基于大数据背景下金融风险控制研究

吕建林

（上海工程技术大学 管理学院，上海 201620）

一、引言

大数据时代正悄然而至，金融企业间的市场竞争日益激烈，谁能够在激烈的市场经济竞争中率先掌握网络科技手段，就可以占据优势。大数据信息的把控，很大程度上可以帮助企业进行风险评估及预测，进而提出应对策略，获得风险监控收益，并取得最后的竞争胜利。

随着大数据时代的到来，我国的金融企业正在寻求与大数据信息网络的接轨，经过多年的探索与尝试，国内金融企业的队伍正在不断壮大，所掌握的信息量也在不断增加，在分享经济下可以互相交流与沟通，实现真正的共赢。金融企业与大数据时代相适应之后，具备了很多优势：首先是金融企业在开展金融项目的时候可以掌握更多、更准确的信息；其次是金融企业如果财政状况良好，可以将更多的资金投入到人才引进中来。所以，利用大数据进行金融风险控制成为金融业控制风险更好的选择。通过这种灵活的大数据技术，可以在最大程度上利用人们以为无法有效利用的数据信息形式来实现对金融风险的控制，为金融业的发展也带来了更大的机遇。

二、大数据与金融风险控制

（一）大数据及其技术

大数据是指在一定时间范围内无法用传统数据库软件进行采集、存储、管理和分析的数据集或数据群，需要通过新的处理模式才能体现出的具有高效率、高价值、海量、多样化特点的信息资产。利用数据挖掘分析技术可以使这些结构化、半结构化、非结构化的海量数据产生巨大的商业价值。

要做大数据，把大数据应用于金融风险控制中，首先要了解金融业，清楚的知道金融风险是什么，最关键的是金融机构需要找到应用于金融风险控制的核心数据。当掌握了核心数据之后，才能更好地为企业自身的大数据库建设提供帮助。此外，还需要掌握一些相关的外围信息，并在此基础上不断健全数据库。最内层是核心，由内而外依次是外围相关信息、外部组织的相关信息、社会非结构化的信息。

在借助大数据的作用实施有效的金融风险监管工作中，最为重要的环节就是信息挖掘。信息的深入挖掘都是从浅显的、零碎的、繁杂的、不清晰的多样化信息中摸索对自己有用的数据与内容，同时也是一个决策支持的过程。都是建立在网络智能、机械学习、统计学原理的基础上。运用大数据库对已掌握的信息进行精准的解读，并对此进行深入的总结推理，力争发现其中可能存在的对企业有利的方式，能有效协助金融企业积极地进行市场调控，监督潜在威胁，力图做出精准高效的解决方案。

（二）金融风险及其控制

1.客户风险较高。很多网络金融客户可以获得的收益水平不高，并不能确保可以从银行那里获得所需的贷款数目，如果不能确定是银行的潜在客户，且诚信评估水平不高，那么银行就会断定这些客户的还款能力不达标，自然而然就会将这一意识投射到信贷审核的过程中，进而不情愿为客户提供融资服务。尤其现在是处于国内经济发展的关键时期，很多中小型企业缺乏必要的发展运营基础，极易受国家宏观调控的影响。因此，企业的运营状况及经济效益的浮动会非常大，进而导致企业自身还款能力下降。在当今网络信息化的金融体系中，还款能力不足并呈显著下滑趋势的客户与企业很多，他们面临着相对较高水平的诚信风险，反过来又对现在的网络信息金融行业的诚信风险监控提出了更高的要求。

2.客户信用信息不全。网络信息时代下的金融企业，有很多并未与银行的诚信机制进行联结。因此，就不能获取到关于客户的相关数据，诸如客户的知识水平、客户的工资水平、借还款情况、金融机构数据等。网络信息时代下，金融企业在开展诚信风险审核工作的时候，只可以借助一些已经掌握的客户自己告知的相关数据实施审核，但想要获取到客户的全部准确数据存在非常大的难度。只要金融企业不能完全掌握客户的足够信息，就无法进行客观准确的诚信风险审核，进而就会降低金融企业对客户的融资可能性，极大地限制了客户自身及所在公司的发展。

3.恶意欺诈和薅羊毛比例较高。网络信息化的金融企业一直都面临着很多的挑战，其中最为突出的就是存在一些有意薅羊毛的人，紧紧抓住金融企业的运营不足之处，借助新客户的注册及客户介绍环节，来获取积分，并通过短期投资的方式来获取经济效益。大多数的网络信息金融企业的风险监控机构设置的目的就在于，希望可以寻找出存在的羊毛党，并不给他们提供贷款业务。随着科技手段的发展，羊毛党欺诈手段与方式日趋先进，给银行和审查部门都造成了很大的困扰。这就要求企业要建立强大完善的风险监控机制，网络金融企业可以通过自身的风险控制经验、客户的相关数据来进行反欺诈。

4.客户违约成本低，债务收回成本较高。网络金融企业中，不能按时还款的客户非常多，针对这种状况，各个企业都构建属于自己的贷款催收队伍。一般催债队伍会通过三种方式进行催债：首先是把资产整合起来，通过打折的手段转让给资产监管企业，将催债的任务交给他们。这种催债的成效并不好，造成的利益损失也比较高，而且也将面临一定的法律风险。其次是交托给担保公司，客户需要担负约百分之二的费用，这种模式是催债团队使用较多的手段，但是只适用于还款债务规模较小的情况。一旦规模过大，就会导致催债的成本增加，降低企业的整体竞争力。最后是自己催收，其实很多未按规定还款的款项到最后都可以收回来，拒不还款的客户还是占极小一部分。有些超期还款的客户到最后反而成为了网络金融企业中的信用程度较高的客户，可以提供给企业的经济效益更多。但弊端就在于催收过程中所需资金投入太大，客户所需支付的违约成本却较低。这就需要建立个人征信评分系统，规范客户信贷行为，减少客户信贷违约比例，使互联网金融机构正常运行。

三、基于大数据的金融风险控制模式

（一）金融风险识别

金融风险识别即为在潜在风险未出现时，人们通过一系列客观有效的手段意识到的可能存在的风险，并及时针对这些潜在风险进行解读，是风险管理最基础的一步，是对风险进行基本的认识和鉴别。

1.金融风险识别的原则：（1）全面详细：全面了解各种风险事件、发生的概率、损失的严重程度；（2）综合考察：各种方法综合运用；（3）成本最小：风险识别要量力而行；（4）科学量化：用科学的方法度量风险的损失；（5）系统化、制度化与经常化。

2.金融风险识别的内容：（1）认知金融风险：感知风险，了解客观存在的各种风险；（2）分析金融风险：解读造成风险事故的诸多原因以及再次出现的可能性。第一步是制作风险清单，风险监管职员应排列好可能会遭遇的风险与威胁，并把它们与企业的运作状况相结合，由此便有利于察觉可能存在的威胁原因，才能明确威胁的来源及破坏程度；第二步是解读潜在风险所带来的损失情况，包括直接损失、间接损失以及责任主体。

3.金融风险识别的目的：（1）认识风险，判别风险的类型；（2）衡量风险的大小，风险发生的概率；（3）选择最佳的风险处理方案。

（二）金融风险控制管理

1.集约化管理。在大数据技术的应用下，金融企业触及客户的方式发生了极大的变化，其在对客户信用风险进行管理时无须以现场直接接触的方式接触、服务和管理客户，而是以电话联系、网络在线沟通、移动智能设备客户端等方式与客户进行互动，进而有效地降低了运营成本。此外，由于业务流程更加标准化，在保证提高业务质量的同时，金融企业的服务效率也得到了提升，从而能够更好地在控制风险的基础上向不同的客户群提供其所需的金融服务。

2.全过程风控。金融企业基于对大数据技术的应用，能够在其风险管理系统中接入海量集中式数据，这些多维度数据的交叉验证，能够解决金融企业在客户信用风险评估中客户信息难以收集的问题，从而有效地缓解了金融企业在信贷业务中所面临的信息不对称的问题，提高了金融企业对客户信用风险的识别和预防能力。在充分运用大数据的基础上，金融企业的贷后管理能力尤其是非现场的贷后管理能力得到了提升。在大数据技术的应用下，金融企业的风险控制以非现场的预警监测为依托，对不同客户群的风险特征和行为模式进行识别，强调对授信客户进行持续跟踪、动态监测和实时预警。

3.标准化与差异化相结合。虽然金融企业所提供的信贷产品具有一定的标准化特征，但在其风险管理过程中也同样会考虑如何对差异进行处理。根据数据分析和市场调研的结果，金融企业可以针对不同行业、不同地区、不同特征的客户群制定不同的标准化产品，并分别采用不同的运作流程、审核标准、评分卡和授信策略。在集约化的风险管理下，金融企业可以在不断的学习和测试过程中，对其经营策略进行细分和调整。

4.输入信息多样化。在大数据技术的应用下，越来越多的外部信息也被纳入金融企业的风险评估系统。在对外部信息进行标准化处理后，信息数据之间所进行的交叉验证能够在结合各个客户群特征的基础上进行优化。随着外部输入信息的范围越来越广、数据量越来越大、数据变化频率越来越快以及数据类型愈加多样化，金融企业的风险管理系统在数据处理、数据分析、模型建立、策略应用等方面的能力也在不断增强。

四、基于大数据的金融风险控制方案设计

为了满足飞速发展的网络化金融的风险监控需求，需要基于下面三个角度进行合理有效的大数据风险监控工作。

第一，外部数据源整合。最大限度地对第三方信息来源与诚信评估组织进行整合，开展反欺诈到电商平台等多元化全方位的信息及业务服务。

第二，风控模型与评分。在对客户的诚信水平进行评估之前，必须对客户的还贷能力以及意愿进行深入的了解，并针对差异化的、等级不同的客户实施分类工作。之后再严格按照评分卡开展审核、授信、定价、威胁预测、数额调节等工作，完成信贷工厂的差异化与模式化构建。

第三，自动化决策。在网络化金融的借贷需求基础上，建构一系列自动化决策机制与风险监控机制，进而高效地评估企业风险，核算诚信风险层次，并提供给客户适当合理的授信数目，真正地做到快速授信、即时放贷。

利用大数据控制金融风险的流程为：客户申请、客户授权、资信评估、资信报告、授信决策、放款和贷后管理。其中，资信评估包括身份验证，黑名单检查，社交数据，教育数据，运营商数据，电商数据，公积金数据以及社保数据等；贷后管理包括定期联系，催收策略以及催收模型等。具体来说，在大数据风险控制中，客户通常从网页端口或手机客户端口进入贷款申请系统；金融机构在获得客户授权指令后，利用其系统内和第三方的相关客户信息数据对客户进行征信：首先是对客户身份进行验证，并对其进行黑名单检查，之后利用客户的交易行为数据、社交数据、教育数据、运营商数据、电商数据、公积金数据、社保数据等相关数据对客户的信用风险进行分析和评估；在评估结果的基础之上，生成该客户的资信报告；基于资信报告做出授信决策，并向客户发放贷款；在客户借款期间，在与客户保持联系的基础上，依据事先设定好的催收模型和催收策略对客户的信用风险进行实时监控。

五、余论

大数据实现了对金融业务产生的数据信息结构的解构，成为一个具有流动性、信息共享与连接的数据池。通过这种灵活的大数据技术，人们可以在最大程度上利用人们以为无法有效利用的数据信息形式来实现对金融企业业务风险的高效控制，为金融企业的发展也带来了更大的机遇。大数据信息技术的提高也使得控制风险的数据信息安全工具和技术有所发展，让金融信息安全的监督更加精细、高效与及时。

大数据的安全愈发重要，为金融信息安全带来了发展机遇。大数据提高了金融数据信息的价值，但是数据信息安全意识薄弱以及频发的金融信息安全事件，无疑对金融信息的安全提出了更高的要求。目前所使用的信息安全技术、工具、管理手段以及相关的不能解决这个问题的方法、方式都应该得到改进，而大数据时代的到来正是顺应这一趋势的必然选择与必经之路。所有这些，都为金融信息安全的发展提供了新的发展机遇。