贷款拨备率、拨备覆盖率等。截至2018年二季度末，我国银行不良贷款余额19571亿元，已经连续27个季度上升;不良贷款率1.86%，较上一季度上升0.11个百分点，较上年末上升0.12个百分点。关注类贷款余额34241亿元，较2017年末上升0.44%，较去年同期上升0.23个百分点，整体而言关注类贷款与不良贷款呈现出同步变化的态势。从不良贷款率来看，增长势头有上升的趋势，加之国家正在实施去产能、去杠杆、去库存，我国银行体系信用风险还有继续释放的空间。近些年，我国银行表外资产规模急剧扩张，但表外资产的信用风险没有释放的出口，而最新的人行《关于规范金融机构资产管理业务的指导意见》又将部分表外资产纳入表内管理，可能会对商业银行的资产结构产生新的影响。综合上述来看，国家产业结构的调整、资管新规等，可能会对商业银行的资产质量产生一定的影响。

二、商业银行信用风险管理的现状

改革开放以来，我国商业银行取得了长足发展，资产规模、资产质量、盈利能力都取得了较大的改善。但是我们还要正视与西方发达国家金融体系存在的差距，尤其是资本市场方面，目前我国企业融资以间接融资为主，直接融资市场发展相对滞后。目前存贷利差给银行带来了巨大的利润，但是自古风险与收益是相伴而生的，利润增长的同时不良贷款额也在逐年增加。现阶段银行信用风险管理存在以下几个方面的问题：

（1）信用风险管理重形式轻实质

1.轻视贷款企业自身经营收入，过于看中第二还款来源。在贷款调查环节仅依据企业提供的财务数据难以准确判断企业实际经营情况，根据内部风控管理和贷款审查的要求，客户经理往往要求贷款企业提供相应的担保，这样不仅能够减免贷款不良的问责，还能加快贷款通过银行中后台的审查。

2.信贷管理系统建设滞后，贷后监测预警信息未起到实质性作用。目前商业银行信贷管理系统企业数据来源于客户经理的手工录入，这样可能会使得信贷管理系统所提示的信息带有一定的主观性和滞后性。

3.贷款集体审议难以真正意义上的独立。目前商业银行普遍实行贷款审批委员会集中审议制度，集体审议可以集合众人智慧，一定程度上降低审议风险，但是商业银行出于上级行经营业绩考核压力，基层行会给贷款审批委员会施压，一定程度上降低了贷款审查委员会的独立性。

（2）信用风险管理能力与业务发展不相适应

从2003年至2018年7月，商业银行资产总额由276583.8亿元增长到2543050亿元，增长了约9.19倍，但是信用风险管理能力却跟不上业务发展的需要，部分银行出现了贷前调查不深入、贷后检查流于形式，难以真正落实有效的风险管理的要求。

（3）贷款办理中信用风险信息碎片化，难以集中整合

目前商业银行基本根据审贷分离的原则，建立起了前台、中台、后台的贷款“三查”制度，但是三个部门对贷款企业审查的关注点不同，可能导致信用风险收集不完整，每个部门仅根据自己的需求片面的了解部分信息这样导致风险信息收集不完整。

（4）信息爆炸性增长与风险管理系统落后之间的矛盾

随着大数据技术的发展，企业和个人的交易信息不断被大数据系统所记录。但是商业银行局限于金融系统，难以对顾客消费习惯、生活习性、社交范围等方面的信息进行准确的采集，跟别提利用数据进行分析处理，这就造成现有掌握信息难以满足信用风险监测的需求。

三、商业银行如何更好地利用大数据进行信用风险管理

（1）打破壁垒，建立以客户中心的业务系统

在大数据时代，商业银行要打破内外部壁垒，建立起以客户为中心的综合业务系统。对内进行各部门间的信息系统整合，从整体的角度看待信用风险管理。对外积极寻求与互联网数据平台的合作，利用各家网络数据平台的优势，整合各方所拥有的资源，打造自身的数据分析平台，提升信用风险分析和应对能力。

（2）构建全新的客户信用风险评估模型

对收集的客户信息进行分类整合，构建全新的风险评估模型，根据各项事件发生的概率和损失推测信用风险发生的概率。比如根据客户过往在不同平台的消费习惯、社交范围等，综合分析顾客履约能力，一旦发现顾客某一方面指标异常及时发出预警，提示客户经理做出进一步的预判，已及时规避信用風险的发生。

（3）推进部门整合，改变传统信贷模式

目前商业银行普遍采用“总行——级分行一二级分行—支行”管理模式，信贷管理流程较长，造成管理的效率偏低、管理成本较高。大数据分析使得银行收集的信息进一步向总行靠拢，总行就需要对各种信息进行在加工和处理。按照这样的模式总行应该负责信贷的审批和管理，而基层行更多地侧重营销。

（4）培养大数据人才，提升专业技能

大数据的收集、整理、加工、运用都需要专业专业人才的操作，目前商业银行信息科技人才占比较低，据专业调查显示截至2017年工商银行信息科技人才占比3.3%、农业银行信息科技人才占比1.3%，中国银行信息科技人才占比2.5%，建设银行信息科技人才占比8.21%，交通银行信息科技人才占比2.69%。这就需要注意相关人才的引进，培育出能够对大量后台信息数据综合分析处理能力的专业人才队伍，这样真正的贷后信用风险预警监测才能落到实处。

参考文献

[1]袁媛.金融科技与银行信用风险管理[J]中国金融.2018（9）