建设新型预警管理模式

朱坤富

随着金融创新和信息技術日新月异的发展，金融科技正在重新定义商业银行的业务模式与竞争方式。如何充分应用前沿信息技术，有效挖掘银行积累的庞大业务信息，建立新型公司业务信用风险预警管理模式，是银行风险管理领域的一个重要议题。

“新型公司业务信用风险预警管理模式”是一项体系性工程，需在业务管理体系，预警IT系统，业务管理联动三个方面并行突破，以此推动全流程授信管理模式和作业方式的变革。在预警管理体系方面，需要对管理理念、组织架构、预警制度、管理流程等维度进行全面的梳理与规划；在预警IT系统建设方面，需要涵盖预警分析工具、预警任务管理、信息展现与检索、用户交互、系统管理、风险大数据平台等复杂的工作；而业务管理联动方面是要解决如何将预警管控工作结果充分应用于银行授信准入、绩效考评、资本分析等多个业务管理领域，以真正发挥预警工作的业务管理价值。

设计新型预警业务管理模式

传统的信用风险预警管理模式，限于信息获取难度，在管理上较多依赖于单一的自下而上的业务方式，由此带来两方面限制：一是管理上的信息不对称。预警工作较多依赖于基层经营机构自下而上逐级上报。各类风险信息来源的渠道有限，相关数据分散，决策信息支持不足。二是技术上缺乏有效工具。各级管理机构缺乏有效的预警技术工具与技术手段，监测时效性、前瞻性、覆盖面不够，无法有效识别关联风险传导路径，难以及时地、针对性地处置和化解潜在信用风险，预警有效性不足。

为解决以上问题，新型预警业务管理模式的核心设计思想包括以下三个方面：

自上而下与自下而上预警管理紧密结合

职能方面，在总行建立专业化预警监测管理部门，强化总行的预警集中管理职能，并通过大数据技术手段为总行团队提供非现场警情信息获取和监测的能力，统驭指挥全行预警，实现总分行“自上而下预警”和“自下而上预警”相结合；流程方面，建立预警流程自动化流转驱动机制；制度方面，制定考评细则，强化前置预警与主动化解。通过警情信息的自动化收集推送、智能化加工分析、自动化流程处置，大幅提升预警工作效率和工作质量。

强化“控制人、关联群”监测

信用风险监测预警新模式的一个重要思想是实控人管理。一家企业在市场上与经营中多样行为的背后最终都指向“企业控制人”，企业控制人的人品即是企业的人品，发现并监测控制人的行为、意愿尤为重要；另一方面，企业间的社会行为存在紧密且稳定的关联，信用风险传导往往是“一致行动人”作为真正的背后推手。因此，在组合预警管理上，要建立有效的企业关联关系管理，实现对企业关联客群的密切监测与管理。

大数据分析与现场排查并举

新模式下广泛应用大数据分析手段并不是摒弃必要的人工任务，而是要促成二者的高效互动与紧密配合。在具体的生产运营模式上，总行基于大数据系统工具，不间断地集中扫描和发现重要警情，并在综合分析判断基础上生成警情信号与排查工单任务；经营机构负责有针对性地执行排查任务，反馈排查结果，发起预警认定或持续监测。这一互动机制滚动执行，不断积累知识与经验，新型预警模式的灵敏性、精准性、实用性将持续得到提升。

建设大数据风险预警管理系统

实现上述新型预警管理模式的重要前提是建设一套高效的“大数据信用风险预警系统”。该信息系统的首要任务是充分利用大数据技术和系统化工具手段，建立数据驱动、主动管理、上下联动的新型预警管理体系和预警工作流程，提升风险管控能力，全方位支持授信业务健康发展。

大数据信用风险预警系统的设计设想

建设可配置化的规则引擎平台。一个典型的大数据决策系统，最核心的特征是规则引擎化，即系统的核心价值在于持续的灵活扩展，并成为一个预警管理业务规则的配置平台。系统建成以后，预警管理的业务人员基于该平台，可以持续地按照不断变化的业务发展要求，将最新的、最适用的预警业务规则灵活地配置部署到平台中，而不需要二次开发，系统的业务功能可以持续地升级进化。为贯彻这一设计思想，系统设计的起点、复杂度都很高。

聚焦信用变坏趋势的监测。信用风险监测预警的自身定位，要求能在已准入客户的信用变坏时及时发现风险并采取行动。由此出发，系统要重点设计信用变化捕捉以及突发事件获知的功能，从而聚焦客户群自身风险状态变化的分析、监测，动态掌握客户还款能力与还款意愿两个维度的信息。

突出智能化和时效性。高效的风险预警既要做到“智能分析”，又要做到“快人一步”。预警系统必须实现风险信息的实时收集和实时推送，以及对风险信息的实时判断，并将风险预判与关键作业活动的实时联动控制起来；在智能分析方面，要基于预测模型，实现系统化、智能化监测与分析评价，从而将风险指标精准化。

大数据信用风险预警系统的运行机理

大数据信用风险预警系统的建设，涉及技术广泛，集成处理复杂，具体细节繁多，以下仅大致勾勒系统的全局运行机理设计。预警系统的运行由三个大的步骤组成，即信息收集、风险分析、警情处置。

信息收集的任务是应用大数据技术，收集整合银行内外部多种数据源的信息，将其作为警情判断分析的原材料。原材料的丰富翔实度是分析输出的基础，预警系统建设中要尽量拓宽信息收集范围，实现银行内外部数据的海量收集与大规模运算加工。针对内外部数据的收集整合工作，需要注重以下几个关键点：

数据的价值在于创造应用场景。“如何使用数据”远远难于“如何找到数据”。以外部数据引入为例，目前市场上诸如涉诉、司法负面、舆情、工商、税务等数据源，数据供应商众多，但都止于简单的原始数据搜集。充分利用外部数据的关键点在于银行自主设计应用场景，并基于场景提出原始数据的筛选、整合要求，再经银行内部场景化加工后实现业务价值。

贯通自然人和企业信息渠道。传统上，企业信息源与自然人信息源是隔离的，而真正有效的公司业务风险预警需要最大限度地打通企业、个人间关联信息，特别是实控人与企业关联关系的识别与互动。实现这一点需要从多方面工作入手，包括银行内部对客户信息的完整收集、跨业务条线的双向信息互动、外部信息采集加工中的关键元数据获取、自然人和企业之间的“传导”链条建立等。

数据战略不能跨越合规红线。任何创新过程中，风险都会如影随形，大数据的应用开拓工作也要坚守合规底线。在外部数据采集应用方面，银行必须有能力分辨市场上形形色色的数据产业链，保证数据来源合法合规；在内部数据应用方面，风险信息触达范围、触达人群、触达内容都需要经过严格的合规审核。

风险分析的任务是建立警情分析规则与数据预测模型，形成风险判断。风险建模分析要注重以下几个关键点：

时点判断与趋势判断相结合，单一指标与综合指标相结合。从预警信息纵向延展看，警情的时点判断与趋势判断相结合，会较好地解决警情信号全局性不够、虚警率偏高的问题；从横向延展看，对企业潜在风险判断的单项“体检”指标需要与综合“体检”指标充分结合。

关联关系图谱应用空间广阔。基于企业间股权关联、担保关联、实控人关联、额度关联、交易关联这五种关联关系建设的企业关联图谱，是最为直观实用的预警分析工具；随着大数据预警应用的深度发展，基于关联关系构建企业关联知识图谱、建立风险传导路径、量化风险传导强度与扩散度、实现客群的组合预警将有广阔的应用空间。

数据挖掘与深度学习需要个性化方法。相较于数据挖掘在商业银行传统内部评级领域的应用，风险预警面临更为突出的数据积累问题，银行内部的预警数据样本在积累上较违约数据样本更为不足，尤其在预警建模较为注重的外部数据方面；内评模型较多依赖于财务数据，而预警模型要求实时性更高，实践中财务数据的预警作用有限；同时，内评体系出于资本计量的普遍要求，需要一定的稳定性，而预警应用强调实时反应，动态追踪。以上这些矛盾都决定了预警领域数据建模要打破常规方式，在分析方法、变量引入、模型训练、应用特点方面适应风险预警建模的独特要求。

警情处置的任务是建立系统化的警情信号传递、反馈与处置流程。警情处置流程的设计要点：一是通过内嵌到信贷流程系统，与信贷人员的日常工作紧密衔接，并将总行预警岗位与经营机构预警角色间的工作流转一体化串接起来；二是自动化流程与人工干预相结合，警情处置流程的发起、审批的设计要预留充分的灵活度与扩展性；三是要建立严格的信息访问权限管限，预警管理中的敏感信息权限与日常的流程处理权限需要分别规划与配置。

推行新的管理制度与管理体系

提升总行统筹职能，优化管理流程与职责分工

一是理顺风险预警管理职责分工。在总行层面，明确各风险管理部门在信用风险预警制度、系统、流程、报告、考评等方面的职责分配与工作边界；在分行（或事业部）层面，明确各机构风险预警工作的统筹部门及具体工作的开展部门。二是明确以系统警情信号为基础、以工单为驱动的监测预警模式。依托预警管理信息系统，建立起“自动+人工”的信息获取模式及信号传递处置流程。适应系统化预警管理模式，精简预警审批流程。三是梳理及调整各预警级别业务定义，并明确各级别对应的系统警情信号类别。四是在涵盖原有制度工作内容基础上，将预警管理流程划分为风险信息收集整理与传递、调查评估与预警认定、后续跟踪与报告三个基本环节。

强化过程管理，加大评价考核

新型预警模式下的工作考评更注重过程管理，增加预警过程工作质量考核，与预警有效性、预警及时性结合，形成全面的考核维度指标系。过程质量考核需同时跟踪警情预处理任务、警情排查任务、预警后监测任务等预警工作环节。并且，有效性与及时性的考核也要适应新型预警模式并进行规则优化。围绕核心考核指标，同时设置鼓励主动预警、有效管控行为的加分规则，以及预警中被动、不尽职行为的减分规则。在考评结果的应用上，融入机构平衡计分卡体系，对影响较大的预警监测不尽职行为，应挂钩不良资产问责、风险基金管理等相关办法进行处罚。

逐步深化管理联动，提升预警主动性

推动与深化管理联动是风险预警发挥实效的基础。存量额度管控方面，在明确不同预警级别边界区分度基础上，推行差异化管控措施；授信审批方面，取消对于授信的强制控制，放开经营机构被动规避预警的桎梏；绩效评估与考核问责方面，通过明确的预警工作质量考评细则进行评估考核，并与平衡计分卡等管理工具紧密结合。

总结

商业银行需要在改革转型中寻求突破，在突破发展中创造辉煌。未来的银行一定是以互联网为平台、云端大数据为动力、智能化为方向，向科技公司方向发展，从而实现传统银行的转型。公司业务新型风险预警管理模式正是在这一战略引领下应运而生，为商业银行管理变革转型提供更有力的支撑和更广阔的拓展空间。

（作者單位：中国民生银行风险管理部）

商业银行月度资讯

银监会：努力开创银行业监管工作新局面

11月8日，银监会主席郭树清在党委中心组（扩大）学习暨学习贯彻党的十九大精神宣讲报告会提出，要以十九大精神为指引努力开创新时代银行业监管工作新局面，把主动防范化解系统性金融风险放在更加重要的位置。

央行：境外商业机构可在银行间债市参与利率互换

11月9日，央行发布《境外商业类机构投资者进入中国银行间债市业务流程》。除现券交易外，境外投资者还可基于套期保值需求开展债券借贷、债券远期、远期利率协议及利率互换等交易。

银监会：政策性银行管理办法正式出台

11月15日，银监会召开“开发银行、进出口银行、农发行监督管理办法”发布会，正式出台《国家开发银行监督管理办法》《中国进出口银行监督管理办法》《中国农业发展银行监督管理办法》三个文件。

银监会：制定银行股权管理办法旨在治理市场乱象

11月16日，为加强商业银行股权监管，规范商业银行股东行为，银监会制定了《商业银行股权管理暂行办法（征求意见稿）》，向社会公开征求意见。

央行拟颁布新规：进一步加强金融机构资管业务监管

11月17日，为规范金融机构资产管理业务，统一同类资产管理产品监管标准，有效防范和控制金融风险，中国人民银行、银监会、证监会、保监会、外汇局起草《关于规范金融机构资产管理业务的指导意见（征求意见稿）》。

2017年城商行年会在云南昆明成功召开

11月23～24日，由中国银监会指导、中国银行业协会城商行工作委员会主办的2017年城商行年会在云南昆明成功召开。年会以“学习宣传贯彻党的十九大精神，服务实体经济，防控金融风险，深化金融改革”为主题。

银监会：提升银行账簿利率风险管理水平，弥补监管短板

11月24日，银监会全面修订《商业银行银行账户利率风险管理指引》，形成《商业银行银行账簿利率风险管理指引（修订征求意见稿）》，向社会公开征求意见。

央行：整治无证支付行为，持证机构自查至12月底

11月27日，央行办公厅下发《关于进一步加强无证经营支付业务整治工作的通知》，针对无证支付机构进行集中整治，同时下发了持证支付机构自查内容和无证机构的筛查重点、认定标准说明。