原标题：大数据时代下的商业银行风险管理

伴随着互联网和大数据的快速发展，互联网和传统行业的融合开始加速，在互联网浪潮下，传统行业重新找到了发展的新方向。互联网与传统银行业可以融合发展，即形成新型的“互联网+”模式，该模式的本质在于将互联网技术（大数据处理、云计算）融合于银行经营管理的各环节，这不仅仅是简单的将传统业务置于互联网环境中，而是一种多维度、多层次涉及面广的颠覆性创新，是未来助推银行业转型升级的必经之路。大数据在银行风险管理中的作用主要体现在信用风险管理和舆情分析两方面，下面一一来看。

信用风险管理

对于风险管理领域,数据仓库可以支持风险管理领域对客户、债项层面的内部评级和风险综合评价,支持对风险资产的综合管理,同时将评价结果应用于信贷审批、风险监测、风险报告、政策制定、拨备计提资本计量等各领域。中国工商银行基于数据仓库开展了内部评级、资本管理、不良客户管理等工作,取得了较好的效果。

图.辽宁省农村信用社联合社-数据管理系统

在内部评级方面,通过客户的基本信息、客户评价信息、客户持有产品等数据,对客户进行风险评级,细分客户群体,统一了全行卡、贷款等信贷业务的授信策略,实施了针对客户个体的差异化综合授信,真正实现了以客户为中心的服务理念,提升了信贷服务水平。

例如,某银行基于神经网络实现了信用卡欺诈交易的实时识别和干预,进一步提升了反欺诈识别准确度,堵截信用卡盗刷、网银转账、手机银行转账和B2C支付等业务的风险交易;某银行运用决策树算法,通过对客户资金流向履约情况、关联关系等特征进行分析,及时预测和量化客户信用风险,实现及时对不同的风险资产采取差异化的处置措施。

舆情分析

在大数据时代的背景下,网络上存在大量以文本为代表的非结构化数据，特别是互联网上的新闻、社交媒体数据,其中更不乏与商业银行有关的情信息。对这些信息进行有效的挖掘和利用,将为商业银行及时掌握在互联网上传播的潜在风险事件提供一个全新的视角。

实现舆情风险管理的文本挖掘技术过程一般分为文本获取、预处理、分析挖掘、可视化展现等步骤。

文本获取:商业银行获取文本的方式包括已采购的财经新闻、行业动态、研究报告等外部资讯信息,还可以通过开发采集工具来进一步扩大新闻媒体的采集范围,比如对以微博、论坛为代表的社交媒体信息进行采集。采集方式包括搜索引擎、新闻网站、论坛页面适配、微博页面适配。

预处理:包括中文分词和文本去重等步骤,从而实现文本的预处理。前者是在获取到文本数据之后,将文本切分成词汇的集合,使得机器能够更好地理解词汇组成的文本。后者则通过相似哈希算法快速对海量文本相似程度进行计算。

分析挖掘:通过主题分析、关联分析、情感分析、分类分析等方法实现文本的挖掘。

• 主题分析：主要对分析所涉文本中主要的关键词及相关的主题词进行提取;
• 关联分析：主要对文本进行算法处理,得到文本的数字特征格式;
• 情感分析：主要对文本情感进行分析,从而得出文本的情感基调,判断主观语义;
• 分类分析：主要通过分类器进行训练,从而得到不同维度下分类的概率特性。

可视化展示:通过“词云”“词汇网络”“主题河流”“传播途径”等展现方式,展示不同的数据结果。

图.亿信华辰为某机构做的舆情监测大屏

一般来说,内控合规所涉及的事件往往是商业银行不可逾越的“高压线”,其中绝大多数员工违规事件的发生,都会对商业银行产生极大的负面影响和不可估量的损失,因此对于合规的实时监测就显得尤为重要。合规风险事件监测可以对商业银行内控合规中涉及的受贿、非法集资、飞单等关注点进行实时监测,自动识别信息正负面以及相关的业务类别,从而尽早发现,甚至预先判断风险,以及时做出相应的对策。

舆情分析还可以有更多、更广泛的实际应用领域,例如银行产品和服务的口碑监测、危机事件的预警等。

小结：亿信华辰是智能数据全生命周期产品与服务提供商，目前亿信产品已成功应用于中国人民银行、中国进出口银行、中国农业发展银行、北京银行、天津银行近200家各类银行机构，为亿万用户提供大数据服务。