基于大数据背景的商业银行信贷风险管理策略研究

吴 佳

（中国农业银行股份有限公司天津南开支行，天津 300100）

0 引言

面对互联网金融产品、多种多样新型信贷服务的不断涌现，商业银行会迎合社会市场实际需求，推出一系列门槛较低的信贷产品。在这种情况下，信贷业务所面临的市场风险、偿还风险会大大增加。基于此，利用大数据信息搜集、智能处理、交互传输与存储系统，展开商业银行贷款主体资质、信贷业务风险等的分析与管理，对潜在的信用风险、贷款回收风险进行管理，可以促进商业银行信贷业务的良性发展。

1 大数据技术对商业银行信贷风险管理的重要意义

1.1 拓展与搜集更多的信用资质信息

在大数据及云计算技术支持下，商业银行开始从“以产品为中心”，转向“以客户为中心”的经营发展模式。而且相比于传统计算机信息统计而言，其在数据信息获取渠道、信息数据量等方面，也呈现出更加多元化特征。因此，从商业银行小额个人信贷、企业信贷活动的开展来看，利用大数据云服务平台，对客户基本信息、金融资产、交易行为、渠道签约等多种数据资源进行收集与整理，可以完成客户信用资质的系统化审核，以此降低信贷业务签约、放款的风险。

1.2 加快信贷审批流程、管理程序更新

商业银行运用大数据技术，通过高质量的数据整合，可以对信贷业务现有的客户结构、产品结构、产品审批流程等做出改革创新，加快客户综合回报率、存贷款综合利差、经济资本回报率等的统计核算。而且相比于人工信贷审查、批复而言，大数据背景下，商业银行可以简化信贷业务的审批流程，增加更多具有风险把控的审查环节，在大大缩短信贷授信程序、客户等待时长的情况下，保证各项信贷业务开展的科学规范性。

1.3 带动多元信贷产品的网络化转型发展

大数据时代环境下互联网金融公司的出现与发展，可以对商业银行信贷服务的网络化转型提供借鉴。商业银行通过借助大数据及云计算，从金融客户、信贷产品角度入手，对各信贷业务类型、产品期限、担保等，进行监测、考核与评价，使银行人员更为明确地了解信贷交易量、交易经济收益，开发出面向个人、中小企业等客户的网络化信贷产品，带动正常信贷业务经营、风险规避等活动的顺利开展。

2 大数据背景下商业银行信贷风险业务的开展现状

2019 年4 月，中国银行保险监督管理委员会公布《商业银行金融资产风险分类暂行办法》以后，对多数商业银行金融资产的本金、利息收益逾期(含展期超过360 天)，归为损失类资产。按照这一要求，各商业银行为保证各项信贷业务的持续稳健经营，通常会制定科学合理的工作计划，全面排查金融资产风险分类管理中存在的问题，尽快整改到位。

目前，我国农业银行信贷数额稳定、不良贷款率占比较小，但存在逐年上升趋势，以每年15%的速率增长。在商业银行信贷风险管理方面，农业银行也根据现有的信贷业务风险防范、风险管理要求，设立了授信审查部、风险管理部、资产负债管理部、法律合规部等部门，根据不同信贷业务的信用审查、资产担保、信贷合同签约、资金放款环节，将贷款风险按严重程度分为正常、关注、次级、可疑及损失等层级，由各部门加强互相联合，共同履行信贷风险管理的职能，对信用贷款业务开展的资产损失概率做出客观的论证与分析，及时发现客户授信审查、贷后管理存在的问题，从而采取相应措施对其进行整改、弥补。

3 各商业银行信贷风险管理存在的问题

3.1 客户信用资质的搜集、验证有待完善

不同商业银行对客户信贷授信、审查过程中，通常只是利用互联网信息平台的数据资源，围绕本行、其他行档案信息，进行客户信用状况的判断与决策，其数据获取渠道、数据信息资源过于单一。特别是部分商业银行工作人员仍旧秉持传统观念，更注重对客户现有实体资产的分析评价，忽视其所欠债务、还款能力等数据信息的搜集，很大程度上会影响银行信贷风险的客观评估，甚至某些信贷审批人员出于个人主观意愿、私人关系等，在客户信用审查过程中降低要求，造成信贷风险的进一步加大。

3.2 信贷业务的风险审查、评级方式落后

现阶段各商业银行对信贷风险、客户信用评级等，主要着重于银行内部信用的评级，也就是针对客户在银行中的存款、信用贷款、日常消费等指标，对其信用资质做出客观评价。但大数据时代背景下，这种仅仅依靠银行内部资金流转数据的评级方式，已经不能反映用户的信用资质、信贷风险状况，也难以为商业银行未来的信贷决策提供指导。另外，有关信贷业务的风险审查，多数商业银行仍旧没有利用大数据技术构建起完整的信贷业务风险管理系统，在不同银行信贷业务的收集、监测、考核与评价中，容易存在数据信息应用的孤岛问题，使多种金融业务的融合发展产生困难。

3.3 信贷风险管理决策、管理执行度较低

传统模式下商业银行的信贷风险管理需要对贷款主体信用资质、贷款正当性、贷款用途进行层层审批，由于涉及的业务审批部门较多，容易出现不同部门互相推诿责任的问题。同时在商业银行网络客户端和大数据云服务平台构建尚未完善的情况下，银行对信贷业务、借贷风险的数据挖掘，也缺少更加深层次的内部管理，特别面对银行内部高层行政主体的干预，商业银行难以利用网上银行、点对点网络借款（Peer-to-Peer，P2P）网络渠道开展一系列面向广大社会民众的小额信贷服务，在多种信贷风险管理中更注重于“堵”而不是“疏”，从而影响银行信贷业务执行、信贷风险的防范与落实。

4 大数据技术背景下商业银行信贷风险管理的创新策略

4.1 依托大数据挖掘技术获取客户的信贷信息

在大数据神经网络、遗传算法、统计分析方法等的支持下，商业银行可以将内部的客户信息资源与外部其他商业银行、互联网平台的用户信息进行整合，有针对性地挖掘金融产品目标客户的信息，包括客户信用资质、存贷款情况、日常消费收支等，扩大客户数据资源的覆盖范围。之后根据不同信贷产品类别和信用贷款可承受的风险，对客户信用资质鉴定的多种数据信息进行真实性、综合利差等分析，拓展客户数据集成与指导，强化验证，确保将银行不同信贷产品、贷款服务的风险降到最低。

4.2 利用大数据云平台加强信贷监控体系建设

面对网络借贷、民间借贷等多元借贷行为的不可控风险，商业银行应吸取民间借贷“高风险”的教训，借助大数据云服务平台，构建起完善的信用评估和监控体系。首先，依据《商业银行金融资产风险分类暂行办法》等法律法规，制定与支付宝、微信支付等类似的网络支付体系，尽可能对更广范围内用户的信用资质进行全方位的掌握与了解，在与外部大型征信公司合作的过程中，可以有效推动潜在信贷风险的实时监控，促进信贷资金申请、资质审查、合同签订与放款的透明化。其次，在贷款后的风险管理过程中，商业银行可以通过大数据云计算平台，监控个人客户、中小企业贷款者的账户流水、资金流向等财务信息，并对企业潜在的财务资金风险进行分析，设置相关数据变化的预警值，来为银行后期的信贷风险管理提供支持。例如，中国农业银行响应大数据发展的号召，在网络云服务平台中推行线上信贷业务，通过明确的贷款申请渠道、简化的信贷审查以及放款与还款的建设，既保证了正常C3 移动信贷业务的开展，又最大程度减少信贷业务的监管流程、降低防控风险。

4.3 运用大数据提升信贷风险决策、管理效率

大数据时代下商业银行多元化信贷业务的开展，必须要在提升信贷风险决策效率的同时，做好信贷审批，落实电子化管理。一方面，要利用大数据挖掘、云计算信息处理与存储等技术，由多个部门共同搜集一系列内外部信息，参与到客户数据、信贷风险的审查与识别中，根据不同的信贷风险点制定出管理控制方案。另一方面，要加强信贷风险决策的管控，充分捕捉与了解社会市场状况、客户个人信息，运用大数据风险识别系统，将不同层次的信息资源进行多维度整合，指导不同金融时期的信贷决策以及个人客户、中小企业主体的信贷业务执行。

5 结语

随着我国互联网信息支付业务的快速发展，商业银行在信贷业务开展过程中，所面临的竞争压力、贷款风险也越来越大。特别在大数据及云计算技术的发展背景下，商业银行信贷业务的风险管理，要利用大数据云服务平台，从客户数据资源获取、信用资质审查、信贷风险管理等方面着手，进行信贷审查、放款与还款流程的监督管理，全面提升多元数据的收集、分析和应用效力，进而实现对商业银行内外部信贷风险的防控和管理。