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:
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工业平板电脑厂家,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。
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。