數(shù)據(jù)挖掘技術(shù)在金融風(fēng)險(xiǎn)監(jiān)測領(lǐng)域的應(yīng)用

摘 要：在過去10年里，人們使用信息技術(shù)處理和收集數(shù)據(jù)的能力得到極大的提高，數(shù)百萬個(gè)數(shù)據(jù)庫被廣泛應(yīng)用于商業(yè)、政府、科學(xué)研究和工程實(shí)施等領(lǐng)域。但這也帶來了新的挑戰(zhàn)，一方面，數(shù)據(jù)過剩幾乎成為每個(gè)人都必須面臨的問題;另一方面，各類企業(yè)又往往面臨信息不足的問題。本研究就是從這些問題出發(fā)，通過研究數(shù)據(jù)挖掘技術(shù)，為系統(tǒng)提供新的知識數(shù)據(jù)庫。金融部門的日常業(yè)務(wù)都會(huì)產(chǎn)生大量數(shù)據(jù)，利用現(xiàn)有的數(shù)據(jù)庫系統(tǒng)，可以有效地實(shí)現(xiàn)數(shù)據(jù)錄入、查詢、統(tǒng)計(jì)等功能，但找不到數(shù)據(jù)中存在的關(guān)系和規(guī)則，無法根據(jù)現(xiàn)有的數(shù)據(jù)預(yù)測未來的發(fā)展趨勢。

關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù);金融風(fēng)險(xiǎn)監(jiān)測;領(lǐng)域應(yīng)用

引言

數(shù)據(jù)挖掘作為一種深度數(shù)據(jù)信息分析方法，對傳統(tǒng)評價(jià)方法無法獲得的各種因素之間隱藏的內(nèi)部聯(lián)系進(jìn)行綜合分析。該技術(shù)的應(yīng)用無疑有利于金融風(fēng)險(xiǎn)監(jiān)測，能夠提供風(fēng)險(xiǎn)預(yù)警，使管理者能夠提前準(zhǔn)備，提供決策參考信息，大大降低風(fēng)險(xiǎn)，提高企業(yè)競爭力，促進(jìn)企業(yè)快速發(fā)展。

1金融風(fēng)險(xiǎn)監(jiān)測

金融風(fēng)險(xiǎn)是指可能導(dǎo)致企業(yè)、事業(yè)單位財(cái)產(chǎn)損失的風(fēng)險(xiǎn)，即企業(yè)未來收入的不確定性和波動(dòng)性。根據(jù)金融風(fēng)險(xiǎn)的來源，可分為靜態(tài)風(fēng)險(xiǎn)和動(dòng)態(tài)風(fēng)險(xiǎn);按風(fēng)險(xiǎn)范圍可分為微觀風(fēng)險(xiǎn)和宏觀風(fēng)險(xiǎn);按金融機(jī)構(gòu)類別可分為銀行風(fēng)險(xiǎn)、證券風(fēng)險(xiǎn)、保險(xiǎn)風(fēng)險(xiǎn)和信托風(fēng)險(xiǎn)等。通過對風(fēng)險(xiǎn)的測量和理解，采取相應(yīng)的措施和處置方案，使風(fēng)險(xiǎn)最小化，利潤最大化?？梢姡鹑陲L(fēng)險(xiǎn)監(jiān)測是一種規(guī)范金融投資安全與盈利能力之間平衡的金融管理方法。

2數(shù)據(jù)挖掘技術(shù)

在大數(shù)據(jù)時(shí)代，數(shù)據(jù)規(guī)模越來越大，價(jià)值密度也越來越低。數(shù)據(jù)挖掘是此背景下產(chǎn)生的一種技術(shù)，主要功能是幫助人們挖掘數(shù)據(jù)信息的價(jià)值，并被廣泛應(yīng)用于商業(yè)信息處理領(lǐng)域。數(shù)據(jù)挖掘可以實(shí)現(xiàn)對商業(yè)業(yè)務(wù)數(shù)據(jù)信息的讀取、轉(zhuǎn)化、分析和智能處理，為商業(yè)決策活動(dòng)提供強(qiáng)有力的支持。

2.1數(shù)據(jù)挖掘技術(shù)概念

數(shù)據(jù)挖掘也被稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn)，是目前人工智能和數(shù)據(jù)庫領(lǐng)域的一個(gè)熱點(diǎn)問題。所謂數(shù)據(jù)挖掘指的是從數(shù)據(jù)庫中的大量數(shù)據(jù)中挖掘隱式的、先前未知的和有潛在價(jià)值的信息。數(shù)據(jù)挖掘是一種決策支持過程，主要基于人工智能、機(jī)器學(xué)習(xí)、模式識別、統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫、可視化技術(shù)等。數(shù)據(jù)挖掘?qū)τ诜治銎髽I(yè)數(shù)據(jù)再加以歸納推理，并從中挖掘潛在的信息是高度自動(dòng)化的，有利于幫助決策者調(diào)整市場策略，降低風(fēng)險(xiǎn)，做出正確的決策。

2.2數(shù)據(jù)挖掘技術(shù)分析方法

數(shù)據(jù)分析常用的數(shù)據(jù)挖掘方法有分類、神經(jīng)網(wǎng)絡(luò)、回歸分析和偏差分析等，它們分別從不同角度對數(shù)據(jù)進(jìn)行挖掘。

2.2.1分類

分類是為了查明數(shù)據(jù)庫中一組數(shù)據(jù)對象的共同特征，并按分類模式分為不同的類，目的是通過分類模型將數(shù)據(jù)庫中的數(shù)據(jù)項(xiàng)映射到某個(gè)給定的類別?？蓱?yīng)用于客戶分類、客戶屬性和特征分析、顧客滿意度分析、顧客購買趨勢預(yù)測等，如汽車零售商根據(jù)客戶的喜好，將汽車分為不同的類別，從而將新車的廣告手冊直接郵寄給具有這些偏好的客戶，從而大大增加交易機(jī)會(huì)。

2.2.2神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)具有良好的魯棒性、自組織適應(yīng)性、并行處理、分布式存儲和高容錯(cuò)能力，非常適合解決數(shù)據(jù)挖掘問題，近年來引起越來越多人的關(guān)注。典型的神經(jīng)網(wǎng)絡(luò)模型主要分為三類：以感知機(jī)、BP反向傳播模型、函數(shù)型網(wǎng)絡(luò)為代表的，用于分類、預(yù)測和模式識別的前饋式神經(jīng)網(wǎng)絡(luò)模型;以Hopfield的離散模型和連續(xù)模型為代表的，分別用于聯(lián)想記憶和優(yōu)化計(jì)算的反饋式神經(jīng)網(wǎng)絡(luò)模型;以ART模型、Koholon模型為代表的，用于聚類的自組織映射。神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)是“黑盒”性，使人們難以理解網(wǎng)絡(luò)的學(xué)習(xí)和決策過程。

2.2.3回歸分析

回歸分析反映了數(shù)據(jù)庫中屬性值的特征，產(chǎn)生了將數(shù)據(jù)項(xiàng)映射到實(shí)值預(yù)測變量，并發(fā)現(xiàn)變量或?qū)傩灾g依賴性的函數(shù)。主要的研究問題包括數(shù)據(jù)序列的趨勢特征、數(shù)據(jù)序列的預(yù)測和數(shù)據(jù)之間的相關(guān)性。它可以適用于市場營銷的各個(gè)方面，如客戶尋求、保持和預(yù)防客戶流失活動(dòng)、產(chǎn)品生命周期分析、銷售趨勢預(yù)測以及有針對性的促銷活動(dòng)等。

3數(shù)據(jù)挖掘在金融風(fēng)險(xiǎn)監(jiān)測中的典型應(yīng)用

數(shù)據(jù)挖掘是為了解決傳統(tǒng)分析方法的不足，并處理大規(guī)模的數(shù)據(jù)分析。數(shù)據(jù)的快速增長和數(shù)據(jù)分析方法的持續(xù)進(jìn)步，使人們能夠在現(xiàn)有的大量數(shù)據(jù)分析的基礎(chǔ)上提取隱藏在數(shù)據(jù)背后的有用信息。

3.1信用風(fēng)險(xiǎn)評估

信用風(fēng)險(xiǎn)的數(shù)據(jù)挖掘評估包括銀行信用卡風(fēng)險(xiǎn)評估和貸款信用評估等。信用風(fēng)險(xiǎn)是指不可抗力和惡意欺詐造成的、使債務(wù)人不能或不愿履行已簽訂合同而給銀行造成的損失。銀行對個(gè)人和企業(yè)的財(cái)務(wù)狀況發(fā)生變化的過程往往不能及時(shí)了解或者說被循環(huán)信用掩蓋。通過數(shù)據(jù)挖掘技術(shù)，對區(qū)域差異、個(gè)人知識水平、收入水平、經(jīng)濟(jì)環(huán)境狀況、社會(huì)地位等客戶信用的影響因素進(jìn)行挖掘，可以迅速建立用戶信用等級，然后給出不同的信用額度。

它還可以全面揭示信用風(fēng)險(xiǎn)的關(guān)系和特征，提高信用違約預(yù)測的準(zhǔn)確性。Frydmannetal（1985）首次將決策樹模型運(yùn)用于違約企業(yè)和非違約企業(yè)的分類。此后，許多人將決策樹模型、神經(jīng)網(wǎng)絡(luò)法和遺傳算法用于違約判斷，以期得到更好的分類效果。目前市場上，數(shù)據(jù)挖掘工具提供了完整的展現(xiàn)，如Brio公司的Brio.Enterprise，能全方位、多層次展現(xiàn)數(shù)據(jù)分析結(jié)果。

3.2公司財(cái)務(wù)危機(jī)預(yù)警分析

財(cái)務(wù)危機(jī)的本質(zhì)是財(cái)務(wù)風(fēng)險(xiǎn)的規(guī)模和高強(qiáng)度的集中爆發(fā)，主要表現(xiàn)為財(cái)務(wù)狀況的極端惡化、支付危機(jī)，甚至破產(chǎn)。這些公司都不同程度出現(xiàn)以下狀況：無法償還到期債務(wù)、巨額投資沒有回報(bào)、現(xiàn)金流不足、產(chǎn)品銷售不良、大量庫存積壓、涉及巨額訴訟賠償，以及主營業(yè)務(wù)嚴(yán)重收縮。財(cái)務(wù)危機(jī)預(yù)警模型的建立可以為企業(yè)經(jīng)營失敗和財(cái)務(wù)管理錯(cuò)誤進(jìn)行早期預(yù)警和早期控制，為決策者、投資者和債權(quán)人提供重要信息。

國內(nèi)外學(xué)者利用數(shù)據(jù)挖掘中的主成分分析、邏輯回歸、線性回歸和神經(jīng)網(wǎng)絡(luò)等方法，來建立財(cái)務(wù)危機(jī)預(yù)警模型。首先根據(jù)特征向量和主成分貢獻(xiàn)率，計(jì)算出對于財(cái)務(wù)狀況影響最大的財(cái)務(wù)指標(biāo);接著以預(yù)測期公司的財(cái)務(wù)狀況為目標(biāo)變量;然后運(yùn)用邏輯回歸方法和決策樹方法對公司財(cái)務(wù)狀況進(jìn)行預(yù)測;最后把各家公司綜合評分作為目標(biāo)變量，采用線性回歸和神經(jīng)網(wǎng)絡(luò)方法進(jìn)行公司財(cái)務(wù)危機(jī)預(yù)警分析。

加強(qiáng)金融債務(wù)監(jiān)管，防范和化解金融風(fēng)險(xiǎn)，是阻斷金融風(fēng)險(xiǎn)向財(cái)政風(fēng)險(xiǎn)轉(zhuǎn)化傳輸通道最為有力的手段之一，也是財(cái)政部賦予各地監(jiān)管局的一項(xiàng)重要職責(zé)。財(cái)政部各地監(jiān)管局因地制宜，采取中央金融企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)監(jiān)控、金融資產(chǎn)管理公司不良資產(chǎn)監(jiān)管、地方債監(jiān)管“三箭齊發(fā)”，取得了很好的效果。

3.3拓展金融監(jiān)管路徑

找準(zhǔn)債務(wù)、金融監(jiān)管結(jié)合點(diǎn)，對債務(wù)、金融監(jiān)管實(shí)行統(tǒng)籌，充分發(fā)揮整合、聚合、融合效應(yīng)，為防范化解區(qū)域金融風(fēng)險(xiǎn)發(fā)揮積極作用。隨著時(shí)間的推進(jìn)，金融風(fēng)險(xiǎn)的表現(xiàn)形式和型態(tài)也在不斷衍生和變異。各地監(jiān)管局根據(jù)不斷變化的新情況，不斷創(chuàng)新，做細(xì)中央金融企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)監(jiān)控。

3.4強(qiáng)化資產(chǎn)管理公司風(fēng)險(xiǎn)監(jiān)控

以不良資產(chǎn)批量接收與處置情況分析為抓手，通過不良資產(chǎn)轉(zhuǎn)讓供求分析，延伸關(guān)注金融機(jī)構(gòu)關(guān)注類貸款變化情況，跟蹤了解金融系統(tǒng)風(fēng)險(xiǎn)變化的苗頭性、傾向性問題。金融資產(chǎn)管理公司風(fēng)險(xiǎn)監(jiān)控對于其處置不良資產(chǎn)、化解金融風(fēng)險(xiǎn)、救助問題企業(yè)至關(guān)重要。各地監(jiān)管局根據(jù)自身實(shí)際情況，采取針對性措施，將這項(xiàng)監(jiān)管落實(shí)落細(xì)。經(jīng)過不斷總結(jié)監(jiān)管經(jīng)驗(yàn)，浙江監(jiān)管局在這方面有著獨(dú)到的做法。該局首先建立和完善了相關(guān)機(jī)制，長期跟蹤分析金融不良資產(chǎn)收購處置情況。

建立定期統(tǒng)計(jì)報(bào)送制度，加強(qiáng)與在浙資產(chǎn)管理公司聯(lián)系，規(guī)范財(cái)務(wù)月報(bào)、季報(bào)報(bào)送制度。

建立健全分析體系，掌握區(qū)域內(nèi)不良資產(chǎn)批量接收、處置情況，分析收購規(guī)模、收購成本、折價(jià)率，跟蹤不良資產(chǎn)接收端變化情況;分析現(xiàn)金回收，司法處置回現(xiàn)、對外競價(jià)轉(zhuǎn)讓、整包轉(zhuǎn)讓等處置渠道變化情況，跟蹤不良資產(chǎn)處置端市場動(dòng)態(tài)。

這個(gè)風(fēng)險(xiǎn)控制體系包括五個(gè)方面。

（1）監(jiān)測信用風(fēng)險(xiǎn)，主要是固定收益類業(yè)務(wù)表內(nèi)外信用風(fēng)險(xiǎn)資產(chǎn)規(guī)模、結(jié)構(gòu)與資產(chǎn)質(zhì)量情況，包括逾期、不良、期限內(nèi)調(diào)整、展期、減值計(jì)提、撥備覆蓋率的變動(dòng)情況和風(fēng)險(xiǎn)化解情況。

（2）監(jiān)測操作及合規(guī)風(fēng)險(xiǎn)，包括是否發(fā)生引發(fā)損失的操作及合規(guī)風(fēng)險(xiǎn)事件，相關(guān)環(huán)節(jié)是否存在操作失誤或不規(guī)范行為，是否存在違反法律、法規(guī)、公司制度規(guī)定的情形。

（3）監(jiān)測法律風(fēng)險(xiǎn)。主要是存續(xù)和新增案件的法律風(fēng)險(xiǎn)情況和應(yīng)對措施。

監(jiān)測關(guān)聯(lián)交易風(fēng)險(xiǎn)，包括關(guān)聯(lián)交易是否采用市場公允價(jià)值，是否存在利益輸送、掩蓋風(fēng)險(xiǎn)的情況。

（4）監(jiān)測聲譽(yù)風(fēng)險(xiǎn)，主要是一般或重大聲譽(yù)事件情況和應(yīng)對措施。

為切實(shí)督促資產(chǎn)管理公司加強(qiáng)財(cái)務(wù)制度執(zhí)行監(jiān)管，規(guī)范財(cái)務(wù)管理，四川監(jiān)管局在以下幾方面發(fā)力。

（1）關(guān)注準(zhǔn)備金計(jì)提。是否按照審慎性原則，定期對存量項(xiàng)目進(jìn)行金融資產(chǎn)估值減值，足額計(jì)提公允價(jià)值變動(dòng)損益和資產(chǎn)減值準(zhǔn)備。

（2）關(guān)注抵債資產(chǎn)管理。是否按照內(nèi)部財(cái)務(wù)管理制度規(guī)定的工作程序收取、保管和處置抵債資產(chǎn)。

（3）關(guān)注不良資產(chǎn)處置。是否按照依法合規(guī)、公開透明、競爭擇優(yōu)、價(jià)值最大化原則收購和處置不良資產(chǎn)。

（4）關(guān)注是否適時(shí)新增和修訂完善財(cái)務(wù)會(huì)計(jì)內(nèi)控管理制度。

（5）關(guān)注是否對財(cái)務(wù)管理的規(guī)范性、財(cái)務(wù)核算的完整準(zhǔn)確性和費(fèi)用開支的真實(shí)合理性定期進(jìn)行自查和檢查。

4結(jié)束語

綜上所述，數(shù)據(jù)挖掘在金融風(fēng)險(xiǎn)監(jiān)測中扮演著重要角色，它可以提取出隱含在數(shù)據(jù)中人們事先不知卻又潛在的有用信息和知識，為管理者提供決策參考信息。文章由金融危機(jī)的爆發(fā)引入，介紹了金融風(fēng)險(xiǎn)監(jiān)測;再對數(shù)據(jù)挖掘技術(shù)的概念、分析方法進(jìn)行講解;然后重點(diǎn)介紹了數(shù)據(jù)挖掘在金融風(fēng)險(xiǎn)監(jiān)測中的典型應(yīng)用，如信用風(fēng)險(xiǎn)評估、公司財(cái)務(wù)危機(jī)預(yù)警分析和供應(yīng)鏈風(fēng)險(xiǎn)評估;接著介紹了在金融風(fēng)險(xiǎn)監(jiān)測中如何利用數(shù)據(jù)挖掘;最后進(jìn)行總結(jié)與展望。

參考文獻(xiàn)：

[1]彭揚(yáng)，趙白執(zhí)南.防范化解重大金融風(fēng)險(xiǎn)高質(zhì)量發(fā)展成治本之策[N].中國證券報(bào)，2021-08-19（A02）.

[2]孫欣.基層央行金融風(fēng)險(xiǎn)管理審計(jì)調(diào)查的實(shí)踐與思考[J].財(cái)經(jīng)界，2021（20）：154-155.

[3]李敏波，梁爽.監(jiān)測系統(tǒng)性金融風(fēng)險(xiǎn)——中國金融市場壓力指數(shù)構(gòu)建和狀態(tài)識別[J].金融研究，2021（06）：21-38.

作者簡介：

李翔，男，漢族，江蘇南京人，就讀于東南大學(xué)經(jīng)濟(jì)管理學(xué)院，研究方向：金融管理。