銀行數字化經營的概念范文

前言：我們精心挑選了數篇優質銀行數字化經營的概念文章，供您閱讀參考。期待這些文章能為您帶來啟發，助您在寫作的道路上更上一層樓。

第1篇

關鍵詞：銀行數據挖掘；理論分析；典型算法；應用及效用

中圖分類號：TP311.13

銀行是現代經濟的標志，也是現代經濟活動中不可或缺的環節和工具，從銀行誕生應用以來，銀行業就需要處理大量的經營數據，銀行數據記錄手段也經歷了數個階段，從白紙黑字的賬本到計算機信息化時代的銀行數據信息系統，銀行數據業務可以在業務交易流程、數據庫建設、金融風險評估和經營決策分析等方面發揮極其重要的作用。從銀行業本身的發展來看，商業銀行的規模和類型都在逐年豐富，信息化和數字化的銀行業務模式也逐漸成為商業銀行的運行模本；現代銀行更加重視客戶本位思考，通過多樣化的市場需求分析手段，可以為客戶提供極具個性化的銀行業務產品服務，吸引更多的潛在客戶群；同時現代銀行的風險管控意識更強，在市場經濟節奏更快的當今社會，銀行經營決策的風險評估效果決定了現代銀行的經營走向；再者是網絡終端服務和移動終端服務的迅猛發展，銀行交易手段更加豐富，網上銀行、手機銀行、移動證券交易等等電子支付交易方式的發展給現代銀行帶來了新的機遇和挑戰，這一切都需要現代銀行在數據處理分析能力上有新的應對措施。

1 數據挖掘和數據效用理論基礎

數據挖掘的通用定義指的是從現有的大量存儲數據中，采用數據擷取的方式，搜尋出感興趣的、有價值的數據點或數據模塊的數據處理技術。數據挖掘廣泛地應用于商業金融領域，基于既定的商業化分析目標，可以依托于企業內部的金融數據系統進行數據分析，最終獲得需要的商業經營規律和市場發展規律，并且能夠在成熟的數據挖掘模型的支持下與其他分析工具和分析技術相結合，形成商業化的數據挖掘分析系統和分析軟件。數據挖掘的功能需求決定了數據挖掘是一個典型的學科交叉項目，現代銀行受到業務拓展發展的需求，在其數據挖掘技術的運用中廣泛地的結合了數據庫技術、智能學習技術、統計分析技術、模式識別技術、人工智能技術和神經網絡技術，數據挖掘常分為六個技術類別：聚類、分類、估值、預測、相關性分組和關聯規則分析、描述和可視化分析。

對數據資料的重視性促使了現代銀行對數據利用效率的不懈追求，現代化經營模式中，數據已經成為最為重要的無形商品，作為商品的數據資料，其資本性和營利性決定了信息數據的效益最大化，由于數據資料的復制成本低、附加值高且利潤豐厚的特點，數據信息價值理論已經成為數據效用分析的主要理論模式。

2 銀行數據挖掘的應用分析

2.1 數據挖掘在銀行客戶需求分析中的應用

現代銀行針對客戶資料和消費記錄都建立了功能龐大的消費市場數據庫系統，對銀行客戶的個人資料、賬戶信息、交易歷史記錄、業務服務歷史記錄、理財數據和個人理財風險評估等進行了數據庫倉儲式分析，基于成熟的數據倉庫邏輯分析模型，可以對每一個銀行客戶進行多維度消費分析，以交易歷史紀錄為例，交易歷史紀錄作為該分析維度下的分析主鍵字段，在其下端進行次元維度分析，對交易類型、交易金額、消費地點、存貸款交易、電子銀行消費、手機銀行消費、證券消費等進行子健分析，但是也要考慮到不同主鍵之間存在著較大的關聯性，此時可以考慮在客戶數據倉庫分析中建立星形數據模，在關聯數據子健上進行數據溢出處理。在數據挖掘中主要采用的是聚類算法，在對客戶數據進行詳細的數據倉庫建立之后，可以對客戶進行數據特征值標定（如商業價值、交易類型、風險傾向等），以便于進行客戶分類，在用戶細分時，行為特征是主要的特征，自然屬性是輔助的特性。

表1 聚類匯總表

業務類型 紙黃金 基金理財 外匯 個人金融 債券 貸款

業務渠道 柜臺 電話銀行 網上銀漢 手機銀行 自主服務 中間交易

由此可以得到詳細的客戶聚類，例如以年齡段為標準的20-30歲階段用戶（業務類型為紙黃金，業務渠道為網銀和自助服務）、30-40歲階段用戶（業務類型為外匯和金融，業務渠道為柜臺和自助）、40-50歲階段（業務類型為基金債券，業務渠道為柜臺服務）。

基于SQL Server Analysis Services分析工具，在銀行原始交易數據庫中進行聚類分析，選用Microsoft聚類算法對交易日志中的指定頁進行類型搜索，在后處理模塊中可以查看聚類分析結果。聚類算法進行數據挖掘時需要原始數據具有較強的分類性和數據關聯性，才能在數據挖掘中針對特定數據屬性和數據聚類進行分析，并且獲得該屬性在任意聚類中的數據分布情況，由此可以精確的知道特定類型客戶的銀行消費習慣和消費傾向，有助于銀行穩固現有客戶群，吸引潛在客戶群體。

2.2 數據挖掘在銀行決策分析中的應用

銀行經營的各個環節都基本實現了信息化管理，銀行綜合業務系統為其提供了基礎業務操作平臺和統一賬務處理系統平臺，能夠幫助銀行實現有效的資源整合和集中管理。數據挖掘技術的應用能夠全面提升銀行系統的內控管理和風險管控水平，為銀行的內部決策提供有效的數據支撐。

表2 數據挖掘與銀行決策關系

數據源 數據處理 數據存儲 決策分析

交易數據

客戶信息

管理信息

外部信息 數據抽取

數據整合

數據加載 數據倉庫 經營狀況決策分析

數據監控 數據節點1 資產負債決策分析

數據刷新 數據節點2 風險管理決策分析

數據包裝 數據節點3 客戶需求決策分析

數據公布 數據節點4 銀行財務決策分析

為了保障銀行的經營效益、提升業務覆蓋范圍并預防經營風險，銀行需要及時掌握市場動態并且做出經營調整，數據挖掘技術能夠跟蹤分析銀行經營過程中的各個基本要素環節，通過比對分析自身產品的營收現狀、競爭對手的經營現狀，以及對資產負債率、銀行壞賬率和金融產品的銷量，可以及時為決策層提供參考數據。商業銀行的風險管控是其保障經濟效益的關鍵，數據挖掘系統的關鍵性作用體現在對銀行業務的全方位、多角度的可靠性分析和風險評估，基于銀行內部的風險模型參數，在成熟的模式識別技術和智能分析技術的輔助下，可以提前對經營風險進行預判，以減少成本損失為風險數據挖掘模型約束，以保障經營效益最大化為風險決策目標，以調控決策方式為風險決策手段，可以進一步提高銀行的資產質量。財務風險控制中數據挖掘的具體應用如下圖所示：

圖1 數據挖掘在銀行財務決策分析中的應用分析

3 銀行數據挖掘的效用分析

3.1 數據挖掘在銀行風險控制中的效用

風險控制是銀行日常經營活動中的核心內容，通常來看可以分為定性控制和定量控制兩種方式，定性控制的關鍵是建立一套有效的風險控制管理體系，在多流程決策體系的協作下，構成風險管理知識，以非結構化數據的形式保存并流轉使用；定量控制則更看重對經營實時數據的管理效率，建立一個基于客戶需求和市場規律的量化風險控制體系統框架。銀行信用評估體系要求銀行用于信用評級的數據必須具備一定年限和質量標準，對數據樣本量、樣本時效性、業務覆蓋范圍、數據來源都有明確的要求。數據挖掘對于銀行風險控制的關鍵性作用主要體現在對于銀行信用風險控制、銀行市場風險評估和銀行操作風險管理上。

在信用風險控制上，數據挖掘主要是針對信用關鍵指標：違約率、違約損失率、違約暴露和違約期限進行針對性的數據挖掘分析，結合銀行的信用評級動態變化和銀行信用置信度的波動規律，在銀行交易數據庫中采用數據關聯分析方法，對概念分層數據進行多層挖掘，提高數據挖掘的精準度；在對市場風險控制上，數據挖掘技術主要集中在市場風險識別和市場動態分析兩方面，通過分析銀行特征值數據在各種風險環境下的數據概率分布值，可以構建銀行內部的市場風險模型，結合遺傳算法和智能分析，可以針對市場發展規律進行智能風險評估決策；對于市場的偶然和不確定行為，通常數據挖掘會采用預測（predication）、時序分析模式（time-series model），通過遍歷歷史交易數據，能夠對偶然性市場行為進行概念排序，采用模糊分析（fuzzy method）、證據理論（Evidence theory）等方法進行決策分析。

3.2 數據挖掘在銀行產品創新中的效用

產品創新是提升銀行市場競爭力的根本手段，數據挖掘的重要性則體現在數據分析準確性和有效性上，首先是對業務流程效率的數據分析，對于總行、分行、支行和營業網點的銀行結構進行業務處理效能分析，通過實際交易數據和歷史交易數據進行比對分析，可以有效的找出實際業務模式中的最大風險點，設計或優化業務流程，明確錄入、審核、授權各崗位的職責，從而運用創新手段控制流程風險；采用產品規劃的方法指導新產品的設計流程工作，則需要在產品設計理念、產品市場定位、產品競爭優勢分析和產品風險控制上進行數據分析，通過數據挖掘技術可以在銀行內部歷史數據、行業共享數據和商業數據的基礎上進行特征屬性挖掘，并最終為新產品的量化定型提供有效的數據參考，并未新產品的市場價值進行定性和定量預測分析。

4 結束語

信息化時代背景下金融業的供需地位發生巨大轉變，金融數據也從經營資料開始向數據商業化發展。基于詳盡的量化數據系統，現代銀行可以在高效數據分析模型的基礎上對銀行數據進行二次開發，提供數據分析服務。本文通過闡述銀行數據的數據結構，分析了對銀行海量數據進行數據挖掘的主要方法和應用模式，并評估現行銀行數據挖掘方法的有效性和經濟效益價值，為進一步提升銀行數據挖掘的效能提供了新的思路。

參考文獻：

[1]丁劍敏.數據挖掘技術及其在商業銀行中的應用[J].市場周刊?財經論壇，2013（04）.

[2]宓文斌.數據挖掘在銀行信貸業務中的應用[M].上海：上海交通大學，2012.

[3]王佳麗.財務診斷中的數據挖掘運用研究[D].南寧：廣西大學，2012（05）.

第2篇

關鍵詞：數據倉庫；商業銀行；經營發展

中圖分類號：F830.4 文獻標識碼：A doi：10.3969/j.issn.1672-3309（s）.2012.05.43 文章編號：1672-3309（2012）05-103-03

一、數據倉庫的概念

數據倉庫的概念是由數據倉庫創始人W.H.Inmon最早提出的：數據倉庫是指面向主題的、集成的、相對穩定的且反映歷史變化的數據集合，用于支持管理決策行為。

二、數據倉庫的特點

相對傳統的數據庫而言，數據倉庫的特點主要表現在：

1、“面向主題”。數據庫主要面向事務處理任務，各系統之間相對分離。而數據倉庫是按主題分類組織并提供信息的。一個主題通常關聯多個信息系統。

2、“數據集成”。數據庫通常與某些特定的應用相關，數據庫之間是相互獨立的，甚至是異構的。而數據倉庫則在對原有分散的數據庫進行數據抽取、清理的基礎上再進行加工整理，使之具有一致性。

3、“隨時間變化”。傳統數據庫往往只關心當前時間段內的的數據。而數據倉庫主要進行的是時間趨勢分析，包含有大量歷史信息，通過分析可以幫助目標客戶對其未來發展方向做出準確的預測和判斷。

三、數據倉庫的結構組成

1、數據源。數據源是整個數據倉庫系統的來源，它構成了數據倉庫的基礎。數據源的組成基本包含了兩部分：內部信息和外部信息。內部信息是指各種業務處理數據和文檔型數據，外部信息則由各類法律稽核、市場消息等組成。

2、數據的存儲和管理。它是數據倉庫系統的核心。數據的存儲和管理就是指針對數據的抽取、轉換、清洗、裝載的過程，這種數據的存儲和管理方式不同于傳統的數據庫數據，從而外部數據的展現方式也和傳統數據庫有所區別。

3、OLAP（On Line Anlvsis Process）聯機分析處理服務器。針對特定問題的聯機數據，通過對信息進行快速、穩定的讀取，加以高歸納度的分析，發現內在趨勢。

4、前端工具。主要包括各種數據分析工具、報表工具、數據挖掘工具以及各種基于數據倉庫的應用開發工具。其中數據分析工具主要針對OLAP服務器，報表工具、數據挖掘工具主要針對數據倉庫。

四、商業銀行運用數據倉庫技術的優勢

目前商業銀行建立數據倉庫的目的就是為用戶提供分析和決策的支持工具，通過這些工具，用戶可以對其商業行為和未來發展做出預測。數據倉庫的建立增強了所提供數據的豐富性和關聯性。銀行業務的管理信息系統主要針對客戶、關系信息、銀行產品、銀行交易數據加以驗證并建立一套自身的多維信息庫，并通過特有的統計、計算方法制作出所需要的各類報表統計數據。這些統計數據往往是目標群體所需要的隱藏在海量數據中的關鍵信息。由于數據是存在于多維結構中，對數據的各種操作的速度比那些用其他結構存儲的數據來說要更加穩定和快速。

五、數據倉庫在商業銀行經營管理中的作用

1、有助于商業銀行及時全面掌握經營狀況。數據倉庫技術對商業銀行及時、準確、全面了解自身資產數據、信貸規模及分布、目標客戶信用、資產情況等，提供了必要的服務手段和技術支撐。

2、有助于提高商業銀行經營管理水平。商業銀行經營管理的來源依據都是以對現實的分析和對未來的預測為基礎的。數據倉庫此時能夠對不同銀行產品的盈利性和風險性加以復合分析，并將不同平臺上的業務數據和外部信息匯集在一起，得出商業銀行可以采納的運行策略，從而達到了對產品、部門、機構的成本――利潤分析，增強了銀行經營成本的事前、事中和事后控制水平，達到既降低成本又增加銀行自身效益的雙重目標。

3、可以有效降低銀行自身經營風險。通過構建數據倉庫體系，與商業銀行業務往來的大量客戶交易數據可以隨時被銀行拿來調用和檢索。有了這樣及時的查詢和推斷，就可以有效的防范商業銀行內部經營風險的發生。加上外部環境相關數據的分析，還可以幫助商業銀行掌握銀行同業經營狀況和國際經濟發展走勢，減少發生外部經營風險的可能性。

4、增強銀行可持續發展水平。通過建立和完善數據倉庫，可以有效地幫助銀行規范管理流程、優化業務處理、提高資本利用率。數據倉庫不僅能在短期內幫助銀行擴大業務范圍、提高客戶服務水平、加強內部管理，同時也是銀行長期健康發展的動力和保障。

六、銀行業數據倉庫業務應用發展階段

第一階段：報告型數據倉庫。這一階段的的數據倉庫系統主要以關鍵經營管理報表系統為主要代表，其數據來源主要是銀行定期收集的總賬數據。處于這一發展階段的商業銀行通過該數據倉庫可以將本行下屬分支機構過去某一段時間內的經營活動結果及時歸納匯總給各級經營決策者。

第二階段：分析型數據倉庫。發展到這一階段的商業銀行，基本上已經建立了以總賬、分戶賬、交易明細賬為基礎的大型數據倉庫。銀行自身通過對歸納的經營活動數據加以分析整理，能夠找出導致自身發展過程中出現的各種經營結果的原因，對今后運營過程加以引導。

第三階段：預測型數據倉庫。這一階段的數據倉庫業務功能特點除了具有第一、第二階段業務功能外，還能夠應用統計預測等信息分析技術對銀行的經營管理結果進行預測分析，作出預測性的判斷和指導。使得銀行面對未來經營過程中可能出現的突況能夠有一套針對性的管理措施加以應對。

第四階段：操作型數據倉庫。發展到這一數據倉庫階段的商業銀行，已經能夠采取一種業內被稱作“動態數據倉庫（Active Datawarehouse）”的技術，方便地實時對本行前臺業務系統數據進行抓取、加工、傳輸，并匯總至數據倉庫系統。管理者能夠實時地掌握全行經營管理狀態，由于摒棄了傳統“T+1”的數據加載方式，獲取數據及時性、準確性進一步得到提高。

第五階段：敏捷型數據倉庫。這是數據倉庫發展的理想階段，也稱為目標階段。其基本構想是：商業銀行企業級數據倉庫與各類業務處理系統完美結合，商業銀行能夠從原先的被動方式轉變為主動方式對全行資源進行優化配置和合理利用，使得商業銀行諸如財務管理、內控合規、業績評價、資產保全管理系統等方面不斷優化、完善。

七、我國商業銀行數據倉庫發展歷程

1、數據倉庫工程基礎――數據大集中

1999年9月1日，中國工商銀行啟動了全行數據大集中即“9991工程”，不僅走在了國內銀行界的前面，成為了全國金融業數據大集中的倡導者和先驅者，而且掀起了一場國內銀行業的數據大集中熱潮。數據大集中的真正動力來自金融全球化的競爭壓力和生存危機，來自決策層對傳統管理體制的變革需要。

2001年6月，中國民生銀行也啟動了“數據大集中”的腳步，這次“數據大集中”的實施，將全行所有業務數據處理由原先的各個系統主機單獨處理轉變為總行一臺主機集中處理。這樣做的好處是方便了對總行各業務部門、各分支行的存款、貸款、同業拆借、不良資產等業務動態數據的實時監測和跟蹤，尤其是對分支行反?；虍惓Ｗ儎拥臄祿畔⒌臋z測和跟蹤，達到了及時防范和化解潛在風險的目的。

首先，數據大集中實現了全行業務的統一管理，實現了銀行業務的集中監控和風險防范，做到資源共享，進一步降低管理成本，實現了真正意義上的一級法人體制。其次，數據大集中后，核心業務系統軟件進行集中統一開發，做到各分行資源共享和利用，從而避免了重復開發的資源浪費，進一步降低了運營維護成本和人力資源成本。最后，數據大集中后，商業銀行將一改之前采用的“自下而上”層層匯總上報的編制經營管理信息和統計報表的傳統經營模式，取而代之的是全新的經營管理和信息統計分析模式。這種全新模式通過高度集中的業務數據處理方式解決和避免了以前大量重復勞動和信息歸納匯總不及時、準確的弊端，帶給銀行業自身的必將是一場劃時代的革命，同時也為銀行業務開拓和落實“以客戶為中心”的經營理念、開發新的業務產品、發現盈利客戶并提供差別化的營銷和服務提供了可靠的依據。工商銀行董事長姜建清早在2001年接受記者采訪時就強調：“工商銀行只有成為科技領先的銀行，才能是業務快速發展、經濟效益領先的銀行”。可以看出，工商銀行的高層非常重視信息技術在銀行風險控制、產品經營及決策支持等方面的作用，而大集中工程恰恰可以為工行搭建一個強有力的技術支撐平臺，在這一平臺上能夠建立全行統一的基于數據倉庫技術的管理信息系統，能夠解決傳統銀行管理模式所帶來的信息不對稱問題。

2、新一代綜合業務系統――為數據倉庫工程提供了應用條件

數據大集中完成后，建立統一的業務應用平臺，實現經營模式由以“賬務”為中心向以“客戶”為中心的轉變成為了各家銀行信息建設的下一步目標，這其中又以新一代綜合業務系統的建設為代表。作為銀行核心系統的綜合業務系統，是銀行業務經營的基礎，擁有一個穩定、靈活、安全、可靠的綜合業務系統是各家銀行追求目標，也是各家銀行未來信息化建設的必然趨勢。

3、數據倉庫工程上線

國內各家銀行逐漸認識到數據大集中之后，緊接著需要解決的問題就是如何進一步利用數據，充分挖掘集中數據的最大價值。為了這一目標，各家銀行相繼推進了從客戶關系管理、商業智能到數據倉庫、數據挖掘等應用軟件、平臺軟件系統方面的建設。

中國工商銀行為此在成本管理、績效考核、價值管理方面上線了一系列新應用系統，還為此建立了客戶關系管理系統，并將這套系統和客戶營銷工作充分結合起來。這樣，有了數據倉庫的輔助，管理信息與決策支持變得智能、快捷。各項管理工作的事前預測、事中監督也變得更加普及，這為實現對客戶選擇的正確辨別和經營風險的自動預警，提供了可靠的信息支持。

中國民生銀行也在同一時間開始著手建立數據倉庫系統，采用了NCR公司數據倉庫解決方案構建CIM戶信息管理及CRM客戶關系管理系統，即以客戶為中心的數據平臺基礎上完成企業級數據倉庫的建立。集中了包括核心業務系統、網上銀行等約30余個系統的各類數據，分析、歸納數據支持對管理會計、資產負債、理財經理、風險管理、人力資源、非現場稽核查等10余個系統的查詢調用，更支持對人民銀行、外管局、銀監會的統一數據報送。這一切都得益于數據倉庫系統的上線。它初步建立了統一數據來源、統一數據標準、精細化管理的數字化管理平臺。民生銀行同時也專門成立了信息管理中心，負責全行的信息管理、信息分析、信息支持以及決策數據支持、管理數據支持和營銷數據支持，為數據倉庫信息化建設的深入打好了基礎。

八、工商銀行數據倉庫建設發展

1、工商銀行數據倉庫定義

運用數據倉庫方法建立的全行管理信息系統及在此基礎上形成的整合平臺，它包含了全行業務交易信息、客戶信息、內部管理、外部環境信息數據，用于支持工商銀行經營管理和科學決策。

2、工商銀行數據倉庫結構

工商銀行數據倉庫結構可以用下圖加以說明：

3、工商銀行數據倉庫業務功能

第一，及時反映：通過T+1日報表系統，及時、真實、準確、全面地反映各級行經營管理活動結果。

第二，經營監測：通過動態監測系統，對全行經營管理活動過程進行全面監測和科學評價。

第三，決策支持：以數據倉庫系統積累的集成信息為基礎，利用綜合性分析方法和定量化計算技術，為各類經營管理和戰略決策提供準確的定量化決策依據

第四，業務引導：通過數據倉庫按不同主題集成的信息，實現對全行不同經營層次的產品、客戶、部門、機構、渠道、人員、崗位等各類經營管理主體綜合經營指標的定量評價，為銀行資金、人力、物力資源向著實現全行整體效益最大化方向調整提供依據。

第五，信息：以數據倉庫系統積累的集成信息為基礎，以經營管理信息標準化為依據，實現對全行經營管理信息、內部資源信息、客戶信息和外部環境信息的集約化管理，建立全行統一的經營管理信息平臺，實現全行經營管理信息、金融監管信息、公開披露信息的歸口管理和統一。

第3篇

關鍵詞：商業銀行；風險管理；現狀；對策

一、商業銀行風險管理的內涵、特點與分類

（一）定義

商業銀行風險被廣泛認為是在商業銀行經營管理過程中，由于某些無法預期因素的存在，導致銀行經營發生了與預期愿望相背離的結果，使得收益的預期與現實產生偏離度，銀行具有獲得額外收益或蒙受意外損失的可能性。具體來說，商業銀行風險是指由于不確定性因素的影響，商業銀行在經營活動過程中實際收益偏離預期收益，從而導致遭受損失或獲取額外收益的可能性。從商業活動層面上，風險可以分為經營風險和行業風險。由于商業銀行其經營的特殊性，風險對其來說似乎是與生俱來的，這些風險主要包括操作風險、信用風險、轉移風險、市場風險、流動性風險、利率風險和國家風險等。

風險管理又名危機管理，是指如何在一個肯定有風險的環境里把風險減至最低的管理過程。當中包括了對風險的量度、評估和應變策略。理想的風險管理，是一連串排好優先次序的過程，使當中的可以引致最大損失及最可能發生的事情優先處理、而相對風險較低的事情則押后處理?？缮虡I銀行在經營管理過程中，由于自身與客戶各種不確定性因素的影響，使其實際經營狀況與預期經營狀況產生一定的偏差，從而該商業銀行資金的效益性或者安全性或者流動性蒙受損失的能性。良好的風險管理有助于降低決策錯誤之幾率、避免損失之可能、相對提高企業本身之附加價值。

（二）特點

一般來說，銀行風險有以下幾個特點：首先體現在各項業務的各個環節，而不只是停留于某個層面。同時，銀行從業人員及客戶都可能把風險變現為損失，因此說銀行風險具有全面性。其次銀行風險傳播性強。當一家銀行發生風險導致損失時，人們往往會預期其他銀行也會產生危險，從而產生一系列連鎖反應，導致經營良好的銀行被擠兌，產生流動性危機，整個銀行業會在短時間內陷入恐慌之中。負外部效應的存在使得危機很容易通過其他途徑在銀行系統內蔓延，使整個經濟陷入危機。最后銀行風險與經營同在。沒有一家銀行可以把風險完全消除，任何業務都有發生風險的可能，只要商業銀行在經營就要承受風險。回避風險的最好辦法就是停止所有業務，但這與銀行盈利性的經營目的又是完全矛盾的，所以說銀行風險與經營如影相隨。

（三）分類

2004年公布的《新巴塞爾協議》將商業銀行風險劃分為信用風險、市場風險和操作風險，即人們如今常說的商業銀行三大風險。信用風險是指銀行交易對手未能履行合約義務，從而導致銀行蒙受損失的風險，它受內部因素和外部因素共同影響；市場風險是指為了獲利而在市場中持續買賣金融工具所帶來投資價值損失的風險；操作風險廣義上是指除信用風險和市場風險外的一切風險，狹義是指銀行在經營過程中由于系統、人員、內部程序等外部條件的不完善而導致損失的可能。操作風險相比于信用風險和市場風險，意味著純粹的損失，而后兩者是一中性概念，損失機會和盈利可能并存。操作風險具有人為因素強的特點，操作風險具有難控制、危害大的特點，操作風險事件具有發生頻率很低、一旦發生就會造成極大損失，甚至危及到銀行存亡的特點。我國商業銀行面臨的風險也主要是這三種，這三種風險往往不是單獨出現的，而是相伴而生的。

二、我國商業銀行風險管理的現狀

我國商業銀行風險管理的現狀不容樂觀，因為我國目前市場經濟和金融體系的發展還處于初級階段，發展不成熟且不完善。同時，就目前來看，與國外發達國家相比，現在我國商業銀行風險管理存在許多待解決的問題。

第一，中國商業銀行處理風險管理和創造利潤不當。許多商業銀行把風險和利潤對立起來，純粹把風險作為損失來對待，而不是把主動管理風險作為創造利潤的主要手段。當前的激烈的金融競爭形勢，商業銀行要想在競爭中取勝，必須提高風險管理水平，管理好其他銀行所不敢承擔的風險，而不是把風險作為損失直接將其拒之門外。技術上缺乏先進的模型和計量工具為特點進行風險識別和計量的定量分析，數據采集上我國商業銀行存在數據重復、過時和統計口徑不一致、缺乏必要的IT構架和技術支持等現象，數據儲備嚴重不足，且數據缺乏規范性，數據質量不高，內部控制上也存在著監督部門不獨立，職責劃分不清楚，缺乏全面性，上下級之間信息溝通不通暢等問題。

第二，國內商業銀行風險案例中，操作風險占了很大比重。現階段國內商業銀行操作風險管理中存在許多問題。操作失誤和欺詐是目前中國商業銀行操作風險的主要表現；國內商業銀行一些管理者缺乏科學的發展觀，重業務發展、輕風險防范。

第三，風險管理體系不完善。目前，我國商業銀行的風險管理缺乏組織制度的保障和有效的運作機制。就目前而言，我國大部分的商業銀行還沒有沒有設置獨立的風險管理部門，那么也就沒有專職的從事風險管理的經理，自然這些商業銀行也沒有能力獨立承擔起具有權威性的風險管理職責。在中國，大部分的銀行風險管理體系都不健全，獨立性原則體現不夠，風險管理受外界因素干擾較多，不少制度規定有粗略化、模糊化和大致化等現象。因此，健全有效的風險管理機制是商業銀行經營運作的堅實基礎，我們必須健全我國的風險管理體系。

第四，風險承擔主體不明確。我國國有商業銀行還沒有有效地實行經營權和所有權的分離，政策性業務和行政干預仍很多，商業化程序不高，導致全部商業銀行風險的責任不能由商業銀行最終承擔，因此，國有商業銀行中的風險承擔主體和邊界都不明確。但是，有效的風險管理應該是以風險承擔為主體明確、權力和責任分布妥當。

三、我國商業銀行風險管理的對策和建議——以新巴塞爾協議為重點

作為全球商業銀行風險管理的一個基本準則，巴塞爾新資本協議作用不容置疑。巴塞爾委員會出臺了五個文件對銀行的的風險管理職責進行了相關規定。這五個文件分別是：《信用風險管理原則》、《利率風險管理原則》、《銀行機構的內部控制制度框架》、《健全銀行的公司治理》、《有效銀行監管核心原則》。理解這個規定，對我們如何進行商業銀行的風險管理十分重要。

（一）完善風險管理環境

巴塞爾委員會出臺的《信用風險管理原則》中提出建立適當的風險管理環境，即董事會與高級管理層之間權責明確的分權與制衡體系。建立獨立的風險管理評估體系，直接向董事會和高級管理層負責。風險評級應由一個獨立的信貸風險管理部門確定，或者經過其評審或批準。建立商業風險處理體系。在商業銀行的經營中，有些風險損失的發生是防范機制無法阻止的，如系統性國家風險。因此即使有嚴密的風險防范機制的保護，商業銀行業必須有充分的準備面向風險處置問題。

（二）加大技術方面的支撐力度

加快基礎數據庫的建設，提高數據質量管理，建立完善的信息分析系統，負責內部信息和外部信息的搜集與分析。這個系統必須能準確地搜集市場信息，并進行科學地數據分析，將風險評估定量分析與定性分析結合。保證信息來源真實可靠，調查證據充分；要盡快建立以電子計算機系統為基礎的專業化操作平臺，把風險計量模型和計量工具數字化，以數字模塊的形式鑲嵌到業務系統當中，及時對全行數據進行留存，并對經營情況進行計量和分析；同業間必須盡快建立統一的數據倉庫和管理信息系統，從而保證包括風險評級在內的所有管理工具的數據需要。

（三）增強法律上的保障

巴塞爾委員會出臺的文件《有效銀行監管核心原則》，認為適當的銀行監管法律框架也十分必要，其內容包括對設立銀行的審批、要求銀行遵守法律、安全和穩健合規經營的權力和監管人員的法律保護。另外，還要建立監管當局之間信息交換和保密的機制等。對監管人員的法律保護十分重要，這樣才能保證監管人可以獨立準確地做出決策，對銀行進行有效地監管。

（四）強化內部風險控制

內部控制是商業銀行的一種自律行為，是實現銀行經營既定目標的自發需要，也是必要的。巴塞爾委員會出臺的《銀行機構的內部控制制度框架》對如何加強內部控制給了明確的建議。首先銀行應建立獨立的審計委員會來幫助董事會履行職責，還應該建立一個相對獨立的第三方來審慎監督可能出現利益沖突的領域，從而減少某些操作風險。要不斷加強銀行內部稽核監管，稽核部門作為第三道防線，主要履行稽核確認、反舞弊欺詐、咨詢和內控評價等職能。內控評價是按照一定的框架和方法，根據銀行內部控制檢查監督信息及其他外審檢查與相關監管信息，對銀行內部控制體系的建立和實施情況進行調查、測試、分析和評價工作。

參考文獻：