运用信息科技,构建银行风险管理预警系统

《运用信息科技,构建银行风险管理预警系统》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、运用信息科技，构建银行风险管理预警系统　金融机构盈利的来源其实就是承担风险的风险溢价,一家卓越的金融机构,必然拥有较之非金融机构和金融同行更为游刃有余的风险管理能力。金融机构的核心竞争力就在于能否更好地理解业务中的确定性和不确定性,从而以行之有效的风险管理架构和创新、风险定价策略,使其能在一般状况下获得利润,在极端状况下保持生存。随着近几年我国新资本协议的实施，各银行风险管理能力和水平获得了较大提升的同时，各种估值定价和风险计量模型也开始在我国银行业大量应用。但单个模型的运用并不能满足全面风险管理的要求，而且模型

2、结果也容易失真。因此笔者认为，我们可以基于多个风险管理模型建立风险预警系统，并可在该系统中引入风险日常计量，风险报警，提供风险管理策略参考等功能。日常运用中，各机构可以通过该系统清晰的看到本机构的风险暴露点和风险暴露值的大小，并由系统提供风险对冲策略的参考；对于触发预警的风险暴露，系统也可以自动向管理人员发出预警。因此，运用信息科技，通过构建风险管理模型，建设风险管理预警系统，对于提高我行的风险管理水平，扩展风险管理手段，进行全面风险管理有着重要的意义。一、风险管理预警系统高度依赖信息科技手段风险管理系统的核心是

3、风险管理模型的运用，而风险管理模型的实现过程是高度依赖于信息科技手段。这点将从金融模型的以下三个特征进行分析：（一）模型的数据依赖性银行风险管理模型不仅仅是要找到被解释变量与影响因素之间的关联关系的理论模型，更是要反映出其数量关系的量化模型。数据是一切分析的源头，只有依赖正确的数据才能分析出正确的结果；即使有合格的数据质量，也并非一定有有效的预测模型，但没有合格的数据质量，一定不会有可靠的预测模型。针对**行而言，我行业务数据的基础来源是综合业务系统与CM系统；而金融市场数据的来源则要依靠国家金融数据发布机构与金

4、融数据提供商。从我行目前的情况看，综合业务系统和CM系统多年的运营，积累了庞大的一手数据，但我行尚未对这些数据通过统计、计量和模型运用等方法进行挖掘和分析。通过正确分析方法的运用，透过我们数年的营运数据，笔者相信我们能挖掘到许多有助于管理运营的信息。风险管理模型的建立离不开建模的数据，优良的风险管理预警系统更离不开持续的数据管理体系下形成的可靠数据质量。数据和事实是建立风险计量体系的基础和生命线，数据把关是风险管理的第一道屏障。新资本协议对数据合规提出长跨度、广覆盖和高质量的样本数据以及强大的IT系统等较高要求的

5、原因。这也为我行的信息科技部门提出的新的挑战：怎么从软件和硬件两个方面着手，提供可靠、全面、便捷的数据支持。（二）模型的时效性模型的时效性是指任何模型都是基于历史经验、基于建模当时数据的数据情况和基本情况建立起来的，随着时间的推移，不论是外部宏观环境，还是建模对象本身的风险特征，都有可能发生重大变化，而引起建立模型时成立的模型关系不再成立，模型预测的有效性降低，甚至模型失效。“一切以时间、地点、条件为转移”，任何一个模型都需要进化，需要在原有基础上持续监测维护、验证和升级，弥补模型缺陷，从而保证模型的时效性和稳定

6、性，提高模型的预测能力和前瞻性。对于一个有着高度时效性的系统，采用人工手段采集数据、分析计算、验证修正模型，显然不能满足时效性的要求，并会增加许多重复性的工作。因此，充分挖掘我行现有业务数据，定制合理的计算机程序，高速完成模型的运算与验证，并提供参数维护功能。通过程序自动修正模型内部参数与人工修正外部金融环境参数，两种手段并举共同提高模型的准确性和预测能力。（三）模型的计算复杂性在模型的数据依赖性和时效性的要求下，加之风险管理模型多为基于概率与统计学的运算。其计算过程凸显大规模运算、复杂性和重复性的特点。加之全系

7、统各分支机构需基于本机构业务数据生成针对本机构的风险管理模型计量结果，这将花费大量的人力成本。因此，开发风险管理模型系统，用信息科技手段实现风险管理模型的程序化、信息化势在必行。这将大幅降低投入与风险计量的人力成本，并提高风险计量的时效性，准确性和全面性。一、数据挖掘和风险管理模型科技实现的初步构想(一)数据挖掘初探金融时间序列是将某个金融统计指标在不同时间上的各个数值，按照时间先后顺序排列而形成的序列。显而易见，我行各个会计科目的日余额即可构成一个金融时间序列；单个企业的贷款余额的变化亦可构成一个金融时间序列；

8、甚至是网络的吞吐量形成的序列来代表时点上的业务量的金融时间序列。业务实现过程中，我们可以从现有的数据库中提取数据，经过加工形成新的金融时间序列，并对此序列进行分析。例如：对于一个基层营业网点，其现金、存放中央银行、存放同业款项、系统内存放款项的日均余额既能形成四个金融时间序列。我们可以从综合业务的数据库中提取相应的数据，存放于新的数据库的数据表中，然后通过自回归模型（如G