大数据对风控管理有得天独厚的优势，尤其是对历史风险的识别上，大数据可以帮助将个人或企业的画像逐步逼近其真实的历史表现。在未来风险的识别上，大数据的表现虽大打折扣，但仍可促进征信体系的建立，细化风险计量，推动客户定价，协助建立信贷工厂。

　　此前老张跟大家聊过了大数据在商业银行战略规划中的作用，今天来说一说大数据在风险管理方面的应用。

　　业内人士普遍认为，大数据对风控管理有得天独厚的优势。金融领域的风险，主要分为两种：一种是历史风险，从企业或者个人的历史数据判断客户过去的表现;另一种是未来风险，各式各样未来具有不确定性的因素造成损失的风险。对这两种风险，大数据的识别能力并不相同。

　　画历史易 知未来难

　　就历史风险而言，大数据可以使得历史画像越来越清晰。通过不断拓宽历史信息的收集整理，再利用大数据神经网络技术、深度学习技术，个人或企业的画像逐步逼近个人或企业真实的历史表现是可能的。

　　大数据可以收集到个人家庭信息、股东信息、个人财务状况、企业经营状况、个人或企业各种社会活动、以及个人或企业的各种活动中的遵纪守法、违法违规行为等各种信息，格式涵盖文本数据、音像数据等多种形式。另外，在爬虫技术日益完善的情况下，数据的可收集范围、数据收集量和数据类型等也会越来越丰富。从理论上讲，随着数据信息量增大、计算机算力提升、深度学习能力不断提高，对个人和企业的画像会越来越清晰，逐步逼近真实情况。

　　但对未来风险，依据大数据得到的未来画像可靠性却不容乐观。历史是静态的信息，在刻画历史画像时，变量为空，就可以不予考虑，凭借有值变量即可刻画客户。即使我们有1000个数据采集变量，对一个客户来说，可能只需几百个，甚至几十个有值变量即可刻画历史画像。而对于未来画像的刻画，需要考虑的变量则要多很多。

　　针对一个同样采集到1000个变量客户，刻画未来画像可能需要考虑900个变量，因为每个变量都可能发生，其发生的概率是根据历史数据刻画的，一方面其发生的概率可能并不真实，另一方面，未来各种变量间的相关性变化会导致事件发生的概率发生变化，因此，在刻画未来画像时，对变量的认识存在发生变化的可能性。

　　即使对变量发生概率的估计是正确的，但几百个、上千个变量综合的结果也会对未来判断正确的概率产生影响，要准确刻画客户的难度非常大。另外，未来还存在从宏观、中观到微观的多个层次的变量，世界经济环境、地缘政治、国家经济环境、行业前景、企业经营能力、管理层变动、自然灾害等，都会影响未来客户违约风险。

　　因此，对未来画像，大数据所能发挥的作用会大打折扣。一个典型的案例是华尔街那么多计量经济学家、金融学家，都未能避免2008年全球金融危机。再比如，近两年中国经济持续下滑，巨量的产能过剩和库存积压导致大量的国企和地方政府陷入债务重压，这在以前是不可想象的，因为金融系统一直将国企列入高信用等级系列，但现在国企动辄几百亿元、上千亿元的债务重负，频频发生实质性债务违约。通过历史画像来刻画未来画像，准确度并不乐观。

　　大数据提升风控能力

　　大数据对银行风控真的没有作用吗?答案当然是否定的。即使大数据不能完整刻画客户未来的画像，但可以在以下几个方面提高商业银行的风险管理能力：

　　第一，大数据促进征信体系的建立。征信体系是对客体各类信息客观地记载、积累。在征信系统的建立过程中，大数据的作用无可替代，不仅仅是单纯的数据收集，更有通过数据分析对客体进行全面细致的画像描摹。

　　第二，大数据细化风险计量。通过数据的积累和收集，可以提升风险分析技术、数据收集能力，这对风险识别、评估至关重要。虽然我们还不能期望通过数据全面把握单个客户未来风险，但提升客户风险识别能力并通过大数据分析，可以更准确地刻画行业风险和未来风险暴露情况，从而更准确地计算风险资本情况、资本充足率等。

　　第三，大数据推动客户定价。现有的大数据技术已经完全可以给客户进行形象描摹，据此可以为客户准备功能齐全的产品，包括各种个性化服务，存款、支付的定价，甚至包括客户的贷款定价，这正是大数据在客户定价方面未来的发展方向。

　　第四，大数据协助建立信贷工厂。对于大量的零售客户，因为能够通过大数定律来稳定违约概率，所以可以利用信贷工厂模式来提高审批效率。客户信息的大数据可粗略地分为两类：一类是大客户的大数据，另一类是小客户的大数据。大客户的大数据，维度多、数据量大，但企业数量少;小客户的大数据，企业数量多但维度少。在分析客户的过程中，如果企业规模小到一定程度，银行就可以按概率事件去处理风险，尽量利用计量模型、评分卡来进行授信审批，形成工厂化作业模式。

　　小结

　　总体来看，依靠大数据刻画企业的历史画像，能够做到逼近真实，但对未来画像的刻画，准确性大大折扣，可能做到80%就不错了，因为总会有自然灾害、黑天鹅事件等不确定性事件发生，反映到企业层面，就是大面积企业违约、个人违约，完全超出当初的模型预测。

　　即使据此做了模型修正，未来仍会发生不可预测事件，风险不可避免。对企业来说，影响大数据价值的因素就是企业的大小，小企业可以依靠大数定律、收益覆盖风险的原则来风险定价，当借款金额小到一定程度，可能违约率会降低到零，而金额大到一定程度时，很难不发生道德风险。

　　简言之，大数据在银行风控方面的潜力巨大，但也不能完全信赖，毕竟风险判断不能完全依赖机器，还要靠人的智慧。

责任编辑：hang