• 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。

        一是量化处理:将抽象的信用概念,通过一些列指标实现量化表现。二是大数据量分析:体系中指标的选取,是百年来银行经营传承、积累的体现;而具体指标的运用,又通过数据建模,经过了不同样本数据的测试。三是关联分析并预测:通过一系列量化指标,如以往的财务、经营数据,预测未来的企业信用状况,将指标与信用的关联关系应用到风险管理中。

        如此看,在实施巴塞尔资本协议后,银行构建的内部评级系统,从数据收集到模型构建,再到违约概率计算,直到最后的客户评级结果,整个过程就是大数据应用的案例。由此可见,银行信用评级体系具有天然的大数据属性。

        追根溯源,银行体系一直走在数据应用的前列。在大数据概念诞生前,长期关注客户信息数据与信用之间的密切关系,并利用数据分析量化技术控制风险。信用评级体系正是银行长期重视数据价值的体现。

大数据技术提升信用评级体系价值

        首先,丰富和充实信用指标体系。帮助银行采集更丰富的客户信息,让银行更加全面地了解客户,突破传统银行关注的指标范围,纳入更多、更直接反应客户状况的信息,进而更为全面地评价客户的信用状况;可深入研究各指标间的关联关系,避免割裂;可为定性指标提供充实的参考信息;纳入更长时间的历史数据,为计算定量指标提供更多有效支撑。

        其次,促进信用指标体系更加实时、准确。及时捕捉各类客户信息并纳入信用指标体系。使银行评级真实地反应客户的实时信用状况,及时应对信用风险。

        再次,提升信用评级体系覆盖面。在传统银行指标体系下,客户覆盖范围相对有限。据估计,在国内,贡献了60%GDP的中小微企业,90%都被银行拒之门外,即被银行信用评级体系拒绝。凭借大数据技术对这部分客户信息的深入挖掘,一定能够建立适合大部分中小微企业融资的信用评估模型。

应用及挑战应对

        应用分析

        在数据获取方面。一方面,可利用大数据技术扩展数据收集范围,既包括传统的财务数据、运营数据等,也包括行为数据、社会关系信息等。另一方面,可利用大数据技术加快数据获取速度,比如实时或准实时地采集客户交易数据、现金流等。

        在数据挖掘分析方面。大数据技术可以帮助银行构建客户的全景视图,全面覆盖客户相关信息,包括基本信息、财务资金情况、交易信息、关联事件、社会关系网及社交评论等。利用此视图,依托各类大数据分析技术深入展开客户行为分析、客户信用度分析、客户风险分析、客户资产负债状况分析等。结合数据分析结果,利用专业量化的信用模型,客观、定量地评价客户还款能力。同时,为定性分析提供更加丰富的信息支持,真实反映客户的还款意愿。基于大数据的多样分析技术,建立完备的客户信用评价体系。

        在数据应用方面。在授信审批、限额设定、贷款定价、支付还款、风险监控等方面,利用大数据技术实时、高效的特点,提升评级系统对各环节支持的时效性,进而提升流程效率,改善客户体验。同时,扩大信用评级范围,优化小微客户服务流程,降低小微客户信贷成本。

        挑战及应对

        在银行信用评级系统中落地大数据技术,技术难度和复杂度均不高,但银行的大数据处理经验尚待提升。同时,银行应密切关注来自体系外的挑战,国际国内P2P、众筹等新兴互联金融模式正在不断涌现,一大批互联网金融企业蓬勃兴起,国外如Prosper、LendingClub、Zest-Finance、Kabbage等,国内如宜信、人人贷、阿里小贷等。

        总体来看,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。

(文章来源:金融电子化)
 

首页 上一页 1 2

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