您好, 访客   登录/注册

金融科技

来源:用户上传      作者:

  当前金融科技正在与传统金融共同重新定义金融,在这个过程中必然伴随着现有金融机构的业务转型,以金融科技为核心的新型场域正在构建。本文结合从金融科技业务合作和风险防控两方面,阐述其在银行金融科技战略实践过程中的作用。
  金融科技(Fintech)作为Financial technology的合成词,金融稳定理事会(Financial Stability Board,简称:FSB)诠释一个较为完整的定义:金融科技是指科技通过实现对产品、业务流程、经营模式等真正意义上的金融创新,从而带动整个传统金融体系在运行机制、服务渠道等方面的全方位改革(FSB, 2017)。随着金融科技对传统金融业务带来的冲击,商业银行已逐渐转变成为一个强数据导向的行业。银行以平台数据为支撑,提高在风险控制、授信管理、产品定价等领域的效率,提升金融的可达性和普惠性,以金融资源的最优配置来达到服务实体经济的目的。移动互联网、大数据、云计算技术能够提供精准的数据模型及定位,已成为提升服务水平及金融效率的有效工具。
  伴随云计算、人工智能、大数据和区块链等科技弥补传统金融的不足,同样也表现出有别于传统业务的风险特征。因此,本文将论述金融科技在商业银行转型中业务合作和风险防控方面的实际应用。
   一、防控洗钱风险
  最近,纽约DFS针对阿联酋Mashreqbank PSC银行的美元结算业务开出4000万美元罚单。当前反洗钱、合规经营已成为全球性商业银行的关注要点。在美元结算方面,大多数境内商业银行反洗钱系统还缺少自身数据库和数据端口。通过与金融科技平台的深层次数据对接,国内商业银行可积极引入外部多样化的数据,例如平台项下的交易量、金额、上下游客户信息、航线、保险等信息,从而深入调查贸易背景真实性。
  在实务操作中,柜面业务在反洗钱可疑交易监测分析系统的应用过程中,经常会遇到同名客户的反洗钱识别提示。柜员及相关人员必须通过“加强尽职调查”、“人工确认”、“重新识别”等步骤对客户进行人工筛查及确认,过程繁琐冗长,以致客户流失。在信贷业务中,随着洗钱活动特点的不断变化,若融资主体故意隐瞒,银行难以精准识别公司客户实际控制人及关联企业。此外由于进出口贸易,特别是转口贸易等活动的复杂性,银行难以获取完整的货物流及资金流信息,在有效信息缺失的情况下,难以核实客户信息及交易的真实性,甄别可疑交易。因此不断提高内部数据的质量管理,构建一套时效性与准确性并存的银行反洗钱系统势在必行。
  通过大数据基础并结合人工智能,银行可以建立一套参数化、灵活监控和分析大额与可疑交易的反洗钱智能分析系统。马晨明(2018)认为反洗钱智能分析系统主要有两个功能:一个是反洗钱智能关系网络,它通过后台大数据计算后将与客户有关的资金链路和数据分析結果直观展示给可疑交易分析人员,用于快速定位和识别洗钱风险;另一个是智能审理,它能够智能学习可疑交易审理人员的经验,对可疑交易案件进行自动分析,并将分析结果提供给审理人员参考。
   二、业务合作新模式
  2014年摩根大通银行(JPMorgan Chase)与美国线上贷款机构OnDeck Capital达成合作意向。OnDeck提供数据风控,大通银行优化其信贷流程,可大幅缩短贷款的申请、审核及投放时间,并可加强贷后管理流程。OnDeck作为一家受众客群较低的线上机构,其数据技术较为先进,做出有效的财务及经营分析,三分之二的贷款可实现人工智能审核。
  当前,国内外已涌现出一大批金融科技公司,例如Mintech、Kreditech、Atom Bank等。银行与其合作开发针对性较强的信用风险模型,用于分析客户的个人消费能力、风险偏好、企业经营及财务状况,提高银行对客户评级的针对性和精准性,从而提升金融资产的高效配置和贷款效率。
  银行的信用风险模型的数据端口可来源于金融平台的日常交易数据。利用高质量的数据源,银行可通过建立模型并根据交易频率对数据进行深层次分析,开展不同等级的调查,对重点客户交易持续监控,分析客户的经营情况。翟冀(2013)通过研究发现,尽管传统商业银行在以往的经营中积累了大量的客户资金交易信息, 但对于客户需求数据获取难度较大, 而金融科技可以通过自身交易平台获得并不断积累客户日常交易信息, 通过形成大数据库建立模型分析来筛选、甄别潜在客户, 使银行能够定制服务, 大大增强客户体验, 实现精准营销。
   三、自身数据风险
  李明选(2015)研究发现:2006年以后,随着金融科技的蓬勃发展, 中国城市商业银行的信用风险虽然在整体上呈现下降趋势, 但是金融科技在放大信用风险方面的作用却是明显的。金融科技不仅技术风险更加突出,业务发展有赖于先进的技术和交易平台系统,技术和系统选择失误可能给银行带来更大风险。数据风险与信息安全风险相互交织,由于数据使用和保护不当,将同时带来数据风险与信息安全风险(孙国峰,2017)。
  大数据的应用安全已对传统银行的风控体系造成了全方位的冲击,在系统升级、优化加密技术、数据处理的有效性等方面对银行的风险管理及网络金融部门提出更高的要求。因此,商业银行应建立多源异构的数据模型,不断提高数据的有序性及聚焦性。
  此外智能化系统应用对工作人员的专业技能和职业操守均提高了标准。商业银行应加大复合型人才的储备及培养,不仅注重传统的业务技能及内控合规知识的培训,更要加大对员工在信息技术和大数据分析挖掘等知识技能的投入,使专业岗位工作人员能够独立的进行数据挖掘和甄别,并使数据分析结果更加准确及聚焦。
  综上所述,面对金融科技的迅猛发展,商业银行以数据为基础、技术为手段,一方面数据驱动带动风控体系的完善,构造和搭建更加精确的风险控制模型,另一方面提高授信效率和优化用户体验,提高金融资源的服务配置和普惠性,更好的服务于实体经济。(作者单位:中国建设银行股份有限公司天津自由贸易试验区分行)
转载注明来源:https://www.xzbu.com/1/view-14730982.htm