论文部分内容阅读
在过去商业银行快速发展的过程中，风险管理得不到应有的重视，尤其是零售客户贷后风险评估，因其不能直接为商业银行创造价值，而且需要投入较多的资源，因此一直以来是商业银行风险管理的薄弱环节。近年来，零售业务被普遍认为是未来商业银行的重要发展方向，而在当前银行不良贷款压力越来越大的情况下，提升贷后风险管理水平，对商业银行而言显得尤为重要。SZ银行作为一家城市商业银行，在业务发展的同时，也不得不考虑如何提高零售客户贷后风险评估水平。 本文在大量文献研究的基础之上，结合SZ银行自身零售业务的特点和风险管理的现状分析了零售客户贷后风险评估研究的必要性。通过分析SZ银行当前风险评估中存在的问题，提出了利用数据挖掘进行风险评估的方法。经研究发现: 首先，SZ银行的零售客户贷后风险评估的现状存在不足。第一，缺乏量化的评估标准，依赖各个领域的专家或者经验丰富的客户经理;第二，信息系统建设不健全，导致数据的分析、处理、交互不便;第三，数据源质量不高，数据维度不够丰富，无法满足数据的一致性、完整性、合规性、及时性、准确性等方面的要求;第四，预警及时性不足，主要体现在数据采集依赖人工，预警处理不能实现自动化、批量化。 其次，利用数据挖掘方法，可以有效建立零售客户贷后风险量化模型。第一，通过对历史数据进行采集和优化，建立数据挖掘的数据基础;第二，通过单因素分析、多因素分析、相关性分析、逻辑回归算法，可以将客户的两百多个信息，优化为九个因素，并建立了这九个因变量和违约概率直接的量化关系;第三，通过预测准确性分析、客户违约风险区分能力验证，表明该模型能够较好地预测客户的违约风险。 最后，研究结合量化模型的评估结果，对贷后风险进行应对。第一，建立量化的风险评估标准，通过将违约概率，转换为风险等级，直观地反应了客户的风险，同时，在贷后预警方面，将风险等级，对应为不同的报警级别，实现了客户风险预警的量化;第二，建立贷后风险预警系统，有效解决目前预警及时性不足的问题;第三，在量化模型的预警基础上，建立自动预警与人工检查、处理相结合的模式，在有效化解贷后风险的同时，不断提升完善量化模型，最终形成贷后风险管理的持续提升。