来源 :银融时代2022-10-24
基于大数据平台，公司建立了“以客户为中心”的全面风险管理体系，彻底打破传统模式下形成的条线、部门、产品、系统间的数据分隔、各自识别风险的做法，形成按客户集中统一管理数据的高效协调管理机制。结合内部评级模型和客户画像，对客户信用风险进行动态监测，实现同一客户统一管理。
一、转型工作情况
基于大数据平台实现信用风险数据整合
通过大数据平台建立公司统一的数据采集、数据存储，形成标准规范的“数据湖”，改变数据碎片化、局部化、孤岛化状态，为各应用系统提供数据支持。信用风险数据主要包括内部数据和外部数据两大类。
图1 基于大数据平台的信用风险数据整合
大数据平台打破以系统分散、数据分散模式下形成的条线、部门、产品、系统间的数据分隔和各自识别风险的做法，统一进行信用业务的数据收集、清洗、分类、挖掘，实现同一业务的管理。
公司基于大数据平台，目前已完成所有业务条线、部门机构的信用业务数据T+1日整合。
基于大数据和人工智能平台构建信用风险应用
(1)同一客户和同一业务管理
基于大数据平台，实现集团信用业务系统客户信息的接入、清洗及整合，结合外部工商数据、资讯数据，建立公司同一客户、同一客户组、以及关联关系客户的识别和管理，实现客户身份识别和关系穿透。支持系统自动判定、人工指定，以及关系复核确认。
a、单一客户识别：实现同一客户的身份确认、管理，自然人以身份证等为基础识别同一客户，机构客户以组织机构代码、统一社会信用码等为基础识别同一客户。系统为客户分配同一客户号，以及同一客户号的合并、拆分等维护与管理；
b、集团客户管理：基于大数据和客户关系图谱，实现对个人客户的任职关系、投资关系、担保关系、实控关系、一致行动人、受益人等关系识别，对机构客户的股权关系、资金派系、集团关系、产业上下游等关系识别，完善同一客户管理体系。
在集团层面实现子公司风险数据T+1日获取、集团风险指标T+1日计量和监控，以及集团同一客户和同一业务风险的T+1计量、汇总和监测。
(2)内部评级管理
以“分类评级+专家打分卡+线性模型”的信用评级模型为基础，基于大数据的客户信息、工商信息、财务数据、行业数据、经营数据、市场数据等构建评级因子，实现个人和机构客户的信用内部评级，主要包括评级模型管理、评级流程管理。评级管理：包括评级模型管理、评级因子管理、模型参数管理。评级流程管理：实现对整个评级流程进行管理和监控，包括评级发起、评级审核与认定、评级修改、流程监控等。
(3)信用风险智能预警和监控
在信用业务监控方面，实现对信用业务规模、预期信用损失、预期损失率、非预期信用损失、不良率、业务集中度、客户集中度等指标分析和监控。在舆情监测方面，根据大数据舆情监测和企业关联关系图谱，实现涉及主体的风险评估，提前洞察潜在的信用风险，包括客户风险、抵质押品风险，以及基于关系图谱的风险传导和叠加。在信用风险智能预警方面，根据业务特征、风险评价维度和风险特征，建立经营、财务等基本面指标，以及舆情、公告等高频风险事件指标，构建多模态风险评估模型。将风险预警模型的评价结果进行量化得到风险评分，结合评分决策对应到高、中、低、正常4种风险级别，并采用红、橙、黄、绿颜色标注，实现企业风险预警的直观展示和动态预警。同时构建风险预警的模型评估和归因分析，结合用户使用反馈，形成应用闭环，对预警模型持续迭代和提升。
二、转型成效
基于大数据平台，公司建立了“以客户为中心”的全面风险管理体系，彻底打破传统模式下形成的条线、部门、产品、系统间的数据分隔、各自识别风险的做法，形成按客户集中统一管理数据的高效协调管理机制。结合内部评级模型和客户画像，对客户信用风险进行动态监测，实现同一客户统一管理。
大数据平台实现信用风险数据整合，将公司内部和外部的海量数据的统一采集、集中存储和数据提供，用于风险识别、计量、评估、监测和报告，提高数据处理的自动化水平和处理效率。
本案例在技术创新、应用实践、体系完善、规模性能等方面，均处于证券行业领先地位，形成较好的示范效应，对于证券公司有效防范信用风险和全面提升风险管理能力具有重要的现实意义。以信用风险管理系统为基础的证券公司信用风险管理体系的建设，使证券行业不至于成为社会信用体系的法外之地，推动了整个社会信用体系的完善。