使用信用证的9大风险（精选5篇）
使用信用证的9大风险 第1篇
空运方式使用信用证风险防范
浙江某出口公司与印度某进口商达成一笔总金额为6万多美元的羊绒纱出口合同，合同中规定的贸易条件为 CFR NEW DELHI BY AIR，支付方式为100%不可撤销的即期信用证，装运期为1999年8月间自上海空运至新德里。合同订立后，进口方按时通过印度一家商业银行开来信用证，通知行和议付行均为国内某银行，信用证中的价格术语为 “CNF NEW DELHI”，出口方当时对此并未太在意。他们收到信用证后，按规定发运了货物，将信用证要求的各种单据备妥交单，并办理了议付手续。
然而，国内议付行在将有关单据寄到印度开证行后不久即收到开证行的拒付通知书，拒付理由为单证不符：商业发票上的价格术语“CFR NEW DELHI”与信用证中的“CNF NEW DELHI”不一致。得知这一消息后，出口方立即与进口方联系要求对方付款赎单；同时通过国内议付行向开证行发出电传，申明该不符点不成立，要求对方按照UCP500的规定及时履行偿付义务。但进口方和开证行对此都置之不理，在此情况下，出口方立即与货物承运人联系，其在新德里的货运代理告知该批货物早已被收货人提走。在如此被动的局面下，后来出口方不得不同意对方降价20%的要求作为问题的最后解决办法。
从以上案例可看出，造成出口方陷入被动局面的根本原因在于丧失了货权。而出口方在得到偿付之前货权就已丧失是由于航空运单（AIR WAYBILL）的特性决定的。我们都知道信用证的最大优点就是银行信用保证，虽然银行处理的只是单据，不问货物的具体情况。但如果买方不付款赎单，就提不到货物，这在海运方式下是可以实现的，因为海运提单是物权凭证，买方只有凭其从银行赎来的海运提单才能到目的港提货。
但空运方式下的空运单据----航空运单则不具有物权凭证的特征，它仅是航空承运人与托运人之间缔结的运输合同以及承运人或其代理人签发的接收货物的收据。由于空运的时间很短，通常在托运人将航空运单交给收货人之前，货物就已经运到目的地，因此收货人凭承运人的到货通知和有关的身份证明就可提货。这样一来，在空运方式下即使是采用信用证作为结算方式，对于卖方而言也不是很保险。但在实务当中我们还是经常会遇到要空运的情况，比如一些易腐商品、鲜活商品、季节性强的商品以及高价值且量少的商品等。如何防范空运方式下的信用证风险，笔者认为有以下一些措施：
一、争取与其他的支付方式结合使用。比如要求买方在出货前预先电汇一定比例的货款，以分散风险；
二、严格审查进口商的资信情况，包括财务状况、经营状况、付款记录等，以核定其信用额度，决定合同金额的大小；
三、严格审查开证行的资信情况，以免出现开证行故意找出“不符点”拒付，使买方不付款提货，造成钱、货两空的局面，必要时可要求对信用证加具保兑；
四、如果货物金额太大，可要求分批交货；
五、要求将航空运单的收货人做成“凭开证行/偿付行指示”（TO ORDER OR TO THE ORDER OF THE ISSUING/REIMBURSING BANK）；
六、严格认真地根据信用证制作单据，做到“单单一致，单证相符”，在单据方面不给对方造成任何的可乘之机。并要求议付行予以密切配合，在开证行/偿付行有变故时，要与对方据理力争，严格按照UCP500及其它有关国际惯例办事，维护我方合法权益；
七、与航空承运人及其在目的地的代理人保持密切联系，因为在收货人尚未提取货物以前，如果出口商觉察到有任何变故，出口商/托运人有权要求航空承运人退回，或变更收货人，或变更目的地；
八、投保出口信用险。出口信用险是保障因国外进口商的商业风险和/或政治风险而给本国出口人所造成的收不到货款的损失。
使用信用证的9大风险 第2篇
二十一世纪以来, 随着信息技术的迅猛发展, 由大数据为基础的互联网金融正在逐步影响着传统商业银行的信用风险管理, 而且相比较于西方发达国家, 我国的金融体系不健全, 发展不平衡, 商业银行作为金融体系的核心在我国就显得更加明显, 企业的融资主要来自于银行贷款 (齐寅峰, 2005) [1], 银行在将储蓄转化为投资方面扮演着领头羊的作用, 推动了国民经济健康发展。但是由于信息的不对称性, 随着银行信贷的不断增加, 其信贷风险也日益严重, 如2008年的美国次贷危机以及后来的欧债危机等都给我国的商业银行以警醒, 而且随着我国金融市场改革步入深水区, 商业银行面临的风险越来越大, 尤其是信用风险, 因此如何防范商业银行的信用风险显得尤为重要, 本文再次基础上以大数据为背景, 分析了银行信用风险的现状, 进而提出相应的对策建议。
商业银行的信用风险又称为违约风险, 是指借款人因种种原因, 不愿或无力履行合同条件而构成的违约, 导致银行遭受损失的可能性。花旗银行的前总裁说道银行家的任务其实就是风险管理, 当然了银行的风险管理涉及的内容很多, 但主要的还是信用风险, 由于存在信息不对称性以及道德风险, 银行的信用风险很大。李朝霞 (2016) [2]等人研究发现金融脱媒对商业银行的传统业务带来了严重的挑战, 但开发新的业务伴随着高风险, 这就要求监管部门加强表外风险管理。刘明华 (2016) [3]从银行监管和风险管理两个方面研究了在完善银行资本配置效率为股东创造利益的同时如何有效的防范风险.同时也有学者认为银行风险管理的核心问题就是资本配置问题 (魏灿秋2004) [4]。陈超 (2013) [5]等人研究发现商业银行贷款信息的纰漏对企业的并购产生影响, 信息的纰漏对资本市场产生了正外部效应, 已有的大量的研究基本上是研究商业银行的综合的风险管理, 这包括了信用风险、市场风险、操作风险。流动性风险、法律风险以及声誉风险。本文从银行风险管理中的最为突出的信用风险出发, 单独研究大数据下信用风险的管理。
二、商业银行的信用风险的现状
改革开放以来, 我国的银行取得了长足的发展, 但同西方传统的资本主义发达国家相比还有很大的差距, 尤其是在资本市场, 我国的很多企业的融资主要是通过银行, 特别是国有四大行, 基本上形成了资本市场的垄断, 虽然由融资带来的利差促进了银行的发展, 但也给银行带来了风险, 尤其是在互联网金融时代, 随着大数据互联网金融的兴起, 传统的商业银行的垄断地位收到了挑战, 各大商业银行将抢占市场作为经营目标, 忽略了资产质量, 并且资产集中容易爆发系统性的金融风险。
信贷风险的存在是基于信息的不对称性, 因此商业银行数据的收集整合与挖掘的能力决定了其信用风险的管理能力, 大数据互联网时代追求“三流合一” (信息流、资金流、物流) , 商业银行只有融合于大数据时代, 才能使自己的信贷部门经营更加的高效, 才能有效的控制信用风险。
随着国家深化改革, 经济下行压力巨大, 银行的不良贷款率逐步增高, 这些都反应了商业银行的信用风险面临着巨大的挑战, 由于商业银行对贷款人信息存在问题, 这包括信息收集的不完整、没有对信息进行整合与深度挖掘等, 由于商业银行对贷款人经营动态资金的流向没有明确的跟踪, 银行很难形成对贷款人的风险的识别, 尤其是对跨行贷款, 跨区域经营的贷款人的风险容易形成误判。商业银行的风险管理体制不适应时代的发展, 商业银行的现有的风险管理体制更多的是基于经验、定性的风险管理, 简言之主要是依赖信贷部门工作人员的经验, 这种风险管理体制最大的局限性在于贷款的质量不高, 由于存在严重的信息不对称性和道德风险, 贷款人越容易隐瞒一些对融资不利的信息, 而对于这些潜在的风险, 仅凭工作人员的经验是无法揭露的。
商业银行的风险管理的内部机构也存在一定的问题, 我国的商业银行大多数都是按职能部门划分的一种组织结构, 这种组织形态分工明确但也存在不足, 那就是容易形成部门之间的隔阂, 在贷款人的数据收集整合和深度挖掘上存在着过多的不完整, 可以说是一种碎片化的状态, 那么也就不能很好的对贷款人的整体风险进行识别了, 例如银行的信贷部门只负责企业等客户的融资。同时这种职能化的部门结构导致了银行的总行和分行之间也不能够很好的进行资源信息共享, 也就进一步加重了商业银行的信用风险。
三、商业银行信用风险管理的对策建议
面临着我国经济下行的巨大压力, 社会投资环境的复杂多变以及以大数据为基点的互联网金融的冲击, 尽可能的降低商业银行的不良贷款率, 提高商业银行的信用风险的管控能力是商业银行亟待解决的一个问题。众所周知, 数据是信息的基础与原料, 而提升商业银行的信用风险管控能力的核心在于信贷数据的收集整合与深度挖掘, 因此商业银行要通过大量的数据信息对贷款人由定性识别转化为定量为主定性为辅来提高其信用风险管控。
(一) 商业银行内部的信用风险管控
数据是信用风险管控的基础, 商业银行应加强数据收集能力, 例如可以通过跨行之间的合作加强银行业之间的数据共享, 当然了也可以与专业强较强的数据公司合作, 进一步拓宽数据的来源, 同时商业银行可以利用已经建立起来的网络平台, 加强网络化办公能力, 将贷款人的交易记录进行整合, 收集数据等。数据只是信息的原料, 它只有通过整合与挖掘才能形成对商业银行信用风险管控有意义的信息, 因此银行的风管部门需要将收集到的延续性较强的大数据进行优化, 对银行各部门收集到的碎片化的信息加以整合, 形成清晰的信息链, 以动态的形式表现出来, 充分挖掘隐藏的深层次的信息, 也就是这些隐藏的信息往往能代表贷款人的真正的信用风险。
党的十八大以来, 金融业的改革健健的步入了深水区, 商业银行的风险管控体系也需要改革, 商业银行的严格的等级制度以及职能化的组织结构阻碍了组织间的信息共享, 因此加强银行各个部门之间的协调, 尤其是风险管控部门与业务部门之间的合作尤为重要, 业务的拓展与风险是并存的, 业务的发展给银行的风险管控带来源源不断的资本支持, 商业银行应形成以客户为中心的统一的协调和数据信息管理结构, 突出商业银行各个分支机构各自管控信用风险的传统的模式。
数据的收集、整合与挖掘以及银行信用风险制度的改革与创新是从客观层面上降低商业银行的信用风险商业银行的风险管控的最终的实施者是银行的工作人员, 银行工作人员的主管能动性也很重要因此加强银行工作人员的风险管控能力等基本素质是降低信用风险中关键的一环, 例如可以加强对工作人员的实战模拟以及案例分析培训, 加强工作人员对数据信息的定量化分析能力等。
(二) 社会外部的信用风险管控
加强社会信用评价体系的建设也是信用风险管控的重要的一环, 跟西方发达国家相比, 我国的信用评价体系显得捉襟见肘, 信用评价体系的完善可以降低由于道德风险给商业银行带来的信用风险。企业等贷款人的资产评估主要由会计事务所完成, 加强会计事务所工作人员的素质可以让贷款人的资产评估更加的客观准确, 也就间接的降低了商业银行的信用风险。
摘要：随着我国金融市场的深化改革, 金融风险正呈现出多样化的态势, 而这里面商业银行的客户信用风险尤为突出, 有研究显示, 银行风险损失的80%来源于客户信用风险, 2008年由美国的次贷危机引发的全球性的金融危机给我国的商业银行带来了警醒, 此外本文由此出发分析了我国商业银行目前的信用风险现状, 并且提出了改进的对策建议。
关键词：信用风险,风险评估,大数据
参考文献
[1]齐寅峰, 王曼舒, 黄福广.《中国企业投融资行为研究——基于间卷调查结果的分析》[J].管理世界, 2005.
[2]冯曦明, 李朝霞, 郭晓辉.《金融脱媒对商业银行资产负债结构的影响》[J].商业研究, 2016, 5.
[3]刘明华.《银行监管与风险管理》[J].武汉金融, 2003.
[4]魏灿邱.《资本配置:商业银行风险管理的核心》[J].金融研究, 2004, 3.
使用信用证的9大风险 第3篇
信用证是开征银行根据进口商的要求，向出口商开出的有条件的付款承诺，只奥出口商提供信用证规定的汇票和单据，开征银行保证付款。所以信用证属于银行信用，这就在很大程度上缓解了买卖双方互不信任的矛盾，满足了进出口双方加速资金周转的愿望，故在国际上得以广泛应用。在我国，进出口贸易结算的50％以上采用信用证方式。
二、出口商在使用信用证结算方式中遭遇的风险
但是，信用证业务自身的复杂性和游离于基础合同的独立抽象性加大了风险防范和金融监管的难度。因此常为一些不法商人所利用，对于买卖双方和银行来说就存在很多的风险。那么对于出口商来说，主要存在以下风险：
1、开证行的资信风险
开证行是第一付款行，承担第一性的付款责任，若开证行资信较差，那有可能会对安全收汇造成风险。如法国巴黎某一进口糖商，在法国巴黎一家银行申请开立信用证向我国某公司购买12000吨白糖，经受益人联系通知行查询开证行资信，该银行非中国银行代理行，且只有1000多万美元流动资金，我方出口一船白糖需付252万美元，所以可以认为开证行偿付能力不强，对安全及时收汇有风险。又如开证行与买方勾结，恶意挑剔不符点，达到延期付款，拒付或者欺诈的目的。
2、开证人的资信风险
开证人若资信较差的话，很可能汇造成不能安全及时收汇，或者遭到拒付，更有甚者或受到欺诈。主要以下几种情况：
(1)、买方不依照合同来开证。信用证的条款应该要和合同严格相符，但实际上由于多种原因，买方不依照合同开证，从而使合同的执行发生困难或者使出口商遭受额外的损失。最常见的是：买方不按期开证或者不开证，使得卖方无法履行合同；买方在信用证中增添一些对自己有利的附加条款一达到企图变更合同的目的。买方在信用证中做出许多限制性的规定一达到对买方的控制等等；
(2)、买方伪造、变造信用证，诈骗者将信用证绕过通知行直接寄给买方，引诱其发货装运，若买方没有及时察觉，很容易导致货款两失。
3、信用证规定的条款存在风险
比如信用证中的有些要求和有关国家法律法规规定不一致。例如：国外开来的信用证要求投保伦敦协会的一切险和中国人民保险公司的战争条款。根据中国人民保险公司的规定不能同时投保中外两个保险机构。只能选择其中一个保险公司。如果卖方不了解有关方面的法律法规。就无法做到单据与信用证严格相符。或者存在软条款现象。软条款指买方在信用证条款中规定一些限制性或者含义不清、责任不明的条款，使得买方和开证行可以随时、单方面接触其付款责任，从而将买方处于非常不利的位置。常见的软条款有，变相可撤销信用证条款、暂时不生效条款，限制性装运条款、客检条款等。软条款可以使得信用证随时撤销或者不生效，买方间接违约或者骗取保证金、质押金、履约金等。
三、如何规避
1、对于开证行进行审核
主要由议付行在收到国外寄来信用证时对开证银行的资本额和资产负债总额的资力程度、性质、历史、经营作风，在开证行所在国的地位以及同我国往来关系等进行审查，与我国不往来的国家或地区应拒绝接受来证。此外开证银行必须同我国有代理行关系。对未与我国建立代理关系的银行来证，应审查其资信，政治背景，根据需要决定是否接受。如通融接受，开证行必须由与我国有往来关系的第三家银行证实其来证的真实性。如开证行资信较差，收汇有风险，则可告知外贸公司采取下列措施之一：(1)由其他大银行保兑；(2)由偿付行确认偿付；(3)要求加列电索条款；(4)在信用证中规定允许分批装运的条件下，可采取分批出运，分批收汇，以分散风险。
2、对开证人进行资信审查
对方的资信可通过以下途径获取：(1)中国银行，(2)我驻外使／领馆经商处，(3)国内外的有关商会，(4)金融咨询中介机构，(5)商界朋友。从(1)和(2)获取的资信报告最为可靠。资信调查要经常搞，新老客户都不例外。
3、加强对信用证的审核
出口企业的审核重点主要放在如下几点
(1)、审核信用证的金额和货币。即信用证金额和货币是否和合同一致；合同是否存在溢短装条款，信用证金额必须与之相对应。
(2)、审核信用证中的装运期、有效期和到期地点。主要审核是否与合同规定相符，以及规定是否合理。
(3)、审核运输条款、保险条款和商检条款等。主要审核是否和合同一致，以及是否存在软条款。
(4)、审核是否存在超越合同的附加条款，一般情况下最好不要接受。
4、从严制单
对于出口商来说，应该从严制备单据。因为，出口商向银行提交单据请求付款时，所有单据必须符合信用证的条款，才构成开证行确定的付款承诺。为此，制单工作必须以银行审单工作依据的原则为基础，做到单证、单单、单货三相符，即信用证的条款必须在单据上体现。各种单据之间必须相互一致，单据与货物一致。
参考文献：
[1]张向先国际贸易概论高等教育出版社2007 127-133
[2]王涛生、戴晓红国际贸易实务，M，中南大学出版社，2004，164—171
使用信用证的9大风险 第4篇
自2010年融资融券业务开办以来,业务规模和参与主体数快速增加,在我国资本市场发挥了重要的推动作用,完善和丰富了我国证券交易方式和金融产品、为投资者和证券公司的收益增加提供了新的途径。但是,融资融券业务本质上是种信用交易,具有高风险性和财务杠杆特性,证券公司和投资者间的信贷风险必不可少。特别是2015年6月以来的中国证券市场的大幅下跌,融资融券交易成为暴跌中关注的热点,投资者信用风险控制是整个证券融资融券业务风险的源头和核心,如何有效进行融资融券交易中投资者的信用风险评估,规避风险,值得深入研究。特别是在大数据技术日益成熟的今天,证券公司对于投资者的信用风险评估重点关注的不能仅限于投资者的证券资产状况和基本信息的简单主观评估,缺乏微观与宏观、内部与外部数据的综合应用;融资融券交易的大数据既可以包括投资者基本信息、财产与收入状况、证券投资经验、盈利能力、风险偏好,也可以包括社会信用记录、消费记录、社交媒体、互联网应用等丰富完善的客观数据和行为数据。
二、大数据下融资融券业务信用风险评估指标设计
目前证券公司对于开展融资融券交易投资者的风险监控指标主要是通过基于投资者资产、负债和证券交易现状的分析,信用风险评估体系和模型简单;对于投资者个人背景情况、个人特质、风险偏好等综合考虑多为客户申请信息和主观经验判断。投资者信用风险评估数据来源狭窄、评估指标单一、准确率不高,投资者个性化服务和投资需求难以满足。
通过大数据体系建设,可以多渠道采集投资者相关数据,如图1所示。这些多维度数据可以有效降低信息不对称带来的风险;也可以利用大数据分析技术建立信用风险评估模型,找到变量间的相关关系,作为提高决策准确率和风险分析的新工具。用于信用评估的多源数据,能够充分反映投资者的资产现状、投资经验、盈利能力、消费记录,为证券公司了解投资者的投资交易行为习惯,进而有的放矢的满足投资者个性化投资需求和市场拓展提供了决策依据。
这些数据中既有结构化数据,也有非结构化数据,结构化数据记录主要是来自于证券公司内部的投资者个人属性信息、财务信息和证券投资交易行为数据;来自于证券公司外部的社会信息;非结构化数据主要来自于互联网上存在和产生的海量数据,如基于三方支付的互联网支付信息,互联网社交网络等信息。
(一)个人属性信息
包括年龄、性别、学历、婚姻、家庭、职业、居住、健康状况、性格、财经知识掌握与主动学习能力,以及每天用于关注融资融券交易的可用时间。
1、年龄:根据文献和所收集数据特征分析发现:介于18-32岁之间的投资者违约概率最高,该年龄段的在市场风险、投资风险控制以及信用意识等方面还有待加强;40岁以上的投资者具备丰富的投资经验,牢固的信用意识,信用风险较低;退休后的老年人群的违约率高低取决于是否有福利保证。
2、性别:男性投资者较女性投资者相比,女性更专注于长期目标。通常来说,女性会将金钱与安全、独立和生活质量联系在一起。女性更倾向于接受长期的投资计划,而男性则更喜欢通过短线操作盈利。
3、学历(受教育水平):一般来讲,学历程度越高拥有的社会地位往往也更高,对于金融投资知识的自主学习意愿加强,有较好的风险控制意识;同时高学历通常与高收入成正比,高收入则为还款提供了额外保障;高学历群体的道德和信用意识更高,更加珍视自身信用记录。
4、婚姻:根据文献研究发现婚姻状态为事实婚姻的借款人违约概率最大,这类人虽有实际婚姻关系却不愿给对方法律保护,责任感较差、同时不惧没有法律保护的婚姻随时破裂表明其偏好冒险;对应而言,已婚的投资者违约风险较低,该类借款人责任感强,重视自身行为声誉带给家庭及子女的影响,往往会审慎投资,违约概率比未婚人群低。同时,有子女的投资者更具有责任感,投资相对比较谨慎,有子女的投资者信用风险相对较低。
5、家庭:按照有现金流入的时点作为起点,家庭的生命周期分为单身期、形成期、成长期、成熟期和退休五个阶段。投资者处于家庭的不同生命周期阶段,生活的重心不同,资金的需求不同,因此对于风险的承受、态度等差异都较大。
6、职业:包括行业领域、单位类型、职位、专业技能、工作时间长短、换工作的次数,以及反映个人在职场工作中信守承诺的能力与意愿的职业信用,这些因素体现了投资者的收入预期、收入稳定性、收入水平高低,社会地位和职业信用。
7、居住:目前居住条件和所处环境一定程度上代表了投资者的经济实力。如果经常搬迁,或是刚到本地不久,说明投资者的稳定性不够,他们违约的可能性会比较大。另外,投资者如果拥有自有住房会对应较低的违约风险,必要时还可作为抵押资产。
8、健康状况:个人健康状况对投资而言至关重要,良好的健康状况则是稳定收入和投资的保证。
9、性格:对于风险偏好属保守型的人来说,保护本金安全和保持资产的流动性是其首要目标,这类投资者不愿承受高风险,希望收益稳定。对于风险偏好中性的投资者而言,可以承受一定的市场波动,但是希望自己的投资风险小于市场风险,希望收益长期稳步增长。进取型投资者,高度追求资金的增值,愿意投入风险较高的资产和接受可能出现的大幅波动。
10、财经知识掌握与主动学习能力:融资融券交易属于相对较复杂、风险较高的业务,进行融资融券交易的投资者应具备一定的证券投资经验和相应风险承担能力,了解并熟悉相关业务规则。投资者的财经专业知识水平越高,主动学习能力越强,对资本市场了解越多,金融工具越熟悉,可控的风险就越小。
11、每天用于关注融资融券交易的可用时间:因为融资融券交易的杠杆特性,有着风险放大的作用,股票的市场的波动较大时,有较多的用于关注融资融券交易的可用时间,投资者就可以灵活处理,控制风险。
(二)个人财务信息
证券公司可以收集投资者的相关财务信息,编制投资者家庭资产负债表与损益表,进行投资者家庭财务分析,从而全面掌握投资者的资产、负债、收入、支出等信息。基于基础数据,不同投资者性格、资产与家庭生命阶段股票投资比例进行比较,可以作为投资者参与融资融券信用风险的考量指标之一。
(三)个人证券交易行为分析
证券投资交易行为信息主要反映投资者的证券投资经验与能力、投资交易行为中的心理因素和认知偏差、投资风险偏好和现有持仓风险等,主要包括如下指标:
1、进行证券投资的时间:投资者进行证券投资年限越长,拥有的投资经验和财富越多,丰富的经验能够帮助其更洞悉行业动向、市场形势,主动规避市场和系统风险,从而降低其信用风险系数。同时,有一定的投资年限,可以保证证券公司有足够的历史数据分析客户的交易行为特征。
2、账户交易频率:通过投资者在某一时间段的年化换手率,判定投资者证券交易的活跃程度、投资者的交易习惯以及与公司融资融券交易的风险控制要求的符合度。
3、账户最长交易时间间隔:该指标用以分析投资者交易频率与证券市场之间的关联度;
4、账户年化收益率:这一指标是对投资者盈利能力的反映,投资者盈利能力越强,违约的可能性就越小,证券公司的信贷资产就越安全,可以采取绝对指标和相对指标进行综合衡量。绝对指标,如年化收益率是指投资期限为一年所获的收益率;相对指标,如盈利能力=(年化收益率一沪深指数上涨比率)/沪深指数上涨比率。
5、收益率波动率:通过计算某一时间段投资者账户收益率波动率,判断投资者盈利能力及其稳定性,以此评估投资者的收益和风险控制能力;
6、融资融券历史交易记录:证券公司可以从自己的交易系统中获取投资者的融资融券历史信用交易记录,以此达到了解客户融资融券盈利、违约,以及是否发生过追加保证金的情况、追加次数、是否按期足额追加担保品等作为投资者历史融资融券交易信用评价的依据。
7、投资交易行为中的心理因素和认知偏差:行为金融学是近年来研究证券投资者行为的前沿理论,其中相关研究成果提出投资者自身的情绪、心理以及性格等主观因素对投资交易行为中有着重要的影响,投资者并非完全理性的人,其自身固有心理因素和认知偏差,如过度自信、过度交易、处置效应等会对对投资交易行为以及盈利能力等产生重要影响。
8、投资风险偏好:包括投资的稳健性、平均止损能力、持仓集中度和持股时间的分析。投资者具有稳健的风险偏好、止损能力越强、投资标的持仓适度分散(即投资者采用组合投资策略)、投资时机分散和长期持有,投资风险越低。
9、现有持仓风险:采用股票风险评估模型,对于投资者现有的投资组合,以及和融资融券交易开通后持仓投资组合进行实时动态进行风险评估,预测投资者的盈利能力。
(四)社会信用信息
社会信用信息包括信用卡、房贷、消费性贷款、社保、公积金、公共服务费用缴纳、担保、抵押,以及行政机关、司法机关、行使公共管理职能的组织,在行使职权过程中,形成的与个人信用密切相关的信息,如税务机关记录的是否欠税,公安机关记录的违法行为,交通方面是否存在肇事或者违规行为,有没有出现职务违规,家庭中是否履行义务等。社会信用信息,可以从我国的公共征信机构—中国人民银行的个人征信系统,或国内外的私营征信机构等途径获取。
同时,建设部建立了房地产信用档案系统,国税总局建立了纳税人信誉等级信息信息系统,国家工商总局建立了工商登记数据库和工商年检数据库,最高人民法院建立了判决文书基础数据库,劳动和社会保障部、财政部、公安部、国家技术监督局、检验检疫局、海关总署、外经贸部等,都在各自的行政执法和行政管理过程中建立了个人信用资料登记体系(王涌飞,2010)。
扩充规范后的投资者社会信用数据采集模式应该是投资者个人申报信息、从银行、证券、保险等部门获取的财务信息和信贷信息;从税务部门获得企业纳税信息、财务状况等信息;从公共产品提供机构收集的公共产品使用信息;从国家各执法机关收集的法律法规执行情况信息;从公安部门获得的个人基本信息;从民政部门获得的个人婚姻信息;从房产管理部门获得的个人不动产信息;从电信服务部门采集的个人有效电话号码和电话费缴纳信息(韩莉,2012)
(五)互联网支付信息
包括互联网金融平台、电商平台中的各类如融资服务,机票与酒店订购、保险续费、生活服务等与风险或收益偏好相关的支付数据。这部分数据的获取,可以通过投资者个人申报并提交电子凭证获取,或者与第三方支付平台合作获取相关数据。如截止2014年6月30日,阿里巴巴旗下的淘宝、天猫等零售平台上已有2.79亿个活跃的消费者,有800万卖家在此经营,每天有3亿人访问网站,5000万人实现成交。卖家和买家、商户和个人,无时无刻不在这个平台上积累着自己的信用记录,这些数据能够直接转化为信用评估的参数。
(六)互联网社交网络信息
包括投资者在博客、社交网站、微信、QQ等社交媒体上发布的各类信息。这部分数据无需人工收集,而是用互联网抓取的方式代替。如腾讯QQ的平均每月活跃账户数达到8.29亿,微信的平均每月活跃账户数达4.38亿。通过用户每天的高黏性使用,腾讯积累了海量的用户社交数据和相应的行为数据,这些数据全面真实地反映了用户个人的情况。在不违反法律和道德的前提下,腾讯的数据可以实现用户精准画像,支持金融机构对于个人信用等级的判断(陈劲,2014)。
融资融券信用风险评估的主要目的是给出申请人的信用等级,为授信额度的确定,以及融资利息、融券费率的确定提供参考依据。从操作便利性角度出发,对于个人投资者融资融券交易信用风险评估可以采用建立信用评分卡,进行投资者信用风险评分,然后确定投资者信用风险等级的方式。在构建好指标体系后,个人投资者融资融券交易信用风险评分卡的关键为融资融券交易信用风险评估指标权重的科学合理设置。
三、融资融券交易个人信用风险评估指标权重设置方法探讨
指标权重的设置可以采用定性与定量相结合的办法进行确定,定性的方法可以采用层次分析法、模糊评价法、专家打分法等进行;定量的方法可以采用主成分分析法、因子分析法设置指标权重,然后建立评分卡进行信用风险评估,也可以采用判别分析、聚类分析、logistic回归模型进行信用风险的预测。
或者采用非线性评估方法,这种方法也是一项重要的信用风险评估技术,人工神经网络便是一种经典的非线性评估模型。Tam和Kiang等(1992)首次将该方法应用于预测商业银行破产。黄英婷(2006)用人工神经网络方法对30家中小企业信贷数据进行了实证分析,其中主观因素设置较低权重,建立的中小企业信用风险评估模型为三层结构的人工神经网络。孙冰颖(2012)通过对生物神经系统模拟,人工神经网络在输入与输出变量间搭建了一种非线性映射关系,实现信息处理功能。其优点在于能以任何精确度靠近任何非线性函数,并具有超高自学习功能。用人工神经网络构建的信用风险评估模型,通常将贷款机构关注的指标作为输入变量,而输出变量则是信用等级。
除人工神经网络之外,Vapnik等(1995)还提出了支持向量机(Support Vector Machine,简称SVM)这一非线性预测方法。SVM主要解决分类与回归这两大类问题,通过将数据映射到高维并结合核函数的使用,这一方法实现了高维度数据的非线性划分和回归。由于SVM遵循的是结构风险最小化而非经验风险最小化,其各项性能均优于人工神经网络,是近年来国内外学者研究的热门方向。钟波、肖智等(2005)推出了LSSVM信用风险评估模型,实证表明其比最邻近节点算法(KNN)以及线性判别法的预测准确度高。成洪静(2008)将SVM方法和人工神经网络同时应用于商业银行信用风险评估,对比结果表明SVM比人工神经网络的预测准确度高。
本研究采用某小额信贷机构4477名借款人共计19个字段的数据,进行Logistic回归模型的应用研究。该数据集中的各个字段取值差异较大且属性各异,在整理数据时,需要先将各字段数据统一进行分段处理,所遵循的基本原则为:先借鉴文献资料进行预分,再结合样本数据统计结果进行调整。本研究实证数据分为三类,数据的分段如下:
(1)类别型数据:类别型数据分段取值无实质意义,仅做类别区分。
(2)字符型数据
字符型数据分段步骤如下:
第1步:对字符型数据进行预分段。
第2步:做出各项字符型数据的马赛克(Mosic)图。
第3步:依据Mosic图,按照风险越大取值越大的原则为每项字段数据的各取值段赋分段值。
(3)连续型数据
连续型数据先离散化,再借鉴字符型数据进行分段处理。离散化方法为:做出各字段数据的累进频率分布表,然后以百分位点(如1/4分位点、1/2分位点、3/4分位点等)对应的值为基准值,适当调整将连续型数据离散化,如表11。
使用R软件作为实证数据的分析软件,实证步骤如下:
(1)样本集分拆
将数据集导入R软件的rattle包,rattle包会自动将数据划分比例为70:15:15的3个部分,其中70%的数据用于建立模型,15%的数据用于检验及修正模型,最后15%的数据用于测试模型的预测效果。
(2)变量相关性分析
为减少信用评估指标体系内各个指标间的相互影响,在建模之前本研究先对各个变量进行了pearson相关性分析,结果如下图6:
图6中圆形越狭窄代表相关性越强,反之越弱。可以看出,申请贷款金额与抵押物、年营业额之间的正相关性较强,可接受贷款利率与抵押物之间的负相关性较强,其他变量间相关性较小,总体上本研究所选变量之间的相关性较弱,适合构建logistic回归模型。
运行rattle包中logistic模型构建程序,结果如表12所示:
从表12模型参数估计结果来看,性别、从业年限、是否有营业执照以及年营业额4个变量的显著性水平P值大于0.05不显著,其他指标的P值均小于0.05显著;模型通过Chi-square检验,P值小于0.05显著;但模型R-Square为0.46,拟合效果一般,模型ROC如图7:
从图10模型的ROC图来看,其左上方的曲线较为弯曲,曲线下方的面积占比达到75.38%,证明模型总体拟合效果较好。接下来用rattle包自动分割出的15%从未参与过模型拟合和修正的数据集(673个样本)来检验模型预测效果,测试结果如表13:
其中Actual为实际情况,Predicted为预测结果,可以看出673个预测样本数据中,共计569个样本被成功预测出最终是否会逾期还款,正确率为84.55%。此外,13名实际未逾期还款的投资者被错判为会逾期还款,91名实际逾期还款的投资者被错判为不会逾期还款,总体错误率为15.45%,模型整体预测效果较好。
由模型(1)可知,对中小企业贷款违约概率影响由大到小的变量依次为:抵押物情况、申请贷款期限、信用被查询次数、可接受贷款利率、贷款担保人数、企业贷款信用记录、信用卡还款记录、申请贷款金额、当地居住类型、当地居住时间、当地经营年限、婚姻状况、年龄,与前面的指标分析一致。
在构建模型的过程中,由于数据难于收集,本研究使用了部分企业信用风险评估指标体系中的指标进行实证分析,但用这一部分指标所构建的信用风险评估模型对企业贷款违约风险的预测准确率就达到了84.55%,可见本研究构建的信用风险评估指标体系能对中小企业信用状况做出较好的解释。
基于实证研究,本研究为构建的信用风险评估指标体系中的各个指标权重以及参考分值,从而建立信用风险评估评分卡。对于收集到数据并进行实证研究的指标,依据实证结果结合适当调整确定权重;对于未收集到数据进行实证研究的指标,则主要依据信用风险评估文献、商业银行现有信用风险评分卡以及对信贷专家和业务人员访谈等方式综合确定权重。
2004年实施的《新巴塞尔协议》中银行内部评级法规定,商业银行信用评级结果分为10个级别,分别为AAA、AA、A、BBB、BB、B、CCC、CC、C、D,受评对象信用得分每间隔10分对应一个等级,如表14:
本研究在借鉴表13的基础上,依据对样本数据的统计分析以及实证结果,重新设计了信用得分与等级对应表,如表15所示:
依据本研究思路,确定信用得分可以采用两种方式,第一种:将各项指标的基础数据带入信用风险评估模型,可得到信用违约概率P(P取值为0到1之间),P值可以近似看做中小企业信用违约风险得分,而1-P则为信用得分(为便于理解,可将P值乘以100);第二种:依据信用风险评分卡对各项指标打分,汇总各项指标得分即为信用总得分,将信用总得分对应表8则可以获得其信用等级。
以上分析是基于大数据思想,针对于证券公司内部微观个人投资者而言,开展融资融券交易时进行的投资者信用风险评估和分级。一方面,证券公司可以以此评估标准进行投资者融资融券交易申请的审批,根据投资者评分等级进行授信额度的核准,并在后续投资者的交易过程中,根据实时信息更新,对于授信额度进行动态调整和控制。
另一方面,宏观层面而言,有研究指出投资者情绪指标与股票投资风险有着紧密的联系,以此对综合进行融资融券业务信用风险评估,还可以采用大数据技术,进行基于网络媒体数据的融资融券标的股投资者情绪分析,从宏观上进行证券市场波动性与投资风险预测,从而为融资融券交易风险控制提供预警。
四、结论
针对传统融资融券业务信用风险评估不足,以融资融券业务特点和大数据思想为基础,构建了五部分关于融资融券投资者信用风险评估的信息,用于融资融券业务中对个人投资的信用风险进行评估。这扩展了现有证券公司融资融券业务信用风险评估的数据来源,完善了信用评估数据内容,提高了信用风险评估的时效性。在构建好指标体系后,个人投资者融资融券交易信用风险评分卡的关键为融资融券交易信用风险评估指标权重的科学合理设置,运用大数据分析和互联网思维来改进投资者信用评价体系。
为实现上述融资融券业务信用风险评估与管理的创新,证券公司应基于大数据技术和分析方法,通过扩展数据来源,提高数据质量,升级完善现有个人投资者信用数据内容、平台和结构,开发智能数据更新工具,便于个人投资者进行申报和凭证提交;通过互联网非结构化数据挖掘与分析方法,提升个人信用数据的时效性和准确性;以行为金融学、社会网络分析、数据挖掘、机器学习等前沿理论与方法,深入分析个人投资者融资融券交易行为,从而实现如上功能与相关业务创新。
摘要：本文从证券公司视角,以大数据为基础,采用开放、互动、广泛参与的互联网金融思维,对基于互联网证券开展融资融券交易投资者的信用风险指标进行探索,围绕个人投资者微观视角,构建了针对个人投资者的融资融券交易信用风险评估的多维度指标,既包括投资者基本信息、财产与收入状况、证券投资经验、盈利能力、风险偏好,也包括社会信用记录、消费记录、社交媒体、电商平台等丰富完善的客观数据和行为数据,为证券公司防范融资融券交易风险建立了有效屏障,为确定投资者融资融券额度、利息以及费率,以及开展融资融券交易个性化服务提供了一定的决策依据。
关键词：融资融券,大数据,互联网金融,证券公司,信用风险
参考文献
[1]杜永红.大数据下的互联网金融创新发展模式[J].中国流通经济,2015,7:70-75.
[2]彭文英.基于大数据理论的信用风险评价模型设计思路[J].河北金融,2014,12:21-23.
使用信用证的9大风险 第5篇
关键词：信用卡 风险管理 大数据 云计算
三十年来，随着国民经济高速发展、消费环境逐步成熟，我国信用卡产业从零开始，取得了跨越式进步，已经成长为全国经济产业的重要内容。同期，以大数据、云计算为代表的新技术发展迅速，正深刻改变现有商业银行生态环境。作为商业银行支柱性业务之一，信用卡同时兼具资产业务和中间业务双重特点，不可避免地受到新技术的渗透和影响，已逐步实现互联网方向转型。但是，我国商业银行现有的信用卡业务风险管理，却存在着信息不对称、风险管理成本高、运营流程不合理等问题。基于大数据云计算的信用卡风险管理平台（以下简称平台，如图1所示）是一个云计算、云存储的大数据分析和应用平台，具有灵活、自主、开放、易用、安全的特点。平台运用大数据、云服务思维解决数据服务的及时性问题，我国商业银行可以借助平台实现精准授信、风险计量、风险预警等风险管理能力的提升。
一、平台功能概述
（一）风险信息广泛收集
数据信息是平台进行信用卡业务风险管理的必要条件，包括内部信息和外部信息两类。内部信息收集方面，信用卡经营和催收过程，市场调查、审批审查、风险检测环节，电子化渠道办理业务过程等。充分收集客户信息，完整保留交易记录数据，实时纳入数据库。在外部信息收集方面，可以通过同业间的数据交流，相关机构和部门的交互联网，甚至通过购买、协作、交换等方式与第三方数据公司进行合作。各种渠道和方式的数据信息广泛采集，有利于交叉印证和准确授信，从而能有效控制风险。
（二）风险数据有效治理
用平台进行信用卡业务风险管理，既要求数据“量大、面广、时间长”，还要求对数据进行有效治理，才能保证得到真实的分析结果。所谓数据治理即在相关管理制度下，严格分类内容差异、性质有别、来源不同的数据信息，以确保数据的及时、连续、完整、可靠，强化对数据信息的管理。具体来看，就是首先对来自各部门的大量局部化、碎片化的数据严格输理，形成常态化的数据清洗和管理机制；其次，从技术上把各个部门的管理系统进行改造、升级并纳入到平台上来，保证业务流程的全覆盖；从而为全面的风险管理、实时的风险监控提供有效技术支持。
（三）风险全面持续监测
平台支持实时、全流程信用卡风险管理。通过对持卡人实施全面连续的风险监测，形成闭环监测体系，包括集中式发卡审批、用卡过程动态监测等。基于平台进行高精度风险建模，不仅可精准识别、动态审查申请人的财务状态，又可计量出可接受的最大风险敞口；同时，对习惯性数据信息进行逻辑性分析，使得做出的判断更加专业、可靠、贴近实际。持卡人用卡过程中，一旦出现交易大幅变动或其他与交易习惯不符的异常情况，平台会主动提醒或自动采取有力的防范措施，如：提示、报警、信用卡冻结等。
（四）技术不断创新及运营流程优化
基于有效治理后的海量数据，平台可以快速、准确地定位风险、捕捉风险，有效化解风险，同时，对可能出现的新风险起预警作用。因此，建立高精度的风险分析模型需要不断的技术创新。同时，为推广和应用基于平台的信用卡业务风险管理模式，要求发卡银行同时进行适应性的运营流程优化，目的是将平台与信用卡业务流程紧密融合，将大数据分析技术贯穿到信用卡生命周期的每一个过程和环节中，从而实现全流程、全面的信用卡风险管理。
二、平台实践案例
大数据的核心是预测，即在大量、完整数据基础上分析、寻找变量之间的相关关系，从而发现规律，并对未来可能发生的事情进行预测。基于平台的信用卡业务风险管理应用场景包括：在线精准授信、支付交易欺诈侦测、反洗钱等。下面通过工商银行外部欺诈风险管控云平台实践进行详细阐述。
（一）工行平台实践建设路径
1、组织架构及制度体系完善
工商银行基于董事会、高管、评估小组“三道防线”原则，建立了与自身业务发展和监管要求相适应的外部欺诈风险管理组织架构，并陆续出台了集团和专业层面的一系列制度及管理规定。
2、反欺诈文化建设
工商银行通过网络大学、网点直通车等内部渠道，及网站推广、公益广告等外部手段，积极培育稳健审慎的风险管理文化，打造金融生态的良好环境。
3、大数据风险管控平台打造
工商银行立足自主创新，研发并投产了外部欺诈风险信息系统。该系统采集了工商银行内部、各级政府机关、国内同行、国际同行等提供的各类风险信息近千万条。通过风险数据库与业务的实时匹配，大副提升了风险判断的准确性和有效性。
4、外部欺诈风险的分类控制
工商银行将黑名单定点清除与风险监控模型相结合，基于大数据分析技术，将风险控制系统投产到各重要业务领域。如在信用卡领域投产的交易欺诈系统，基于刷卡交易的时间、地点、笔数、金额、类型、商户等多维度信息，实现了欺诈风险的精准定位、快速识别和有效控制。
5、风险防控效用评估
基于新巴塞尔协议及国家监管条例，工商银行成立了专门的领导小组开展风险防控效用评估。按预定计划，对上百项管理活动和业务领域中的欺诈风险进行了效用评估，并先后实施了600多项整改措施，有效提升了欺诈风险的管理水平。
6、欺诈风险全球化交流合作
工商银行通过加入国际银行安全协会（IBSA）、发起《欺诈账户止付协议》、翻译引进国际现代安保管理理论等方式，不断融入全球金融体系，并加强了相关方面的国际合作。
（二）工行平台应用成效
1、突出保护客户利益
王晓平和张艳薇（2015）提到，截至2015年2月，通过在全业务渠道对欺诈交易布控拦截，工商银行已经有效防范多起欺诈商户的盗刷案件、公司信息的泄露案件等，避免本币、外币损失分别约9500万元和950万美元。
2、降低风险管理成本
与以往风险管理只是成本负担观点不同，工商银行外部欺诈风险管控体系建设实践，不仅有助于完善客户精细化管理和提高营销效果，还节约了营销成本，树立了风险管理同样创造价值的新理念。如停止支付有风险的信用卡近五万张，处理信用卡相关风险事件近二十万起，避免了经济损失金额近六十亿元。
3、创新风险管理模式
通过外部欺诈风险管控体系实践，工商银行初步探索出一条新的“将统一风险管控平台嵌入业务流程、自动风险预警控制、新兴业务风险评估”风险管理模式。同时，通过整合分散的欺诈风险数据到信息平台，不仅统一了全集团的客户风险评价标准，而且使业务管理控制能力显著增强。
三、研究亮点及优势
（一）减少信息不对称
从大数据的定义不难理解，只有横截面与纵向共享的全量数据，才能称为真正意义上的大数据。因此，从横向来源看，扩展除商业银行之外的个人、企业、政府等不同渠道获取数据的能力；从纵向来源看，在各渠道之间建立了实时的数据流通机制，保证数据的不断积累，从而实现最全面、最权威风险数据的整合，从而把信用卡风险管理的信息不对称性降到最低。
（二）降低风险管理成本
云计算技术可以有效解决数据快速处理问题，同时，发卡银行内部云平台的搭建，实现了平台化协作模式，不仅带来了资源共享，而且也减少了各部门数据需求的重复投入，降低了成本。此外，在私有云基础上，各发卡银行逐步把公共的部分独立出来，从而形成行业云。行业云将因为能够实现更大的规模经济而降低单个发卡银行与整个信用卡行业的运营成本，推动整个产业竞争优势的提升。
（三）新风险预警
面对风险的多元化发展趋势，大数据搜集主体通过数据挖掘，寻找大数据中隐含的内在联系与相关关系，可以发现某些数据与其行为主体的规律。此外，风险数据的分析结果，不仅对现有风险类型有预测和实时监控意义，而且，对未来可能出现的风险类型，也有很好的防范效果。从而辅助发卡银行从组织架构、内控机制、运做流程等方面提前部署和谋划。
四、研究应用价值
信用卡风险管理涉及组织体制、科技研发实力和内控机制等方面内容，是一个庞大的系统工程。基于平台的信用卡风险管理主要侧重于技术手段方面，即是以大数据和云计算为支撑，以风险管控云平台为手段，以数据分析、风险预测、实时监控为目标，实现对信用卡风险的事前、事中、事后全流程、全面的风险管理。本研究的应用价值包括：
（一）数据整合能力提升
对我国商业银行来说，充分了解持卡用户有利于精准授信从而降低风险。有了平台，商业银行可以从各种渠道广泛采集客户信息，充分利用大数据全体和在线的特点，兼容结构化、半结构化、非结构化数据类型，并从深度和广度上进行分析整合，实现数据的有效治理，从而能够还原客户原貌，提升对客户的认知度。
（二）风险量化管理能力提高
我国商业银行传统的信用卡风险量化管理技术简单、粗放，不利于互联网环境下业务发展需要，需要逐步过渡到精确的风险计量管理技术。风险的精确计量技术与统计学、金融学和信息技术的发展密切相关，因此，我国商业银行提升风险的精确量化管理能力需要新的管理工具和方法，平台提供了全新的可能性。商业银行可以利用平台收集的信用卡用户状态变化信息，获得变化规律，基于规律进行高精度建模和风险点位控制，应用点位的风险量化计算结果评估用户价值，从而实现风险高低程度的准确评测。因此，通过建立一套动态量化并核算风险生成过程的模式，我国商业银行的风险量化管理能力将得以大幅度提升。
（三）信用卡风险决策模式创新
由于风险决策的标准不统一、数据非实时、缺乏客观因素支撑等原因，导致我国商业银行的信用卡风险决策存在复杂低效，及时性和可靠性低，主观性强且信息不对称的情况，进一步加大了信用卡风险的管控难度。平台通过深入分析各个变量之间的内在联系和相关关系，建立精准的分析模型，通过试验不断提高模型精度，最终使得风险决策模式更加科学、及时、准确、客观。因此，我国商业银行可以借助平台实现信用卡风险决策模式的不断创新。
（四）信用卡风险数据共享推进
在平台强大的技术支撑下，我国商业银行可逐步实现发卡银行内部、信用卡行业内部、信用卡相关产业之间等三个层次的数据共享。各业务部门和系统之间的信息共享，有利于避免重复投入和合理控制成本；发卡银行之间共享行为及交易数据，有利于降低风险并提高服务精准性；信用卡相关产业的数据共享，有利于实践社会大征信，在数据共享标准下让数据顺畅流动起来，降低风险，提高服务质量。
参考文献：
[1]芮祥麟.金融业大数据应用（下）[j]. 软件和信息服务， 2014（12）
[2]王晓平，张艳薇.打造全能金融服务，创造数据价值[j]，中国金融电脑，2015（8）
[3]维克托·迈尔—舍恩伯格，肯尼斯·库克耶.大数据时代[M].浙江人民出版社，2012