近幾年雖有眾多學者從大數據、金融科技視角下研究銀行信用風險管理，但從易憲容(2017)基于金融理論的一般性分析，對金融科技的內涵、實質及未來發展進行探討，到眾多學者就金融科技所作研究文獻發現，金融科技問題的研究偏重于對其概念、內涵、發展趨勢、金融監管、業務創新和服務效率等方面的探討，而很少涉及商業銀行如何利用金融科技手段提升風險管理水平。

[[438179]]

2016年以來，金融科技(FinTech)成為整個金融業關注的焦點，它以金融需求為導向，以科技創新應用為支撐，在較短時間內對金融業產生巨大而深遠的變革。金融科技主要是指金融機構通過大數據、云計算、物聯網、區塊鏈和人工智能等新型數據分析和存儲技術，加強經營管理，提升服務效率和市場競爭力，同時帶來金融業態新變化。

目前，大數據智能風控僅在大行個人消費信貸和小微企業主貸款中得到較好應用，但在企業類融資中，銀行風控仍主要以專家經驗法為基礎，且存在較多的數據缺失，特別是政務涉企數據缺失嚴重。

傳統信貸風控首選信用評分卡模型

本質上而言,商業銀行是經營風險的金融機構，以風險經營作為盈利的手段，所以風險控制是其發展的根本。

如何有效控制信用風險，是商業銀行經營管理成敗的關鍵，如何利用存量基礎數據以及外部引入數據，探索以大數據技術進行信用風險管理的方法，無疑對商業銀行具有重要的理論及實踐意義。

傳統的信貸風險控制大多首選采用信用評分卡模型，評分卡模型是指利用大量的歷史數據，刻畫出消費者的信用、收入水平和支付能力等指標，再把各個指標分成若干個檔次，標注各個檔次相應的得分，然后計算每個指標的權重，最后算出貸款申請者的信用評分。

但是對于數字經濟條件下的企業而言，銀行原有風控方式存在的問題已經十分明顯，主要表現在：一是靜止時點的企業數字已無法真實、全面、實時地反映企業的實際經營情況，市場的高交易性、快變化性隨時會使企業的經營成果在不同時間變得面目全非;二是主觀性較強，以經驗作為決策的主要依據，難以精準地給服務對象下結論;三是管理過程會浮冰式管理，沒有信貸管理的穿透力;四是會發生較多的道德風險，決策上的主觀性使決策結果會有較大的彈性空間，因而少數不法分子會用此權力進行尋租，信貸決策由技術工種轉為權力工具;五是被動式管理，面對突如其來的企業變化，等發現或采取管理措施時企業已經病入膏肓。

傳統信貸風控體系面臨嚴峻挑戰

隨著國內經濟向“新常態”的逐步轉型，金融市場改革的持續深化，以及現代化信息技術的快速滲透，銀行監管機構對商業銀行自身風險管理能力的重視程度大大加強，銀行傳統的信貸風險管控體系面臨嚴峻挑戰。

一是經濟增長換檔回落以及經濟結構深入調整帶來資產質量下行壓力;二是企業跨地域、集團化經營業態的發展，風險傳導機制復雜，增加風險刻畫難度;三是銀行信貸規模增長以及客戶結構深刻變化，傳統信貸業務模式下的信貸風險控制方法存在較高的優化需求，基于大數據新型信息化風險監控模式成為大勢所趨。

因此通過大數據技術實現跨平臺、跨業務條線、跨區域的數據整合和風險信息挖掘，提高對信貸風險管理的敏感度及對其衡量的準確度是未來商業銀行不斷創新業務發展的需要，也是銀行風險管理發展的必然趨勢，對建立新型風險監控體系具有重要的戰略意義。

一是大數據可為風險識別賦能。傳統風控受限于單一專家經驗和綜合人力成本，風險識別能力有限。大數據技術可構建風險全景視圖，伴隨數據中心、智能計算提供的強大算力，支持海量風險數據深度挖掘，快速甄別各業務條線中暗藏的風險信息，有效解決風險數據數量大、信息隱藏層次深的問題。

二是新技術可提升風險模型的效能。挖掘算法可發現海量數據中的風險因子，機器學習、神經網絡可進行高維非線性建模，人工智能可根據不同的風險場景精準構建風控模型，縮短模型訓練時間，加快風控模型迭代效率，提高模型精度，為提升風險模型效能提供契機。

三是金融科技推動風險管理流程再造。金融科技使得風險信息的快速共享、風險政策的高效傳導成為可能，風險管理更趨扁平化。風險管理流程逐步實現由線下、延時、事后管理向線上、實時、事前事中管控升級，由“事后救火”向“事前防火”轉變。商業銀行使用大數據進行風險控制管理的邏輯，可通過外部數據采集、內部引擎處理、對外服務接口三個步驟完成。

商業銀行運用大數據進行風險管控的邏輯

智能風控技術已滿足當下需要

近年來，在算力、算法和大數據的合力推動下，人工智能在計算機視覺、自然語言處理、語音識別、機器學習、知識圖譜、機器人技術等方面快速發展;分析算法、數據挖掘、并行計算和分布式處理、云計算服務架構與能力等研究領域亦發展迅速，在技術上已滿足當下銀行風控的需要。

通過實證研究證明，利用機器學習算法的互聯網金融風控模型，通過與傳統的統計評分卡模型進行對比試驗，同時將機器學習模型預測結果轉化為傳統信用評分的解決方法，結果表明，機器學習模型能更好地預測個人信用風險，從而構建更加有效的風控體系。

同時，信用評分卡模型作為一種應用最為廣泛的風險評估模型，隨著機器學習在金融領域的逐漸深化應用，我國商業銀行在運用智能風控方面也進行了部分實踐。如農業銀行信用卡中心構建網點及營銷人員風險動態評級模型，通過機器學習技術識別高風險網點和高風險營銷人員，實現差異化的貸前準入策略;建設銀行搭建線上統一模型策略研發實驗室，引入了基于神經網絡模型的實時評分模型，運用于客戶賬戶分級管理，基于知識圖譜社交網絡模型進行欺詐和產業分析，實現了多維度的智能偵測;交通銀行信用卡中心將基于機器學習的風險評估模型應用于申請反欺詐，有效提升了申請欺詐的識別效率。

隨著我國數據要素市場化的推進，數據作為數字經濟時代重要生產要素，銀行借助政務數據等，建設起實時更新、豐富完善的智能風控系統成為可能。在實踐方面，上海上線大數據普惠金融應用，向銀行開放了300多項公共數據，支持銀行運用大數據分析等金融科技手段，加大對中小微企業的信貸投放;安徽蕪湖市政府要求以中小企業為服務主體，以政府大數據為基礎，以金融科技為手段，以政策性擔保增信為支撐，以企業自主申請，誠信合作為前提，通過搭建蕪湖市金融綜合服務平臺，采取“線上+線下”一體化金融服務模式，進一步深化中小企業信用貸試點改革，構建金融供給與企業融資需求常態化的在線對接平臺。湖南常德農商銀行于2018年9月推出線上普惠型信用貸款產品——“常德快貸”。區別于一般線上貸款產品，“常德快貸”充分借力常德市智慧城市建設成果，以政務數據為核心，整合銀行數據、征信數據和互聯網數據，利用大數據風控建模技術建立智能化風控體系，實現線上貸款信用風險有效控制。

但在上述實踐中，同樣存在政務數據共享合作因客戶政務數據較為敏感的原因，政府內部數據共享流程尚處在業務論證階段，導致金融業對政務數據的使用較為混亂。部分關鍵政務大數據尚未在中小企業融資中得到應用，目前的政務大數據僅僅開放了工商、稅務、法院等部門的數據資源，且字段信息不完整，而對銀行信貸決策起道重要作用的水電費繳納情況、不動產情況、海關進出口情況等均暫未開放。

《中國銀行家調查報告(2020)》指出，六成銀行家將金融科技引領的數字化轉型視為銀行業未來利潤主要增長點，金融科技在大數據風控的應用(47.8%)較去年(42.2%)有明顯上升。金融科技的發展持續推動銀行經營管理數字化轉型，不斷提升客戶服務和風險防范水平。在眾多金融科技的應用場景中，最被銀行家看好的是基于大數據分析的風險管理(73.5%)。

大數據、云計算人工智能和隱私計算等技術的快速發展為商業銀行創新金融風控手段提供了更多的解決思路，科技對于金融的作用不斷被強化，創新性的金融解決方案層出不窮，基于人工智能方法從大數據中快速獲取準確的信息吸引了越來越多的關注，逐步應用于商業銀行風險管理，并實現了應用價值，讓銀行通過大數據技術解決金融業務中的各種關鍵問題成為可能，金融科技發展進入新階段。