• 快捷搜索
  • 全站搜索

大数据应用提升银行信用评级体系价值

2014-01-14 14:01:48作者:中国银行网络银行办公室 孙中东编辑:金融咨询网
无论是内部发展需求,还是应对外部挑战,银行都有必要充分利用大数据技术,完善和重塑客户信用评级体系。应用大数据技术,银行的信用评级体系可以进一步完善、创新。

大数据概念是传统数据概念的延伸,大数据技术是对原有数据分析技术的补充。应用大数据技术,银行的信用评级体系可以进一步完善、创新。

大数据技术应用与银行信用评级体系创新之探作者简介.jpg

大数据技术与银行信用评级体系

        大数据时代及大数据技术

        数据的爆炸式增长开启了大数据时代的序幕。通过对精准量化数据的深入挖掘,发现隐藏其后的关联与规律,并充分解读和利用,将引发人类社会在政治、经济、文化等各个方面的变革,进而从根本上改变人们的生活方式。

        大数据时代才刚刚开启,相关技术的发展也只是一个开始。在此阶段,互联网企业,国外如Google、Facebook等,国内如阿里巴巴、腾讯等,引领着大数据技术的发展潮流。当前大数据技术的主要特征包括,分布式文件系统(HDFS)、大规模并行计算(Map/Reduce)、基于PC服务器、利用冗余提高可靠性、支持PB/EB/ZB级海量数据、适用非结构化数据的NoSQL体系等。具有代表性的是以开源Apache Hadoop为基础,诸多厂商进行不同程度的改造及商业化,传统数据库厂商与其既有数据库产品集成,形成了一个初具规模的产业生态系统。

大数据技术应用与银行信用评级体系创新之探-图.jpg

        国内银行信用评级现状

        我国尚未有一套被普遍认可的、全国性的客户信用评价体系。各商业银行在发放信贷资金时,都分别对各自客户的信用情况独立进行分析、评价和定级,评级的结果也仅限于各行内部使用,银行只对信用级别达标的客户放款。

        各商业银行多采用“打分法”对客户进行信用评级,其要点如下:选择一组指标和比率,赋以不同权重,为每个指标或比率设定评分准则,将每个信用级别与总得分范围建立关联。通常指标分为财务指标和非财务指标两类,以企业信用指标体系为例:非财务指标涉及企业面临的宏观经济环境、行业状况、竞争状况、市场占有率、组织结构、职工素质、管理能力、产品发展趋势等;财务指标涉及反映企业财务状况的各项指标因素,如资本结构、盈利能力、流动性、现金流等。

        随着巴塞尔新资本协议的逐步实施,国内几大行已初步构建起了自己的内部评级体系,实现了对客户违约概率(PD)、违约损失率(LGD)、违约风险暴露(EAD)等风险参数的有效计量。内部评级结果正被逐步应用到银行的整体风险管理过程中,如授信审批、风险监控、限额设定、贷款定价、绩效考核等方面。

银行信用评级体系创新与大数据技术

        银行信用评级体系通过一系列量化指标,对客户的信用状况进行评价,预测客户在与银行发生借贷关系后,是否有能力或有意愿履行借贷责任。此体系与大数据时代的基本理念契合。

 1 2 下一页 尾页

扫码即可手机
阅读转发此文

本文评论

相关文章

频道最近更新

频道热门文章