大數據下銀行信用風險管理架構改造

信用風險管理是商業銀行需要警鐘長鳴的話題。在互聯網時代，商業銀行面臨的風險和挑戰日益增加，舊的風險管理架構是否擔得起防控新型風險的重任，存在疑問。在這種情況下，(數據分析師)如何利用大數據技術及時有效地防堵各類風險，有必要進行研究探索。

受宏觀經濟下行壓力影響，以及實體經濟經營困難向金融領域傳導，當前我國商業銀行資產質量正面臨新一輪劣變壓力，基本符合銀行資產質量順周期演變規律。但在這個過程中，傳統銀行信用風險管理架構被動適應信用風險上升，較難及時預警并有效控制信用風險的弊端暴露無遺。

事實上，隨著大數據技術在銀行信用風險管理上的有效應用與廣泛推廣，信用風險并非無法總量控制、有效監測與及時預警。關鍵是要逐步建立以大數據分析逐步替代個人判斷的新型信用風險管理架構，圍繞大數據分析對銀行信用風險管理架構進行重組與再造，以此提高銀行信用風險管理的有效性，進而平抑信貸資產質量周期波動。

我國銀行信貸資產質量面臨新一輪壓力

截至2015年三季度末，我國銀行不良貸款余額11863億元，已經連續16個季度上升；不良貸款率1.59%，已經連續9個季度上升。關注類貸款余額28130億元，同比增長53.2%，僅低于不良貸款余額增速1.5個百分點，反映出關注類貸款與不良貸款同步變化的運行態勢，表明我國銀行信貸資產質量劣變趨勢尚未真正緩解。但也應該看到，本輪銀行信貸質量劣變態勢，與2003年國家啟動國有銀行股份制改造前上一輪不良貸款持續上升形勢明顯不同，不良貸款額和不良貸款率總體仍控制在較低水平。

上世紀90年代，在國有銀行由專業銀行向商業銀行轉軌過程中的產權不清，以及政策性與盈利性的身份認同混亂，導致國有銀行經營管理效率普遍低下。1989年到1998年，我國四大國有銀行信貸資產余額增長了11倍，但利潤總額僅增長了26%，管理費用增長了8.9倍。

與此同時，我國國有銀行也承擔了相當部分的改革開放成本，1998年我國國有企業“三年脫困”計劃正式實施，大量國有企業兼并、重組、退出，也間接導致銀行不良貸款率上升至罕見高位。2002年末，我國國有商業銀行貸款余額79510億元，而不良貸款余額卻高達20770.36億元，是當年新增存款的1.61倍，不良貸款額占到國有銀行貸款總額的26.1%，遠高于國際上營運較好的大銀行。2000年，世界前20家大銀行平均不良資產率僅為3.72%。

2003年我國實施國有銀行股份制改造。隨著現代銀行制度的建立，以及我國銀行體系治理水平的顯著提升，商業銀行建立了基于信貸“三查”為基礎相對較為完善的信用風險管理體系。同時，銀行發展也處在歷史罕見的宏觀經濟持續兩位數增長的黃金期，銀行信貸資產質量持續好轉，不良貸款額和不良貸款率持續下降，直至2011年第四季度銀行體系不良貸款余額首次出現上升。

即使如此，目前我國銀行體系不良貸款率仍處于全球銀行低位，而匯豐銀行、法國巴黎銀行、摩根大通銀行、法國農業信貸銀行、巴克萊銀行、花旗銀行、蘇格蘭皇家銀行、法國BPCE銀行、桑坦德銀行、富國銀行的不良資產率均遠遠超過2%的水平，有的甚至達到了8%。

但考慮到未來我國去產能、去杠桿、去庫存進程加快，有可能從多個方面對銀行信貸資產質量形成壓力。值得注意的是，建立現代銀行制度后的銀行體系信用風險管理架構，其有效性如何，在過去十多年基本上未經歷現實經營環境變化的檢驗。當前及未來一段時間，我國銀行信貸資產質量管理能力將真正面臨宏觀經濟金融環境變化的壓力測試。

傳統銀行信用風險管理架構存在的不足

在從專業銀行向商業銀行轉軌的過程中，我國銀行逐步建立了包含貸款“三查”、審貸分離及問責制度在內的信用風險管理架構。專業銀行運行期間，信貸員在貸款發放中擁有較大自由裁量權，由此引發的“尋租”行為在基層銀行相對較為普遍。

特別是信貸員貸前調查流于形式，審貸員又無法核實借款企業或項目實際情況，導致銀行信貸經營總體粗放低效，信用風險不斷累積。而貸后管理也多限于貸款合同檔案的保管，基本沒有也無法真正做到貸款風險的動態監測與預警。

隨著現代銀行經營制度引進，銀行對信貸業務經營架構實施重大變革，主要是將貸前調查、貸時審查、貸后檢查的職責進一步明確，將貸款審查權限與貸款調查相分離，排除了銀行行長的貸款審批權，轉而由信貸審批委員會集體決策。

銀行信貸業務經營大體形成公司業務部門負責前臺營銷、授信審批部門負責中臺貸款額度控制、貸款審批委員會負責貸款審批、信貸管理部負責貸后管理的經營模式?？陀^上，這一信用風險管理架構的優勢較為明顯，基本克服了過去信貸經營架構存在的弊端，真正實現了信貸業務經營前中后臺的有效隔離，有助于降低銀行業整體信用風險。

但在實際運營過程中，也存在如下問題。

一是貸款規?？焖僭鲩L與客戶管理能力提升有限的矛盾較為突出。

2003年至今，我國銀行貸款規模增長了近10倍。在這個過程中，雖然銀行從事貸前調查的客戶經理人數也出現明顯增長，但貸款客戶數量的急劇增長，卻遠遠超過銀行客戶經理人數的增長速度。由此帶來貸款客戶管理能力實際上是在緩慢上升見頂后快速回落。貸前調查的形式要求大量占據客戶經理的有效工作時間，深入現場調查企業和項目實際情況的時間縮短、頻率下降。

之所以這些問題在過去沒有充分暴露，并非銀行貸款客戶真實管理能力已經有效提升，只不過是銀行經營處在持續增長的宏觀景氣周期。還有一個原因是，銀行更加看重借款企業的抵押擔保等第二還款來源，使得現場深入調查的必要性顯得并不那么充分。

此外，審貸分離后，客戶經理因貸款壞賬被追責的可能性和程度較以往出現下降；而審批由審貸委員會集體決策，集體問責實際上也是無人真正被問責。

二是借款企業經營形態復雜與銀行客戶監測手段單一有限的矛盾較為突出。

無論是大型企業，還是小型企業，經營形態均呈現出復雜化態勢。大型企業多元化經營，投資渠道豐富，資金多方向流動，交易對手龐雜。小型企業雖然主業單一，但企業主自主投資范圍較寬，且自有資金與企業資金混用，個人投資風險往往轉化為企業經營風險，企業經營風險也向個人財務風險傳導。相對于企業經營形態的復雜化趨勢，銀行客戶監測手段總體有限。雖然各銀行建立了貸款風險管理體制，但貸后風險管理，主要依賴于前臺客戶經理將借款企業財務數據的錄入，以及對媒體和網絡借款企業突發風險的處置。

通常來說，財務數據存在滯后性，很多中小企業的財務數據真實性存疑，客觀上使得銀行對借款企業風險的監測明顯滯后，基本上無法做到實時預警。而網絡或媒體上的借款企業突發風險，實際上是企業經營風險的充分暴露，銀行“亡羊補牢”式的風險處置，并未真正達到實時監測貸款風險的初衷。在實際運營過程中，多數銀行對大型企業的貸款風險監測流于形式。

三是借款企業信息高度統一與銀行信貸前中后信息傳遞割裂的矛盾較為突出。

借款企業信息覆蓋從貸前調查到貸款到期收回的全過程，具備高度統一性。但銀行信貸經營前中后臺的劃分，使得企業信息的傳遞被人為割裂。對借款企業的授信，是基于客戶經理貸前調查的信息；而在貸款審批時借款企業信息已經發生動態變化，但授信并未實時調整；在貸后到貸款到期這段時間內，貸后風險監測信息往往無法及時傳遞給授信部門，對前臺貸款營銷的支撐與指導作用存在斷裂。如此，銀行貸款經營重授信輕貸后、重營銷輕風險、重審批輕持續管理的問題較為突出，很難全面把控借款企業的經營風險。

四是借款企業經營風險動態變化和銀行貸后風險監測理念落后的矛盾較為突出。

借款企業經營面臨內外部沖擊，經營風險動態變化?；谫J前調查信息對借款企業經營風險的綜合判斷，客觀上需要隨著時間進行不斷校正。雖然各銀行也建立了信貸管理部門，但與真正的貸后風險監測相去甚遠，所謂信貸管理大多涉及貸后檢查、突發風險應對、不良貸款處置、信貸政策指導等方面，真正需要對借款企業信用風險、行業投向風險監測的功能沒有，或無法發揮作用。這些問題的存在，主要歸結于銀行貸后風險管理理念的落后，貸后管理僅具備形式要求，卻無實質功能。

五是貸款需要全過程管理與銀行貸后介入處置功能基本缺失矛盾較為突出。

貸款從發放到收回或處置，需要進行貸款生命周期管理。在貸款生命周期的任何時點，一旦發現威脅到貸款到期償還的重大風險隱患，就需要銀行及時介入或處置，以維護銀行信貸資金安全。但銀行因為貸后風險監測功能缺失，或無法有效發揮作用，無法及時對貸款生命周期進行干預，進而造成風險累積爆發，影響到銀行信貸資產質量。

即使銀行貸后管理部門依據自身經驗和技術前瞻性監測到企業經營風險，但企業表面經營仍屬正常，要求抽貸、退出將遇到前臺極大阻力。正因為有此顧慮，銀行貸后管理往往會出現“事不關己、高高掛起”狀況。當前我國煤炭、鋼鐵等資源型、產能過剩行業貸款大面積劣變，恐怕與銀行貸后介入處置功能基本缺失存在很大的因果關系。

大數據分析為銀行信用風險管理提供全新思路

大數據是指無法在可承受的時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合。銀行在長期經營過程中，已經積累了有關客戶資金及交易行為的海量信息數據，為運用大數據技術管理信用風險奠定了堅實的基礎。但數據是基礎，分析數據才是關鍵。數據特征轉換、分析假設合理性、模型適用性等，不可能一蹴而就，需要長時間積累和校驗。但毫無疑問，大數據分析為銀行信用風險管理開啟了一扇全新的大門。

一是大數據分析真正實現了貸后風險監測與預警。

對借款企業賬戶信息、資金流向、關聯方信息、網絡信息、政府部門公開信息的深度挖掘，可以接近還原企業經營風險狀態，為前瞻性動態監測借款企業風險提供了可探索的路徑。

二是大數據分析可以實現銀行信貸前中后臺信息的貫通。

大數據分析需要處理有關借款企業的海量信息數據，將原本分割的銀行前中后臺信息進行有效整合貫通，吸納在信貸業務條線之外的其他碎片化信息，運用先進技術手段進行過濾與整合，進而分析預測借款企業的信用風險。

三是大數據分析可以為貸款前臺營銷和授信審批提供有效指導。

經過大數據分析處理后的結果，可以為前臺營銷提供指導?；跀祿g的顯著性分析，企業具備相同特征的信息，發生違約風險的可能性就越大。這樣一來，前臺營銷可以對借款企業進行更為有效的篩選。也基于相同原理，在對借款企業授信過程中，可以更有效地把控企業風險總額，而非不切實際的授信。

四是大數據分析可以更有效地提升信貸經營與風險控制的效率。

基于大數據分析，可以有效提升貸前調查的效率。原本對貸款風險評估具備重大影響的信息，可以部分通過對借款企業過去賬戶信息、征信信息、網絡信息等而獲得，從而減少了貸前調查的時間，促使客戶經理有針對性地開展現場調查。通過機器和大數法則來替代人工經驗判斷，可以進一步精簡從事貸款授信審批人員。而在貸后管理過程中，廣泛采用模型進行數據分析，可以有效提升風險監測的效率和前瞻性，并為前臺營銷提供方向性指導。

圍繞大數據分析再造銀行信用風險管理架構

大數據分析為銀行信貸集約經營和信用風險有效管理提供了強大的技術支持。而大數據分析的邏輯基礎在于對海量數據的集中、整合、分享與挖掘。因而圍繞大數據分析再造銀行信用風險管理架構，就需要根據數據處理鏈條對銀行信貸經營體制進行變革。

一是建立統一的客戶信息管理系統。

目前，多數銀行已經開發或購買了信貸管理系統，有些大型銀行的信貸管理系統功能還比較齊全、強大。但信貸管理系統與客戶信息管理系統并不完全相同，對實時判斷客戶經營狀況具有重要參考價值的賬戶流水信息往往由銀行運營管理部負責管理，并不直接在信貸管理系統內反映。特別是銀行可以掌握的企業主要負責人、關聯方、重要供貨方、重要收款方的信息往往不在信貸管理系統內顯示。

還有外部通過網絡爬蟲技術抓取的涉及客戶的敏感信息，也未在信貸管理系統內反映。因此，需要對銀行內部各業務條線信息管理系統進行有效整合，建立統一的客戶信息管理系統，集中所有能夠收集的信息。在客戶信息管理系統下設若干業務模塊，根據業務需要對相關數據進行整合。

二是將客戶營銷功能與客戶調查功能相分離。

過去，貸前調查實質上也包含著對客戶營銷的功能。雖然審貸分離后，客戶經理在貸款發放上的發言權顯著下降，但因為貸款審查信息相當部分來自客戶經理調查，即使設立“雙人調查制度”，也不能完全排除客戶經理可能存在的道德風險。更何況貸款業務構成銀行主要收入來源，除非貸款企業表面上存在重大瑕疵，審貸委員會傾向于通過貸款申請。

在大數據分析下，將客戶營銷與客戶調查職能相分離，客戶經理只負責深入借款企業調查，收集所有可能涉及企業經營的信息，并實時錄入系統，不負責撰寫貸款申請報告，也不進行信息價值判斷，客戶營銷職能由營銷業務團隊負責。營銷業務團隊根據大數據技術全面分析借款企業信息，判斷企業貸款價值以及其對綜合收益率的貢獻度，確定是否采取營銷，并確定相應的營銷策略。與過去貸前調查模式相比，企業調查信息因為剔除了客戶經理的主觀判斷而更加接近實際。同時，經過大數據分析技術過濾后，可以更好地選擇客戶，提高客戶營銷的效率。

三是建立以專家審批替代集體審批的制度。

在專業銀行向商業銀行轉軌的過程中，為防范信貸員、銀行行長道德風險，建立了審貸委員會集中審批制度。隨著銀行內控制度日趨完善，客戶經理專業素質和職業道德規范都較以往有顯著提升。而集中審貸制度越來越不適應貸款規模顯著增長以及客戶業務多元復雜化的需要，客觀上需要以專家審批來替代集體審批，提高審批的專業性和效率。

為此，需要整合建立不同業務種類、不同業務模式的專家審批隊伍，對于授權范圍內的貸款申請，結合大數據分析結果，以及專家對企業信貸風險演化規律的認識而直接審批；超出授權范圍內的貸款申請，或由上一級專家審批，或臨時隨機組成3人專家隊伍進行集體審批。

四是組建客戶風險監控中心。

首先，銀行需要改變貸款風險不能被動態監測的陳舊觀念。過去，很多銀行貸后風險功能基本缺失，并非貸后風險無法監測，而是因為數據來源不足、缺失以及專業經驗技術落后。通過大數據對客戶信息的實時抓取和集中處理，可以基本還原企業經營狀態，為動態監測貸后風險提供了堅實基礎。

其次，銀行要提升貸后風險監測信息的共識性。很多銀行信貸管理部門存在顧慮，不敢使用通過貸后風險監測分析得到的信息。一方面是因為對自身風險分析監測能力不自信，生怕存在嚴重誤差；另一方面是因為在貸款未出現明顯風險跡象時，貸后風險預警將會受到前臺和分支行強力抵制。因此，要想發揮大數據分析提升銀行信用風險管理效率的作用，就必須要有不怕“試錯”的精神，要求前臺和分支行尊重貸后風險監測信息價值，除非有事實支持貸后風險監測信息與實際存在重大誤差，都將按照貸后風險程度大小進行相應處置。

第三，成立若干風險監測作業團隊。從全行抽調具備豐富信貸專業經驗、掌握計量模型技術、懂得數據分析的人才隊伍組建若干風險監測作業團隊。團隊職責就是在建立統一客戶風險視圖基礎上，根據行業分類通過模型技術對客戶信用風險進行動態監測。

第四，及時處置貸后風險預警信息。在客戶風險監測中心之下設立風險處置團隊，向負責前臺收集信息和調查的客戶經理發出指令，要求對風險預警信息進行核實。如果核實后風險預警信息基本屬實，那么由風險處置團隊及時采取貸款退出、補充抵押擔保等措施，維護銀行信貸資產安全。同時，在客戶信息管理系統中及時錄入相關信息。如果核實后風險預警信息存在較大誤差，那么將相關情況及時反饋給風險監測團隊，對模型參數、方法進行動態調整，以逐步提高模型監測風險的覆蓋率。

工商銀行在全國率先在信用風險管理中積極探索大數據應用，組建了風險監控中心，初步實現了存量信貸資產和新發放貸款的動態風險監測和實時預警控制；該中心組建一年的時間里，已累計預警和化解潛在風險貸款4237億元。

五是組建行業中心行使逆周期信貸結構調整職能。

所謂逆周期信貸結構調整機制，就是要求信貸結構調整要貫穿于一個完整的經濟周期；信貸結構調整力度總體保持穩定，不以經濟周期不同階段而出現過大波動；信貸結構調整方向與經濟結構轉型方向保持基本一致，實現金融與實體經濟之間契合度的持續上升。

為實現這一目的，客觀上需要組建行業中心，行使逆周期信貸結構調整的職能。行業中心負責動態監測行業發展演變趨勢，及時發現行業發展的潛在風險隱患，提出銀行行業信貸投向總額與業務拓展策略。在這個基礎上，行業中心要與客戶信息管理系統進行有效對接，提出單一行業目標客戶名單以及退出客戶名單，為前臺客戶營銷提供方向性支持。還有，行業中心要賦予行業風險監測職能，建立與風險監測團隊的信息溝通機制，及時提示并預警行業發展風險，平衡把握銀行信貸資金投入。數據分析師培訓