大数据,银行风险管理的金钥匙

大数据文摘编译作品，欢迎个人转发朋友圈；其他机构、自媒体转载，务必后台留言，申请授权。

荐文专家招募：

如果你是业界专家， 如果你的工作和数据有关， 更重要的是，如果你能够找到好文章并愿意与读者分享， 请点击文末“阅读原文”，加入我们！ 荐文一旦采纳，我们会在文章开头致谢并宣传。

荐文专家｜闫瑾

市理科状元，清华数学系本科，美国数理统计学博士。现在美国某大型银行开发风险控制的数据模型，并曾经从事sas及R语言教学。

选文统筹｜闫瑾

翻译｜杨小庆，吴涤，朱潇男，程松岩

校对｜shawn, 闫瑾

编者的话：本文通过一项对银行高管的调查，像大家展示了大数据在银行风险管理方面的广泛应用。

银行的业务经营依托于对风险的评估，以及对评估结果加以利用。理论上，数据越丰富则分析结果会越强大，这也是为什么大数据分析及相关分析数据终于迎来了黄金期。

随着数据量的增大以及数据多样性的增强，如何驾驭好这些数据让它更好的为决策服务、减少损失以及增加收益变得越来越重要。这也对当下的银行管理者提出更高的要求，包括分析获取可信的数据以及与公司员工分享得到的结果。

风险一直在增长

正如最近一些头条所指出的，风险的复杂性在增加，这种复杂性遍布于银行业的各个角落。银行业的集中度越来越高—更多的大型机构要协调不同层级和维度的关系，包括产品、流程、技术、组织架构以及合同等。金融创新带来了新的工具，不同市场之间的关联性增强业带来更频繁的跨界信息流动。由此带来的问题就是，当风险出现的时候，市场的波动率会瞬时增加，从而造成会带来巨大流动性风险的“波动聚类(Volatility Clustering)”，就像2007-2009年的金融危机以及2001年的互联网泡沫破裂那样。

显然，银行业的风险非常广泛。“我们已经定义了13种系统性风险：网络风险、高频交易风险、对手风险、担保风险、流动性风险等等”，Mike Leibrock说，Mike是美国存款信托清算公司(DTCC)负责系统风险的副总裁（DTCC为所有的大型银行提供清结算服务）。他也说：“同时我们也从如此多的大型银行的清算和结算活动中总结出一整类的关联性风险定义”。

作为监管者，当然也包括他们监管的机构，还是像之前一样关注与识别和管理金融系统中的潜在风险，同时数据的管理实践也在不断变化。

大数据的潜力

银行在处理储存在他们数据库的数据方面都是专家。他们能够从把每天发生的数据整理成报告提供给中台和前台人员，供他们研究最新的市场趋势。

大数据是不同的。它数量巨大、形式多样并具有瞬时性，它可以从移动设备、社交应用、网页访问以及第三方获取，包括信用消费等方面的数据。它可以帮人们揭示那些连专家都不易察觉到的潜在消费习惯。大数据能够帮助银行从更细致的层面上发掘潜在的风险，可以细致到单一客户、产品以及投资组合水平，有些甚至可以更细致，达到信用审批以及定价层面。

为了了解更多关于大数据和银行风险管理的关系，EIU调查了6大洲55个国家的208位风险及合规管理上的高管，涵盖了零售银行（29%）、商业银行（43%）、投资银行（28%）。结果显示越来越多的银行界开始倾向于使用大数据，但他们仍然面临着一些挑战，主要是将分析结果应用在更高级的风险管理中，尤其是流动性风险和信用风险。

调查要求高管们为他们自己的机构打分，主要在控制以及缓解风险方面。结果显示了如下的一些相同点，包括：

· 基本的大数据工具来进行整理和获取那些有序及无序的数据（有35%高于平均分及7%低于平均分的高管选择了此项）

· 更高级的大数据工具来进行预测和视觉化分析（有33%高于平均分及8%低于平均分的高管选择了此项）

换句话说，那些表现更好的银行更喜欢使用多种不同的方法来进行风险分析，包括基础的和高级的分析工具。更进一步说，他们也更喜欢靠大量的数据解决风控问题。

支持风险管理的大数据投资

除了来自四个区域，受访者还来自三类机构：43%的商业银行，剩下的一半来自零售银行，一半来自于投资银行。相较于其他类型的风险，三类机构的受访者均更加关注流动性风险和信用风险。同时，随着行业和地区的不同，他们赋予不同风险的重要性不同。

零售银行更加关注信用风险（53% VS商业银行和投资银行的43%）。

商业银行趋向于略微关注市场风险（28% VS投资银行和零售银行的23%）。

与此同时，投资银行趋向于更加关注操作风险（29% VS 19%）和合规风险（20% VS 14%）。

从区域角度，亚太地区和新兴市场增加了对暴露于市场风险的担忧，而欧洲则有更多的对流动性风险和信用风险的担忧。

在所有地区和行业中，绝大部分银行已经或者希望很快在支持风险管理中投资大数据。五分之四的银行（81%）定期向高级管理人员提供关于银行风险状况的综合报告，另外有15%的银行打算在未来三年内也这样做。几乎所有银行都在致力于推动风险管理信息至银行高级决策者。

“最常见的需求类型是和沃尔克规则相关的变量，它们表明我们的流动性、平衡性、风险比率和曝光度。”—富国银行首席数据官查尔斯·托马斯。

但问题是：他们是否获取到了正确的大数据工具并且真正有效？

仅仅过了十分之四（42%）的受访者创建风险概况时，拥有整合、操作和质疑大数据的能力。近半数（47%）的受访者在未来三年有计划在这些工具上进行投资。

先进的大数据工具的占比稍微有些低。例如，预测分析和数据可视化：41%的正在使用它们，44%的预计在未来三年内获取它们。

尽管如此，来自各大洲的绝大多数的零售银行、商业银行和投资银行都致力于利用大数据的力量。

解决两个最大风险：信用风险和流动性风险

接受调查的银行家认为，在未来三年内，流动性风险和信用风险是他们机构面临的最大挑战。他们也表示，这两个风险领域反映了大数据及其相关工具在提升风险管理水平中的最大潜力。

为什么要密切关注信用风险和流动性风险呢？银行以买卖流动性资金为生，对利益的追逐必然导致资本弱化和错误余量减小。“银行、券商、对冲基金等金融服务行业的共同特征是股权很少，而由融资来支持公司的资产。”富达投资公司的前首席财务官、现纽约佩斯大学金融教授Robert Chersi这样说。“金融服务公司依靠其他人来资助他们，大部分资金是短期的，可以瞬间消失。”

对同一种现象，信用风险和流动性风险表现出两张面孔。银行通过借入短期融资工具来资助他们卖给客户的长期工具。随着资金撤回，这种杠杆作用也会立即消失。最好的状态是银行没有产品可销售；最坏的状态是银行被流动性资金短缺而摧毁，就像雷曼兄弟和霸菱发生的事件一样，。但这种灾难场景通常是由预期银行债权人违约引起的。

迄今为止，预测流动性危机面临的问题是流动性风险已经很难建模。“它只有在极端情况下能物化，是非常的二进制风险。”怡安风险解决方案的常务董事Michael O’Connell这样说。但据受访者的说法，利用大数据可以承诺实时链接看似毫无关联的外部事件，例如在流动性危机之前的信用利差上升和安全投资转移等外部事件。紧随其后的能力是：在紧张的市场状况中，预测所需要资本成本数量。

大数据文摘编译者简介

大数据文摘“金融与商业专栏”视角集中在金融及商业决策分析相关的大数据分析文章，内容涵盖金融、信贷、风控、投资、理财、商业等领域。鼓励独家首发与观点原创，行业前沿理论分享，国外优秀文章翻译以及行业领袖采访演讲编译，力争刊出更多金融和商业领域相关精品文章。欢迎各位同行及对数据分析感兴趣的朋友加入，共同分享交流。

闫小瑾

市理科状元，清华数学系本科，美国数理统计学博士。现在美国某大型银行开发风险控制的数据模型，并曾经从事sas及R语言教学。

shawn

资深银行战略分析师，商业管理与数据分析硕士，现就职于加拿大顶尖商业银行信贷战略决策部门。多年金融银行业从业经验，现为国际统筹研究与管理科学协会会员，加中金融协会会员，加拿大贝街金融论坛成员，并在加拿大女皇大学商学院兼职助教职务。

杨小庆

统计学硕士，就职于中国农业银行，对大数据金融很感兴趣。

吴小涤

银行决策分析工程师，对于金融领域的数据挖掘、决策建模与商业分析有扎实的理论基础与丰富的实践经验。