《基于大数据的银行信贷风险管理研究的国内外文献综述》3200字.docx

基于大数据的银行信贷风险管理研究的国内外文献综述

1.1国外研究现状

早在20世纪70年代开始，国外就有学者运用信息不对称理论研究商业银行与企业信贷关系问题。H.Leland和D.Pyle最先将信息不对称理论运用到商业银行中，以信息不对称理论入手分析了商业银行必然存在的信贷风险问题。但是对于这个必然存在的信贷风险的管理理论直到80年代末才开始蓬勃发展起来，这与80年代末开始的接连不断的金融危机是分不开的。如1987年美国的“黑色星期一”大股灾，1990年日本股市危机，1992年的欧洲货币危机等等。这些事件的发生给世界经济和金融市场的健康发展造成了巨大的破坏，同时也是人们意识到了金融风险管理理论的必要性和紧迫性。

国外的商业银行风险管理理论，可划分为四大阶段：20世纪60年代前资产风险管理理论、20世纪60年代的负债风险管理理论、20世纪70年代资产负债管理理论及20世纪70年代后以资本充足率管理的风险管理阶段。在资本充足率风险管理阶段，此时资本充足率在商业银行风险防控中占据主要地位。这一时期，国际上就资本内容的计算与标准达成一致，并在《巴塞尔协议》中明确指出资本充足率标准，其中核心资本至少4%，标准资本最低8%。这些早期的风险管理理论为现代风险管理理论的发展，提供了基本的工具和最初的理论基础。进入21世纪，ERM(EnterpriseRiskManagement),即全面风险控制理论为主的风险控制理论体系提出，国外学者更加强调风险管理必须贯彻于经营活动的方方面面。

随着移动互联网的迅速发展，大数据技术的广泛运用，全面风险管理体系面临着新的机遇和挑战。研究机构Gartner给大数据定义为在新处理模式下具有更强大的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。纵观国外大数据研究现况，ViktorMay-Schonberger(2013)最早洞见大数据的发展趋势，针对大数据进行了大量研究，他认为我们正在经历一场大变革，不管是从思维上还是从管理的方法上。在大数据风险管理领域除大数据图形分析方式外，还采取处理技术手段，达到迅速统计历史数据的目的，相关信息流及出发计算等过程也得以解决，同时符合模型的匹配要求，处于毫秒级别是便能给出判断结果；此外，非结构化数据也能通过大数据实现结构字段转化，除图像、文本及语音外，还包括JSON和XML等。Deepika（2018）指出世界各地银行的数据库积累了大量有关客户及其财务和信用历史的信息，这些数据库可以用于信用风险评估，但它们通常是高维的，传统的数据分析可能无法处理如此大量的高维数据。而高效地使用大数据分析(BDA)，能够产生更好、更明智的信贷决策。IDLackovic（2016）在分析中提出，因为趋于复杂化的竞争体系、严格监管体系、用户标准的不断提升等，造成银行需要有效开发大数据的价值，进一步实现预期的客户营销及风险防控的效果。Nicola等（2016）在分析中指出，实际的风险建模过程中需要有效对应银行间的特殊依存关系，银行所涉及的风险模型体系要求有着可靠的大数据支持。Manyika、Chui等（2011）在分析中指出，在大数据环境下隐含需要有效开发自身的营销体系，有效开发网络工具价值，确保可以和用户实现有效的交流，采取新的精准营销策略，有助于更好的开发网络数据，在风险实际产生前实现有效的应对。

综上所述，国外学者对于大数据技术在银行信贷风险防控领域的研究一直不停歇。而我国互联网金融、在线支付等高度发达，领先于国外，在考虑如何利用大数据进行商业银行信贷风险防控时，可以采纳国外的先进技术和理念，但也要结合自身的环境和优势条件，大胆创新。

1.2国内研究现状

随着我国社会主义市场经济体制改革的进一步深化，我国学者在商业银行的信贷风险防控方面取得了迅速发展，并取得了一定的研究成果。王蕾等（2019）指出银行信贷风险源于信贷过程中的不确定性，主要是指银行与借款企业之间信息不对称所导致的不确定性。关于信息不对称，在签订贷款合同之前，银行属于信息劣势方，银行无法确切地了解借款企业在贷款资金使用、项目投资收益和项目风险估计等方面的完备信息，容易导致误判，进而产生信贷风险（尹志超和甘犁2011）。在与银行签订完相应的契约后，为了获取经济利益，企业极有可能未按照规定的预定项目进行投资，而是投资收益更高，同时也具有更大风险的项目，使得商业银行和企业在信息上进一步缺乏对称性，进而更进一步增加了银行信贷风险（王彬2019）。刘孟娜（2015）认为信息不对称已成为商业银行不良资产产生的重要原因，提高借贷双方信息对称度，对于降低商业银行的不良资产具有重大意义。由此可见，信息不对称理论在银行信贷业务中有着重要地位，它在极大程度上决定了信贷操作基本流程。贷前调查与贷中审查审批、贷后检查是不可或