金融科技引领银行信用风险管理转型的路径

2020-12-28 05:16:26来源：金融时报

近年来，在经济下行压力持续加大、金融风险加速暴露的形势下，银行如何更加前瞻、有效地开展信用风险管理，提升风险防控能力，已成为亟待研究的重要课题。而新兴金融科技的异军突起，恰好为解决这一难题提供了全新视角。当前，各商业银行应积极借鉴互联网科技公司在这一方面的成功经验，以金融科技赋能和支撑信用风险管理的模式创新、流程再造，实现决策支持智能化、风险识别精准化、业务办理自动化。金融科技是新形势下破解信用风险管理痛点的重器 (一)金融科技的核心技术特征能够有效解决信用风险管理中的问题。信用风险产生的根源是借贷双方的信息不对称。大数据、人工智能等金融科技最核心的技术特征是解决海量数据和信息的整合、分析、应用的问题，覆盖的信息源更广、运算速度更快、应用领域更宽，能够提供的信息更加全面和充分，能够有效解决银行面临的信息不充分、信息不准确、信息更新不及时等核心痛点问题，据此作出的信用风险判断与决策更加科学、合理，信用风险监控和预警更加前瞻、主动，信用风险管理的整体成果更加显著、有效。此外，建立在金融科技应用基础上的科技驱动的信用风险管理体系能够深入挖掘客户价值，大幅提升授信效率，在风险管控的同时强化银行的差异化竞争优势。 (二)金融科技应用的方法论重塑银行信用风险管理体系。银行传统的信用风险管理是以客户信用评级为核心的单一维度的信用风险管理，容易掩盖信用风险的真实程度，无法前瞻性地预测未来信用风险情况的变化，信息不对称的问题没有得到有效的解决。大数据的应用，一方面通过建立以数据为基础、全面反映和了解事实的风险决策方法，改变静态分析和预测判断的方式，建立动态决策的机制和模型，从而更加准确地进行决策，提高决策效率；另一方面，大数据技术可将金融机构大量的客户相关的数据信息进行整合、汇总、分析，识别其中的可疑信息和违规操作，强化风险管控，提升风控能力。基于大数据的信用风险评估方法更加贴近现实，能够有效预测、防范客户违约的风险。金融科技引领银行信用风险管理转型的策略与路径选择 (一)严格把控信用风险防范要点，提升线上自动化决策管理的精准性。一是保障数据的数量及质量。线上自动化决策高度依赖客户数据的数量和质量，商业银行一方面要通过线上线下、行内行外等多种渠道获取多维度海量数据；另一方面要具备数据甄别和数据挖掘能力，确保所获数据的真实性、合法性和有效性，提升数据价值。二是科学建立智能化风控模型。线上自动化决策高度依赖风控模型的有效性和适用性，对建模能力有很高的要求。商业银行必须在占有海量数据的基础上，深入分析各种业务场景，准确识别影响客户信用风险的主要因素和传导机制，有效运用科技手段提高建模能力。同时完善模型评审机制，模型上线前要对模型的数据采集、参数设置、计算方法等是否合理进行严格评审。三是实现风控模型快速迭代升级。模型优化是一个不断评估、不断试错的过程，一方面要实现模型的快速升级，另一方面要实现智能升级。商业银行应利用更加有效的算法，特别是人工智能中的机器学习、知识图谱等方法，对潜藏于大数据中的信用风险信息进行挖掘，实现模型的自主学习、自动智能迭代，提高风险揭示的前瞻性和精准性。 (二)运用大数据分析及挖掘技术，提升行业研判的效率和精准性。在行业数据采集阶段，利用技术手段对信息载体进行数据抓取；在数据预处理阶段，对批量采集的数据进行数据清洗，提炼核心内容并进行信息分类，使之成为可供进一步分析的结构化数据；在数据分析与挖掘阶段，对预处理后的信息按照一定规则进行深入挖掘，通过聚类方法发现热点事件和风险事件，根据信息数量和规模发现敏感信息；在数据可视化阶段，将数据挖掘和分析的结果通过数据、图表或文字说明等形式予以展示，作为行业研究的论据和支撑。 (三)依托5G、物联网等金融科技手段，实现抵押品管理的可视化、可量化、动态化及规范化。一是解决抵押品真实性问题。积极布局“5G+物联网”，通过万物互联使身份标识、状态感知延伸到每个物品、每个角落，银行可实时掌控抵押品的真实信息，从而避免贷款企业虚增仓单、擅自处置抵押物等严重威胁信贷资产安全的事件发生。二是通过与第三方评估机构或数据公司合作，对标准化房产类押品通过线上估值的方式进行快速估值,并迅速匹配客户的贷款需求。三是对接市场公开数据，通过线上快速获取金融证券类押品当日交易价格，并对接内部业务系统，实现押品的逐日盯市估值。 (四)借助大数据、人工智能等前沿科技，有效提升贷后风险信息的全面性、可靠性。通过整合内部数据、引入外部数据，商业银行对客户存款、贷款、理财等资产情况以及资金账户流水数据进行整合并进行分析验证，剔除可能影响风险分析结论的可疑、虚假信息，有效缓解银企信息不对称问题，使客户风险画像更加接近真实全貌。利用“大数据+人工智能”的技术手段，建立客户资金监管风险模型，对客户资金账户情况进行实时监管，围绕日均存款变动、货款归行率、常用交易对手等建立预警指标，及时发现客户资金链紧张、异常交易行为等风险信号，提高资金监管的实时性、有效性。可研发信息提示功能，及时向客户发送贷款到期、逾期、欠息、逾期后果等信息，并在到期前根据客户还款账户余额变动情况对客户还款资金及时到账等信息进行提示。 (五)基于大数据分析和AI技术，打造智能化风险监控预警体系。智能化的风险监控预警体系包括五方面内容：内外部数据整合方案；自下而上和自上而下相结合的预警方法和工具开发，包括预警指标、预警模型；风险预警管理机制、组织架构、制度流程以及团队建设；基于数据智能洞察的全流程应用，包括客户画像、智能化审批决策、押品估值、信用分析体系设计、流程优化、风险客户识别；风险预警系统规划。根据各类预警模型及预警规则，可建立一套完整的预警体系，设置不同等级的预警信号，建立预警处置和应对机制，采取相应的处置措施。监控预警的应用是整个信用风险管理体系形成闭环的关键环节，将预警结果及时反馈至业务流程，甚至直接介入业务流程，进行刚性控制。同时，还应建立相应的反馈机制，对模型给出的预警结果进行定期的检验，及时调整模型参数，不断对预警模型进行优化，再应用到业务实践中。

　　金融科技是新形势下破解信用风险管理痛点的重器

　　(一)金融科技的核心技术特征能够有效解决信用风险管理中的问题。信用风险产生的根源是借贷双方的信息不对称。大数据、人工智能等金融科技最核心的技术特征是解决海量数据和信息的整合、分析、应用的问题，覆盖的信息源更广、运算速度更快、应用领域更宽，能够提供的信息更加全面和充分，能够有效解决银行面临的信息不充分、信息不准确、信息更新不及时等核心痛点问题，据此作出的信用风险判断与决策更加科学、合理，信用风险监控和预警更加前瞻、主动，信用风险管理的整体成果更加显著、有效。此外，建立在金融科技应用基础上的科技驱动的信用风险管理体系能够深入挖掘客户价值，大幅提升授信效率，在风险管控的同时强化银行的差异化竞争优势。

　　(二)金融科技应用的方法论重塑银行信用风险管理体系。银行传统的信用风险管理是以客户信用评级为核心的单一维度的信用风险管理，容易掩盖信用风险的真实程度，无法前瞻性地预测未来信用风险情况的变化，信息不对称的问题没有得到有效的解决。大数据的应用，一方面通过建立以数据为基础、全面反映和了解事实的风险决策方法，改变静态分析和预测判断的方式，建立动态决策的机制和模型，从而更加准确地进行决策，提高决策效率；另一方面，大数据技术可将金融机构大量的客户相关的数据信息进行整合、汇总、分析，识别其中的可疑信息和违规操作，强化风险管控，提升风控能力。基于大数据的信用风险评估方法更加贴近现实，能够有效预测、防范客户违约的风险。

　　金融科技引领银行信用风险管理转型的策略与路径选择

　　(一)严格把控信用风险防范要点，提升线上自动化决策管理的精准性。一是保障数据的数量及质量。线上自动化决策高度依赖客户数据的数量和质量，商业银行一方面要通过线上线下、行内行外等多种渠道获取多维度海量数据；另一方面要具备数据甄别和数据挖掘能力，确保所获数据的真实性、合法性和有效性，提升数据价值。二是科学建立智能化风控模型。线上自动化决策高度依赖风控模型的有效性和适用性，对建模能力有很高的要求。商业银行必须在占有海量数据的基础上，深入分析各种业务场景，准确识别影响客户信用风险的主要因素和传导机制，有效运用科技手段提高建模能力。同时完善模型评审机制，模型上线前要对模型的数据采集、参数设置、计算方法等是否合理进行严格评审。三是实现风控模型快速迭代升级。模型优化是一个不断评估、不断试错的过程，一方面要实现模型的快速升级，另一方面要实现智能升级。商业银行应利用更加有效的算法，特别是人工智能中的机器学习、知识图谱等方法，对潜藏于大数据中的信用风险信息进行挖掘，实现模型的自主学习、自动智能迭代，提高风险揭示的前瞻性和精准性。

　　(二)运用大数据分析及挖掘技术，提升行业研判的效率和精准性。在行业数据采集阶段，利用技术手段对信息载体进行数据抓取；在数据预处理阶段，对批量采集的数据进行数据清洗，提炼核心内容并进行信息分类，使之成为可供进一步分析的结构化数据；在数据分析与挖掘阶段，对预处理后的信息按照一定规则进行深入挖掘，通过聚类方法发现热点事件和风险事件，根据信息数量和规模发现敏感信息；在数据可视化阶段，将数据挖掘和分析的结果通过数据、图表或文字说明等形式予以展示，作为行业研究的论据和支撑。

　　(三)依托5G、物联网等金融科技手段，实现抵押品管理的可视化、可量化、动态化及规范化。一是解决抵押品真实性问题。积极布局“5G+物联网”，通过万物互联使身份标识、状态感知延伸到每个物品、每个角落，银行可实时掌控抵押品的真实信息，从而避免贷款企业虚增仓单、擅自处置抵押物等严重威胁信贷资产安全的事件发生。二是通过与第三方评估机构或数据公司合作，对标准化房产类押品通过线上估值的方式进行快速估值,并迅速匹配客户的贷款需求。三是对接市场公开数据，通过线上快速获取金融证券类押品当日交易价格，并对接内部业务系统，实现押品的逐日盯市估值。

　　(四)借助大数据、人工智能等前沿科技，有效提升贷后风险信息的全面性、可靠性。通过整合内部数据、引入外部数据，商业银行对客户存款、贷款、理财等资产情况以及资金账户流水数据进行整合并进行分析验证，剔除可能影响风险分析结论的可疑、虚假信息，有效缓解银企信息不对称问题，使客户风险画像更加接近真实全貌。利用“大数据+人工智能”的技术手段，建立客户资金监管风险模型，对客户资金账户情况进行实时监管，围绕日均存款变动、货款归行率、常用交易对手等建立预警指标，及时发现客户资金链紧张、异常交易行为等风险信号，提高资金监管的实时性、有效性。可研发信息提示功能，及时向客户发送贷款到期、逾期、欠息、逾期后果等信息，并在到期前根据客户还款账户余额变动情况对客户还款资金及时到账等信息进行提示。

　　(五)基于大数据分析和AI技术，打造智能化风险监控预警体系。智能化的风险监控预警体系包括五方面内容：内外部数据整合方案；自下而上和自上而下相结合的预警方法和工具开发，包括预警指标、预警模型；风险预警管理机制、组织架构、制度流程以及团队建设；基于数据智能洞察的全流程应用，包括客户画像、智能化审批决策、押品估值、信用分析体系设计、流程优化、风险客户识别；风险预警系统规划。根据各类预警模型及预警规则，可建立一套完整的预警体系，设置不同等级的预警信号，建立预警处置和应对机制，采取相应的处置措施。监控预警的应用是整个信用风险管理体系形成闭环的关键环节，将预警结果及时反馈至业务流程，甚至直接介入业务流程，进行刚性控制。同时，还应建立相应的反馈机制，对模型给出的预警结果进行定期的检验，及时调整模型参数，不断对预警模型进行优化，再应用到业务实践中。

金融科技引领银行信用风险管理转型的路径

相关阅读

精彩推荐

阅读排行

推荐阅读