葉婷妤

摘 要：目前，銀行信貸及消費(fèi)金融業(yè)務(wù)還主要使用以央行征信數(shù)據(jù)為主的金融數(shù)據(jù)建模，以對(duì)用戶進(jìn)行信用評(píng)級(jí)和授信。但在傳統(tǒng)的風(fēng)控體系下，審批過(guò)程耗時(shí)較長(zhǎng)，各機(jī)構(gòu)金融產(chǎn)品同質(zhì)化嚴(yán)重，難以滿足用戶的多場(chǎng)景需求。在大數(shù)據(jù)背景下，可以在銀行風(fēng)控系統(tǒng)中增加互聯(lián)網(wǎng)行為動(dòng)態(tài)特征等數(shù)據(jù)，將會(huì)對(duì)用戶貸款、消費(fèi)、社交、娛樂(lè)等多維度變量進(jìn)行補(bǔ)足，形成完整的用戶畫(huà)像，通過(guò)整合海量數(shù)據(jù)，完善銀行的風(fēng)險(xiǎn)控制體系。本文將對(duì)大數(shù)據(jù)在銀行風(fēng)險(xiǎn)控制中的應(yīng)用進(jìn)行研究。

關(guān)鍵詞：大數(shù)據(jù);風(fēng)控體系;互聯(lián)網(wǎng)+

一、緒論

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，大數(shù)據(jù)技術(shù)得到了廣泛的應(yīng)用，并且在金融風(fēng)控領(lǐng)域得到了較好的應(yīng)用。傳統(tǒng)銀行等金融機(jī)構(gòu)在對(duì)客戶進(jìn)行風(fēng)險(xiǎn)評(píng)估的時(shí)候，過(guò)去較為依賴行內(nèi)的現(xiàn)有數(shù)據(jù)，但是這些數(shù)據(jù)難以滿足日益復(fù)雜的風(fēng)險(xiǎn)評(píng)估需要，而且由于銀行數(shù)據(jù)較為滯后，更新緩慢，因此用來(lái)進(jìn)行風(fēng)險(xiǎn)預(yù)判顯得較為薄弱。

而大數(shù)據(jù)技術(shù)收集了客戶生活、行為、消費(fèi)等更為全面的數(shù)據(jù)，同時(shí)數(shù)據(jù)采集更為及時(shí)，同時(shí)利用數(shù)據(jù)挖掘，機(jī)器學(xué)習(xí)等模型能夠更加深刻的挖掘客戶的特征，對(duì)客戶的風(fēng)險(xiǎn)事件提前預(yù)測(cè)。大數(shù)據(jù)風(fēng)控逐漸成為各個(gè)銀行等金融機(jī)構(gòu)廣泛關(guān)注的研究重點(diǎn)。

二、大數(shù)據(jù)風(fēng)控?cái)?shù)據(jù)源

大數(shù)據(jù)風(fēng)控體系是基于原銀行風(fēng)控體系的擴(kuò)展，從數(shù)據(jù)源上擴(kuò)展了銀行的數(shù)據(jù)范圍，如表1所示。

從表1可以看到，大數(shù)據(jù)風(fēng)控體系，收集了運(yùn)營(yíng)商、第三方互聯(lián)網(wǎng)電商及金融數(shù)據(jù)、公共事業(yè)、互聯(lián)網(wǎng)輿情以及各種能夠獲取的數(shù)據(jù)，能夠覆蓋客戶生活的方方面面，可以深入的刻畫(huà)客戶的特征，判斷客戶的風(fēng)險(xiǎn)。

三、大數(shù)據(jù)風(fēng)控業(yè)務(wù)場(chǎng)景

（一）反欺詐平臺(tái)

反欺詐平臺(tái)可以整合共享各業(yè)務(wù)條線多年積累海量反欺詐信息資產(chǎn)，并應(yīng)用大數(shù)據(jù)、云計(jì)算和人工智能技術(shù)，將反欺詐從信用卡、借記卡、網(wǎng)上銀行等應(yīng)用基礎(chǔ)上，進(jìn)一步擴(kuò)展到個(gè)人業(yè)務(wù)全部領(lǐng)域，實(shí)現(xiàn)對(duì)反欺詐的事前、事中、事后全流程的監(jiān)控。

基于大數(shù)據(jù)技術(shù)搭建欺詐風(fēng)險(xiǎn)信息數(shù)據(jù)平臺(tái)，可以涵蓋客戶相關(guān)信息、賬戶信息、卡片信息、授權(quán)信息、清算信息、還款信息，以及已經(jīng)確認(rèn)的交易欺詐記錄等數(shù)據(jù)。應(yīng)用特征工程技術(shù)，綜合運(yùn)用交易信息、賬戶信息和客戶信息等數(shù)據(jù)源，從交易時(shí)間、交易金額、交易場(chǎng)所、交易頻率和交易花費(fèi)速度等方面，考慮單維度、多個(gè)維度和歷史維度，設(shè)計(jì)客戶交易行為檔案。采用神經(jīng)網(wǎng)絡(luò)、GBDT、隨機(jī)森林和高緯度機(jī)器學(xué)習(xí)技術(shù)，精準(zhǔn)識(shí)別定位欺詐交易實(shí)時(shí)事中交易反欺詐系統(tǒng)需要在毫秒內(nèi)完成客戶交易特征行為變量更新和模型計(jì)算，根據(jù)風(fēng)險(xiǎn)高低設(shè)置事中干預(yù)策略，采取阻斷、人工調(diào)查和放行處理。

（二）金融風(fēng)險(xiǎn)統(tǒng)計(jì)監(jiān)控平臺(tái)

交叉性金融風(fēng)險(xiǎn)統(tǒng)計(jì)監(jiān)控臺(tái)通過(guò)對(duì)產(chǎn)品、客戶信息數(shù)據(jù)庫(kù)的整合，以交叉性金融業(yè)務(wù)的資金流向鏈條為基礎(chǔ)，建立由資金來(lái)源端到產(chǎn)品、資金使用端的多層投資關(guān)系，識(shí)別投資過(guò)程中涉及到的各類基礎(chǔ)資產(chǎn)，厘清資金流向，繪制風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)視圖。應(yīng)用圖計(jì)算算法，以客戶、產(chǎn)品交叉關(guān)聯(lián)的復(fù)雜度為標(biāo)準(zhǔn)，識(shí)別與客戶、產(chǎn)品關(guān)聯(lián)度高、具有較強(qiáng)風(fēng)險(xiǎn)傳染性的核心客戶和關(guān)鍵產(chǎn)品，找出各風(fēng)險(xiǎn)節(jié)點(diǎn)間的最短風(fēng)險(xiǎn)傳染路徑及發(fā)揮樞紐作用的關(guān)鍵節(jié)點(diǎn)。建立市場(chǎng)規(guī)模、產(chǎn)品規(guī)模、價(jià)格等不同風(fēng)險(xiǎn)因子與宏觀經(jīng)濟(jì)變量間的相關(guān)性，借鑒壓力測(cè)試思路，研判市場(chǎng)變化趨勢(shì)，預(yù)測(cè)各市場(chǎng)、各產(chǎn)品風(fēng)險(xiǎn)因子變化對(duì)基礎(chǔ)資產(chǎn)的影響，基于資金流轉(zhuǎn)鏈條和風(fēng)險(xiǎn)傳染路徑，層層分析基礎(chǔ)資產(chǎn)變化對(duì)交叉性金融業(yè)務(wù)、發(fā)起金融機(jī)構(gòu)的影響，從而實(shí)現(xiàn)對(duì)交叉性金融業(yè)務(wù)的前瞻性分析和監(jiān)測(cè)。

四、總結(jié)

信貸風(fēng)險(xiǎn)監(jiān)控預(yù)警體系以大數(shù)據(jù)技術(shù)和方法為監(jiān)控手段，基于對(duì)各類信息資源的有效整合，通過(guò)構(gòu)建具有風(fēng)險(xiǎn)特征的監(jiān)控預(yù)警模型，建立了分析建模、實(shí)時(shí)監(jiān)測(cè)、風(fēng)險(xiǎn)預(yù)警、核查管控、跟蹤督辦、反饋優(yōu)化及考核評(píng)價(jià)的全流程信用風(fēng)險(xiǎn)監(jiān)控體系。可以實(shí)時(shí)開(kāi)展融資客戶、融資產(chǎn)品、信貸機(jī)構(gòu)及信貸人員風(fēng)險(xiǎn)的監(jiān)測(cè)預(yù)警及跟蹤管控，實(shí)現(xiàn)對(duì)客戶準(zhǔn)信用風(fēng)險(xiǎn)事件的精準(zhǔn)、及時(shí)和高效識(shí)別，以及核實(shí)、反饋、控制等全流程管理，為前臺(tái)盡職調(diào)查、中臺(tái)審查審批、后臺(tái)監(jiān)測(cè)及貸后管理活動(dòng)提供支持。

參考文獻(xiàn)：

[1] ?馮玥. 商業(yè)銀行大數(shù)據(jù)技術(shù)探索——從日常交易流水到價(jià)值客戶發(fā)現(xiàn)[J]. 上海金融， 2020（8）.

[2] ?王炯. 大數(shù)據(jù)在商業(yè)銀行的規(guī)?；瘧?yīng)用[J]. 銀行家， 2020（4）：2.

[3] ?原笠軒. 大數(shù)據(jù)下商業(yè)銀行網(wǎng)貸信用風(fēng)險(xiǎn)預(yù)警研究——以某銀行信秒貸貸后管理為例[J]. 大眾投資指南， 2021（9）：2.