加強基於大數據和互聯網的風險管理體系建設的重要性

金融行業在過去主要依靠經驗和宏觀經濟形式來實施風險控制，以定性為主，更多依賴風險管理精英的個人能力，特別在經濟發展很好的時期，風險管理偏好不太科學，不能夠反應出真正的風險水平。定性的風險管理佔主體，定量的風險管理起到很小的作用。

量化風險評估需要將涉及到此風險的所有相關數據都包含進來，通過模型進行個人信用風險評估，計算出還款意願和還款能力。評估採用的基本數據因素有年齡、收入、學歷、客戶資歷、行業、區域等，其佔主要部分。信用因素包含如負債狀況、繳款記錄、理財方式；以及行為因素例如交易時間和頻率等。風險評估過程中，如果數據緯度不全，高相關數據沒有被考慮進來，對風控模型是一個大的風險。信用風險評估模型缺少了重要風險因素的輸入，其評估結果的偏離度就會較大，評估結果失效的可能性就很大。實際上，不同風險的產品應該有不同的信貸風險控制指標，高收益的產品，其不良率應該比低風險的產品要高。

好的風控模型需要具有自我學習能力，可以依據輸入數據來修正模型，另外模型的抗干擾能力也需要較強，避免大量雜訊數據干擾計算結果。具有自我學習能力的模型可以適應外部多種因素的變化，同時也可以自身迭代提高，抵抗外界噪音干擾。

匯法風險信息網建立企業、個人信譽資料庫，收錄的信息量遠超國內其他同類裁判文書資料庫(包括官方資料庫)，可以幫助客戶在貸前（交易前）預防風險、在貸后（交易后）監控風險變化。提升全面風險管理體系對創新業務的覆蓋面，完善全業務、全流程、全口徑風險管理、增強信貸類、非信貸類的全資產管理能力，提高風險管理全覆蓋水平，加強基於大數據和互聯網的風險管理體系建設，以大數據分析、智能化判斷、精準化管控的新型風險管理方式轉變。

實時有效的數據對於風險評估結果影響也很大，數據是有時間價值的，滯后的數據會影響評估結果，不能反映實時風險變化情況。實時的數據錄入和動態信用風險評估現在對銀行是一個巨大的挑戰，一個月進行一次的風險評估並不能實時反映信用風險變化情況，銀行需要找到一個好的方法來建立動態風險視圖，不僅僅是信用風險管理，其他的風險管理方法也要向實時數據錄入和風險實時評價方向轉變。