大数据征信视域下的商业银行信贷风险管理研究

徐显智

摘 要：如今，伴随金融科技迅速发展，商业银行越发的关注大数据应用问题。商业银行通过使用大数据模型，描绘客户精准画像，在筛选信贷客户、设计信贷产品以及防范信贷风险等方面，发挥了巨大作用。在市场经济的发展过程中，绿色金融作为一种可以促进生态保护的理念开始受到社会各界的关注和推行。商业银行是推行绿色金融的重要金融机构。商业银行在绿色金融的大背景下，进一步加强绿色信贷的服务创新，从而增强企业的绿色经营生产活动，达到经济绿色可持续发展与生态保护和谐发展。通过进一步加强对于绿色金融理念的认识，明确银行加强绿色信贷服务模式创新的重要性，进而为商业银行提出了有关加强绿色信贷服务的创新的建议。本文主要围绕商业银行信贷风险管理工作进行分析，立足大数据征信视角，阐述大数据征信内涵，并分析了大数据征信视角下商业银行信贷风险管理的重要性，指出商业银行信贷风险管理时出现的问题，并提出了几点有效的防范对策，希望能为商业银行大数据信贷业务提供有益参考。

关键词：大数据；商业银行；信贷风险；征信；方法

如今，伴随计算机算法不断变化，硬件处理数量能力迅速提高，人们逐步应用数据处理技术处理各领域事务。大数据具有多样性、及时性、高价值性以及批量性特点，能够迅速处理每一类信贷业务产生的海量数据，而且可以挖掘数据背后潜在的价值。大数据具有的特点，被商业银行所关注，将其应用在信贷业务风险防范这一层面，可以及时发现存在的信贷业务风险，动态监控信贷业务数据，全面升级传统征信技术以及方法，助力商业银行提升信贷业务服务水平以及风险防控能力，为商业银行未来发展而奠定坚实基础。

信贷风险的形成是一个从萌芽、积累直至发生的渐进过程。在还款期限届满之前，借款人财务商务状况的重大不利变化很有可能影响其履约能力，贷款人除了可以通过约定一般性的违约条款、设定担保等方式来确保债權如期受偿之外，还可以在合同中约定“交叉违约条款”。交叉违约的基本含义是：如果本合同项下的债务人在其他贷款合同项下出现违约，则也视为对本合同的违约。一般来说，债权人都是以当事人未履行其在本合同项下的义务为由，追究债务人的违约责任，但交叉违约条款突破了这一限制，即试图赶在借款人其他贷款合同项下的债务出现偿还危机之前采取救济措施，以避免自己处于比其他债权人更糟的处境。此种违约形态在中国现行法上虽无明确规定，但它并不违反合同法的有关法理及法律精神，现行《合同法》中的不安抗辩权可以作为其适用的法理依据。因此，交叉违约条款可以作为约定条款订入合同之中，以使贷款人能够及时全面的掌控借款人的信用水平。

信贷风险的类型可以从总体上划分为市场性风险和非市场性风险两类。市场性风险主要来自企业（借款人）的生产和销售风险（即借款人在商品的生产和销售过程中，由市场条件和生产技术等因素变动而引起的风险）；非市场风险主要指自然和社会风险。自然风险是指由于自然因素使借款人蒙受经济损失无法偿还信贷本息的风险；社会风险是指由于个人或团体在社会上的行为引起的风险。

一、大数据征信概述

（一）大数据征信内涵

个人大数据征信是指征信机构收集、处理个人互联网征信信息产生的数据。数据不可改变，以确保信息的真实性和准确性。只进行界面优化和数据布局操作。个人大数据征信报告可供个人、征信机构、消费金融等机构查询。个人大数据征信内容包括以下几个方面的数据：一是综合个人违法犯罪记录风险查询，主要查看是否存在信用逾期问题、行政拘留问题或者是刑事犯罪问题，当然也可以了解银行贷款多贷情况以及互联网金融应用情况，检测是否出现小额贷款现象以及不良的网络痕迹，查看有无法庭起诉记录以及执行记录。二是电子商务授权数据实名认证数据、风险评分、支付宝授权信息、收货地址、购物记录、认证时间、消费能力画像、购物偏好。三是主要查询身份，验证身份相关信息，检验是否与公安部实名验证系统内容相互一致。四是在不同平台查询借贷记录，如果存在多方借贷行为，便会自动提醒，作出借贷预警。五是通过手机号码定位信息，记录相关位置。六是针对个人的资产申报房产进行了解，掌握房产面积、房产地址、全额支付或抵押汽车，了解车牌号、车型、购买价格、时间、学历。七是车贷模块驾驶证，重点查看配置、违章、价值评估、维修记录、事故记录车辆基本信息：车主姓名、配置、生产日期、价格手册查询、核对信息。

（二）大数据征信视域下的商业银行信贷风险管理重要性

进入信息化时代，我国银行面临着众多在线支付系统以及电子商务平台的影响与冲击。商业银行信贷业务发展过程中，需要承受巨大的挑战。因此，商业银行极有必要把握这一趋势，通过大数据，依据数据精细化管理以及精细化营销等方式，创新商业银行信贷风险管理方案，展现大数据作用。目前，伴随我国互联网行业快速发展，各种各样的在线支付以及互联网金融层出不穷，发展速度极其迅猛，这一现象的出现令传统商业银行不得不应用大数据。大数据征信可为商业银行管控信贷风险带来重大益处，进一步弱化商业银行信贷信息不对称问题，提高信贷审批效率，而且还可以使用大数据进一步改进信贷风险评估方案，降低贷后成本。由此可见，商业银行要重视抓住大数据发展优势，追上大数据发展潮流，借助大数据处理银行信贷业务，从而有效规避风险。

二、大数据征信视域下商业银行信贷风险管理中存在的不足

（一）授信体系建设不完全

目前，商业银行信贷体系并不完善，具有粗线条的特点。一方面，额度控制率偏高，导致银行与银行间的竞争压力越来越大。由于在既往工作过程中，并未创建优良的客户信用授信基础，缺少授信体系建设经验，在服务批额度应用率这一方面迟迟无法提升，反而增加了控制额度。由于授信体系建设欠缺科学性，在授信工作进行时，会浪费众多人力资源，而且会无故占用大量的审批通道，不利于及时扭转商业银行信贷业务审批现状。另一方面，目前用款额度管理工作进行时应用的技术十分落后，在管理用户额度时，过度使用现代系统技术，而商业银行用款额度业务系统台账和核心会计系统间，无法高效衔接，在总行以及支行贷后，监控机构接收客户的用户申请书，经过查询才发现已不存在可用额度，即使和客户签订了具有法律效益的合同，也无法将合同内容执行下去，影响信贷业务进展，甚至还会造成巨大的信贷风险。

（二）行业授信政策调研、调整不及时

如今，行业授信政策调研不到位，调整不及时，严重影响大数据征信进度，无法满足商业银行防控信贷风险的具体要求。究其原因，主要在于地方政府信息平台建设进度稍加落后，而且欠缺授信政策调研的意识，并未关注授信政策发展情况。同时，第三方信息平台出现严重的信息孤岛、数据孤岛问题。金融科技公司仅凭借自身针对社交、物流以及电商的“代替数据垄断”造成了数据孤岛现象，数据持有者不愿意共享相关数据，并未按照授信政策相关要求应用数据，导致数据孤岛问题越来越严重，直接影响大数据平台建设进度。

（三）对贷款资金的具体流向把控不严格

商业银行欠缺大数据征信监管力度，关于贷款资金的具体流向，未进行严格把控，而且存在严重的信息安全管理风险隐患。商业银行在针对资金具体流向这一方面的安全监管，处于空白状态。商业银行大数据应用相对广泛，涉及众多信息以及业务数据，如果在后期监管过程中，并未投入充足力度，忽略贷款资金具体流向，则无法保障消费者合法征信权益，不利于展现大数据技术在商业银行办理信贷业务及防控信贷风险时的作用。

（四）银行工作人员可能存在道德风险

由于并未开展较为深入的调查，工作模式太过死板，导致一些数据无法及时地得到传递，从而让银行信贷工作面临较大的风险问题。

三、大数据征信视域下商业银行信贷风险防范管理研究

（一）完善信贷信用等级评定和授信体系

首先，完善有关法律法规，优化信贷信用等级评定以及授信体系。在征信法律设计方面，要全面分析征信市场发展需求，保护征信业务发展效率。

其次，要重视监管大数据征信业务，针对传统征信和大数据征信的异同展开对比，明確信用信息采集范围，提供具体使用规定，把所有提供信用服务的企业列入在规制范畴内，真正强化信息主体合法权益优化对信息使用环节的限制，进一步改进商业银行等信息使用者在授权查询、使用以及异议处理方面的行为。

最后，要制定统一的大数据征信共享标准。目前，各大征信数据在司法机关、政府职能部门、金融科技和金融机构之间，由于格式标准不同，难以共用相关信息，这便制约了大数据中心行业的发展，而现存的法律法规和现实矛盾为商业银行大数据信贷业务发展造成了巨大的阻碍。所以，需要制定大数据统一技术及共享标准，以保障大数据技术在商业银行信贷风险防范及管理发挥实际作用，从而持续增强大数据征信平台信息共享效率，提高商业银行信贷风险管理效果。

（二）健全信贷的准入机制

信贷客户准入环节属于商业银行信贷业务审批时的必要环节，目前随着大数据技术的发展，在大数据支持下，商业银行数据采集范围有所扩大，建模技术方法得以更新。采用大数据模式，可进一步优化传统客户评级评分模型，自动优化审批策略。相比传统的评级评分模型，依托大数据技术发展的评级评分模型，数据纬度更广阔，变量更丰富。结合大数据创建客户评分评级模型，可以增加密度低但体量多的数据，比如用户偏好数据以及网络消费数据、网络浏览数据等，可以在这一模型中融入数千个数据，而且模型区分能力更稳定。其次，采取模型嵌套模型的技术架构，把稀疏大数据信息加工成密集信息，可进一步了解现在客户具体状况。此外，通过大数据的支持，应用模型动态调整机制，把部分子模型效果下降至最低的阈值，可利于银行依托大数据信息生成的信用风险评分数据，结合行业专家设定的业务规则，在信贷业务流程系统中，嵌入相关信息，进而形成完全大数据信贷业务自动审批策略，可在市场准入这一环节有效识别客户风险，提高信贷业务风险防控效率。一般来讲，信贷业务授信审批环节，会确定信贷业务价格及额度，当新用户首次准入之际，结合大数据统计的不同类型客户风险和成本参数，明确授信额度。针对存量客户，结合客户风险特点、变化情况以及逾期情况、贷款使用情况等，针对客户行为展开评分，最终确定最优的贷款定价策略，极大程度提高客户信用贷款服务体验。

（三）加强贷款资金流向监管

首先，加强贷款使用审核。各经营机构、业务主管部门、尽职调查部门、信贷业务审核部门要在贷前环节增加对贷款用途的审核，包括项目资金归集情况、交易背景真实性、表观真实性、贷款用途信息的一致性。确保贷款用途明确、合理。

其次，严格落实放贷前置条件和还贷管理要求。要严格执行借款人自行还款管理和贷款人委托付款管理的有关规定，向借款人提供真实、合理、合规地与贷款使用有关的协议、合同或其他证明文件。根据贷款用途，选择提供发票、购销凭证或其他能够证明贷款资金按照约定用途使用的相关凭证作为用途的证据。向银行结算账户发放的个人贷款资金，不得为资金、外汇交易、第三方托管等功能开立结算账户。

此外，加强贷后管理对贷款资金实际使用情况的跟踪。贷款发放后，经办机构和风险管理部门的贷后管理人员应通过账户分析、凭证检查、现场调查等方式，检查贷款资金流向是否符合约定用途，并应注意关注资金的流动和借款人财产的变化，对信贷资金流向监管过程中出现的可疑事项及时报告。

最后，对违规行为要及时采取整改措施，并按照总分行为违规问责管理相关制度加大对违规行为的处罚力度。对人员严肃处理，对涉嫌犯罪的，一并移送司法机关处理。

（四）强化银行工作人员道德风险的管控

首先，要重视提高银行内部工作人员的思想道德意识，这就需要将思想道德建设和银行全面管理及内部控制加以整合，把员工思想教育与企业文化建设、企业未来发展加以融通，助力银行内部职工形成健康的世界观、人生观及价值观，筑牢思想防线。这一过程中，应在常规化管理体系中，把员工行为及守法业务运营列入进来，培养员工廉洁自律观念，促使员工在内心深处生成遵纪守法的意识。需要注意的一点是，在提拔岗位时，需要将道德标准作为银行内部职工晋升以及招聘的关键评价指标，全面关注员工道德素养，在用人以及选人过程中，要时刻贯彻“以德为先”的原则。

其次，要重视完善内部管理体系建设工作。梳理规章制度，优化现有的流程。在制度设计方面，需要确保员工了解自己在岗位工作中哪些行为可以做，哪些行为不能做，全面提高信贷风险管控效率。同时，要注重落实文件内容，避免规章制度变成“一纸空文”，而在制度面前，任何岗位任何员工都要遵守合规要求。如若出现违规行为，则需要追究其责任，营造敢于担当且及时追责的优良氛围，增加道德风险成本。针对出现道德风险问题的员工进行严格处置，以确保银行内部职工能自觉遵守每一项规章制度，全面贯彻各项操作规程理念，保障制度真正起到约束职工的警示作用。

此外，在商业银行内部均应形成良好的合规文化氛围。通过相关媒体进行宣传，并且结合行之有效的合规教育活动，以案例为警示，应用案例指明纪律，通过专题培训以及教育大讲堂等活动，引领职工遵守工作底线，帮助职工纠正不良意识及行为。

最后，要重视增加对银行内部职工的人文关怀。通过基层调研活动，解决银行内部职工的真实问题。同时，要注重丰富银行内部职工的业余生活，展现员工特长。通过形式多样的文体活动，加强员工凝聚力以及向心力，令其形成强大的团队精神力量，并且要注重促进员工与员工间的交流，关注员工情感诉求，通过收集匿名意见以及展开组织座谈会等方式，了解银行职工思想动态，帮助其解决思想包袱问题，防止银行内部职工出现道德风险现象。

四、结语

伴随我国经济快速发展，科技创新发展速度有所加快。如今，大数据正在重新塑造商业银行的信贷风险控制模式。商业银行使用大数据技术，可以掌握更多数据，及时了解信贷业务信息，在竞争中抢占先机。现阶段，商业银行面临的市场竞争环境日渐严峻，内外部风险及环境交加，急需商业银行意识到大数据技术的应用优势，保持与时俱进的思路，通过新兴技术提高信贷业务风控能力，以便在银行业竞争中把握机遇，取得更理想的发展成绩。

参考文献：

[1]王妍.大数据背景下商业银行信贷业务与风险管理创新分析[J].全国流通经济，2021（25）：166-168.

[2]吴佳.基于大数据背景的商业银行信贷风险管理策略研究[J].中国管理信息化，2021（8）：177-178.

[3]周广利.大数据背景下商业银行信贷安全管理策略研究——評《风控：大数据时代下的信贷风险管理和实践》[J].中国安全科学学报，2021（2）：187-188.