文档介绍：建设新型预警管理模式
随着金融创新和信息技?g日新月异的发展,金融科技正在重新定义商业银行的业务模式与竞争方式。如何充分应用前沿信息技术,有效挖掘银行积累的庞大业务信息,建立新型公司业务信用风险预警管理模式,是银行风险管理领域的一个重要议题。
“新型公司业务信用风险预警管理模式”是一项体系性工程,需在业务管理体系,预警IT系统,业务管理联动三个方面并行突破,以此推动全流程授信管理模式和作业方式的变革。在预警管理体系方面,需要对管理理念、组织架构、预警制度、管理流程等维度进行全面的梳理与规划;在预警IT系统建设方面,需要涵盖预警分析工具、预警任务管理、信息展现与检索、用户交互、系统管理、风险大数据平台等复杂的工作;而业务管理联动方面是要解决如何将预警管控工作结果充分应用于银行授信准入、绩效考评、资本分析等多个业务管理领域,以真正发挥预警工作的业务管理价值。
设计新型预警业务管理模式
传统的信用风险预警管理模式,限于信息获取难度,在管理上较多依赖于单一的自下而上的业务方式,由此带来两方面限制:一是管理上的信息不对称。预警工作较多依赖于基层经营机构自下而上逐级上报。各类风险信息来源的渠道有限,相关数据分散,决策信息支持不足。二是技术上缺乏有效工具。各级管理机构缺乏有效的预警技术工具与技术手段,监测时效性、前瞻性、覆盖面不够,无法有效识别关联风险传导路径,难以及时地、针对性地处置和化解潜在信用风险,预警有效性不足。
为解决以上问题,新型预警业务管理模式的核心设计思想包括以下三个方面:
自上而下与自下而上预警管理紧密结合
职能方面,在总行建立专业化预警监测管理部门,强化总行的预警集中管理职能,并通过大数据技术手段为总行团队提供非现场警情信息获取和监测的能力,统驭指挥全行预警,实现总分行“自上而下预警”和“自下而上预警”相结合;流程方面,建立预警流程自动化流转驱动机制;制度方面,制定考评细则,强化前置预警与主动化解。通过警情信息的自动化收集推送、智能化加工分析、自动化流程处置,大幅提升预警工作效率和工作质量。
强化“控制人、关联群”监测
信用风险监测预警新模式的一个重要思想是实控人管理。一家企业在市场上与经营中多样行为的背后最终都指向“企业控制人”,企业控制人的人品即是企业的人品,发现并监测控制人的行为、意愿尤为重要;另一方面,企业间的社会行为存在紧密且稳定的关联,信用风险传导往往是
“一致行动人”作为真正的背后推手。因此,在组合预警管理上,要建立有效的企业关联关系管理,实现对企业关联客群的密切监测与管理。
大数据分析与现场排查并举
新模式下广泛应用大数据分析手段并不是摒弃必要的人工任务,而是要促成二者的高效互动与紧密配合。在具体的生产运营模式上,总行基于大数据系统工具,不间断地集中扫描和发现重要警情,并在综合分析判断基础上生成警情信号与排查工单任务;经营机构负责有针对性地执行排查任务,反馈排查结果,发起预警认定或持续监测。这一互动机制滚动执行,不断积累知识与经验,新型预警模式的灵敏性、精准性、实用性将持续得到提升。
建设大数据风险预警管理系统
实现上述新型预警管理模式的重要前提是建设一套高效的“大数据信用风险预警系统”。该信息系统的首要任务是充分利用大数据技术和系统化工具手段,建立数据驱动、主动管理、上下联动的新型预警管理体系和预警工作流程,提升风险管控能力,全方位支持授信业务健康发展。
大数据信用风险预警系统的设计设想
建设可配置化的规则引擎平台。一个典型的大数据决策系统,最核心的特征是规则引擎化,即系统的核心价值在于持续的灵活扩展,并成为一个预警管理业务规则的配置平台。系统建成以后,预警管理的业务人员基于该平台,可以持续地按照不断变化的业务发展要求,将最新的、最适用的预警业务规则灵活地配置部署到平台中,而不需要二次开发,系统的业务功能可以持续地升级进化。为贯彻这一设计思想,系统设计的起点、复杂度都很高。
聚焦信用变坏趋势的监测。信用风险监测预警的自身定位,要求能在已准入客户的信用变坏时及时发现风险并采取行动。由此出发,系统要重点设计信用变化捕捉以及突发事件获知的功能,从而聚焦客户群自身风险状态变化的分析、监测,动态掌握客户还款能力与还款意愿两个维度的信息。
突出智能化和时效性。高效的风险预警既要做到“智能分析”,又要做到“快人一步”。预警系统必须实现风险信息的实时收集和实时推送,以及对风险信息的实时判断,并将风险预判与关键作业活动的实时联动控制起来;在智能分析方面,要基于预测模型,实现系统化、智能化监测与分析评价,从而将风险指标精准化。
大数据信用风险预警系统的运行机理
大数据信用风险预警系统的建设,涉及技术广泛,集成处理复杂,具体细节繁多,以下仅大致勾