贺 莉

(福建师范大学协和学院,福州 350000)

科技的巨大进步以及经济的飞速发展使得商业银行的安全风险日益显现。若商业银行出现经营风险,很可能引发金融系统性风险,影响社会稳定性,给国家和人民带来巨大损失。因此,探究基于大数据的商业银行风险预警系统有着重要意义。

一、基础理论

(一)Nginx

Nginx具有以下优势:第一,请求响应速度较快。Nginx服务器能够提供极快的信息响应速度,更好地应对高峰期的风险预警需求;第二,使用Nginx服务器与http进行连接时,内存损耗极小;第三,Nginx服务器具有超高的可靠性。现阶段全球主要大型网站都使用Nginx服务器作为网站的核心,具有合理性模块与科学性较强的设计框架;在提供相应服务支持时,具有极高的稳定性、安全性;第四,由于Nginx由多种模块构成,层次较丰富,功能较多,具有极好的扩展性,所以即便出现bug,也可以将其控制在单一模块上,不会影响其他模块的正常运行;第五,Nginx的运行原理为将工作进程与服务器的主进程分割开,能够在持续提供服务的前提下,更换升级文件配置。

(二)实时流数据处理

商业银行在构建风险预警系统时,需要考虑系统的数据处理计算能力。系统需要具备较低的延迟性,在设计数据处理系统时,将重点放置于数据存储、数据处理方面。实时流数据处理适应于以下两种情况:第一,源源不断的数据。系统平台需要对持续性的数据进行分析、处理、计算,并将结果储存到数据库当中。商业银行在建立风险预警系统时,可以充分借助实时流数据处理系统平台的优势,提升预警系统的数据访问分析能力;第二,应对海量数据。现阶段国内的实时流数据处理系统平台主要有Storm,该系统主要应用于阿里巴巴淘宝公司,负责对数据信息进行实时处理,实时进行风险预警。商业银行在构建风险预警系统时,可以借鉴Storm系统的模型设计,引入契合自身实际需求的实时流数据处理系统平台。

(三)数据挖掘

数据信息的挖掘技术主要有以下特点:第一,借助该技术获取的数据信息资源能够充分应用于现实生活当中,且具有较高的有效性;第二,在采取该种技术前,操作人员和管理人员不应设置明确的目标或具有预先性的假设;第三,如果使用该技术挖掘出的数据信息是没有预料到的,则表明这部分数据信息很可能具备极高的应用价值;第四,该种技术的应用目的是弥补人类直觉感知无法接触到的各类信息,若挖掘出的信息与直观感受相似,很可能出现错误。商业银行在构建风险预警系统时,极为依赖大数据的信息挖掘技术。现阶段,常用的大数据技术主要有遗传算法、历史分析法、统计技术法、支持向量机法、回归分析法、关联规则法、贝叶斯法和决策树法。

二、商业银行风险预警需求

(一)需求分析

商业银行的风险预警系统主要有下列需求:第一,预警系统应该是可用的、有效的。商业银行在构建风险预警系统时,应确保系统不会对银行内部业务产生干扰。风险预警系统应该是独立运行的,不可依赖商业银行原有的业务系统,并且对于商业银行风险预警系统的IT资源与设备资源应给予限制;第二,商业银行的风险预警系统应能够充分匹配银行各项业务的使用场景。商业银行内部存在多种部门,因此,预警风险系统在实时预警监控时应具有针对性,对各部门的监控预警应有侧重点,充分考虑商业银行内部不同部门、不同人员、不同业务的风险着重点;第三,商业银行在构建风险预警系统时,应保证系统具备较强的稳定性,无需再度浪费人力、物力及财力资源对风险预警系统进行维护;第四,商业银行的风险预警系统应具备扩展性、开放性,能够适用于银行内部各项业务种类。在银行拓展业务范围业务类型时,该风险预警系统具有极大的包容性,能够直接或经过简单修改便开始对新业务进行预警监控;第五,商业银行构建的风险预警系统应将分析结果直观地呈现给管理人员,使其能够清晰辨别风险类型、风险程度,从而为管理层进行相关决策及风险应对提供有力支持。

(二)设计目标

基于大数据的商业银行风险预警系统的设计目标主要包含以下几方面:第一,集中监控。该风险预警系统应该能够支持单一窗口、单一地点对商业银行内部多个部门业务状况信息资源的运行情况进行集中监控,能够从全局角度对各类业务潜在风险进行预警、实时监控,便于管理层对资源统一调度以应对各类风险;第二,风险预警系统应该能够实时动态地向外部展现商业银行各类业务的统计信息、关键数据、运行情况,能够帮助商业银行管理层观察各类业务的变动情况和风险程度,及时作出清晰、有利的判断;第三,风险预警系统应直观呈现商业银行信息资源、各业务的运转状况,能够通过动态图表的模式实时向外界传递各业务的风险类型、风险状况,并展现其深层次联系,帮助管理层更好地了解各层级、各架构间的关系,及时更新业务风险分析结果;第四,风险预警系统应创造风险情况展示版。通过展示版的颜色种类展现商业银行各项业务的运行健康状况及风险程度,如红色代表风险度较高、黄色代表风险度中等、蓝色代表风险度较低,使管理层能够清晰地观察到各项业务的实时动态的变动情况,及时对相关风险进行修复,避免问题恶化引发更严重后果。

(三)风险预警流程

基于大数据的商业银行风险预警流程为以下几点:第一,风险预警系统从商业银行内部的交易日志、数据库等渠道提取各类业务的原始数据;第二,风险预警系统对提取到的数据进行格式转化、过滤等操作。对于原始数据的过滤操作是为便于后续的数据信息分类,通过过滤原始数据属性提高后续分类操作的速度;第三,风险预警系统需要借助数据分类算法对格式转换过滤后的原始数据进行分类,同时通过历史交易数据进行建模操作;第四,风险预警系统借助数据分析处理系统平台依照预先设定的风险引擎、风险预警模型分析各类业务数据中含有的风险,并记录分析结果。对分析记录结果进行格式整理并传送至推送平台,将整理后的风险分析结果传输给商业银行管理层[1]。

三、基于大数据的商业银行风险预警系统建设

(一)技术结构

基于大数据的商业银行风险预警系统主要分为数据信息展现层、数据信息分析模块、数据信息收集模块。具体的工作流程为开始阶段、数据信息采集阶段、数据信息存储阶段、数据信息分析阶段、风险分析结果和展示结束。在设计风险预警系统的技术结构时,需要设计数据信息的收集层,由系统统一对数据信息进行收集并开展预处理工作。风险预警系统的数据收集层主要借助预设脚本对原始的数据信息进行转换格式操作,将原始数据信息的格式统一化;从渠道整合、交易核心流水、微信银行、前置系统、手机银行等渠道汇集到的数据信息具有不同类型的格式,需要通过数据收集层将各种格式类型进行统一。风险预警系统的数据储存层会将格式统一后的原始数据信息进行存储,但由于系统容量的限制,主要存储特殊数据以及重要信息数据。风险预警系统可以选择在数据储存层直接对原始数据信息进行分类并选择性推往数据信息分析处理层,经过存储、算法分类的数据信息会进入风险预警系统的风险引擎、风险分析模型当中。

(二)算法优化

优化后的预警风险系统的算法流程为:输入限制深度与数据集,检查到达节点时数据集是否为空;是,则确定其分裂属性为null,数据集的分类值为缺省值;否,则继续检测限制深度是否符合相关标准;是,则构建叶子节点,使用贝叶斯分类法对数据进行处理;否,则计算最大属性增益,判断最大属性增益值是否为零;是,构建叶子节点,设置分裂属性为null,使用贝叶斯分类法处理数据;否,递归构建子节点,增加决策树深度。优化后的算法主要将限制决策树深度作为算法的核心思想,在达到具体节点时,不增加子节点数量,仅使用贝叶斯分类算法处理余下数据,进而得到样本类型。若限制深度符合相应标准,则不再改变叶子节点,并使用贝叶斯分类算法对余下数据进行分类处理。相关研究表明,优化后的数据处理算法更能应对商业银行各类业务数据信息场景,能够达到更好的风险预警效果[2]。

商业银行风险预警系统在分析具体风险前应过滤掉冗余信息,降低后续分析风险成本,减少数据信息的分类时间。优化后的算法能够在数据处理前简化数据信息的变量级;在设计风险预警系统时,可以选择多种数据集的变量简化方式,进而删除冗余信息[3]。

(三)大数据分析

第一,数据信息经过脚本处理与算法分类后,将数据传递到系统平台;第二,为更好地开展风险分析,需要在函数节点的帮助下将数据订阅格式进行转化;第三,依照风险引擎规则将中间结果集进行格式转换;第四,将转换后的中间结果集导入到Redis中;第五,由触发器节点每隔一秒对Redis中的中间结果集进行触发,并将数据信息以流形式传送到系统处理平台;第六,将不同图表类型、不同格式的数据信息进行集转化,并送达可视化平台,方便管理人员进行查阅。

四、基于大数据的商业银行风险预警系统应用

(一)对柜员风险操作的预警

商业银行风险预警系统对柜员操作风险的预警内容主要包括频繁查询操作、非规定时间的业务办理和违规办理本人业务。银行柜员的风险预警数据信息来源主要为客户个人信息表、员工信息表和交易日志。例如,对银行内部柜员的风险预警规则引擎如下:业务描述模型,分析交易结算日志的交易数据信息,判断业务办理客户与业务办理柜员是否相同,判断客户信息与结算客户信息是否相同;风险描述模型,对柜员的违规业务操作进行规范;运行频率模型,对柜员的业务操作进行实时监控;预警展现模型,对柜员的交易流水号、交易金额、名称、时间、账户名、柜员号进行监控预警;优先级模型,根据以标定数据算法和来源[4]。

(二)失败交易业务预警

对于频繁查询账户的预警规则为:业务内容描述,及时对失败业务交易状况进行了解,确保交易的顺利开展;风险点描述,防范业务失败、交易的潜在风险;运行频度,实时监控;预警展现内容,失败交易业务类型、失败交易业务金额;优先级,数据源确定频繁、算法不确定[5]。

(三)ATM大额资金变动

大额资金变动预警风险规则引擎为:业务内容描述,ATM大额取现、大额资金跨行转账、发生金额超出阈值;风险点描述,依照央行现金管理暂行条例;运行频度,实时监控;预警展示内容,取现金额、交易日期、账户类型、客户姓名、账户账号;优先级,数据算法确定。ATM大额交易的风险预警分析结果应展现于可视化面板中,通过柱状图展现大额取现的风险预警结果,充分记录取现金额大于100元的ATM交易。在设置坐标体系时,将账户账号、用户卡号作为横坐标,将交易取现金额作为纵坐标,并辅助动态表格展现跨行转账信息的变动状况,记录交易金额超过阈值的跨行转账记录,显示交易时间金额、客户号、流水号等数据信息。

五、结语

综上所述,在建设基于大数据的商业银行风险预警系统时,应明确基础理论,分析商业银行风险预警需求,制定设计目标,明确风险预警流程,再通过构建技术结构、优化算法、明确大数据分析方式,建设基于大数据的商业银行风险预警系统,并通过对商业银行风险预警系统的应用状况进行分析,持续性地优化和完善风险预警系统。