大数据背景下商业银行信贷风险研究

绵阳职业技术学院　陈君

大数据背景下商业银行信贷风险研究

绵阳职业技术学院陈君

本文基于大数据思维视角对现有信贷风险管理体系重新解构，通过弱化信息不对称性和完善信贷风险评估工具来完善信用评估体系，并应用大数据进行区域和行业的信贷风险管理，建立以客户为中心的扁平化风险管理体系。

大数据商业银行信贷风险

一、引言

商业银行是我国现代金融体系的重要组成部分。在我国社会经济生活中，商业银行主要为金融体系的其他机构提供资金融通和结算等业务服务，实现了社会资金的周转流动，并借此发挥创造价值的功能。我国商业银行提供的融资方式以信贷业务为主，而这种融资方式又在社会融资结构中处于主导地位，因此这种模式决定了我国金融体系中最重要的风险管理是商业银行信贷风险管理。改革开放以来，我国经济飞速发展的同时也产生了不良贷款率和经济增长率的双高悖论，在高经济增长率下被暂时掩盖的各种风险可能在经济新常态下迎来一轮高爆发，而长期以来作为社会融资主要渠道的银行业，信贷风险将是其面临的主要风险。如何结合大数据对现行商业银行信贷风险管理体系进行完善和改进得到了银行业的广泛关注。

二、基于大数据思维完善信用评估体系

大数据是指需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产，其核心价值在于对海量数据进行存储和分析。商业银行信贷风险的根源来自于信息不对称。如何从海量庞杂的数据中挖掘有效的信用数据并进行高效的评估、决策，对商业银行的信息整合能力提出了更高的要求。

（一）弱化信息不对称性金融活动核心主要实现资金的回收力度，通过风险的测量实现客观的利润。风险的测量依赖于数据，因此必须全面收集有关数据，由于我国信用评级体系建设存在严重的信息不对称现象，导致金融市场出现道德风险与逆向选择，而大数据的应用能够一定程度上消除信息的不对称性，为银行信贷风险的精确分析和判断提供更加有力的支撑。同时，由于数据信息是要提供给借款人，而机构的采集面过于分散导致重要数据缺失，部分无用数据却被重复采集等问题。这些固有的缺点都可以被大数据Volume（大量）所覆盖。银行可以通过各种方式来采集外部的数据信息，例如建立行业数据用户信息共享平台，与相关组织或企业交互共享数据信息，或者同第三方的信用评估中心外包信用评估服务或租赁其数据库进行信用评估等方式。同时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，通过分析资金流转率，掌握借款人的经营状况，通过分析变化中的数据，实现数据与财务的匹配。在大量获取相邻关系匹配的数据的基础上，银行向借款人实施精准的信贷政策，并做好及时的风险防范措施。同时，大数据还有助于银行发现关联企业，有效规避关联企业的信贷风险。

以保险业为例，在韩国，现代海上火灾保险公司在2010年引进了基于大数据技术的SAS欺诈防范系统。当理赔申请被提出时，将申请的数据和其他数据比较，以此发现隐藏的欺诈行为。在未引入此系统时，调查人员需要核对成百上千的业务规则。引入此系统后，大量的业务规则通过计算归一为某统一分值。通过分值的排序，保险公司只需要关注高排位的数据，而对排名靠后的客户可以快速实施理赔。引入SAS系统后，海上火灾保险公司欺诈案件与以往相比下降了20%。

（二）完善信贷风险评估工具风险管理是以信息数据为基础，通过建立数学模型并采用统计学方法，对客户违约可能概率和银行可能的损失及收益进行量化之后，通过计算机系统对银行业务进行监控的一种管理。信贷风险管理离不开技术的支持。风险管理的一些基本理念如可预见损失和不可预见损失等是凭借技术的发展，通过大量数据的采集、整理，使用数理统计分析方法才逐渐形成。

以中信银行为例，中信银行信用卡中心从2010年开始建立统一的涵盖了交易、服务、风险和权益等多层面的数据库，后来以此数据库为基础，启动了“天罗地网”项目。其中地网数据信息库包括客户交易信息、客户自身属性、住宅信息等线下基础信息；而天罗数据库则侧重于线上的行为信息，主要包括交易偏好、风险偏好、社交活动等。基于天罗地网信息库的审核标准不再单纯对客户收入、工作单位等简单指标进行审核，而是通过将线上消费有关的各种战略性资源信息和线下实体经济内部有用的信息资源结合起来，从地理、经济和时间等属性进行多维度综合考量来建立模型以实现对客户的准确风险评估。

（三）大数据在个人信用评估中的应用基于大数据的信用风险评估框架在国内外多家互联网金融机构得到了采用。以设立在洛杉矶的Zest Finance公司为例，它以大数据技术为基础，采集信息的范围和渠道更加广泛，不仅包括传统数据中的结构化数据和非结构化数据，也涵盖了大量的非传统数据，比如法律记录、网络数据的信息、借款人房租缴纳记录、搬家次数等。非传统数据是客观世界的的数据体现，反映了借款人的真实状态，只有对借款人的行为背景及它们之间的关联性有了充分的考察，方能在服务上更加精准且有深度，对信贷风险进行更加准确的计算。

如图1所示，Zest Finance大数据来源的多元化：获得第三方的购买应用第三方的数据组成有关Zest finance的提倡的模型；同归IP地址获得网络的数据、实现社交网络的平台建设、浏览器的升级，用通过户的的定位、发现用户的商品种类的偏好和完善性格的管理，这样才能规避信贷风险；通过直接询问用户得到的信息。为了证明自己的贷款偿还能力，用户会提供更多公共记录凭证如手机账单等凭证。Zest Finance信用评估分析通过收集更多的信息，选取不同的模型进行数据的分析，然后归集信息实现信用评估。第一步，各种数据的录入，通过借贷者的各种信息和原始数据的分析，建立数据库；第二步，转化数据的关联性，寻找有用的信息；第三步，在整合变量间的测量，通过一定的标准分析长短期的，整合不确定的风险意识和偿还能力；第四步，通过计算分析不同的模型数据；最后，通过模型原则输出变量的投票选择，精细分析的步骤，完善信度的结论。相对于传统信用评估（以美国征信体系为例），大数据技术的信用评估体系有以下几个特点：新的信用评估可以为没有征信记录以及仍然没有被传统征信体系包含的人群提供服务覆盖（在美国仍未被统征信体系包含的人仍有15%）；采用的数据更加倾向非传统的信用数据，传统信用数据重要性降低；新的信用评估体系更侧重用户现在信息的综合分析，传统信用评估更侧重用户的历史信息综合比较。基于大数据技术，使用了更多变量，一方面提高了信用评估的决策效率，对信贷风险的违约率也有更大的控制力。图2为Zest Finance数据分析模型。

图1　Zest Finance数据来源展示

图2　Zest Finance数据分析模型

三、基于大数据的商业银行信贷风险管理完善思路

（一）结合大数据思维进行行业信贷风险管理现有行业升级换代速度加快使得银行风险管理对时效性提出了更高的要求。在微观方面，结合大数据思维和大数据的数据处理方式更容易在同行业内获取客户的具体信息。在宏观方面，应用大数据平台可以准确快速地跟踪宏观经济情况，以筛选成长性好、发展潜力大、贷款占比高的重点行业，及时掌握行业的发展趋势以及波动规律；深层次地探索行业相关的风险传导机制能够对关联行业进行关联度和依存度分析并构建行业信贷组合，优化信贷结构；实行行业整体授信，实现行业信用风险的总量控制；在行业内细分潜在信贷市场，明确行业信贷投向有助于预判整个行业的发展趋势，建立适用于整个行业的数学模型，以度量行业信贷风险并实现行业风险预警。

以九次方大数据公司为例，其不仅涵盖了1360多万家企业的诸如工商基本资料、公司介绍及核心竞争力分析、2005-2013年的发展历史分析，还包括了股东结构和变化、产品竞争对手汇总、上游供应商及下游客户的行业分析、公司相关联公司子公司母公司分析，以及企业银行贷款及股权融资需求状态的监测、企业被投资并购情况、商标专利技术分析，甚至还有政府主管单位税务环保等处罚记录和法院诉讼记录，这些都能够帮助银行了解目标行业的产业链中上下游企业关系和交易情况，对企业的真实情况做出真实判断以更好控制信贷风险。

（二）区域信贷风险管理随着我国非均衡经济发展战略实施带来的区域间发展的非均衡性逐渐加剧，针对区域间不同金融生态条件实施差别化区域信贷政策的重要性大大提高。如果不顾区域信贷市场环境和金融风险的差异，实施大一统的信贷政策，会造成信贷资源的极大浪费，既不利于高风险区域的风险控制，也不利于优质信贷市场的开拓。区域间经济差异的原因在于生产要素的不完全流动性、经济活动的不可分性、创新能力的部分排他性和竞争性等。而实施区域信贷风险管理除了受到区域经济条件的影响，还要受到当地银行分支机构的经营管理水平等微观因素的直接约束。对总行来说，通过大数据平台能够横向对比各区域间经济发展和信贷环境的不同，对于经济发展不同的区域执行差异化的信贷政策；通过对本地以及更大区域范围内产业结构的宏观把控以及时发现产能过剩行业，抑制信贷过快、盲目增长；优化区域间信贷资源配置，积极引导各贷区形成能够发挥区域优势的特色信贷发展格局；实行总量控制和比例控制相结合的区域信贷风险监测和考核机制。对于各分行来说，大数据还能够帮助银行更直观地发现本区域经济发展的特点，发掘本区域具有相对优势的行业，对产业链进行审视，发现其薄弱环节并进行倾向性的区域信贷政策，以拓展和培育新的信贷市场并形成新的区域信贷增长点，达到从行业优势转变为区域优势的纵向拓展。

四、建立以客户为中心的商业银行信贷风险管理体系

（一）用大数据思维重新构建信贷风险管理架构我国商业银行的传统风险管理组织架构是金字塔状，即由总行到分行再到支行的结构，但这一组织结构很容易导致市场营销和风险控制出现严重的职能覆盖冲突。信贷业务前后台没有严格的区分，无法有效识别和防范信贷业务中的操作风险。当前同一企业多渠道融资的情况比较普遍，同一企业或个人跨区域、跨市场、跨银行的业务经营和资金流动情况加深了银行对客户进行整体风险评估的复杂性和难度。仅从常规渠道获取的表层数据信息进行风险判断，对于借款人的社会关联与经营现状的真实状况很难鉴定，并且极难发现诸如关联风险、虚假信息、交叉违约风险以及互保联保风险等多层复杂风险。

用大数据思维构建以客户为中心的全面风险管理体系，对同一客户实行全局统一授信的方法，完成以客户为中心的组织架构，重新界定部门间职能分工，更容易让商业银行金字塔式的组成结构向扁平化、矩阵化发展。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。形成以客户为中心的风险管理机制，可以在大量数据信息的统合分析基础上，筛选符合本行风险偏好要求的客户群体，实现信贷产品的P2P精准营销。

（二）提供有效的贷后管理监测途径长期以来我国信贷风险管理对贷后管理的重视程度不足，原因之一是我国银行业传统融资主体以国有大中型企业为主，贷后管理效用不大；也与我国银行普遍重视信贷的贷前审查，准入机制要求相对严格削弱了银行贷后管理有关。长期的经济高速增长更隐藏了这种贷后管理缺失带来的风险。在新常态下，随着融资市场中借款人结构的变化，特别是民营中小型企业在社会融资中的比例提升，贷后管理的重要程度日益增加。大数据可以为银行的贷后管理提供更多快捷有效的监测途径，比如结合客户所处行业主要的指标，分析客户的同期数据变动是否正常，根据客户年度的经营数据来纵向对比观察是否出现波动。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。

（三）为培养专业型风险防控人才提供标准利用大数据可以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。这就使得财务人员从以往对风险识别和判断主要通过经验的方式逐步转变为通过数据信息和模型技术对风险进行综合判断的方式，培养专业复合型风险人才队伍。

（四）结合大数据优化信贷产品结构信贷结构是指在不同维度上信贷资金投放运用的配比。优化信贷结构能够有效规避信贷风险，并直接决定银行的发展方向。经济新常态下，以往获取大量信贷资产配置的产业可能会逐渐进入衰退期，同时新兴产业的发展会需要更多信贷资源的投入。但是，信贷资金的产业配置过度集中在某几个行业的现象并不利于社会经济的整体发展。通过大数据分析客户对产品的需求度，实现产品功能互补，扩大整体营销效应，锁定优质客户，提高客户贡献度同时提高银行效益。以往仅靠企业原有财务报表及信用报告为核心的信用评价方法将得到改变，而更多依赖新的数据，诸如客户与交易对手的结算信息进行对比，企业最终控股人及管理者的数据分析信用等多维度信息，更客观、全面地对中小微企业进行公平的信用评估，从根本上改变中小微企业融资难的现状，拓宽业务渠道和种类，优化商业银行现有信贷结构。

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，有利于商业银行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，实现调整社会经济结构、投资消费比、产业结构等目的，避免重复建设产能过剩，平衡不同行业之间的信贷结构，发挥商业银行的社会责任。以中国第一家大数据信用信息服务机构金电联行为例，这是一家利用大数据平台对企业各项数据进行分析，量化其信用额度来进行纯信用贷款业务模式的机构。中小企业获取其信用评价就可以直接从银行获取无需抵押担保的纯信用贷款。民生、招商、建设银行等信贷管理服务提供商都选择了金电联行。截止2014年8月，金电联行为200多家中小微企业提供了总规模超过三十亿的信用融资服务，其不良贷款发生率为0。

［1］尹丽艳：《后金融危机时代探寻我国商业银行信贷风险管理的新对策》，《北京工商大学学报》2012年第1期。

［2］魏国雄：《大数据与银行风险管理》，《中国金融》2014年第15期。

（编辑杜昌）