当前位置:首冠财经 >> 金融风险 >> 浏览文章

大数据在金融业风险管理中的应用概述

来源:本站原创 浏览量: 发布日期:2018-3-19 13:52:05

一、 防范系统性金融风险:金融工作的永恒主题

金融行业发展至今,已从之前传统金融机构和模式为主,发展至传统和各类新兴金融形态金融创新百花齐放的形势。随着新兴金融和金融创新的白热化发展和竞争,行业风险也在不断累积,成为巨大隐患。

2017年7月,在北京召开的第五次全国金融工作会议中,“风险”与“监管”成为高频词。习近平在会上强调,必须遵循金融发展规律,紧紧围绕服务实体经济、防控金融风险、深化金融改革三项任务,创新和完善金融调控,健全现代金融企业制度,完善金融市场体系,推进构建现代金融监管框架,加快转变金融发展方式,健全金融法治,保障国家金融安全,促进经济和金融良性循环、健康发展。

防止发生系统性金融风险是金融工作的永恒主题。十八大以来,防控金融风险的重要性、守住不发生系统性风险的底线被反复强调。“去杠杆”、“防风险”、“严监管”已成为当前金融业重点工作。现在中国的杠杆水平如何呢?

研究数据显示,银行表内杠杆,由2013年的14.99倍增长到2016年底的18.79倍;表外杠杆,由2.01倍增长至4.92倍;券商杠杆,由2014年底的8.63倍增长到2016年底的10.72倍;保险杠杆,由2014年底的7.04倍增长至2017年1季度的8.18倍。

这会带来何种风险呢?答案是,加杠杆过度会带来一系列系统性风险。

流动性风险

众所周知,期限长的金融产品利率高于期限短的。银行不断发行短期理财,然后配置3年、5年以上的标的,通过期限错配赚取利差,通过资金池不断借新还旧。过去,在央行提供廉价资金、资金充裕的情况下,这种方式没问题。然而,银行越是做大规模,越是对短期资金依赖,一旦资金面收紧,就暴露出流动性风险,进而是竞相赎回、抛售资产,资产价格大幅波动,诱发系统性风险。而现在,央行已经明显开始缩表、去杠杆。

信用风险

竞争下的金融机构获取资金的成本越来越高,不得不投向更高收益率的信用债、股票、非标等资产,高收益率则意味着高风险。同时,金融机构产品的底层资产很多是房地产、国企、地方融资平台、基建等项目,政府隐性担保是机构敢冒风险的保障,信用风险看似降低了,但事实上,部分地区企业的债务问题已经出现,未来打破刚性兑付是趋势。此外,房地产和金融业务相互渗透风险交叉,一旦地产出问题,银行业和经济体的系统性风险就在所难免。

从国际金融史看,金融业长远发展的核心竞争力并不是创新、比拼谁跑得快,而是看谁走的稳走得远。2010年9月12日,由27个国家银行业监管部门和中央银行高级代表组成的巴塞尔银行监管委员会就《巴塞尔协议Ⅲ》的内容达成一致,全球银行业正式步入巴塞尔协议III时代,也标志着全球银行业的全面风险管理思想进一步得到了完善和深化。

大数据时代,金融机构应当建立健全与转型发展进程相适应的全面风险管理体系,有效运用各类风险管理工具,确保有效识别、计量、监测和控制各类传统风险和新型风险,其中,核心环节是大数据应用,通过大数据应用能够解决金融领域中的信息不对称问题,提升甄别运营风险事件的能力,从而给全面风险管理带来天翻地覆的变化。

二、 大数据助力金融风险防范

大数据分析及挖掘技术能够帮助金融机构有效管控信用风险、市场风险、流动性风险、操作风险等各类风险,通过量化分析,对各类风险进行识别和监控,建立完善的风险防范体系。

对于信用风险,操作风险,市场风险,和流动性风险等各种风险的管控,大数据技术都是不可或缺的重要手段和工具,巴塞尔协议中对于每种风险的计算方法都有明确的规定,而数据是基础和核心,大数据技术的应用是关键。

(一)信用风险防范

大数据技术的发展将改变信息获取、分析和运用的渠道和机制,为信息化风险管理创造技术条件。一方面,有效的数据清洗和数据挖掘技术的应用可从客户交易行为所积累产生的海量数据中,识别信用风险管理过程中的关键信息。另一方面,金融机构业务的载体与社交媒体、电子商务的融合越来越紧密,大数据技术可整合客户线上线下行为产生的结构化和非结构化信息,打破数据边界,使银行形成对客户行为立体化的跟踪评估,以期构建更为深化的信用风险管理全景视图。

例如大数据在零售银行的应用,对于实时欺诈交易识别和反洗钱分析,银行可以利用持卡人基本信息,信用卡的基本信息,金融交易历史,客户历史行为模式,正在发生行为模式(如转账)等,结合智能规则引擎进行实时的交易反欺诈分析。

(二)流动性风险防范

流动性风险管理也是金融市场和金融行业热点话题之一,最为显著的特点是“低频高损”,即发生的频率极低,但一旦发生往往是致命的。2013年中期的发生的“钱荒”事件对证券公司经营造成了较大冲击,促使金融机构更加积极的进行流动性风险管理。2014年,巴塞尔委员会发布最新流动性风险管理框架,意味着监管当局对流动性风险管理提出了更加严格的精细化管理要求,从单一指标管理转变为覆盖事前、事中和事后的全流程管理。2016年6月,证监会正式发布修订后的《证券公司风险控制指标管理办法》及配套规则,从治理结构、政策策略、计量监控、信息系统等方面对证券公司的流动性风险管理提出了具体要求,明确了流动性风险监管、监控指标体系。

监管机构最新的行业标准,要求金融机构实现存量业务静态分析,动态业务情景分析,监管合规以及内部管理分析及预测的“更多维度、更细粒度”精细化管理,这一切离不开大数据技术的支持。而大数据技术的应用也将有效提升金融机构自身流动性风险管理的自动化水平、大力增强计量分析对流动性风险管理的决策支持力度。

(三)操作性风险防范

著名的法兴银行弊案前后,商业银行操作风险事件一直不胜枚举。国内国外的商业银行都曾出现不同的操作风险事故,甚至招致蒙受巨额损失影响巨大。可以说,银行只要开门营业,就会面临各种由于人员、流程、系统及外部环境冲击所带来的风险。国内外商业银行的日常经营已历经的各种操作风险,提醒我们时刻敲响操作风险的警钟。

近年来,银监会陆续发布了《商业银行合规风险管理指引》、《商业银行操作风险管理指引》、《商业银行内部控制指引》、《商业银行资本管理办法》、《银行业金融机构全面风险管理指引》等多份监管文件,在结合国内银行业经营实际的基础上,明确了商业银行在内控合规和操作风险管理的工作要求。

利用大数据技术平台,可实现合规、内控与操作风险管理系统的一体化运行,并依托系统实现合规、内控与操作风险管理工作流和信息流整合,以减少工作重复、节约管理成本,切实提高金融机构管理效率并减轻各业务机构工作量。


相关阅读

  • CMA



  • 首冠全课程抵用券CMA、IFM、CNMA……
    300
    零基础全科初级辅导:19.9元-1阶段入门
    立即上课