大數據技術在商業銀行信用風險管理中的應用探討

文 / 劉芹,安徽師范大學

目前大數據的發展已經取得了一定的成就，在技術方面也日漸成熟，并且已經形成了一套特有的架構體系，但在銀行風險控制與管理方面的應用，始終處在摸索的階段。對于如何把大數據技術與銀行風險管理結合起來，構建一個基于自身業務特點的風險管理體系是當前亟需解決的問題。在大數據逐漸升溫的背景下，就大數據在銀行風險管理的應用等相關問題進行了分析研究，希望能對大數據在銀行風險管理方面的運用起到一定的借鑒意義。

1 大數據技術在銀行信用風險管理中的應用現狀及問題

1.1 大數據技術的應用現狀

2011年，大數據技術開始盛行，但是國內的各企業、機構較晚接觸到大數據，所以它們對大數據技術的應用了解還不夠深。在國內金融領域，大數據技術主要應用在以下幾方面：

信貸領域：大數據技術的興起引發了大量互聯網信用評估機構誕生，銀行可以通過這些評估機構來完善對個人信貸風險的評估。

征信領域：以大數據技術為基礎，商業銀行可以記錄客戶的信息數據和評估他們的行為，將這些數據進行分析和還原，可以全面評估客戶的風險狀況，完善市場征信體系。

金融安全領域：隨著大數據技術在各個領域的廣泛應用，利用大數據技術做違法的事也就屢見不鮮，所以維護金融領域安全就逐漸受到了重視。

1.2 大數據技術在銀行信用風險管理應用中存在的問題

現在，國內銀行已經在信用風險管理應用中取得了相不小的成就。但是由于外部環境的不斷變化，商業銀行風險管理體系仍然面臨著兩個主要的問題：一是風險識別和管理方面的技術手段比較落后，進而就會讓風險防控滯后。二是管理層大多會將風險管理重點側重于操作風險、合規風險，沒有全面風險防范的理念。

2 基于大數據技術的商業銀行信用風險管理系統設計

2.1 設計原則

2.1.1 業務相匹配；系統設計要滿足信用風險識別、計量、監測和控制的要求，確?？梢詫崿F數據采集、存儲、計量、風險監測、風險控制等功能，要具有靈活性，在一定程度上可以保持銀行的自主性。

2.1.2 模塊與分層；在技術層面，大數據框架里會包含數據采集、存儲、處理、分析、應用等層次；在業務需求方面，信用風險管理又囊括了風險識別、計量、監測與控制等程序。不管從哪個角度去看都對系統分了層，在分層架構中，每層都是相互獨立的，這樣應用起來比較靈活，如果各層間接口不變，整個過程幾乎就不會互相影響，這樣對系統的維護也是有利的。

2.1.3 數據要可靠；本文所設計的系統不是業務系統，不能從源頭上收集到數據，更多的數據是來自于銀行內部其他業務系統和外部系統。在采集過程中，對相關數據標記它的來源，從而提高數據的可靠性，盡可能對數據進行預處理，最大限度保證數據的質量。

2.1.4 職責相分離；在系統設計中體現為，參與風險計量模型開發的人員，就不能進行風險計量、風險監測、風險預警、風險控制以及其他方面的控制；有訪問計量模型訓練數據權利的人員，不能對計量模型應用數據進行訪問；對推翻和更新進行評級的人員，不能進行風險監測、預警、控制等等。職責分離可以把業務任務真正落實到幾個特定人員身上，這樣就可以提高效率的同時也降低了操作風險。

2.2 架構設計

2.2.1 采集接口層；這個層次的設計主要以 Flume 為例，闡明系統的采集及預處理是如何進行的。Flume是由各個Flume 代理（Agent）組成的，它們分布運行在不同主機系統中，Flume 代理是由 source（數據來源）、channel（內存存儲傳輸數據）以及 sink（數據目標）三部分組成的?？拷吘壍腇lume代理主要是負責采集數據，緊接著就是將數據轉發給負責匯總的 Flume 代理，最后儲存到本系統存儲層，數據預處理模塊，在負責匯總的Flume代理中執行。

2.2.2 數據存儲層；通過采集接口層采集到的數據將它們存儲在分布式文件系統中，No SQL數據庫對其進行管理，這樣就能夠實現大規模、多類型數據的存儲與管理。這個存儲系統采用的是Hadoop集群下的HDFS分布式文件系統與HBase列式存儲數據庫。HDFS和HBase都是運用主從節點的設計方式。

2.2.3 風險計量層；大數據系統不僅要采集內部數據也要采集外部數據，因為數據具有稀疏的特征，采用分布式結構對數據進行存儲計算，方便分層，所以可以采用母子結構方式去設計計量模型，母模型的輸入就是子模型的輸出，這樣可以把數據逐層加工。子模型中有運行與備用兩個模型，一旦運行下降，備用模型就可以進行替補。在這個模型的學習過程中，要開發合適的算法。計量模型的開發是一個監督學習的過程，Logistic回歸算法就比較適合概率決策，解釋性較好，所以可以選取其作為母模型算法，決策樹、神經網絡、支持向量機可以較好地處理稀疏數據，所以就將其選做子模型算法

2.2.4 應用接口層；應用接口層的作用主要是將其他業務系統與綜合風險應用平臺進行銜接，可以把信用風險計量的結果、風險監測的結果和業務控制的結果導出來。在這個層面設計上，要注意協調與配合其他系統，這樣可以讓數據結構和傳輸方案保持一致。

總結全文，大數據技術的應用，對商業銀行的全面風險管理來說無疑既是機遇又是挑戰，所以銀行應該要掌握技術的重點，通過對數據整理體系進一步完善，對數據存儲設備進一步研發等措施來提升自身風險管控水平，這樣才能夠促進我國商業銀行健康有序發展。