大数据-风险管理新武器( 二 ) _风险

文章插图
大数据意味着大承诺，但它能够不辜负大承诺吗？现在下结论，为时尚早。随着每日产生大量数据，“噪音”（很有可能）增加得比“信息”更快。因为，有这么多假设需要进行测试，有这么多数据等待挖掘，但是客观真理的数量却是相对稳定的。要确定有用的信息，需要有针对性的策略和适当的技术，或者是针对隐晦的洞察力和价值的体积庞大的威胁数据。
3 大数据应用-游戏规则的改变者
风险管理面临新的机遇与挑战。为了应对危机，监管机构要求更为详细的数据以及日益复杂的报告。银行预期将在所有资产类别中对各种场景进行定期而全面的自下而上的压力测试。近来，广为报道的“流氓交易员”和洗钱丑闻，促使行业进一步要求加强风险控制和建模。大数据技术为应对这些挑战提供了新的机遇。广泛、全面和近乎实时的数据有能力提升风险监控（同时降低信噪比），风险覆盖率，以及风险模型的稳定性和预测能力。在一些关键领域，特别是操作风险和合规风险，大数据技术将使得模型的发展能够支持风险人员的日常决策。这些技术能够快速处理大规模数据，同时也能够适应设定在交易，交易对手和投资水平上的情景压力测试的新要求。大数据所提供的绝大多数好处和挑战，都来自于其庞大的数量和多样性（图 1）。然而，不同的风险领域确是以不同的途径从大数据技术中受益。无论一个机构是要求数据有更大容量，更具多样性，更加快速，亦或是更具准确性，大数据都可以有针对性地满足其特殊需求，并且在战略上应用这些数据加强不同的风险领域。
4 信用风险-更好的预测能力
经济危机爆发以后，金融机构希望能够深入地了解他们的客户。越来越多富有远见的银行在信用风险领域，利用大数据来发展更稳健的预测指标。新的数据来源，包括社交媒体和营销数据库。它们可以用来获取被更为清晰的客户行为分析。这些信息来源能揭示一些令人吃惊的消息：一场代价很高的离婚，一次昂贵的购物，一个赌博的问题。
从数据湖中得到的信息，加上传统数据源，包括金融、社会人口、内部支付和外部损失数据，集中在一起可以产生一个非常强大而全面的风险指标。运用大数据技术，我们可以从客户现有的行为来判断出风险预警信号，并及时采取行动，而不用等到审核贷款客户的财务报表才发现还款问题。
5 反洗钱-实时可应对的洞察
最近几次丑闻之后，业界对待洗钱和恐怖主义融资到了零容忍的地步。一经发现，罚款极其严厉。最近一家法国银行因为与被美国制裁的国家做交易，被处以89亿美元的巨额罚款，创下历史记录。
洗钱案件的高成本迫使银行寻求新的方法，来解决当前反洗钱风险管理中存在的严重缺陷。传统的反洗钱方法还停留在依靠规则和描述性分析来处理结构化数据。该系统有明显的局限：缺乏自动算法，在大量数据中检测信息时，需要费力的关键字搜索以及人工筛选报告。举个例子，近期我们观察到这样一个案例，一家大型金融机构的支付提示里出现“CBI”这个缩写时，可能是指爱尔兰央行（ Bank of ），意大利央行（ Bank of Italy）或伊朗央行（ Bank of Iran）（编者按：其中只有伊朗在国际制裁的名单里）。而所有出现“CBI”的交易记录都会被发送到反洗钱部门进行人工审查。这是一项耗费资源又容易出错的任务。
大数据分析可以改进现有的反洗钱操作流程。该方法对于结构化数据能进行高级统计分析，而对于非结构化数据，也能做先进可视化处理和统计文本挖掘。这些方法可以提供一种迅速绘制出交易和账户之间隐藏着的联系、并发现潜在可疑交易模式的手段。高级分析能够生成实时可应对的洞察，阻止潜在的洗钱风险，同时允许资金和人力援助转移至经济困难需要帮助的地区。大数据技术可以识别事故，帮助绘制更广泛的图像，让银行在为时已晚之前拉响警报。