论文部分内容阅读
金融是现代市场经济的核心。随着市场经济的发展,金融业已成为现代经济的主导产业和经济发展的动力。金融业发展与社会经济发展密切相关。虽然金融部门是要促进经济发展,但也要加快自身风险的建设。作为一个高风险且具有负的外部性行业,银行业的稳定性对全社会的稳定有直接的影响。随着商业银行经营环境的不断变化,银行之间的竞争日趋激烈,作为商业银行的生命线,信贷资产所面临的信用风险也越来越大。对于以对公信贷业务为主营业务的A银行来说,在当前外部环境的影响下,信用风险的压力严重影响着A银行的稳健经营,需要有一套有效的、系统化的对公信用风险的预警管理方法来监控信用风险。然而,A银行对公信用风险预警管理还处于粗狂式管理,预警管理更多的依赖客户经理主动去走访客户并收集风险信息,存在严重的信息不对称性,风险信息面窄且信息存在不真实的情况,预警时效滞后,预警效果受客户经理的责任心和经验波动较大等问题,随着客户规模的扩大,预警管理的人工投入成本也将会不断扩大,现有单一的预警管理手段已无法适应未来业务的发展。针对A银行的对公预警管理现状和问题,本文提出了构建基于大数据的对公信用风险预警管理的研究,通过引入第三方外部数据,并结合内部数据形成大数据风险集市,从大数据中来识别对公客户潜在风险,从而来缓解风险信息面窄、信息不对称性等问题,风险信息质量得到了提高,预警效果得到了加强。从第三方自动获取的大数据来进行预警管理,不仅提高了预警的时效性,还降低了人为因素的依赖和影响,规避了人为数据造假对预警的影响,缓解了人工投入成本不断增高的压力。借助大数据来对企业的经营情况、账户交易情况、外部舆情等信息进行全面的挖掘和监测,可以及时还原企业的经营风险状况,真正的做到风险预警监测。开展基于大数据的对公客户信用风险预警管理,能够解决A银行对公客户信用风险预警管理中面临的问题。本文首先通过分析当前宏观杠杆情况、地方政府债务问题、制造业和房地产产能过剩及债务问题以及A银行对公信贷客户的特点,得出当前外部宏观经济形势下A银行信贷风险的严峻性,在结合A银行内部对公信用风险预警管理方面所面临问题和挑战,提出了构建基于大数据的对公信用风险预警管理的必要性。其次,阐述商业银行信用风险预警管理相关的理论和大数据对信用风险预警管理带来的影响,系统性的解释信用风险预警相关的理论,为A银行的信用风险预警管理提供理论基础。根据信用风险预警管理相关理论,基于风险识别、风险度量、应对策略三个层次,构建A银行基于大数据的对公信用风险预警管理模式。对于构建好的模型,开展基于大数据的信用风险预警管理模型的验证。最后,给出该对公信用风险预警管理方式在行业内的应用价值以及优化的方向。本论文研究方法主要涉及到文献资料法、经验总结法、定量分析法等方法。通过文献资料法,查阅商业银行信用风险预警管理及大数据相关理论,形成对公信用风险预警的大体思路框架;通过经验总结法,借助专家经验,构建对公信用风险预警管理的指标体系;通过定量分析法,将样本客户的大数据运用于预警管理模型中,实现对预警模型的定量分析验证。通过大数据验证,该基于大数据的对公信用风险预警管理体系能够提高A银行的对公信用风险预警效果和精细化管理程度,规避A银行原有对公信用风险预警管理中暴露的风险信息面窄,信息不对称性以及人为因素影响而产生的预警失效行为,同时降低对人工的依赖,缓解了人力成本增加的压力。