基于大数据的商业银行信用风险管理系统构建研究
发布时间：2021-07-16 18:50
信用风险是商业银行面临的主要风险,能否有效对其进行管理关乎商业银行的经营业绩。信用风险管理的关键环节为信用风险计量,这一环节贯穿信用风险管理的全过程,计量结果影响着风险控制与业务控制,从而影响着商业银行的实际经营情况。目前,在国内外经济金融环境日趋复杂,各类协议指引对银行约束不断加强的情况下,我国各大商业银行大多已经完成信用风险管理系统的建设,系统的技术架构主要采纳与数据大集中相适应的数据仓库技术,计量模型构建所依赖的数据主要为商业银行历史积累的客户数据。随着互联网对经济社会的不断渗透,人们的很多信用行为数据驻留在了网络上。这些数据规模大、类型多、蕴含大量价值,若能被商业银行充分利用,可增强信用风险的预测能力,更好地辅助决策。但是现有的信用风险管理系统很难对急速增加的大规模数据进行存储和管理,也很难从与传统结构化数据不同的半结构化、非结构化数据中提取有效信息。大数据领域的分布式存储与计算、NoSQL数据库管理技术以及数据挖掘算法为这些难题提供了一种有效解决方案。本文通过对商业银行信用管理过程的梳理以及现有系统的分析,依据大数据技术、信息系统架构等理论,构建了基于大数据的商业银行信用风险...
【文章来源】：中国财政科学研究院北京市
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
商业银行信用风险管理系统功能规划图
基于大数据的商业银行信用风险管理系统大数据技术的商业银行信用风险管理系统，把大数据相关技术用风险管理系统的技术基础，其功能与基于数据仓库技术的系统据源、系统架构上有所不同。据源方面，基于大数据技术的商业银行信用风险管理系统的数部数据还有银行外部数据，数据规模更大，覆盖维度更广，但外缺值等质量问题。数据源的数据类型除了传统的结构化数据，还结构化数据。在数据采集方面，大数据系统仍需采用实时采集方式，采集原理与数据仓库系统基本相同，但数据源范围扩充，行系统内部。图 2-2 商业银行信用风险管理系统数据架构图
相关业务、相关技术、相关数据之间的关系，从不同维度、不同视角解析战略要求与业务过程。常见的企业通用信用系统架构框架包括A. W. Scheer提出的ARIS框架（Architecture of Integrated Information Systems）和 John Zachman 提出的Zachman 框架（Zachman Framework for Enterprise Architecture and InformationSystems Architecture）。ARIS 是一种面向过程的企业建模方法，描述了业务过程的体系结构，它定义了组织、功能、控制、数据、输出视图，每个视图都包括需求分析、设计归约和实现描述等生命周期过程。Zachman 框架则可以视为一个分类系统，将企业系统架构所涉及的元素以二维矩阵方式划分为 36 个单元，每行代表系统构造参与者的视角，包括范围/规划者、业务模型/所有者、系统模型/设计者、技术模型/构造者、详细模型/分包者、产品/使用者；每列代表用于描述信息系统的某个方面，包括数据（What）、功能（How）、网络（Where）、人员（Who）、时间（Time）、动机（Why）。
【参考文献】：
期刊论文
[1]面向风险管理的银行大数据分析系统架构研究[J]. 卢小宾,徐超. 信息资源管理学报. 2018(02)
[2]基于大数据的信用风险评分模型辨析[J]. 朱良平. 中国金融电脑. 2016(03)
[3]大数据在银行风险管理中的应用[J]. 杨凯生. 经济导刊. 2016(03)
[4]大数据风控的现状、问题及优化路径[J]. 巴曙松,侯畅,唐时达. 金融理论与实践. 2016(02)
[5]我国商业银行信用风险识别的多模型比较研究[J]. 刘祥东,王未卿. 经济经纬. 2015(06)
[6]Hadoop构建的银行海量数据存储系统研究[J]. 李德有,赵立波,解晨光. 哈尔滨理工大学学报. 2015(04)
[7]我国商业银行风险管理的两次数据革命[J]. 张漫春,邢科. 武汉金融. 2015(02)
[8]大数据征信应用与启示——以美国互联网金融公司ZestFinance为例[J]. 刘新海,丁伟. 清华金融评论. 2014(10)
[9]我国商业银行信用风险管理中存在的问题及建议[J]. 朱映惠. 郑州航空工业管理学院学报. 2013(04)
[10]大数据助推银行全面风险管理[J]. 周继述,王雪松. 中国金融. 2013(14)
博士论文
[1]银行数据挖掘的运用及效用研究[D]. 李璠.武汉大学 2012
硕士论文
[1]商业银行信用风险管理系统建设[D]. 刘丽.天津大学 2014
本文编号：3287561
【文章来源】：中国财政科学研究院北京市
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
商业银行信用风险管理系统功能规划图
基于大数据的商业银行信用风险管理系统大数据技术的商业银行信用风险管理系统，把大数据相关技术用风险管理系统的技术基础，其功能与基于数据仓库技术的系统据源、系统架构上有所不同。据源方面，基于大数据技术的商业银行信用风险管理系统的数部数据还有银行外部数据，数据规模更大，覆盖维度更广，但外缺值等质量问题。数据源的数据类型除了传统的结构化数据，还结构化数据。在数据采集方面，大数据系统仍需采用实时采集方式，采集原理与数据仓库系统基本相同，但数据源范围扩充，行系统内部。图 2-2 商业银行信用风险管理系统数据架构图
相关业务、相关技术、相关数据之间的关系，从不同维度、不同视角解析战略要求与业务过程。常见的企业通用信用系统架构框架包括A. W. Scheer提出的ARIS框架（Architecture of Integrated Information Systems）和 John Zachman 提出的Zachman 框架（Zachman Framework for Enterprise Architecture and InformationSystems Architecture）。ARIS 是一种面向过程的企业建模方法，描述了业务过程的体系结构，它定义了组织、功能、控制、数据、输出视图，每个视图都包括需求分析、设计归约和实现描述等生命周期过程。Zachman 框架则可以视为一个分类系统，将企业系统架构所涉及的元素以二维矩阵方式划分为 36 个单元，每行代表系统构造参与者的视角，包括范围/规划者、业务模型/所有者、系统模型/设计者、技术模型/构造者、详细模型/分包者、产品/使用者；每列代表用于描述信息系统的某个方面，包括数据（What）、功能（How）、网络（Where）、人员（Who）、时间（Time）、动机（Why）。
【参考文献】：
期刊论文
[1]面向风险管理的银行大数据分析系统架构研究[J]. 卢小宾,徐超. 信息资源管理学报. 2018(02)
[2]基于大数据的信用风险评分模型辨析[J]. 朱良平. 中国金融电脑. 2016(03)
[3]大数据在银行风险管理中的应用[J]. 杨凯生. 经济导刊. 2016(03)
[4]大数据风控的现状、问题及优化路径[J]. 巴曙松,侯畅,唐时达. 金融理论与实践. 2016(02)
[5]我国商业银行信用风险识别的多模型比较研究[J]. 刘祥东,王未卿. 经济经纬. 2015(06)
[6]Hadoop构建的银行海量数据存储系统研究[J]. 李德有,赵立波,解晨光. 哈尔滨理工大学学报. 2015(04)
[7]我国商业银行风险管理的两次数据革命[J]. 张漫春,邢科. 武汉金融. 2015(02)
[8]大数据征信应用与启示——以美国互联网金融公司ZestFinance为例[J]. 刘新海,丁伟. 清华金融评论. 2014(10)
[9]我国商业银行信用风险管理中存在的问题及建议[J]. 朱映惠. 郑州航空工业管理学院学报. 2013(04)
[10]大数据助推银行全面风险管理[J]. 周继述,王雪松. 中国金融. 2013(14)
博士论文
[1]银行数据挖掘的运用及效用研究[D]. 李璠.武汉大学 2012
硕士论文
[1]商业银行信用风险管理系统建设[D]. 刘丽.天津大学 2014
本文编号：3287561
本文链接：https://www.wllwen.com/guanlilunwen/glzh/3287561.html
