隨著大數據時代的來臨及其技術的日臻成熟,商業銀行風險管理變革需引入大數據思維,通過大量數據信息,加強智能風控建設,推進現場檢查與非現場數據信息挖掘分析相結合的風險管理創新,建立健全銀行風險預警體系,提升銀行風險識別、風險防控能力。風險預警監控系統從文化理念、組織架構、制度流程、系統工具、團隊建設等方面出發,集風險信息采集、預警分析工具、預警任務管理、預警管控機制等于一體,實現業務管理聯動,基于大數據平臺和因子庫,創建指標評價、信號配置體系,依據預警模型設置預警區間,通過對授信客戶的信息采集、分層處理、甄別和判斷,預測未來市場和客戶的風險狀況及趨勢,根據預測進行不同程度的警報,并傳送至相應崗位采取措施,對風險提前采取控制措施,以避免風險繼續擴大對商業銀行造成不利影響。
方案概述:
通過對授信客戶所處經濟周期、所處行業、所處區域的風險分級管理,結合客戶關聯關系、客戶銀企關系、客戶在他行貸款表現、客戶在外部不良名單、客戶在外部負面輿情等多角度分析、歸納,設置動態的風險預警指標和指標參數,建立靈活、可擴展的風險預警管理功能,系統主要功能如下:
信息共享:整合行內、行外風險預警信息,提供個案和組合管理統一風險視圖
智能決策:提供個案和組合風險管理工具,系統自動進行風險識別、風險傳導、風險處置工作
線上作業:實現總行自上而下主動預警管理流程和分支機構自下而上人工預警管理流程
報告管理:滿足組合分析、客戶監控、信號監控、流程監控和管理后評價所需要的報告及報表統計分析要求
拓展應用:預警結果信息應用于貸前調查、貸中審查、貸后檢查等風險管理環節
移動應用:支持手機、PAD等移動端應用
核心功能:
系統功能架構如下圖所示:
圖 1系統功能架構
核心預警分析工具如下圖所示:
圖 2核心預警分析工具
預警體系:風險預警體系是在定量和定性監測指標體系基礎上構建的風險量化識別工具,包括預警規則和預警模型。其中,預警規則主要用于識別風險監控對象的潛在風險信號,預警模型主要用于量化評估風險監控對象的風險指數變化情況。
企業全景視圖:系統通過分析客戶的工商信息、關聯關系信息、輿情信息、財務信息、征信信息、名單信息等信息,基于整合的企業及企業關聯信息,結合多維交叉分析,提供其企業全景視圖及關聯分析問題的功能。
關聯圖譜:通過公開渠道采集客戶關聯關系線索,分析挖掘潛在隱蔽的影子關系,以滿足基于關系疏密和影響程度量化分析的關聯風險傳導管理的要求,進行可視化的關聯展示和追蹤。
預警統計與多維度的風險監測分析報告:對于系統中產生的風險信號,資產風險管理子系統提供信號明細的查詢,以及多維度的信號統計功能,以滿足預警信號在不同時間段、不同地區的分析,為決策支持提供數據依據。
預警處置體系:運用多種信息渠道和分析方法,對授信客戶的預警信號進行識別,分析、衡量其風險狀況,并及時采取適當措施,以化解風險,實現對風險產生、處置和跟蹤的全流程管控。
方案價值:
建立起以風險信息平臺為基礎,以預警管控中心為核心的系統風控架構。主要在三個方面實現突破:
1、 技術工具突破
以互聯網思維和大數據技術,實現風險數據的結構化設計,全方位、智能化數據的收集與推送,智能化分析與報告等一些列功能。
設計了管理層與業務層不同的用戶界面,實現了預警KPI指標及組合監測模型的靈活配置管理,提供了關聯關系、信息購物車、移動APP等便利工具。
2、 管理模式突破
總行作為決策指揮中心的智能得到實質化強化,形成總行統馭指揮,總分行上線聯動的立體網狀預警模式。
3、 業務支持突破
以信息集約化收集、自動化推送、全流程共享為抓手,為全行提供全方位風險信息服務,有效支持風險防控和業務拓展。
應用領域:
全國性股份制商業銀行、國有大型商業銀行、農村商業銀行、城市商業銀行、農村信用社、村鎮銀行、財務公司等