大数据在城市商业银行全面风险管理中的应用研究（一）

摘要：十八届三中全会以来，资本市场日益完善，商业银行利润空间逐步紧缩，城市商业银行同时面对机遇和传统手段无法管理的风险，妥善应用大数据技术，提升城市商业银行全面风险管理水平，有助于其在激烈的同业竞争中脱颖而出。关键词：大数据：全面风险：城市商业银行

十八届三中全会提出一系列金融改革措施。包括完善资本市场体系，加大在体制机制上改革力度，转变监管机构职能，发挥市场在资源配置中的决定性作用，改革与完善包括利率、汇率等各种价格形成体系。对于城市商业银行来说，新的政策背景下机遇与挑战并存。

商业银行历来是我国金融体系的中坚力量，在新中国金融业数十年的发展历程中，受经济发展程度较低、信息不对称等因素限制，社会融资以银行作为媒介的间接融资为主，商业银行也因此享受着坐吃息差的黄金时代，数年以来，十余家上市银行的净利润占据全部A股上市公司的半壁江山。而更加完善的资本市场体系下，资金供给方与资金需求方有多层次、多渠道、多各类、多方面、多形式的投融资需求，直接融资比例大幅上升，资金价格主要由市场决定。商业银行面临更少的客户、更窄的息差和更低的利润，唯有求变图存。

城市商业银行一方面属于商业银行体系，和其他商业银行面对着同样的行业难题，另一方面作为大型股份制商业银行和股份制商业银行在地区级市场的必要补充，城市商业银行的发展又是建全多层次资本市场架构、完善资本市场体系的题中应有之义。与同业巨头们相比，城市商业银行体量小、决策快、接地气、好调头，在金融改革的大背景下通过变革自身谋求发展，可以更迅速、更彻底。

然而变革带来新的细分市场、新的业务途径、新的产品方法和新的发展机遇的同时，也带来更大的不确定性和传统手段无法计量和管理的风险。地方地府债务过高、P2P金融大量倒闭、等信号警示我们，面对新的金融风险，如果没有适合的管理工具，就如同盲人走在悬崖边上，谁也不知道革命革的是谁的命，改变会变成天堂还是地狱。

随着信息技术的不断更新换代，互联网已经渗透到人们衣食住行的各个环节，给人们的生活带来了翻天覆地的变化的同时，所产生的数据也呈几何级数增长。这些数据具有5V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）、Veracity（真实性），如搜索引擎的搜索数据，不但有海量的存量数据，而且每分每秒都在持续增长，利用传统手段无法从中获取有效信息，遑论挖掘价值。

维克托•迈尔•舍恩伯格早在2010年即于《经济学人》上发表了长达14页的前瞻性研究，称此类数据为“大数据”，开启了大数据技术研究的先河。其著作《大数据时代》问付梓后，一时间洛阳纸贵，全世界都认识到大数据中潜藏的巨大价值和大数据技术的重要性，信息技术时代正式进入了“大数据时代”。时至今日，大数据已然炽手可热，各行各业都在尝试将大数据作为腾飞的二级火箭。

麦肯锡针对大数据行业应用的研究显示，金融业的大数据价值潜力指数在各个行业中排名第一。商业银行承担着金融交易最基础的职能，在大数据利用方面与其他金融行业相比具有得天独厚的优势。

商业银行通过内部渠道就已经可获取大量客户信息，如客户的身份信息、通讯方式、交易数据等结构化信息，客户服务热线、网上银行、手机银行、营业网点监控影像、柜面传票扫描件等非结构化数据。这些数据，尤其是其中的非结构化数据，在大数据技术问世之前几乎是无法处理的，借助此类技术，这些尘封的数据有了焕发生机的可能。

商业银行经营风险，从中获利。风险管理能力直接关系到商业银行的生死存亡，对资本实力偏弱的城市商业银行更是如此。大数据时代下，商业银行如果想在激烈的同业竞争中立于不败之地甚至有所作为，必须提升利用大数据的能力，深化挖掘数据，寻找市场机遇和存在的风险，改进风险管理方法，解决风险管理问题，以此为经营活动保驾护航，获取丰厚利润。

商业银行风险管理进入全面风险管理时代以来，我国学者对此进行了相关研究，并取得了较为系统的研究成果。陆晓明（1999）在亚洲金融危机和美国长期资本管理公司事件之后，总结了全面风险的特性和管理方法和研究进展。是为全面风险管理理念的引入阶段。徐朝科（2005）对风险、风险管理内涵进行阐述，并对商业银行风险的分类及风险管理战略的进行了说明，然后从全面风险管理原则、任务、方法和文化四个方面分析了全面风险管理战略，得出我国商业银行应该实施全面风险管理战略，应对跨国银行挑战的结论，并提出实施策略。是为全面风险管理战略的实践阶段。张宇婧（2013）从商业银行的风险和特点着手，对商业银行风险进行分类，分析我国商业银行风险管理中的主要问题，并提出了进一步改进和深化我国商业银行风险管理的构想。是为全面风险管理的优化阶段。

进入大数据时代以来，我国学者更多地考虑如何利用大数据工具管理商业银行风险。周继述等（2013）对商业银行风险管理面临的挑战进行分析，通过量化的准确性、量化的时效性和量化的前瞻性三个维度评估风险量化能力，完善风险模型，并研究了支持风险分析结构化数据、非结构化数据、半结构化数据，管理商业银行全面风险的大数据技术的可行性。巴曙松（2013）认为大数据技术可帮助金融机构识别传统上数量多、价值低的低端客户风险，使金融机构有机会从80%的低端客户身上获取不菲的价值，进而解决小微企业融资困难的问题。黄昶君等（2014）利用大数据技术，构建商业银行电子商务平台零售客户的风险计量模型，并以零售B2C类的消费客户为例，进行了风险评分模型实证分析。实证分析表明所建立的模型对B2C消费客户风险具有较好的识别能力和区分度。崔冬钰（2014）提出应用“事件驱动型”的风险预警、构建预警信息传导机制和宣预警模型等方式利用大数据管理商业银行风险的方法。魏国雄（2014）提出商业银行可利用大数据技术补充借款人数据信息的缺失和遗漏，支撑跨区域、跨市场、跨行业的业务和现金流管理，提高客户识别和内部管理效率。蒋耀萱（2016）从我国商业银行的风险管理问题出发，结合大数据这一时代背景，研究大数据给商业银行在数据挖掘、风险决策、风险量化和风险管理体制等带来的机遇，分析大数据时代商业银行在数据集成与整合、储存与开发、数据信息安全以及数据分析人才匮乏等方面面临的挑战，提出商业银行应对这一系列机遇和挑战的相应对策。

从风险分类来看，1）针对信用风险，曾伟等（2015）进一步地，通过网络爬虫爬取目标客户的工商数据、法院诉讼和房产抵押等外部数据，作为客户特征。并基于上述数据，利用机器学习的方法对客户进行初筛选。采用了线性回归、Logistic回归、SVM、神经网络、决策树等分类器，将每一个单模型都看作一个弱分类器，然后再进行融合。通过集成学习，获得更好的分类效果。进一步地，利用复杂网络方法和时间序列分析技术筛选其余客户。通过有限迭代，达到算法最优，数据分析结果可以作为评估客户信用风险的依据。林荫（2015）针对利用传统算法对海量数据下的银行不良信贷风险评估过程中，不良信贷风险因素的影响以及不良信贷风险管理绩效评估体系的层次结构的各个指标数据不够完整会造成对银行不良信贷风险评估的准确率降低的问题，提出了一种基于APH算法的大数据分析的银行不良信贷风险评估方法，将APH算法与BSC理论相结合，获得银行不良信贷风险管理绩效评估体系的层次结构，并利用德尔菲法对层次结构的各个指标数据进行优化训练，确定指标权重。建立银行不良信贷风险评估模型，从而得到准确的银行不良信贷风险评估结果。并取得良好的实证结果。吴昊（2016）结合蚂蚁金服案例，分析得出利用大数据技术，可以在降低成本并保证效率的前提下解决信息不对称下的贷款欺诈、信息不及时下的贷后风险防范的难题。2）针对科技风险，王海颖（2015）针对国内商业银行在信息技术风险管理中缺乏定量研究这一问题，在已有风险计量方法的基础上结合现有大数据采集与分析技术，提出基于大数据分析的信息科技风险计量技术与方法，为深入应用商业银行现有数据并提高信息科技风险管理能力打下基础。3）针对运营风险风险，贾学奇等（2015）提出通过建设运营风险管控新型平台，调用银行全量经营管理数据，从交易、账户、组织和链接四个层次交叉复现、综合评估，以甄别实质风险信息，只要风险事件出现苗头即触发预警并排查，做到风险事件可控、负面影响有限，切实改善运营监管的风险识别效果。4）市场风险所涉及的数据标准化程度较高，基于数据的分析手段相对健全，目前大数据和市场风险的研究较少，随着心理学、气象学等学科的发展，各类影响金融产品及其标的物价格的非金融因素的可量程度将不段提高，届时市场风险管理或许会发生革命性的变化。

虽然对于大数据与商业银行全面管理的研究已经取得了丰硕的成果，而且部分商业银行已经在实践中运用这些成果，但是在城市商业银行如何利用大数据技术管理全面风险这个领域，相关研究较为欠缺。因此，本文将以城市商业银行的全面风险管理为核心问题，结合大数据时代背景，研究城市商业银行利用大数据进行全面风险管理的对策。

城市商业银行受物理网点布设能力所限，在空间上拓展业务的能力有限，社会直接融资比例提升和净息差的收窄，传统业务的赢利能力受到很大限制。这就要求城市商业银行不断深挖已有业务和开展新的业务，同时须要对其所开展的业务中潜在的风险进行有效识别、计量和控制。大数据技术可以将各种业务和非业务行为数字化，有具于深度细分市场、清晰识别客户和有效管理风险。

本文来自：CFR50风险网公众号，作者：甘肃银行 盖瀚琳。