互联网+时代传统商业银行风险管理转型

　　随着互联网金融的深入发展，2015 年 3 月两会的政府工作报告首次提出制订“互联网 + ”行动计划。该计划旨在推动移动互联网、云计算、大数据、物联网等与现代制造业和生产性服务业相结合，充分发挥互联网在生产要素配置中的优化和集成作用，将互联网的创新成果深度融合于经济社会各领域，提升实体经济的创新力和生产力，形成更广泛的以互联网为基础设施和实现工具的经济发展新形态，全面促进电子商务、工业互联网和互联网金融健康发展。“互联网 + 银行”行动计划是互联网与银行业的融合，是互联网改造传统商业银行的升级版本。“互联网 + 银行”的精髓在于通过互联网技术与商业银行的嫁接，以数据为核心、以互联网技术为支撑，在客户营销模式、生产技术模式、运营流程模式和业务发展模式等多维度、多层面实现颠覆性创新，助推传统商业银行在互联网时代下的转型与升级。

　　商业银行风险管理是指商业银行通过风险识别、风险评估、风险监测和风险处理等环节，来预防、规避、分散、转移或抵补经营中的风险，从而减少或避免经济损失，保证经营资金安全的行为。商业银行金融活动的核心就是在承担风险的情况下获取利润，其风险管理作为银行稳健发展的核心竞争力，在 “互联网 + 银行”趋势下需要结合互联网技术与大数据进行变革，突破时间、空间及信息不对称的限制，为商业银行的转型提供基础性、专业性、保障性的支持。

　　一、文献综述

　　近年来诸多学者开始关注在互联网和大数据背景下传统商业银行风险管理所受到的影响与后续变革策略。一部分学者认为，商业银行风险管理承受着互联网大数据的巨大冲击，风险控制难度加大； 另一部分学者则认为，商业银行风险管理不是简单地面临互联网金融的冲击，而是获得了转型的契机，风险管理可以充分结合互联网技术实现信息时代下的革新与突破。

　　张漫春、邢科指出，商业银行风险管理经历着两次数据革命： 第一次是新资本协议的提出使商业银行风险管理从定性转向定量分析； 第二次是当下互联网大数据技术的发展推动了商业银行风险管理的进一步改革和扩展。

　　刘丹聚焦于互联网理财，对其主要运作模式和特点进行了分析，阐述了互联网理财对银行资产负债结构和银行主要监管指标的影响。

　　王婷婷、李振国将互联网金融模式下商业银行面临风险的新形式进行了系统分类，提出了银行需建立横向监管，加强个人与金融产品信用评级风险管理模式的建议。

　　周继述、王雪松认为数据是银行最有价值的资产，商业银行应重视数据，提高风险量化能力，完善大数据平台下的风险模型。

　　高建峰、张志荣提出，在大数据时代下信息的收集和处理工作面临巨大挑战，银行风险管理部门应将大数据应用于风险管理中，以加强数据处理能力，防范潜在风险。

　　魏国雄提出银行风险管理变革应引入大数据思维，通过挖掘现场检查与非现场海量数据来识别风险、防控风险。

　　梁慧在分析传统商业银行风险管理特点的基础上，提出了以客户为中心、以大数据为基础、以技术为支撑的商业银行风险管理应对建议。

　　二、“互联网 + 银行”对商业银行风险管理的深远意义

　　“互联网 +银行”已经成为不可逆转的潮流，传统商业银行向 “互联网 + 银行”转型迈进的步伐正在加快，风险管理作为商业银行生存和发展的核心竞争力之一，也需要适应 “互联网 +”所带来的各种冲击和变化。因此，正确认识和客观评估互联网大数据对于商业银行风险管理的重大意义是做好各项应对的首要前提。

　　（ 一） 通过互联网大数据技术扩容传统商业银行风险管理的数据源

　　借助互联网大数据技术，商业银行能够有效扩容商业银行风险管理的数据源，数据维度得以丰富多样，数据颗粒度得以细化具体，数据延展面得以纵横拓宽，客户甄别度和数据准确性得以大幅提升。传统商业银行所存储的数据多为结构化数据。结构化数据虽然相对规范、便于存储，但拘泥于其有限性、格式化、菜单式、被动型、静态化的特点，结构化数据在风险管理领域的数据挖掘受限较多。而借助互联网大数据技术，商业银行能够处理半结构化和非结构化的各类数据，实现多时点、多场景、多类型、多维度的海量数据的采集、归总、运算和分析，实时获取客户的行为轨迹和交易轨迹等各类监测数据，并通过海量拼接和海量运算运用一定的数据分析模型将客户行为全息化、网格化、颗粒化、数据化，进而获得商业化的数据挖掘价值。由于互联网大数据技术的引入，数据获取难度大大降低，数据获取成本可以忽略不计，数据体量指数级不断扩充，数据分析质量有效提高，数据束缚得以空前解放，这使得在风险管理过程中对于客户的判别更加清晰有效。比如，通过网购平台获取客户的消费习惯、支付能力、支付偏好、生活工作地址，从而分析客户的职业类别、工作类型、收入梯次、消费层级甚至金融需求等； 通过网络行踪获取客户微信、手机号、支付账号、缴费记录以及地址等信息，从而分析判别客户的真实身份等； 通过社交平台获取客户的朋友圈，从而分析客户的人群定位以及诚信评价等。这些分析结果均是风险管理对于客户识别的重要信息，能够有效突破传统格局下的数据有限、结构僵化、来源单一、成本高昂等数据信息的瓶颈制约。

　　（ 二） “大数据 + 云计算”技术变革传统商业银行风险管理的模型方法体系

　　互联网大数据技术能够增加商业银行风险管理数据变量和观测视角，推动商业银行以内部评级体系为核心的模型方法持续升级优化、运算方法不断改进、量化技术不断更迭、模型精确性和准确度不断提升。在传统的风险管理模式下，商业银行初步建立了以客户内部评级为核心的模型方法体系。借助互联网大数据技术，商业银行可以通过或购买或自建网络平台等方式收集更多的线上线下数据，并通过对更多的海量非结构化、半结构化数据信息进行挖掘运算与模型推演，将数据信息转化为评级模型中比较清晰的变量。比如，在银行卡的行为评分模型中对于客户收入和支付能力变量值的采集，以往均为客户直接填写辅之以一定的经验矫正，而在借助大数据技术后可以跟踪客户网络支付交易以及消费习惯等大量数据来校验其收入的真实性和准确性，从而为该客户核定更为贴切的透支额度。

　　上述从数据到变量的模型推演过程主要依赖于云计算技术。云计算技术基于互联网服务，其交付模式具有动态可扩展性和资源虚拟化的特征，分布式处理技术能够不断扩展海量数据处理空间并进行高速分析。将云计算结果与商业银行风险管理技术进行对接后，商业银行可以全面升级数据处理及量化分析能力，加速模型反应速度和增强抗压能力，提升内部评级、资产组合等各类数据模型的度量准确度，从而有效改善风险管理对于信息的甄别能力。

　　（ 三） 借助互联网大数据技术重检并规整银行内部的 IT 整体框架

　　借助互联网大数据技术，可以重检和规整银行内部的 IT 整体框架。商业银行以风险管理为坐标，以财务管理为基轴，科学规划数据仓库和数据集市，合理布局银行核心系统、业务交易系统和风险管理系统，实现客户信息、合同信息、交易信息、财表信息、产品信息、会计核算、绩效考核等不同类型信息的系统承载的唯一性、数据归属的专业性和交互共享的统一性。在银行利润增长乏力的总体格局下，成本控制的诉求更加明显，这导致传统商业银行风险管理的 IT 技术陈旧落后，信息系统更新缓慢，多年来存在的功能单一、数据散乱、结构无序、交叠重合、缺漏空白的窘况更加凸显。互联网大数据技术为信息系统的重构、优化、迭代和集合提供了必要的软硬件支持，为数据的采集、存取、处理、挖掘、统计分析、模型预测、结果呈现提供了先进的技术力量，通过 IT 的整体实施方案实现数据治理、数据分类、数据共享和数据整合，为银行的风险管理提供灵活方便、精准快捷、图表清晰的技术平台，从而使得风险管理的任务作业和管控措施清晰可见、有效落地。

　　（ 四） 依托互联网技术实现商业银行风险管理流程的再造和飞跃

　　依托互联网大数据技术，商业银行重新评估银行风险管理流程的必要性和有效性，及时革除过往繁冗无效的环节链条并厘定科学合理的流程路线和管理职责，推动运维效率的持续提升，全面催化风险管理的深度变革，实现商业银行风险管理流程的再造和飞跃。传统的商业银行风险管控流程主要包括事前的客户识别和客户准入，事中的风险评估和风险计量、风险预测和风险规避，以及事后的风险让渡和风险转移、风险抵补和风险缓释、风险确认和损失管理等。这些流程的不同环节和相关职责分布在不同的部门和人员。信息的孤立封闭、部门的推诿避责都使得风险管控的效果大打折扣。依托于互联网大数据的技术平台，通过优化整合相应流程、合理匹配事前、事中、事后资源，商业银行借助互联网大数据技术统揽所有数据，实现数据共享和逻辑勾联。对接数据与风险管理方法的落地能够强化风险识别、风险评估、风险控制、风险处置、管理后评价等重要节点，再造风险管理准入流程、评级流程、预警流程、内控流程、资本计量流程、缓释流程、分类拨备流程、清收保全流程等，打通信息平台的前后环节，消除信息传递的堵漏节点，简化信息报告的路径，规范信息加工的决策模型。这使得客户信息和项目信息更加完备，风险评估和风险预判更加客观，风险政策和风险制度更加科学，风险审查和风险审批更加快捷，风险计量和风险绩效更加明晰，从而有效改善政出多门、九龙治水的传统模式，极大程度地实现风险管理流程的集约和高效。