首页 > 热点专题 > 银行智慧网点转型 > IBM智慧观点 > 正文

您好,欢迎来到《中国金融》,进入 [博客][论坛]

大数据助推银行全面风险管理

作者:周继述 王雪松

2015年07月16日 摘自:《中国金融》共有条评论

打印Email评论

  数据和风险从来就是银行的两大要素。正如业界常说的:银行的业务就是风险,而数据则是银行最有价值的资产。如果将风险比作银行的灵魂,那么数据则当之无愧地是银行的血液,二者相辅相成,维系着银行的运作。随着全球化的深入和信息技术的发展,风险和数据为商业银行带来的机遇与挑战日趋明显。从宏观经济发展和商业银行的经营环境而言,监管力度逐渐严格,市场变化日益加速,来自电商及其他非传统金融机构的竞争不断增强。在这样的大环境下,商业银行要保持竞争力,维护自身的生存与发展,必须更好地发现风险与数据所能提供的价值,并积极地运用各种技术及管理手段,最大化地实现这些价值。   
  商业银行风险管理面临的挑战   
  经过多年的努力,国内银行在风险管理领域已取得了长足的进步。各主要银行目前已率先从合规建设期向价值收获期转换。但是,应该承认,要真正实现风险的潜在价值,仍然有大量的艰苦工作需要完成,许多障碍需要克服。这些障碍主要表现为风险管理与银行日常业务管理间结合的不充分。即使在一些已获共识的风险应用领域,如风险定价、绩效考核等,在实际的推广应用中,仍然普遍面临来自主观与客观两方面的挑战和阻力。其原因主要可分为两类。第一类可以归咎于对风险管理的认识差异,造成风险管理与业务管理目标间的互相脱节。管理指标形式上的不统一,引起风险管理与业务管理之间表面上的目标不一致,最终导致部门岗位间的协调不充分。第二类可以归咎于由于成本、市场和时效等因素的制约,风险管理能使用的工具相对有限,从而导致目前风险管理仍显得被动和保守,基本都是建立在监管资本和经济资本基础之上,以资本分配及限额体系为主要手段。这样的管理模式,不可避免地带来前瞻性不足、反应速度慢、业务指导能力差等弱点,难以适应银行业务管理中对效率的要求。
  究其根本,商业银行风险管理所面对的挑战,缘于风险量化手段的不足。在商业银行漫长的发展过程中,对风险的量化能力的获得,仅发生在最近的数十年内,而且,直至目前,这些量化所依赖的理论和工具,都还远远谈不上完善。对以数字为基本对象、追求精细化管理的商业银行而言,由于缺乏有效、合理、被业务部门接受的量化手段,风险因素在传统管理指标体系中难以得到充分体现,使得对风险的考虑不能成为银行日常业务决策过程中的天然和必需成分,风险管理方式以主观经验判断为基础。   
  完善风险模型   
  商业银行要从根本上改变风险管理在整个管理体系中的尴尬定位,必须具备完善的风险量化能力。完善的风险量化能力至少需要从以下三个维度来评估。一是量化的准确性。风险量化模型必须能准确地完成对量化对象的计算,各种假设和限制要合乎实际,驱动因子选择要合理。二是量化的时效性。商业银行的风险量化体系必须能提供实时或准实时的风险计量服务,以配合业务管理对效率的要求。三是量化的前瞻性。风险计量体系要能提前捕捉风险预警信号,为主动性风险管理提供技术支持。大数据平台为实现上述三个目标提供了全新的可能性。
  以信用风险计量为例,目前的计量体系是围绕PD、LGD、EAD、M等风险因子建立的。整个体系的核心为PD、LGD等风险模型。在模型开发中,各银行所面临的共同问题是缺乏相关数据乏。一是数据来源有限,尤其是客户的相关信息。银行通常仅能获得客户主动或被动提供的基本信息数据及财务信息数据。二是数据可靠性不足。数据的获得路径长,缺乏有效的验证手段。三是数据覆盖广度不够。比如客户的市场行为、与第三方对手间的交易往来等有价值的信息数据,或根本无法收集,或被湮没在大量的信息噪声中而无法及时发现,从而不能在建模中充分利用。四是数据时效性差。
  建模数据的不足,造成银行模型开发困难,开发和校准工作周期长,主观随意性强,模型验证难,模型的使用效果不能保证。而大数据平台则可以极大地扩展数据来源,利用大数据平台,银行能从互联网、移动平台等多种非传统渠道中及时捕捉以前无法获得或无法使用的客户数据(包括非结构、半结构、流数据等),并通过与传统数据的快速整合、关联补充,完成客户行为模式分析和发现。大数据有助于银行确定客户运营状态变化规律,建立运营状态变化路径,按变化路径设置风险控制点,逐点计算对应的客户价值,在客户价值的基础上评估信用风险,从而形成一全新的客户信用风险动态计算体系以及管理模式。
  大数据平台支持风险分析和管理   
  在完成上述任务、实现风险及大数据的价值之前,银行必须克服一些技术障碍。面对海量、多元、高速、高噪声数据,银行必须制定出整合、清理和分析的解决方案。这些数据包括结构化数据(如客户财务信息、交易信息等)、非结构化和半结构化数据(如邮件、客户信函、代理票据和语音文档等)。银行同时需要制定流数据分析方案,通过分析社交媒体等流数据,迅速了解客户行为,发现风险并及时预警。
  IBM大数据平台是一个功能广泛的风险分析和管理工具,它可以帮助银行加强风险建模,提高欺诈检测,确定最佳客户对策。以IBM大数据平台为基础,银行可以从单一功能开始建设大数据体系,并随着需求的变化逐步添加其他功能。IBM大数据平台与银行现有系统的整合,可以使银行在继续传统数据处理的同时迅速从大数据分析中受益。利用IBM的相关技术,所有的平台功能将完成预先整合集成,保证银行能加速改善大数据环境,获得更佳价值时效。■
   
  作者单位:IBM
  (责任编辑 张 林)

打印Email评论

0

相关阅读

我要评论 [ 所发表评论仅代表网友个人观点,不代表《中国金融》观点 ]