导读
随着新技术、新模式、新产品的创新与应用，新兴风险逐步显露。商业银行依靠传统的风险管理手段，已难以有效应对新局面、新问题，风险管理数字化转型迫在眉睫。
正文
当前，数字化浪潮方兴未艾，以大数据、云计算、人工智能为代表的新一代数字技术日新月异，催生了数字经济这一新的经济发展形态。数字化是银行业未来的战略重点。商业银行从本质上来讲是经营风险，在新常态与数字化时代，商业银行风险管理数字化工作是银行经营管理的重中之重。
本文对当前商业银行信贷风险新特征进行分析，并对新技术在贷前准入、贷中审批、贷后风险预警、保全处置等信贷风险管理全流程各环节的数字化转型应用方面进行了相关探讨。
新技术发展下的商业银行信贷风险新特征
——风险复杂性不断加大
各种金融工具和手段的创新降低了市场准入的门槛，金融服务参与主体越来越多元化。商业银行在防范自身风险和客户风险的同时，还要防范应用金融科技所带来的新增金融与技术叠加风险，以及警惕来自互联网公司、金融科技企业等第三方机构的潜在风险。商业银行的风险管理升级为金融生态圈的风险管理。
——风险的传染范围和传染速度迅速增加
在金融科技的帮助下，金融服务受到的时间和空间限制越来越少，使得实时的金融交易服务无时不在、无处不在。但同时，银行体系乃至整个金融体系的关联性及集中度也愈发错综复杂，风险的外溢范围变得更广、隐蔽性更强、传导速度更快。一旦某个点、某个系统性重要性机构或者某个关键业务领域爆发风险，很有可能引发系统性或区域性的风险事件。
数字经济条件下传统银行信贷风险管理存在的问题
传统的信贷风险控制模式以人的管理为主导，其主要做法是在总分支机构体制下，信贷管理也实行分级授权管理：经营单位客户经理负责贷前调查，审批部门负责审查把关，风险管理部门负责风险监控。这种管理模式适应了同期银行经营管理特点。但是对于数字经济条件下的商业银行而言，其存在的问题也十分明显，突出表现在三个方面。
——风险管理比较被动。企业关门了、被海关查封了、实际控制人跑路了，银行才发现风险事项，等发现或采取管理措施时企业已经风险既成事实。
——主观性较强。往往以风险管理人员经验作为决策的主要依据，经验无法复制，管理水平好坏取决于风险管理人员的素质，且难以精准地给客户下结论。
——易发生道德风险。决策上的主观性使决策结果会有较大的弹性，因而存在一定的权力寻租空间。
商业银行信贷风险管理数字化应用场景思考
数字化技术在信贷风险管理的应用可以贯穿贷前、贷中、贷后等全流程各环节，从时间和空间两个维度对管理的内涵和外延进行扩展，逐步从人控向“数控”“机控”转变，从被动式风险防御到主动式风险监控和预警。具体到贷前、贷中、贷后环节中可考虑如下场景运用。
——整合构建内外部数据源
银行的业务本质就是经营风险，而数据则是银行最有价值的资产，是开展数字风控的基础。商业银行一方面要加快对行内系统数据开发和挖掘，积累、提取行内客户信息，如财务报表数据，账户往来数据，押品、关联公司、实际控制人等授信申报信息等；另一方面要大力推进如负面舆情、征信、法院、市场监管、税务、海关、社保、环保及各类行业等外部数据的接入。探索利用知识图谱等最新技术，准确关联内外部信息，形成覆盖全部可获得信息的风险信息网络，让银行与客户信息处于对称状态。
——贷前准入阶段反欺诈识别
以大数据风控为技术支持，通过对个人用户支付结算、信贷业务、电子商务、信用卡等交易行为的时间和空间多维度分析，结合移动终端的设备指纹技术，识别高风险交易的特征，并形成复贷记录和失信黑名单，有效地交叉验证用户信息的真实性，将欺诈行为制止于发生之前。另外，基于设备指纹和社交网络大数据的智能风控可以对同一时间、同一地点发生的多笔信贷交易、关联人士之间的频繁交易等异常行为进行重点监控，有效防止集体诈骗与套取资金等欺诈行为的发生。
——贷中审批阶段实质性把关
审批环节主要对“征信”和“增信”两个关键点进行综合研判和实质性把关。一是基于机器学习算法及图谱技术，可以在汇集征信信息、交易数据的基础上，识别潜在关联关系，对信贷申请人的还款意愿和能力进行风险评估，准确迅速判断客户的信用情况，解决多头授信、重复授信、过度授信、用途合规性、还款能力判断、借名融资、借壳融资、过度负债等问题；二是通过G端数据接入，获取客户公积金、社保、房产等信息，建立大数据增信模型，为授信审批提供依据，同时识别抵押物瑕疵等问题。
——贷后管理阶段高效预警
能否实时揭示、发现信贷业务风险，提前布局防范措施，关键在于预警系统的指标体系是否完善、灵敏，设置的指标是否科学、合理。
短期内，可以考虑建立预警机制，用自动化数据分析和展示系统替代大量人工控制。通过搜索授信客户股权、高管、市场监管、税务、行业、上下游、社保缴纳、水电扣费、诉讼、财务、借贷及担保关系等多维度信息，形成关联数据体，再针对其中每个维度的账户、交易、治理、经营、新闻等各方面开展数据收集、关联分析和挖掘，依靠网络舆情和监管发布信息，进行用户的甄别、筛选和预警。中期，可以应用大数据分析学习技术，结合长期积累的财务风险专家判断经验，逐步探索建立客户财务反欺诈及财务异常系统功能。长期可考虑引入人工智能，引进机器学习和知识图谱等金融科技手段，实现规则和模型快速迭代，探索由机器自动配置风险策略，自动生成预警报告等，提供智能化技术支持，进一步提升预警管理效率。
——不良处置阶段及时财产保全
从过往不良处置经验来看，把握债务人核心资产是实现风险项目安全退出的关键性因素。应用大数据风控优势追索债务，可以力争信贷风险发生后损失降至最小。如一旦出现风险，可以立即开启大数据财产保全模式查询企业财产线索，实施有效控制。当然这个需要在法律框架允许的范围内，探讨解决好信息保密和保障银行权益的权衡；运用物联网对抵押品进行保全。通过远程视频技术遥控物资情况，通过前台视频与后台管理系统相对接，抵押物一旦出现移动、损毁、灭失等情况，系统可以自动报警，从而及时进行风险处置。
总之，数字经济时代下商业银行面临的风险更复杂多变。如何将数据与风险管理有效结合、实现风险管理数字化，是决定风险管理的成败乃至银行核心竞争力之所在，是当前商业银行可持续发展的必然选择。
（作者单位为中国建设银行深圳市分行）
上一篇：疫情下商业银行主动性信贷调整时机的选择
下一篇：增强“四项监督”的联动性和“穿透力”
