張宏洋

摘要：隨著互聯(lián)網(wǎng)的發(fā)展，移動(dòng)支付，社交網(wǎng)絡(luò)和搜索引擎對(duì)人力資源模型產(chǎn)生了巨大的影響。本文重點(diǎn)研究大數(shù)據(jù)時(shí)代金融工具的信用風(fēng)險(xiǎn)。本文根據(jù)金融風(fēng)險(xiǎn)管控的相關(guān)資料，初步建立當(dāng)前時(shí)代下的信用風(fēng)險(xiǎn)測評(píng)指標(biāo)體系以及金融工具流動(dòng)性指測評(píng)體系，采用模糊綜合評(píng)價(jià)方法，建立了一套評(píng)價(jià)因子，并用問卷調(diào)查法對(duì)各信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)進(jìn)行評(píng)分。得出總的信用風(fēng)險(xiǎn)評(píng)價(jià)。本文收集了7個(gè)金融工具的流動(dòng)性指標(biāo)數(shù)據(jù)，進(jìn)行加權(quán)求平均值，計(jì)算出各個(gè)金融工具的流動(dòng)性評(píng)級(jí)。

Abstract： With the development of Internet， mobile payment， social network and search engine have a great influence on human resource model. This paper focuses on the credit risk of financial instruments in the era of big data. Based on the relevant information of financial risk management and control， this paper preliminarily establishes the credit risk evaluation index system and the financial instrument liquidity evaluation system in the current era， adopts the fuzzy comprehensive evaluation method， establishes a set of evaluation factors， and scores each credit risk evaluation index with the questionnaire survey method. The overall credit risk assessment is obtained. In this paper， liquidity index data of seven financial instruments are collected， weighted and averaged， and the liquidity rating of each financial instrument is calculated.

關(guān)鍵詞：信用風(fēng)險(xiǎn)評(píng)價(jià);模糊綜合評(píng)價(jià)法;流動(dòng)性指標(biāo)評(píng)級(jí);加權(quán)平均值

Key words： credit risk assessment;fuzzy comprehensive evaluation method;liquidity index rating;weighted average

中圖分類號(hào)：F832? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1006-4311（2020）04-0126-05

0? 引言

大數(shù)據(jù)時(shí)代下，構(gòu)建結(jié)構(gòu)化、智能化的信用評(píng)估體系，可以迅速的挖掘用戶的信用狀況、金融理財(cái)狀況，對(duì)用戶的情況進(jìn)行快速、準(zhǔn)確的評(píng)估，有效的提高金融的信用狀況，降低信用風(fēng)險(xiǎn)，提高風(fēng)險(xiǎn)管理機(jī)制的效率，讓數(shù)據(jù)為信用打分、提升了金融信用服務(wù)水平。本文主要研究大數(shù)據(jù)時(shí)代金融工具的信用風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)評(píng)估。Paola Cerchiello（2016）對(duì)于風(fēng)險(xiǎn)監(jiān)管的其中一個(gè)十分重要的貢獻(xiàn)就是系統(tǒng)性風(fēng)險(xiǎn)管控體系模型，它以確定金融機(jī)構(gòu)之間的關(guān)系為主要內(nèi)容，以便確認(rèn)哪一個(gè)更加的重要。Leduc M V（2016年）研究銀行間系統(tǒng)中的破產(chǎn)級(jí)聯(lián)，允許銀行通過其他銀行出售的信用違約掉期來保險(xiǎn)。通常情況下，對(duì)于每個(gè)參與者，只有網(wǎng)絡(luò)中的總負(fù)債和總資產(chǎn)是可見的。但劉愛華（2015）研究了阿里各種互聯(lián)網(wǎng)借貸產(chǎn)品的具體構(gòu)成，運(yùn)作流程，風(fēng)險(xiǎn)管理方法以及大數(shù)據(jù)的決定性作用。詳細(xì)解釋阿里小貸如何利用大數(shù)據(jù)在貸款前實(shí)現(xiàn)高質(zhì)量的客戶篩選，以及對(duì)貸款的高效實(shí)時(shí)審查。童盼（2017）基于數(shù)據(jù)挖掘的銀行客戶管理信息系統(tǒng)是利用數(shù)據(jù)挖掘技術(shù)的銀行。通過有效而充分的數(shù)據(jù)挖掘，從不同角度分析銀行客戶數(shù)據(jù)，對(duì)客戶進(jìn)行分類和分類。

1? 理論綜述

1.1 信用風(fēng)險(xiǎn)評(píng)級(jí)

信用風(fēng)險(xiǎn)評(píng)級(jí)是對(duì)評(píng)級(jí)對(duì)象（金融工具）全額償還債務(wù)本金和利息以及履行相關(guān)合同和經(jīng)濟(jì)承諾的能力和意愿的總體評(píng)估。信用評(píng)級(jí)有助于企業(yè)和投資者防范商業(yè)風(fēng)險(xiǎn)，為投資者提供公平客觀的信息，從而保護(hù)投資者的利益，實(shí)現(xiàn)最大的有效經(jīng)濟(jì)效益有利于維護(hù)資本市場的秩序穩(wěn)定。

1.2 信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的建立

用評(píng)級(jí)的量化指標(biāo)主要評(píng)估被評(píng)估人的財(cái)務(wù)風(fēng)險(xiǎn)，并檢查會(huì)計(jì)質(zhì)量，包括：資產(chǎn)負(fù)債結(jié)構(gòu)，盈利能力，現(xiàn)金流量充足性，資產(chǎn)流動(dòng)性等，信用評(píng)級(jí)的定性指標(biāo)主要分為行業(yè)風(fēng)險(xiǎn)評(píng)估和商業(yè)信用風(fēng)險(xiǎn)評(píng)估。本文選擇的信用評(píng)價(jià)的指標(biāo)有： 品牌宣傳、貿(mào)易征信、招標(biāo)評(píng)選、采購認(rèn)定、銀行貸款、政策申請(qǐng)。信用風(fēng)險(xiǎn)計(jì)量：信用風(fēng)險(xiǎn)指標(biāo)，如違約概率，違約損失，債務(wù)評(píng)級(jí)風(fēng)險(xiǎn)和信用利差風(fēng)險(xiǎn)。違約概率是商業(yè)銀行或金融機(jī)構(gòu)客戶違約的概率。

2? 大數(shù)據(jù)時(shí)代金融信用風(fēng)險(xiǎn)的模糊綜合評(píng)價(jià)

2.1 模糊綜合評(píng)價(jià)法的步驟

2.1.1 確定評(píng)價(jià)對(duì)象的因素集

設(shè)■是對(duì)7個(gè)金融工具進(jìn)行綜合評(píng)價(jià)所需要的m個(gè)評(píng)價(jià)因素（評(píng)價(jià)指標(biāo)），其中m是其評(píng)價(jià)指標(biāo)的個(gè)數(shù)。本文的指標(biāo)體系如下圖1所示。

因此本文的評(píng)價(jià)因素集為：

2.1.2 確定評(píng)價(jià)對(duì)象的評(píng)語集

2.1.3 確定評(píng)價(jià)因素的權(quán)重向量

2.1.4 確定模糊綜合評(píng)價(jià)矩陣

本文通過對(duì)單因素的綜合評(píng)價(jià)，即單因素模糊評(píng)價(jià)，確定了最佳金融工具對(duì)評(píng)價(jià)集的隸屬度。

構(gòu)建最好的金融工具集后，即隸屬度的各個(gè)評(píng)價(jià)因子7金融工具從單因素決定，然后獲得的模糊關(guān)系矩陣：

2.2 實(shí)例分析

本文在確定模糊關(guān)系矩陣時(shí)，采用問卷調(diào)查法，調(diào)查20名金融工具的貿(mào)易客戶，得到金融工具1的各項(xiàng)統(tǒng)計(jì)表，見表1。

3? 大數(shù)據(jù)時(shí)代銀行業(yè)金融風(fēng)險(xiǎn)管理和控制的不足

3.1 當(dāng)前我國的銀行業(yè)風(fēng)險(xiǎn)管控不足

我國傳統(tǒng)的銀行金融風(fēng)險(xiǎn)管理體系正面臨著巨大的挑戰(zhàn)主要這體現(xiàn)在以下幾個(gè)方面：以往的財(cái)務(wù)風(fēng)險(xiǎn)管理體系是以內(nèi)部控制當(dāng)中的行為合理合規(guī)為主要導(dǎo)向的，傳統(tǒng)的財(cái)務(wù)風(fēng)險(xiǎn)管理體系雖然強(qiáng)調(diào)風(fēng)險(xiǎn)評(píng)估的定量和定性的度量方法，但更多地依賴于監(jiān)控規(guī)則和具體指標(biāo)，更是缺乏良好的測量方法。在大數(shù)據(jù)時(shí)代，風(fēng)險(xiǎn)管理的邊界大大拓寬，各種風(fēng)險(xiǎn)很難完全防范，如以不正當(dāng)?shù)氖侄位I集資金、銀行對(duì)客戶的個(gè)人資料保管力度不足等。傳統(tǒng)的金融風(fēng)險(xiǎn)管理體系難以實(shí)現(xiàn)監(jiān)管的滲透，難以形成資金來源、中間環(huán)節(jié)和投資目的地的全面覆蓋。

3.2 大數(shù)據(jù)時(shí)代銀行業(yè)金融創(chuàng)新面臨的金融風(fēng)險(xiǎn)

在大數(shù)據(jù)時(shí)代銀行業(yè)混業(yè)經(jīng)營趨勢進(jìn)一步明顯，金融與科技的進(jìn)一步融合改變了銀行對(duì)客戶進(jìn)行信用評(píng)價(jià)的具體方式。銀行業(yè)擴(kuò)大金融服務(wù)所要涉及的范圍，更進(jìn)一步的促進(jìn)了銀行對(duì)客戶服務(wù)的多樣化與多元化。融業(yè)務(wù)的創(chuàng)新所帶來的風(fēng)險(xiǎn)在銀行業(yè)的風(fēng)險(xiǎn)中所占比例日漸增大，用戶使得互聯(lián)網(wǎng)中的銀行業(yè)務(wù)的天平向買方傾斜，用戶對(duì)于銀行金融業(yè)務(wù)中的創(chuàng)新的需求增加同時(shí)都傾向于有豐富從業(yè)經(jīng)驗(yàn)的金融從業(yè)人員為自己辦理金融業(yè)務(wù)。銀行利用互聯(lián)網(wǎng)使得用戶的范圍大大拓寬進(jìn)一步增加了活躍用戶的數(shù)量，但這也使得對(duì)用戶的資格審查和信用評(píng)級(jí)的難度和風(fēng)險(xiǎn)大大增加，使得銀行業(yè)務(wù)不確定性也進(jìn)一步增加金融產(chǎn)品的創(chuàng)新在銀行風(fēng)險(xiǎn)所占的比例增加，隨著金融創(chuàng)新的不斷發(fā)展，金融市場出現(xiàn)了信用違約互換等新穎的金融產(chǎn)品，雖然其收益率較高但同時(shí)流動(dòng)性風(fēng)險(xiǎn)也比較高。價(jià)格波動(dòng)和高杠桿使得難以衡量其對(duì)資本頭寸和風(fēng)險(xiǎn)敞口的影響。

4? 大數(shù)據(jù)時(shí)代下銀行業(yè)金融風(fēng)險(xiǎn)管控的建議

4.1 國家政策方向的風(fēng)險(xiǎn)管控

引入產(chǎn)業(yè)規(guī)劃和支持政策，促進(jìn)金融大數(shù)據(jù)的發(fā)展，建議引入政策性意見，促進(jìn)金融業(yè)大數(shù)據(jù)的開發(fā)和應(yīng)用，以滿足產(chǎn)業(yè)發(fā)展和政策空白的需要，明確產(chǎn)業(yè)發(fā)展的目標(biāo)，方向，路徑和要求。完善行業(yè)發(fā)展支持體系和發(fā)展能力評(píng)估與建設(shè)體系。指導(dǎo)和支持行業(yè)標(biāo)準(zhǔn)，安全性和商業(yè)化等各個(gè)領(lǐng)域的金融大數(shù)據(jù)相關(guān)研究。加速建立健全銀行業(yè)風(fēng)險(xiǎn)監(jiān)管體系，使整個(gè)行業(yè)盡快建立統(tǒng)一的行為規(guī)范，預(yù)防風(fēng)險(xiǎn)在源頭，使得發(fā)生風(fēng)險(xiǎn)的可能性降到最低。同時(shí)國家應(yīng)該對(duì)銀行業(yè)進(jìn)行完整的監(jiān)測與規(guī)范，在整個(gè)行業(yè)內(nèi)建立起一種預(yù)防風(fēng)險(xiǎn)的良好的風(fēng)險(xiǎn)意識(shí)，國家還應(yīng)將培養(yǎng)風(fēng)險(xiǎn)意識(shí)的政策落實(shí)到單位個(gè)人以此在源頭預(yù)防風(fēng)險(xiǎn)的發(fā)生。

4.2 銀行在金融大數(shù)據(jù)使用上風(fēng)險(xiǎn)管控

銀行業(yè)應(yīng)分步驟、分層級(jí)的促進(jìn)金融數(shù)據(jù)的開放共享和共同平臺(tái)的建設(shè)。但由于銀行間客戶數(shù)據(jù)信息分散和銀行間交流隔離的問題，因此建議監(jiān)管機(jī)構(gòu)倡導(dǎo)用安全平穩(wěn)方便控制的方法去開展金融業(yè)數(shù)據(jù)信息的開放和共享。銀行應(yīng)從制定統(tǒng)一的數(shù)據(jù)目錄開始設(shè)立最低開放標(biāo)準(zhǔn)和逐步鼓勵(lì)銀行創(chuàng)新合作模式，為金融業(yè)構(gòu)建統(tǒng)一的數(shù)據(jù)平臺(tái)和克服跨組織數(shù)據(jù)流通的障礙進(jìn)行良好的鋪墊。銀行在建立開放統(tǒng)一的數(shù)據(jù)共享新平臺(tái)中應(yīng)達(dá)成統(tǒng)一的共識(shí)：平臺(tái)的建立是為了促進(jìn)銀行更好的發(fā)展以適應(yīng)高速變換的大數(shù)據(jù)信息時(shí)代，憑此平臺(tái)在新一輪的更新?lián)Q代中立于不敗之地。

參考文獻(xiàn)：

[1]韓俊華，周全，王宏昌.大數(shù)據(jù)時(shí)代科技與金融融合風(fēng)險(xiǎn)及區(qū)塊鏈技術(shù)監(jiān)管[J].科學(xué)管理研究，2019，37（01）：90-93.

[2]李薇.大數(shù)據(jù)時(shí)代互聯(lián)網(wǎng)金融創(chuàng)新及風(fēng)險(xiǎn)防控[J].人民論壇，2019（05）：76-77.

[3]馮國富，王靜.基于大數(shù)據(jù)時(shí)代消費(fèi)者利益保護(hù)的金融審計(jì)研究[J].江蘇商論，2019（01）：40-43.

[4]沈謝怡.大數(shù)據(jù)時(shí)代下互聯(lián)網(wǎng)金融發(fā)展的機(jī)遇與風(fēng)險(xiǎn)應(yīng)對(duì)探析[J].當(dāng)代經(jīng)濟(jì)，2018（16）：50-51.

[5]張燕.大數(shù)據(jù)時(shí)代下我國消費(fèi)金融行業(yè)的風(fēng)險(xiǎn)控制問題研究[J].商場現(xiàn)代化，2018（15）：7-9.

[6]葛俊婷.大數(shù)據(jù)時(shí)代下我國消費(fèi)金融行業(yè)的風(fēng)險(xiǎn)控制問題探究[J].中外企業(yè)家，2018（19）：72.

[7]Paola Cerchiello，016 Paolo Giudici.Big data analysis for financial risk management.Journal of Big Data：3-18.

[8]Leduc M V ， Poledna S 2016， Thurner S . Systemic Risk Management in Financial Networks with， Credit Default Swaps[J]. Social Science Electronic Publishing，

[9]Doumpos M ， Zopounidis C 2001， 29（1）. Assessing financial risks using amulticriteria sorting procedure： the case of country risk assessment[J]. Omega：97-109.

[10]Gandy A ， Veraart L A M 2017. A Bayesian Methodology for Systemic Risk Assessment in Financial Networks[J]. Lse Research Online Documents on Economics， 215-229.

[11]劉愛華.大數(shù)據(jù)在網(wǎng)絡(luò)借貸風(fēng)險(xiǎn)控制上的應(yīng)用[D].2015.

[12]童盼，董利娜.數(shù)據(jù)挖掘在我國商業(yè)銀行信用風(fēng)險(xiǎn)度量模型中設(shè)計(jì)[J].財(cái)訊，2017.