基于非财务因素的银行信贷风险监测系统的构建

李月朋 王颖 杨昊天 李崇瑞

摘 要：风险防范是银行日常信贷业务的关键，是金融稳定的基础。银行信贷风险传统预警主要基于财务数据，虽然能够一定程度上帮助分析客户违约概率，但在早期风险预警方面具有局限性。在大数据处理技术与网络爬虫技术快速发展的背景下，引入非财务因素分析，并应用网络爬虫技术，能够降低信贷风险，做到贷前审核，贷后跟踪预警，为信贷风险预警提供信息支持。

关键词：非财务因素；银行信贷；风险；数据挖掘

引言

信贷业务是银行盈利的主要方式，当前银行业的竞争激烈。商业银行为了自己的生存，不断降低信贷门槛，信贷资产质量下降。投资企业财务报表作假现象的普遍存在，银行贷后管理与风险预警能力有限，巨额不良贷款的不断积累，使得行业信用风险持续暴露（晁静，高建来，2011）。

现如今，大数据时代的到来，催生出了互联网金融、网络爬虫等各类信息手段，为银行收集客户信息，维护信贷秩序提供了强有力的手段，通过大数据的收集、分析，及时发现客户存在的信贷问题，预防信贷危机，全面评估企业信贷风险已经成为了可能（李超，周瑛，2017）。

在此背景下，我们引入了非财务因素风险监测系统，构建了基于全网信源搜索的系统，通过收集、分析、诊断等环节来监测非财务信息，为有效控制信贷风险提供信息保障。

一、银行信贷风险管理综述

信贷风险监测基于财务因素的研究，包括两种模式，统计类和非统计类。前者是通过统计数据建立模型，进行预测分析，后者是通过机器进行学习，进行相关程序代码的编写，对财务报表数据进行检测，监控信贷风险。

然而，仅基于财务数据分析的方法，不能准确反映企业经营情况。非财务指标具有整体性、战略性和前瞻性的优点（徐南，2008）。全面评估企业风险，指导银行风险评估，注重企业当前和未来的信息，帮助企业实现长期可持续发展。

二、银行信贷与互联网+、大数据

在全球经济一体化背景下，企业发展更容易受到国际競争环境的变化、相关竞争者的发展状况、企业自身发展的异常情况等多种复杂因素的影响，因此构建一个全面科学的监测体系、实时监测影响企业发展的诸多相关因素有利于银行更有效地控制信贷风险。

互联网个人信贷创新模式以高效、快捷、便利为目标，满足了广大客户的信贷需求，发展十分迅速，在网上信贷过程中，为了防止通过伪造虚假资料而进行的网上欺诈，银行等金融机构可以采取第三方验证、大数据分析等手段，不仅可以在以央行征信报告了解借款人，还可以搜集借款人在其他金融机构的信贷记录，并获取借款人联系方式、浏览网页等多维度信息。伴随数据的不断积累和整合，令风险异动再第一时间反馈出来，有效控制风险（张引，陈敏，廖小飞，2013）。本研究参照个人信贷的方法和手段建立了企业信贷风险监测模型：

把银行信贷风险预警建立在闭环的管理模式的基础上，通过前期风险监测系统收集的贷款企业初步信息并进行筛选，将非财务因素与财务因素进行综合考虑，并把央行企业征信记录纳入考虑范围。非财务因素从宏观、中观、微观三个角度，对企业所处的行业环境风险、产业风险、企业经营风险纪念性系统分析，财务因素从资产、负债、损益和现金流进行考察，分析得出企业偿债能力，并与央行征信报告中记录的企业信用打包给专家进行评估。若存在风险不可控，将计入央行征信报告数据库中，为下一次贷款作为信息参考，由此形成一个可以循环的闭环系统。其中，每一环节都需要信息的挖掘。

三、非财务风险信息评价体系的构建

风险信息的评价采用了专家评分法。在银行风险专家的帮助下，将行业经验和风险管理专业经验相结合，制定了“非财务风险信息评价体系”，量化评估企业风险信息，得出企业风险对企业贷后风险的影响情况，以及对产业的影响情况，通常使用五分制度进行风险的评估，同时将风险主要划分为高中低三类。详见表1。

在执行中对信息评5级非常慎重，仅对影响到企业生死存亡的事件、信息才会评到5级。5级风险的定义为违约发生的可能性高，对信贷风险的影响强度高，影响的持续时间长。

结语：

银行信贷风险管控是一个闭环，财务因素与非财务因素在其中都起到了至关重要的作用。在信贷风险预警和财务管理阶段，需要有严格的防范风险流程和科学的指标进行辅助管理，通过以上模型，并应用网络爬虫、大数据分析等技术，使非财务因素的搜集更加便利，也极大地降低了市场风险、信贷风险，减少银行坏账.

参考文献

[1] 徐南.浅析财务信息与非财务信息的比较[J].商场现代化，2008，24

[2] 晁静，高建来. 导致企业财务危机的非财务因素探讨[J]. 会计之友，2011，（05）：50-51.

[3] 张引，陈敏，廖小飞. 大数据应用的现状与展望[J]. 计算机研究与发展，2013，50（S2）：216-233.

[4] 李超，周瑛. 大数据环境下的威胁情报分析[J]. 情报杂志，2017，36（09）：24-30.