bwin官网升级版
当前位置: 首页 > bwin官网升级版
【原创专栏】 资产管理中的大数据风控运用
返回

综述:


在资产管理行业,大数据的应用价值愈发凸显。本文从流动性风险管理、投资风险的控制等方面探讨大数据风控技术在资产管理中的应用。

大数据是一个宽泛的概念,业界没有统一的定义,可以说“大数据是超规格的数据集”,也可以说“大数据是信息资产”。 大数据具备数量(Volume)、速度(Velocity)、种类(Variety)、价值(Value)和真实性(Veracity)特征,可以用5“V”来概括。大数据风控,则是通过5“V”的大数据构建模型对金融业务进行风险监测、预警、计量和控制。大数据风控模型演化分4个阶段:基于专家知识的规则→基于机器学习的异常行为检测→基于企业或个人关联图谱挖掘的分析→基于历史数据建立分类模型。

关于资产管理行业,大数据的核心价值在于高效地实现大规模、多类型的数据撷取与处理,挖掘关于产品、客户、市场的高价值信息,辅助资产管理者作出更加合理的决策。在产品开发上,借助大数据技术,从海量数据中提取客户的资金使用习惯,从而开发新型“碎片化”理财产品,更充分地满足多元需求。在风险控制上,通过多种类型数据挖掘,进行全面分析和预测风险,并提供资产配置、投资节奏的调整策略。在市场营销上,立足于客户信息库和互联网数据,分析推算出客户的产品偏好,实现客户的精准分层和产品的精准推送。

本文围绕四个方面探讨大数据风控技术在资产管理中的应用:

1、大数据在流动性风险管理中的运用。一是通过大数据进一步拓宽风险管理范围。可以充分运用在风险限额管理、对外担保额度统计、监测资产结构比例、资产负债流动性匹配管理上,还可以纳入原本复杂的投资资产结构测算、量化金融市场环境对投资的影响,分析外部融资能力等。二是完善风险监测指标体系。三是可以穿透识别底层资产风险。四是评估公司资本充足状况,可依据数据信息,采用VAR(在险价值)和ES(预期不足)等方法计算出潜在的最大损失,并基于谨慎的原则,持有一定数量的高流动性资产以应对可能发生的这些潜在损失。五是有利于审慎评估流动性项目。

2、大数据风控对投资风险的控制。一是大数据+量化,辅助投资决策。二是对投资全流程的把控。

3、大数据在信用风险中的运用。借助大数据技术,信用风险控制方案逐步流程和标准化,主要包括了贷前、贷中、贷后三大环节。

4、操作风险高级计量法的应用。近两年国内很多使用基本指标法和标准法的金融机构都在主动或被动的逐步学习运用高级计量法。高级计量法的核准要求更为严格,比如要求应具备至少5年观测期的内部损失数据,数据应充分反映操作风险的实际情况等。要深化大数据在操作风险管理上的应用,主要还是积累数据。高级计量法的实施,最大的痛点就是数据不全。在LDC数据库建设上,除了做好数据收集,还要建立常规化的数据报送、核对、补充、更新机制,辅之以完善的数据输入输出体系。而对于自身数据库建设缓慢,历史积累不够的一些金融机构,也可以采取购买的方式。

本文内容为原创,转载请注明出处!


粤公网安备 44010602001922号