金融風險管理教案課程信息課程名稱金融風險管理授課專業大數據與會計課程類型必修課公共課（）；專業基礎課（）；專業課（√）；選修課限選課（）；任選課（）；專業拓展課（）授課方式講授（√）；實踐課（）；其它（）考核方式考試（）；考查（√）課程教學總學時數32學時學分數2學分學時分配理論課32時；教材名稱金融風險管理作者殷平生，王曉蕾出版社西安電子科技大學出版社書號出版時間班級課程名稱金融風險管理授課教師授課課時2學習課題大數據發展與金融風險管理教學基本要求了解大數據及其在金融方面的運用。教學重點、難點掌握大數據的金融應用以及大數據時代所面臨的金融風險。教學方法、手段案例導入法、講授法、小組討論法教學過程設計導入——專題講解——問題分析討論——練習——歸納總結參考案例來自教材、相關參考書教具、教材教學課件PPT、教學錄像片

教師學期授課教案授課提綱及重難點分析教學方法設計時間分配及旁注第一節大數據概述一、大數據的概念“大數據”一詞來源于英文“bigdata”,其概念起源于美國。大數據是指其大小超出了常規數據庫工具獲取、儲存、管理和分析能力的數據集。大數據被視為繼云計算、物聯網之后計算機通訊領域掀起的又一次顛覆性技術變革，并成為現代國家發展戰略的重要組成部分。二、大數據的特征大數據作為數據，除了具有數據的特征外，還有“大”為之帶來的體量巨大、類型多樣、處理速度快、價值性高和數據在線化的特征。(一)數據體量巨大(Volume)(二)數據類別大、類型多樣(Variety)(三)處理速度快(Velocity)(四)價值性高(Value)(五)數據在線化(Online)三、大數據關鍵技術大數據技術是大數據價值實現的手段和保障，從數據在信息系統中的生命周期看，大數據從數據源經過分析挖掘到最終獲得價值，一般需要經過五個主要環節：數據準備、數據存儲與管理、計算處理、數據分析和知識展現。每個環節都面臨不同程度的技術上的挑戰。(一)數據準備在進行存儲和處理之前，需要對采集到的數據進行清洗、轉換和整理。(二)數據存儲與管理當前全球數據量正以每年超過50%的速度增長，存儲技術的成本和性能面臨非常大的壓力。(三)計算處理需要根據處理的數據類型和分析目標，采用適當的算法模型快速處理數據。(四)數據分析數據分析環節需要從紛繁復雜的數據中發現規律并提取新的知識，是大數據價值挖掘的關鍵。(五)知識展現解釋與演示大數據的分析結果是知識展現環節的主要任務。不合適的數據顯示結果會困擾和誤導用戶。四、大數據帶來的六大趨勢(一)應用無線化大數據技術的廣泛應用為數據采集與分析提供了更大的便利性與移動性，讓終端設備與資料采集的作業更具有彈性且有效率，也加快了智能生活的步伐。(二)信息數據化數據信息無處不在，而大數據處理數據的高速巨量、多樣化、在線化使得信息的流通、交換、加工、運用更趨標準化與結構化，數據的應用變得更及時直接。(三)交易無紙化大數據、云計算支持下的在線交易平臺憑借其實時性、便利性正在迅速地替代傳統的線下交易與紙質憑證，徹底地改變了交易行為與資金流，并賦予未來微經濟商業模式更多創新思考的可能性。(四)思維智能化大數據所產生的創新價值與人類交互并深入于生活之中，極大地改變了人們傳統的思維方式，人的思維與新科技將會迎來前所未有的碰撞與火花。(五)決策實時化數據處理、分析技術的提高，改變了過去因數據獲取成本過高而面臨的信息不對稱的困境，能夠實現過去難以達到的實時性和精確性，大數據實時采集與加工極大地改變了決策與信息關系。(六)線下線上化海量數據使得線上與線下更加融為一體，未來仍將呈現線下更多地傾向于運用線上數據的趨勢，線上與線下將連接在一起不能分割。約10min第二節大數據的金融應用大數據是時代的特征，大數據與金融本是兩個不太相關的概念，但是隨著現代移動互聯網的廣泛運用，以及大數據相關技術不斷發展成熟，大數據越來越多地被應用于金融領域，大數據金融概念因此而產生。一、大數據金融的概念大數據金融是時代發展的產物，是金融業和大數據技術發展到一定階段的必然要求。它是指運用大數據技術開展金融服務，即依托于海量、非結構化的數據，通過互聯網、云計算等信息化方式對其數據進行專業化的挖掘和分析，并與傳統金融服務相結合，創新性開展相關資金融通工作。二、大數據征信征信的英文對應單詞是CreditReporting或者CreditSharing,可以理解為信用報告或者信用分享。征信是指為了滿足從事信用活動的機構在信用交易中對信用信息的需求，專業化的征信機構依法采集、保存、整理、加工自然人、法人及其他組織的信用信息，并向在經濟活動中有合法需求的信息使用者提供信用報告、信用評估、信用信息咨詢等服務，幫助客戶判斷、控制信用風險，進行信用管理的活動。我國使用征信一詞來概括對企業和個人的信用調查。大數據征信模式的優點在于：(1)數據來源廣泛，能彌補傳統征信覆蓋面不足的缺陷。(2)數據類型多樣化，不局限于信貸數據，更能全面反映個人信用情況。大數據征信模式的難點在于：(1)信息過多引起的數據雜亂。(2)整合多方數據困難，且數據相關性分析需要較長時間和實踐來檢驗。(3)短期內信用評價數據精準性較低。(4)大數據征信也面臨著法律風險，在個人隱私保護上較難把控。三、信用評分及風險控制大數據在加強風險可控性、支持精細化管理方面助推了金融業的發展，尤其是信貸服務的發展。在風險控制上，大數據的戰略意義在于擺脫擔保和抵押方式，將數據作為提供融資渠道的關鍵依據，其中最明顯的地方便是建立了個人征信系統，有效地控制了風險。四、精準營銷及客戶體驗大數據技術是金融機構推動業務創新和產品創新進而提高金融服務效率的重要支撐。通過大數據技術，金融機構可以精確地刻畫出客戶畫像。客戶畫像主要分為個人客戶畫像和企業客戶畫像。五、投資指導除了做信用評估和精準營銷外，大數據在指導投資上也開始嶄露頭角。下面舉例說明大數據在投資上所展現的魅力。六、金融產品創新大數據技術的運用有利于開發更多金融產品。大數據處理技術的運用，可以給銀行提供全新的、更多的業務品種。約20min第三節大數據與銀行風險管理一、大數據時代下銀行所面臨的風險正如業界常說，銀行的業務就是風險，而數據則是銀行最有價值的資產。就宏觀經濟發展和商業銀行的經營環境而言，商業銀行面臨監管逐漸嚴格，市場變化日益加速，來自電商及其他非傳統金融機構的競爭不斷增強的局面。(一)外部風險來源多樣化目前，銀行業外部風險來源包括小貸公司、典當行、擔保機構、民間融資、非法集資、影子銀行，以及與銀行業金融機構有各種業務合作關系的金融同業、工商企業等。(二)外部風險事件對銀行業的影響越來越大在云計算的條件下，銀行、企業、中介服務機構之間的聯系越發緊密，一時一地、一個單位的局部風險，可以迅速擴展為系統性、全面性風險。(三)電子銀行網絡安全面臨挑戰近年來，網絡安全事件頻繁發生，銀行業面臨客戶信息、賬戶信息和交易信息以及信息系統的安全挑戰。(四)風險管理由控制內部向防范外部轉變風險管理一直是各商業銀行的重點工作，商業銀行普遍實現了“橫向到邊，縱向到底”的風險管理，重點從提高審批質效、加強資產監控、降低資本占用、專業隊伍建設等方面入手，通過風險管理的“前移”“下沉”,實行集中化全程管理，取得了良好成效。二、基于大數據的銀行風險管理在這樣的大環境下，商業銀行要保持競爭力，維護自身的生存與發展，必須更好地發現數據所能提供的風險管理價值，并積極地運用各種技術及管理手段，最大化地實現這些價值。(一)大數據與信用風險管理過去，銀行在進行信用風險決策時，主要依據客戶的會計信息、客戶經理的調查、客戶的信用記錄以及客戶抵(質)押擔保情況等，通過專家判斷進行決策。(二)大數據與操作風險管理《巴塞爾新資本協議》提出了衡量操作風險的各種方法和原則。當前國際金融界實際采用的衡量方法確實存在相當大的差異：一些風險管理能力強的金融機構，已經能夠符合“巴塞爾新資本協議”中提出的基本指標法或標準法等較高水平的衡量方法的要求；國內銀行在操作風險的衡量方面還較為落后，究其原因，主要是由于銀行缺乏操作風險計量模型以及計量所需要的損失數據。大數據平臺為銀行建立完善的風險量化體系提供了保障，主要表現在以下三個方面：(1)拓展了數據源的廣度。(2)增強了數據源的時效性。(3)促進了風險管理的前瞻性。(三)大數據與實時風險監測任何銀行業務的風險管理均分為事前、事中、事后階段，然而國內銀行大部分對業務操作的管理是事后監督。三、銀行開展全面風險管理的對策在大數據時代，商業銀行要積極做好應對工作，加強數據采集與整合能力，建立量化分析數據中心，提升風險量化能力，從而為銀行開展全面風險管理提供堅實的基礎。(一)加強對數據的收集與管控規范商業銀行在日常經營中產生的大量數據是形成整個社會大數據的重要組成部分。(二)建立多元化的數據獲取渠道商業銀行要注重利用社交媒體的數據拓展渠道，獲取客戶信息。(三)提升大數據處理與分析的技術水平在銀行數據大集中的基礎上，采用數據倉庫技術作為銀行海量數據提取的實現方法，將數據集中到銀行數據倉庫中去，然后在此基礎上進行各種數據的統計分析及數據挖掘。(四)增強對實時數據的處理能力銀行需要即時獲取外部風險事件的能力，從而能夠分析大流量的實時事件，并迅速洞察事件原委，實時整合來自多種異構數據源的數據，對海量“運動”中的數據進行連續實時處理，捕捉可能對用戶有用的信息并把結果發送出去。(五)增強大數據平臺的投資與建設大數據時代將帶動整個社會交易方式的變化，服務日趨虛擬化，更多的服務將由網絡來承擔，強大的大數據平臺及網絡系統是商業銀行未來經營管理的利器。(六)商業銀行要高度重視適應大數據技術的人力儲備美國曾預計，為適應大數據時代到來，未來美國需要60萬名擁有數據分析特長，又懂行業知識的復合型人才。約20min第四節大數據與小微企業信貸我國尚未形成與小微企業相匹配的金融市場和銀行體系。在當前小微企業普遍缺乏抵押資產和有效擔保的情況下，其經營狀況的高風險性與銀行類授信機構放貸的審慎性原則相沖突。因此，授信機構對小微企業的貸款申請普遍持非常謹慎的態度，一般對沒有抵押物擔保的信用類貸款客戶設置了更高的準入門檻和資質要求。利用基于大數據的挖掘和智能學習技術，可實現對海量數據的分析和處理，也可大量、深度地挖掘社交媒體，同時極大地拓展貸款人的變量，從而建立基于大數據模型的信用評估體系，使貸款批準更有效率，同時使風險控制進一步改善。一、小微企業及信貸風險(一)小微企業的概念小微企業是對小型企業、微型企業、家庭作坊式企業、個體工商戶的統稱。國內對小型企業的定義主要來自國務院2002年下發的《中華人民共和國中小企業促進法》,文件規定了小企業的劃分標準由國務院相關部門根據企業職工人數、年銷售額、資產總額等指標結合企業所在行業特點制定。(二)信貸風險信貸資產是商業銀行的主要資產，開展信貸業務產生的風險即信貸風險。信貸風險具體是指由于債務人信用等級下降或違約及金融市場因子變化等因素，導致信貸資產發生損失甚至銀行整體價值下降的可能性。由于小微企業本身具有商戶數量多、行業分布廣、信息采集較難等特征，商業銀行開展小微企業信貸業務時會面臨一系列與傳統大中型企業信貸業務不同的風險。主要來自以下幾個方面：(1)小微企業多數屬于勞動密集型企業，技術含量低、管理水平差、缺乏自主創新產品，在市場競爭中只能依靠低價策略，在產業鏈中往往處于弱勢地位。(2)中小企業信息披露不規范。小微企業通常治理不完善、財報數據問題普遍，常常讓銀行信貸人員難以掌握中小企業的經營情況和風險信息，增加了金融機構的貸前調查難度。(3)金融行業準入門檻高。由于金融行業在國民經濟中的特殊地位，國家對金融機構的經營制定了嚴格的規則制度，旨在保證金融機構的安全性和金融系統的穩定性，避免由于流動性風險帶來金融危機造成不良后果。(4)信用評級、信用擔保、融資中介等中介服務機構發展緩慢，現有服務機構手續繁雜、服務水平較低、收取費用較高，這些問題令中小企業不堪重負，加大了中小企業融資成本，限制了其健康發展。二、基于大數據的小微企業信貸模式創新在中國政府推動及利率市場化等制度變革的背景之下，中國小微企業融資近年來得到了更多的重視，不少銀行機構將小微企業融資服務作為轉型的重要方向。基于大數據的互聯網金融正在嘗試打破小微企業融資成本與收益難以均衡的僵局。大數據與信貸業務相結合，可以重塑信息結構，削減業務成本。(一)國外小微企業融資模式由于商業環境、法規制度不同，國內外中小企業的融資模式也存在一定的差異。國外主要模式包括P2P網絡融資模式、眾籌模式，以及信貸工廠模式等。P2P網絡借貸是隨著互聯網的發展和民間借貸的興起而發展起來的一種新的金融模式。眾籌，即大眾籌資，指大眾以互聯網為載體，匯集資金用來支持某個特定項目或組織。在信貸工廠模式中，小微企業信貸業務被分成許多個環節，工作人員以流水線的形式對信貸的申請、審查審批、發放及風險控制進行處理，從而促進了業務辦理效率的提高。(二)國內小微企業網絡融資模式伴隨著互聯網技術的發展和我國對中小企業融資難的問題日益重視，國內也出現了多種形式的中小企業網絡融資模式。1.銀行網絡融資服務模式銀行網絡融資服務模式是指單一銀行通過搭建服務平臺，將貸前申請、審核，貸后風險控制等線下業務轉移到線上進行，借助網絡和信息技術，降低銀行操作成本，提升融資效率。2.網絡融資中介模式網絡融資中介模式是指第三方網絡服務商與國內多家銀行共同合作3.電子商務平臺模式電子商務平臺模式充分利用了第三方電子商務平臺對平臺上中小企業的信息優勢和制約機制，以企業在電子商務平臺上的行為參數為基礎向企業綜合授信，主要貸