数据仓库在对公客户信用风险管理中的应用

目前，对公贷款业务是当前商业银行的重要业务和主要利润来源。相对于个人贷款，对公贷款业务具有单笔金额大、周期短、回报高等特点，是各商业银行最主要的资产，并为商业银行贡献了大部分利润。在我国较弱的信用环境和复杂的经济形势下，如何提高对公客户风险管理能力、防范信用风险，已成为国内各商业银行急需解决的问题。应用数据仓库技术加强对公吝户的信用风险管理，为贷款管理决策及风险评估提供依据，有利于提高银行信贷资产质量，对于商业银行科学地完成贷款分析和风险预警，具有重要的现实意义。

一、商业银行对公客户风险管理现状
        1．对公贷款业务既是商业银行的主要业务，也是当前其面对的主要风险
        信贷管理是商业银行的核心业务之一，在商业银行的众多风险因素中，信用风险是最为重要的风险。目前我国个人贷款业务尚不发达，商业银行对公信贷业务大都占有绝对的比重。可以说，对公客户信用风险管理能力的高低，直接决定了商业银行资产质量，从而影响了银行盈利水平。

        2．商业银行对公客户信用风险管理手段还较为落后
        银行现有的对公信贷风险处理分析方法还主要以客户经理、审批员等人的判断为主，属于只有发生了风险事故才处理的“事后风险管理型”，事前风险防范较弱，管理方法和管理手段还比较粗放和落后，缺少科学化、精细化的风险分析和风险预警手段。

        3．基于内部评级的最新风险管理技术应用还有待进一步提高
        国外大型银行凭借雄厚的资金和多年的市场经验，大多建立了完善的信用风险管理技术平台和防范体系，我国与国际先进银行的风险管理水平相比还有较大差距。新《巴塞尔资本协议》要求商业银行采用数据仓库技术建设内部评级体系，但数据仓库系统由于技术复杂、投资大、时间周期长，我国商业银行尚未普遍应用，基于数据仓库的信息系统和基于内部评级的最新风险管理技术有待进一步应用和提高。

二、基于数据仓库的对公客户信用风险管理框架
        随着数据仓库、商业智能技术及决策支持技术的日益成熟，使得我们有条件采用数据仓库技术建设对公客户信用风险管理平台，对客户信用风险进行科学化、精确化管理，以提高我国对公客户信用风险管理技术和水平，满足新《巴塞尔资本协议》全面风险管理的要求。

        1．总体结构
        数据仓库概念的提出者、美国著名信息工程专家willm Inmon博士在上世纪90年代初提出了数据仓库概念的表述，“一个数据仓库通常是一个面向主题的、集成的、随时间变化的、信息本身相对稳定的数据集合，它用于对管理决策过程的支持。”根据数据仓库的基本特征和系统建设的一般原理，基于数据仓库的对公客户风险管理平台框架通常包括三个层次：源数据层、集成数据层和数据仓库应用层（如图l所示）。

        以上信用风险管理平台几个层次是相互关联的。从逻辑关系上看，源数据层是基础，集成数据层是核心和结构纽带，而应用层则是具体表现形式。

        2．源数据层
        源数据层是数据仓库系统的数据源泉和基础。源数据主要来自于银行内部信息和外部信息。内部信息包括各个商业银行在长期的运营过程中积累的大量数据，主要包括核心业务系统、票据系统、国际结算系统等对公贷款业务等相关系统。外部信息包括各类行业标准信息、各类外部统计数据等，是内部信息的必要和有益补充。各系统的数据通过ETL工具抽取到数据仓库中，以便进一步集成汇总。

 1 2 下一页 尾页

扫码即可手机
阅读转发此文