金融科技引領銀行信用風險管理轉型的路徑

2020-12-28 05:16:26來源：金融時報

近年來，在經濟下行壓力持續加大、金融風險加速暴露的形勢下，銀行如何更加前瞻、有效地開展信用風險管理，提升風險防控能力，已成為亟待研究的重要課題。而新興金融科技的異軍突起，恰好為解決這一難題提供了全新視角。當前，各商業銀行應積極借鑒互聯網科技公司在這一方面的成功經驗，以金融科技賦能和支撐信用風險管理的模式創新、流程再造，實現決策支持智能化、風險識別精準化、業務辦理自動化。金融科技是新形勢下破解信用風險管理痛點的重器 (一)金融科技的核心技術特征能夠有效解決信用風險管理中的問題。信用風險產生的根源是借貸雙方的信息不對稱。大數據、人工智能等金融科技最核心的技術特征是解決海量數據和信息的整合、分析、應用的問題，覆蓋的信息源更廣、運算速度更快、應用領域更寬，能夠提供的信息更加全面和充分，能夠有效解決銀行面臨的信息不充分、信息不準確、信息更新不及時等核心痛點問題，據此作出的信用風險判斷與決策更加科學、合理，信用風險監控和預警更加前瞻、主動，信用風險管理的整體成果更加顯著、有效。此外，建立在金融科技應用基礎上的科技驅動的信用風險管理體系能夠深入挖掘客戶價值，大幅提升授信效率，在風險管控的同時強化銀行的差異化競爭優勢。 (二)金融科技應用的方法論重塑銀行信用風險管理體系。銀行傳統的信用風險管理是以客戶信用評級為核心的單一維度的信用風險管理，容易掩蓋信用風險的真實程度，無法前瞻性地預測未來信用風險情況的變化，信息不對稱的問題沒有得到有效的解決。大數據的應用，一方面通過建立以數據為基礎、全面反映和了解事實的風險決策方法，改變靜態分析和預測判斷的方式，建立動態決策的機制和模型，從而更加準確地進行決策，提高決策效率；另一方面，大數據技術可將金融機構大量的客戶相關的數據信息進行整合、匯總、分析，識別其中的可疑信息和違規操作，強化風險管控，提升風控能力。基于大數據的信用風險評估方法更加貼近現實，能夠有效預測、防范客戶違約的風險。金融科技引領銀行信用風險管理轉型的策略與路徑選擇 (一)嚴格把控信用風險防范要點，提升線上自動化決策管理的精準性。一是保障數據的數量及質量。線上自動化決策高度依賴客戶數據的數量和質量，商業銀行一方面要通過線上線下、行內行外等多種渠道獲取多維度海量數據；另一方面要具備數據甄別和數據挖掘能力，確保所獲數據的真實性、合法性和有效性，提升數據價值。二是科學建立智能化風控模型。線上自動化決策高度依賴風控模型的有效性和適用性，對建模能力有很高的要求。商業銀行必須在占有海量數據的基礎上，深入分析各種業務場景，準確識別影響客戶信用風險的主要因素和傳導機制，有效運用科技手段提高建模能力。同時完善模型評審機制，模型上線前要對模型的數據采集、參數設置、計算方法等是否合理進行嚴格評審。三是實現風控模型快速迭代升級。模型優化是一個不斷評估、不斷試錯的過程，一方面要實現模型的快速升級，另一方面要實現智能升級。商業銀行應利用更加有效的算法，特別是人工智能中的機器學習、知識圖譜等方法，對潛藏于大數據中的信用風險信息進行挖掘，實現模型的自主學習、自動智能迭代，提高風險揭示的前瞻性和精準性。 (二)運用大數據分析及挖掘技術，提升行業研判的效率和精準性。在行業數據采集階段，利用技術手段對信息載體進行數據抓取；在數據預處理階段，對批量采集的數據進行數據清洗，提煉核心內容并進行信息分類，使之成為可供進一步分析的結構化數據；在數據分析與挖掘階段，對預處理后的信息按照一定規則進行深入挖掘，通過聚類方法發現熱點事件和風險事件，根據信息數量和規模發現敏感信息；在數據可視化階段，將數據挖掘和分析的結果通過數據、圖表或文字說明等形式予以展示，作為行業研究的論據和支撐。 (三)依托5G、物聯網等金融科技手段，實現抵押品管理的可視化、可量化、動態化及規范化。一是解決抵押品真實性問題。積極布局“5G+物聯網”，通過萬物互聯使身份標識、狀態感知延伸到每個物品、每個角落，銀行可實時掌控抵押品的真實信息，從而避免貸款企業虛增倉單、擅自處置抵押物等嚴重威脅信貸資產安全的事件發生。二是通過與第三方評估機構或數據公司合作，對標準化房產類押品通過線上估值的方式進行快速估值,并迅速匹配客戶的貸款需求。三是對接市場公開數據，通過線上快速獲取金融證券類押品當日交易價格，并對接內部業務系統，實現押品的逐日盯市估值。 (四)借助大數據、人工智能等前沿科技，有效提升貸后風險信息的全面性、可靠性。通過整合內部數據、引入外部數據，商業銀行對客戶存款、貸款、理財等資產情況以及資金賬戶流水數據進行整合并進行分析驗證，剔除可能影響風險分析結論的可疑、虛假信息，有效緩解銀企信息不對稱問題，使客戶風險畫像更加接近真實全貌。利用“大數據+人工智能”的技術手段，建立客戶資金監管風險模型，對客戶資金賬戶情況進行實時監管，圍繞日均存款變動、貨款歸行率、常用交易對手等建立預警指標，及時發現客戶資金鏈緊張、異常交易行為等風險信號，提高資金監管的實時性、有效性。可研發信息提示功能，及時向客戶發送貸款到期、逾期、欠息、逾期后果等信息，并在到期前根據客戶還款賬戶余額變動情況對客戶還款資金及時到賬等信息進行提示。 (五)基于大數據分析和AI技術，打造智能化風險監控預警體系。智能化的風險監控預警體系包括五方面內容：內外部數據整合方案；自下而上和自上而下相結合的預警方法和工具開發，包括預警指標、預警模型；風險預警管理機制、組織架構、制度流程以及團隊建設；基于數據智能洞察的全流程應用，包括客戶畫像、智能化審批決策、押品估值、信用分析體系設計、流程優化、風險客戶識別；風險預警系統規劃。根據各類預警模型及預警規則，可建立一套完整的預警體系，設置不同等級的預警信號，建立預警處置和應對機制，采取相應的處置措施。監控預警的應用是整個信用風險管理體系形成閉環的關鍵環節，將預警結果及時反饋至業務流程，甚至直接介入業務流程，進行剛性控制。同時，還應建立相應的反饋機制，對模型給出的預警結果進行定期的檢驗，及時調整模型參數，不斷對預警模型進行優化，再應用到業務實踐中。

　　金融科技是新形勢下破解信用風險管理痛點的重器

　　(一)金融科技的核心技術特征能夠有效解決信用風險管理中的問題。信用風險產生的根源是借貸雙方的信息不對稱。大數據、人工智能等金融科技最核心的技術特征是解決海量數據和信息的整合、分析、應用的問題，覆蓋的信息源更廣、運算速度更快、應用領域更寬，能夠提供的信息更加全面和充分，能夠有效解決銀行面臨的信息不充分、信息不準確、信息更新不及時等核心痛點問題，據此作出的信用風險判斷與決策更加科學、合理，信用風險監控和預警更加前瞻、主動，信用風險管理的整體成果更加顯著、有效。此外，建立在金融科技應用基礎上的科技驅動的信用風險管理體系能夠深入挖掘客戶價值，大幅提升授信效率，在風險管控的同時強化銀行的差異化競爭優勢。

　　(二)金融科技應用的方法論重塑銀行信用風險管理體系。銀行傳統的信用風險管理是以客戶信用評級為核心的單一維度的信用風險管理，容易掩蓋信用風險的真實程度，無法前瞻性地預測未來信用風險情況的變化，信息不對稱的問題沒有得到有效的解決。大數據的應用，一方面通過建立以數據為基礎、全面反映和了解事實的風險決策方法，改變靜態分析和預測判斷的方式，建立動態決策的機制和模型，從而更加準確地進行決策，提高決策效率；另一方面，大數據技術可將金融機構大量的客戶相關的數據信息進行整合、匯總、分析，識別其中的可疑信息和違規操作，強化風險管控，提升風控能力。基于大數據的信用風險評估方法更加貼近現實，能夠有效預測、防范客戶違約的風險。

　　金融科技引領銀行信用風險管理轉型的策略與路徑選擇

　　(一)嚴格把控信用風險防范要點，提升線上自動化決策管理的精準性。一是保障數據的數量及質量。線上自動化決策高度依賴客戶數據的數量和質量，商業銀行一方面要通過線上線下、行內行外等多種渠道獲取多維度海量數據；另一方面要具備數據甄別和數據挖掘能力，確保所獲數據的真實性、合法性和有效性，提升數據價值。二是科學建立智能化風控模型。線上自動化決策高度依賴風控模型的有效性和適用性，對建模能力有很高的要求。商業銀行必須在占有海量數據的基礎上，深入分析各種業務場景，準確識別影響客戶信用風險的主要因素和傳導機制，有效運用科技手段提高建模能力。同時完善模型評審機制，模型上線前要對模型的數據采集、參數設置、計算方法等是否合理進行嚴格評審。三是實現風控模型快速迭代升級。模型優化是一個不斷評估、不斷試錯的過程，一方面要實現模型的快速升級，另一方面要實現智能升級。商業銀行應利用更加有效的算法，特別是人工智能中的機器學習、知識圖譜等方法，對潛藏于大數據中的信用風險信息進行挖掘，實現模型的自主學習、自動智能迭代，提高風險揭示的前瞻性和精準性。

　　(二)運用大數據分析及挖掘技術，提升行業研判的效率和精準性。在行業數據采集階段，利用技術手段對信息載體進行數據抓取；在數據預處理階段，對批量采集的數據進行數據清洗，提煉核心內容并進行信息分類，使之成為可供進一步分析的結構化數據；在數據分析與挖掘階段，對預處理后的信息按照一定規則進行深入挖掘，通過聚類方法發現熱點事件和風險事件，根據信息數量和規模發現敏感信息；在數據可視化階段，將數據挖掘和分析的結果通過數據、圖表或文字說明等形式予以展示，作為行業研究的論據和支撐。

　　(三)依托5G、物聯網等金融科技手段，實現抵押品管理的可視化、可量化、動態化及規范化。一是解決抵押品真實性問題。積極布局“5G+物聯網”，通過萬物互聯使身份標識、狀態感知延伸到每個物品、每個角落，銀行可實時掌控抵押品的真實信息，從而避免貸款企業虛增倉單、擅自處置抵押物等嚴重威脅信貸資產安全的事件發生。二是通過與第三方評估機構或數據公司合作，對標準化房產類押品通過線上估值的方式進行快速估值,并迅速匹配客戶的貸款需求。三是對接市場公開數據，通過線上快速獲取金融證券類押品當日交易價格，并對接內部業務系統，實現押品的逐日盯市估值。

　　(四)借助大數據、人工智能等前沿科技，有效提升貸后風險信息的全面性、可靠性。通過整合內部數據、引入外部數據，商業銀行對客戶存款、貸款、理財等資產情況以及資金賬戶流水數據進行整合并進行分析驗證，剔除可能影響風險分析結論的可疑、虛假信息，有效緩解銀企信息不對稱問題，使客戶風險畫像更加接近真實全貌。利用“大數據+人工智能”的技術手段，建立客戶資金監管風險模型，對客戶資金賬戶情況進行實時監管，圍繞日均存款變動、貨款歸行率、常用交易對手等建立預警指標，及時發現客戶資金鏈緊張、異常交易行為等風險信號，提高資金監管的實時性、有效性。可研發信息提示功能，及時向客戶發送貸款到期、逾期、欠息、逾期后果等信息，并在到期前根據客戶還款賬戶余額變動情況對客戶還款資金及時到賬等信息進行提示。

　　(五)基于大數據分析和AI技術，打造智能化風險監控預警體系。智能化的風險監控預警體系包括五方面內容：內外部數據整合方案；自下而上和自上而下相結合的預警方法和工具開發，包括預警指標、預警模型；風險預警管理機制、組織架構、制度流程以及團隊建設；基于數據智能洞察的全流程應用，包括客戶畫像、智能化審批決策、押品估值、信用分析體系設計、流程優化、風險客戶識別；風險預警系統規劃。根據各類預警模型及預警規則，可建立一套完整的預警體系，設置不同等級的預警信號，建立預警處置和應對機制，采取相應的處置措施。監控預警的應用是整個信用風險管理體系形成閉環的關鍵環節，將預警結果及時反饋至業務流程，甚至直接介入業務流程，進行剛性控制。同時，還應建立相應的反饋機制，對模型給出的預警結果進行定期的檢驗，及時調整模型參數，不斷對預警模型進行優化，再應用到業務實踐中。

關鍵詞：金融科技引領銀行信用

責任編輯：hnmd003