摘要：本文从阐释银行信贷风险产生原因入手，针对大数据应用前银行传统风控在评级方法、评估成本、管理意识、内控机制上存在的问题进行大体分析，并围绕建立不良信贷风险预警系统、创设企业多层次风险担保体系、推动供应链一体化机制建构、推进金融数据共享机制建设四个层面，探讨了大数据技术在银行信贷业务风险管理中的具体应用，以期为银行信贷风险管理水平的提升提供参考。
关键词：信贷风险；大数据技术；担保体系；供应链一体
引言
信贷业务是商业银行的主营业务之一，引发信贷风险的因素主要体现在银行、企业与社会三个方面，诸如银行自身信贷机制建设不良、企业经营机制不完善、市场与社会环境变化等因素均有可能诱发信贷风险。通过引入大数据技术实现数据共享与风险预警，能够加快银行服务职能转化，提高银行信贷风险管控水平，进一步为中小企业经营水平的提升创设良好保障。
1银行信贷风险控制问题归因
1.1银行信贷风险产生原因。据《IDC全球大数据支出指南》中的预测结果显示，2020年中国大数据相关市场的总体收益将达104.2亿美元，同比上年增长16%，预计在2020—2024年间实现19%的年复合增长率[1]。当前政府与金融、互联网、电信三个行业的大数据市场规模位居前列，作为金融机构的银行在日常开展业务的过程中涉及海量客户往来交易数据，具有体量巨大的结构化数据资源。通常企业在运营过程中产生的结构化数据在其数据总量中占比仅为15%左右，其余非结构化数据则存储在互联网、外部系统等媒介中。在此模式下，倘若银行未引入大数据技术进行风险控制机制的建设，易影响到贷款风险评估、客户还款能力审核、不良贷款收回以及信贷等级评定等工作的实施效果，加之贷款后未实行跟踪管理、抵押品杠杆率偏高等因素，均有可能致使银行产生信贷损失。
1.2银行传统信贷风险控制存在问题。1.2.1信用评级方法主观性强。在银行改制与大数据应用前，农村商业银行多运用定性分析法、主观评级法、专家打分法等传统信用评级方法，财务报表仅能够反映出历史信息，无法结合市场环境等变化因素进行企业经营状况的动态评估，难以实现对客户信用状况的准确评估，加之专家打分法存在较强的主观性，不同主体采取的审核标准与判断结果存在一定差异，导致银行信贷风险无法得到及时反映和有效预警。1.2.2信贷风险评估成本较高。针对申请贷款的企业，银行工作人员需在贷前对其资产与信用情况进行审查，由第三方评估机构进行企业抵押资产的专业评估。但由于农村商业银行业务多为涉农项目的信用贷款、担保贷款，以中小企业、农户为主要客户，抵押资产金额与评估成本间存在一定差距，难以做到实时掌握客户真实财务状况，并且缺乏对客户提供财务数据准确性的可靠评判机制，加之银行工作人员在执行风险管理流程的过程中可能存在流于形式、量化风险方法滞后、片面依靠主观经验等问题，造成“重贷款、轻管理”的现象[2]。1.2.3信贷风险管理意识薄弱。在未引入大数据技术前，受信息传递滞后、信贷风险宣传不足等因素的影响，银行管理层与工作人员难以保证建立对于社会金融发展趋势的清晰认知，未能形成完备的信贷风险管理意识，银行内部缺乏面向风控的独立监督部门、数据未实现联网建设，并且未将信贷风险管理纳入员工绩效考核与银行经营战略中，仅依靠原有征信系统将无法实现对企业实际负债信息的及时掌握，增加授信调查难度，导致其信贷风险相对保持较高水平。1.2.4信贷风险内控机制落后在传统管理模式下，银行内部尚未建立面向信贷风险管理的内控部门，在信贷业务管理与执行上存在权责不清、目标不明的问题，当发生员工流动现象时将严重影响到风险管理效率，并且易因人员借调产生权责重叠现象。同时，因银行内部控制机制建设存在滞后性问题，导致不同部门掌握的客户信息无法实现整合与共享，难以准确掌握客户的现金流数据，进一步增加信贷风险评估工作的难度。
2大数据技术在银行信贷业务风险管理中的具体应用
2.1建立不良信贷风险预警系统，落实算法改进优化。在大数据时代背景下，银行的大数据分析能力将直接影响到其信贷风险防控水平，因此应基于大数据分析进行不良信贷风险预警系统的设计，解决银行数据与客户信息不对称问题，提高银行信贷风险防控能力。在系统建构方案设计上，主要目标是从海量业务数据中提炼出不良数据，利用数据关系算法解决不良信贷风险问题。基于RS理论建立银行不良信贷系统R=(T,Y,U,I),将系统的域设为O=(P1,P2,……,PO)，将银行不良信贷的属性集和决策集分别设为A和D，将银行信贷信息的属性集设为U，其中A∪D=Y。引入函数f:U×R→V表示银行不良信贷的映射，当pi∈V时，则f(pi,r)=f(p1,r)，借此从银行不良信贷模糊信息中排除冗余信息，保障信息具备利用价值。基于BP神经网络模型建构银行不良信贷风险预警系统的架构，将系统划分为输入、输出、拓展三个层级，首先利用RS系统进行冗余信息的筛选，采用f函数进行数据离散化，建立银行不良信贷风险影响因素间的关联性；其次引入RS理论初步完成模型建立，剔除冗余信息，将集合输送至输入层进入神经网络架构中，再分别针对其余两层级进行集合训练，实现模型最优化；最后进行模型检查，重复上述步骤直至完全消除冗余信息，经由迭代训练提高训练结果的精确度，完成预警系统的设计。在确定预警系统设计方案的基础上，考虑到原有算法的准确度较低，因此拟引入层次分析法进行不良信贷风险预警系统架构的优化，以银行信息为基准建立准则层、目标层两个层级，其中准则层包含银行贷款收益率/市场占有率A、顾客情感B、银行贷款业务平均成本与出错率C、银行创新能力D四个方面的具体指标，针对各指标进行权重的设定，并运用德尔菲法进行权重优化。具体来说，设银行不良信贷风险指标为i，银行对应的业务风险为P1,P2,……,Pni，权重分别为B1i,B2i,……,Bni，则风险指标i对银行影响的计算公式为：∑==NiiiPBP111结合风险指标i进行准则层的建构，针对准则层各向量进行平均值的计算，其公式为：)4,3,2,1(4AwCnDB=+++=在此基础上进行风险指标因素的检验，当P<0.1时，说明该风险预警系统具备较好的准确性。最后进行风险预警系统的完善，确定风险评估所需的权重值。先计算出当前层级系统权重与上层权重的乘积，获得第二层权重；再结整合风险指标与权重数据，依照“银行不良信贷风险指数=（第一指标×权重）÷系统权重之和”的公式建立银行不良信贷风险预警模型，基于函数关系实行风险预警指标的转化，表示为：经由上述流程完成系统建构，当风险预警指标数值较低时，说明银行具备较强的不良信贷风险管理能力；反之当指标数值较高时，则说明银行的信贷风险管理水平较差，需及时采取措施进行信贷风险管理的优化，避免造成信贷损失。
2.2创设企业多层次风险担保体系，提高抗风险能力。国务院在2015年的《关于促进融资担保行业加快发展的意见》中指出，“融资担保是破解小微企业和‘三农’融资难融资贵问题的重要手段”。在该理念的指导下，近年来我国陆续开展中小企业信用担保体系的建设，由政府提供统一的信用数据共享和交换平台，用于整合中小微企业的各类信用信息与数据，提高企业抗风险能力。在此背景下，银行需积极推动智慧银行大数据平台的建设，围绕银行业务管理系统与政府公共服务数据系统间建立有效数据接口，引入高性能的分布式计算引擎，综合运用数据挖掘、机器学习等技术进行数据资源的开发和利用，更好地提高获取中小微企业信用信息的效率，解决信息不对称问题、节约交易成本。
2.3推动供应链一体化机制建构，履行银行服务职能。在大数据应用背景下，商业银行应积极针对自身职能进行转化与延伸，充分运用银行中介优势推动供应链一体化机制的建构，为中小微企业提供金融与非金融多种服务。由银行基于大数据技术建立供应链金融操作风险监控平台，利用数据对接层支持银行业务操作系统与外部管理系统的对接，将各类电子商务交易平台、物流监管系统、供应链上企业内部管理系统等外部管理系统与银行内部业务操作系统进行对接，实现与银行客户、合同、审批、额度、抵押物、产品管理模块以及贷后检查模块信息的有效交互，帮助银行更加全面掌握外部信息；数据存储层主要用于存储信贷风险数据，由风险指标、异常风险、标准风险以及应急预案四个数据库组成，提供数据采集和预处理两种功能；数据利用层则调用存储层数据进行检测、风险分析与应急控制，辅助银行履行信贷业务风险管理职能。依托该监控平台的建构，能够有效拓宽银行的信贷风险信息采集渠道，同时可为中小企业提供非金融服务，辅助实现供应链一体化机制的完善建构。
2.4推进金融数据共享机制建设，推动业务决策创新。一方面，银行应当引入智慧型风险管理理念进行大数据加工工厂的建设，针对海量数据进行模型化、批量化处理，基于数据统计、风控模型、数据挖掘与数据加工处理等模式，生成企业信用评级、流动资产报告、客户偏好、企业欺诈信息等专用类信息，为银行信贷业务产品创新与业务风险防控提供重要支持。另一方面，银行还应强化大数据分析结果的应用，完善银行内部控制机制的建设、打破部门间信息分离的格局，基于部门联动机制实现信贷管理、客户营销、产品创新以及业务决策等流程的更新，更好地丰富银行信贷业务风险的管控手段，服务于银行经营管理水平的提升。
3结论
银行应积极引入大数据技术建立不良信贷风险预警机制，依托企业信用担保体系提升信用信息获取效率，通过辅助供应链一体化建构深化职能转化目标，借助金融数据共享推动业务决策创新，服务于银行长远发展。
参考文献
[1]宋敬文.银行信用风险管理中大数据技术的应用分析[J].中国信息化,2018,(11):69-70.
[2]张士杰.基于大数据技术的商业银行小微信贷产品研究[J].科技经济导刊,2020,(01):241.
作者:郭品 单位:安顺西秀富民村镇银行股份有限公司
