參賽單位：上海漢得融晶信息科技有限公司

案例名稱：百信銀行資產負債管理實施項目

案例簡介：

百信銀行通過資產負債項目的實施，實現了銀行流動性風險、利率風險的量化管理，建立了符合國際先進銀行水平的全面風險管理體系。通過流動性指標限額、流動性報表和情景分析搭建了流動性風險管理體系，通過經濟價值指標與凈利息收入指標的測算和情景分析搭建了銀行賬簿利率風險管理體系，既能滿足銀保監會的相關要求，達到外部監管合規，又為內部經營管理提供了數據支持與模擬分析。

創新技術/模式應用：

1.合理設計數據流向，高效完成數據處理與計算

根據行方所提供環境，搭建相應的產品架構，按需部署在HADOOP大數據集群，使得大批量的數據計算在HIVE進行，將產品的配置信息存在較為輕量的MYSQL數據庫，合理分配資源，使得計算可以高性能的進行，查詢可以快速的響應。針對此種情況設計數據流向，使得復雜的數據處理能夠更加高效的完成，并減輕集群壓力。

2.應用多種模型分析方法對客戶行為進行建模分析

基于搭建好的風險數據集市模型，對行里的客戶行為進行建模分析。常規的客戶行為分析一般是對目標數據進行簡單的統計分析和趨勢分析等，但在百信銀行資負管理項目中，業務團隊積極嘗試多種建模方式對客戶行為進行分析，從而使分析結果更加的貼合真實場景。如通過長短期記憶神經網絡模型（LSTM）對活期存款的沉淀率進行分析，時間序列問題是復雜的預測模型問題，LSTM作為卷積神經網絡的變種，正好適合處理這種存在依賴關系的序列問題。

LSTM模型示意圖

對于存款提前支取行為和貸款的提前還款行為的客戶行為分析，選擇了決策樹模型和隨機森林模型，可以更好地幫助刻畫客戶肖像，對客戶進行分層分析，針對不同的客戶進行更有目的性的策略管理。

3.業務預測功能應用

除了常規的對日常靜態指標的監管，業務人員還可以根據業務需求自定義未來的觀測日期去觀測報告日到觀測日的凈利息收入、觀測時點的資本充足率以及觀測日的流動性缺口等指標。

觀測日業務預測示意圖

在對未來觀測日時點進行指標測算時，資負系統會自動對未來的業務進行預測模擬，不僅能滿足常規的預算目標值的設定，還能夠根據銀行存量交易數據的深度、分布情況進行智能模擬，精細化模擬到每一筆新交易，同時內嵌多種關于新交易的起息日分布模型、到期日模型、曲線定價模型等等的應用，使得業務預測模擬更加精細、合理。在編制預算策略規模時，為了方便業務人員操作和目標規模的制定，系統還可以以報告日的業務余額作為分攤因子將目標規模拆分到每個明細預算節點，同時系統可進行自動試算并分析規模拆分的合理性，并將其自動調整至最優解。

預測規模分攤示意圖

項目效果評估：

百信銀行資產負債管理實施項目幫助銀行建立了全面的資產負債管理體系，基于大數據搭建了風險數據集市，為后續精細化管理提供了數據支持。

通過本系統建設，極大地提高了資產負債相關指標計量的效率、準確性和時效性，系統按日對相關指標進行計量并出具相應的報表，加強了對流動性風險、銀行賬簿利率風險和監管資本的分析能力。通過對關鍵指標的監測及限額管理，管理人員可及時識別風險，調整資產負債結構，以滿足監管和內部管理的要求。

項目牽頭人：

史文濤

項目總監

項目團隊成員：

史文濤、許靖、胡仁和、閆飛龍、陳博文、李依倚、丁葉欣、韓建如

團隊合影：

責任編輯：方杰