• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      大數(shù)據(jù)背景下租賃公司風(fēng)險(xiǎn)控制研究

      2020-03-30 22:44:01林萍
      中國市場(chǎng) 2020年35期
      關(guān)鍵詞:租賃風(fēng)險(xiǎn)控制大數(shù)據(jù)

      林萍

      [摘 要]當(dāng)前宏觀環(huán)境復(fù)雜多變,租賃行業(yè)競(jìng)爭(zhēng)激烈,租賃公司面臨眾多外部的和內(nèi)部的風(fēng)險(xiǎn)挑戰(zhàn),利用大數(shù)據(jù)技術(shù)可以有效避免風(fēng)險(xiǎn)事件的發(fā)生。但目前租賃公司大數(shù)據(jù)風(fēng)險(xiǎn)控制平臺(tái)還處于發(fā)展初期,普遍存在數(shù)據(jù)收集廣度、數(shù)據(jù)挖掘深度、決策支持力度不足的問題。租賃公司應(yīng)該通過增加投入、建立風(fēng)險(xiǎn)數(shù)據(jù)庫標(biāo)準(zhǔn)和建立模型分析等手段提高數(shù)據(jù)的收集廣度和挖掘深度,還可以通過大數(shù)據(jù)、云計(jì)算、人工智能技術(shù)的應(yīng)用來提升風(fēng)險(xiǎn)決策支持力度。文章通過借鑒互聯(lián)網(wǎng)金融公司、商業(yè)銀行的大數(shù)據(jù)風(fēng)險(xiǎn)控制經(jīng)驗(yàn),對(duì)租賃公司的風(fēng)險(xiǎn)控制提出對(duì)策及建議,以供參考。

      [關(guān)鍵詞]大數(shù)據(jù);租賃;風(fēng)險(xiǎn)控制

      [DOI]10.13939/j.cnki.zgsc.2020.35.189

      近年來,隨著經(jīng)濟(jì)產(chǎn)業(yè)結(jié)構(gòu)的升級(jí),租賃作為一種新的經(jīng)濟(jì)業(yè)務(wù)展現(xiàn)了很強(qiáng)的生命力。租賃可以分為融資租賃和經(jīng)營(yíng)租賃,兩種形式的租賃在形式上不同,但都對(duì)推動(dòng)資產(chǎn)的更新?lián)Q代、實(shí)現(xiàn)技術(shù)進(jìn)步和產(chǎn)業(yè)升級(jí)產(chǎn)生了積極的作用。但是,在租賃業(yè)務(wù)實(shí)現(xiàn)過程中也同時(shí)伴隨著風(fēng)險(xiǎn),尤其是融資租賃公司,因一個(gè)項(xiàng)目違約導(dǎo)致整個(gè)公司破產(chǎn)的例子也不罕見。隨著大數(shù)據(jù)、云計(jì)算、人工智能等互聯(lián)網(wǎng)新技術(shù)的發(fā)展,租賃行業(yè)又發(fā)生了新的變革。文章旨在探討大數(shù)據(jù)的應(yīng)用對(duì)風(fēng)險(xiǎn)控制起到的深遠(yuǎn)影響,對(duì)如何用好大數(shù)據(jù)的利器降低租賃公司風(fēng)險(xiǎn),實(shí)現(xiàn)平穩(wěn)運(yùn)行提出有益的建議。

      1 大數(shù)據(jù)背景下租賃公司風(fēng)險(xiǎn)概述

      當(dāng)前宏觀經(jīng)濟(jì)環(huán)境復(fù)雜多變,租賃行業(yè)競(jìng)爭(zhēng)激烈,租賃公司面臨眾多的風(fēng)險(xiǎn)挑戰(zhàn)。首先,從外部環(huán)境來看,近年來宏觀經(jīng)濟(jì)面臨下行壓力,利率、匯率波動(dòng)頻繁,大量的租賃公司從銀行借款,銀行利率直接影響了租賃公司的資金成本和毛利率。同時(shí),大量的租賃公司客戶由于經(jīng)濟(jì)持續(xù)下行導(dǎo)致的業(yè)務(wù)萎縮,資金回籠不暢引發(fā)租賃合同違約。其次,從租賃行業(yè)市場(chǎng)環(huán)境看,仍然存在許多客戶用欺詐手段騙取資金行為。部分客戶通過會(huì)計(jì)手段粉飾財(cái)務(wù)報(bào)表,甚至提供虛假抵押物所有權(quán)證明、虛假印章等騙取租賃公司信任,最終導(dǎo)致風(fēng)險(xiǎn)事件的發(fā)生。從內(nèi)部環(huán)境看,許多租賃公司對(duì)自身的財(cái)務(wù)風(fēng)險(xiǎn)把控不足,有的盲目擴(kuò)張導(dǎo)致資產(chǎn)負(fù)債率過高,有的資金錯(cuò)配導(dǎo)致流動(dòng)性風(fēng)險(xiǎn)。因此,應(yīng)對(duì)風(fēng)險(xiǎn)挑戰(zhàn)是關(guān)系到租賃公司生存和發(fā)展的大事。

      然而,風(fēng)險(xiǎn)是一種未來的不確定性,存在風(fēng)險(xiǎn)的同時(shí)也往往伴隨著巨大的機(jī)遇。近年來,由于智能手機(jī)的推廣和移動(dòng)數(shù)據(jù)網(wǎng)絡(luò)的升級(jí),移動(dòng)互聯(lián)網(wǎng)的發(fā)展極為迅速,智能手機(jī)讓上網(wǎng)的便捷性大大提高,因此互聯(lián)網(wǎng)大數(shù)據(jù)的容量變得更加龐大。而云計(jì)算、人工智能等新技術(shù)手段的出現(xiàn),使得互聯(lián)網(wǎng)變得更智能化,能解決更多的問題。由于大量現(xiàn)實(shí)世界的信息會(huì)通過智能手機(jī)、電腦、攝像頭、GPS定位系統(tǒng)等電子終端上傳到互聯(lián)網(wǎng)大數(shù)據(jù),因此大多數(shù)現(xiàn)實(shí)的租賃風(fēng)險(xiǎn)也能從智能化的互聯(lián)網(wǎng)中找到解決方案。匯率、利率的變動(dòng)信息,客戶的真實(shí)財(cái)務(wù)狀況,抵押物的權(quán)利情況等均可在互聯(lián)網(wǎng)大數(shù)據(jù)中找到相關(guān)信息,如果能發(fā)掘利用,可以很大程度上避免風(fēng)險(xiǎn)事件的發(fā)生,使風(fēng)險(xiǎn)成為發(fā)展機(jī)遇。

      2 大數(shù)據(jù)背景下租賃公司風(fēng)險(xiǎn)控制存在的問題

      當(dāng)前租賃公司的風(fēng)險(xiǎn)控制還處于從人工風(fēng)險(xiǎn)控制模式到大數(shù)據(jù)風(fēng)險(xiǎn)控制模式的轉(zhuǎn)型期。人工風(fēng)險(xiǎn)控制模式下,通過租賃公司風(fēng)險(xiǎn)控制人員人工調(diào)查發(fā)現(xiàn)風(fēng)險(xiǎn),雖然偶爾會(huì)用到網(wǎng)絡(luò)上的風(fēng)險(xiǎn)數(shù)據(jù),但還稱不上是利用了大數(shù)據(jù)。在向大數(shù)據(jù)風(fēng)險(xiǎn)控制模式轉(zhuǎn)變的轉(zhuǎn)型期,租賃公司風(fēng)險(xiǎn)控制平臺(tái)還存在至少三個(gè)方面的不足。

      2.1 風(fēng)險(xiǎn)數(shù)據(jù)收集廣度不足

      租賃公司風(fēng)險(xiǎn)數(shù)據(jù)分為內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)。內(nèi)部數(shù)據(jù)涉及戰(zhàn)略風(fēng)險(xiǎn)、財(cái)務(wù)風(fēng)險(xiǎn)、運(yùn)營(yíng)和操作風(fēng)險(xiǎn),如公司自身的資產(chǎn)負(fù)債率、資本結(jié)構(gòu)、客戶信息、項(xiàng)目信息等;外部數(shù)據(jù)包括市場(chǎng)和產(chǎn)業(yè)風(fēng)險(xiǎn),如某上市公司客戶的股票市場(chǎng)價(jià)格、某客戶所處產(chǎn)業(yè)的宏觀政策導(dǎo)向等。目前租賃公司在這兩個(gè)維度的數(shù)據(jù)收集廣度都不足。

      首先,現(xiàn)實(shí)中許多中小型租賃公司的風(fēng)險(xiǎn)控制部門未建立信息化系統(tǒng),風(fēng)險(xiǎn)控制主要依賴人工上網(wǎng)收集風(fēng)險(xiǎn)數(shù)據(jù)或?qū)嵉乇M職調(diào)查,一些大型租賃公司雖有風(fēng)險(xiǎn)控制系統(tǒng),但數(shù)據(jù)庫使用的數(shù)據(jù)大多是依靠人工收集錄入的數(shù)據(jù),數(shù)據(jù)范圍狹窄;其次,租賃風(fēng)險(xiǎn)數(shù)據(jù)共享不足。租賃行業(yè)尚未制定統(tǒng)一風(fēng)險(xiǎn)數(shù)據(jù)標(biāo)準(zhǔn),各租賃公司的風(fēng)險(xiǎn)數(shù)據(jù)互通性差,形成了數(shù)據(jù)孤島,這也影響了數(shù)據(jù)廣度。

      2.2 風(fēng)險(xiǎn)數(shù)據(jù)挖掘深度不足

      大數(shù)據(jù)能解決問題的重要步驟是從數(shù)據(jù)(Data)中發(fā)掘信息(Information),數(shù)據(jù)是信息的載體,信息是數(shù)據(jù)的含義,而目前能真正從大數(shù)據(jù)中進(jìn)行深度挖掘的租賃公司少之又少。

      首先,當(dāng)前大量違約風(fēng)險(xiǎn)的發(fā)現(xiàn)還依賴人工,通過人工分析客戶財(cái)務(wù)數(shù)據(jù)、行業(yè)經(jīng)營(yíng)數(shù)據(jù)、技術(shù)數(shù)據(jù)來發(fā)現(xiàn)風(fēng)險(xiǎn)隱患,每個(gè)人能夠處理的信息量是有限的,所以往往人工挖掘只能發(fā)現(xiàn)比較明顯的風(fēng)險(xiǎn)問題,無法把大量風(fēng)險(xiǎn)信息綜合考慮。其次,深度挖掘的前提是對(duì)數(shù)據(jù)進(jìn)行分類整理,去除無用數(shù)據(jù),把核心數(shù)據(jù)用數(shù)據(jù)庫的標(biāo)準(zhǔn)重構(gòu)。目前這項(xiàng)工作在很多租賃公司進(jìn)展緩慢,缺少既精通數(shù)據(jù)庫語言又懂得風(fēng)險(xiǎn)控制的復(fù)合型人才來開展。最后,深度挖掘需要對(duì)數(shù)據(jù)的內(nèi)在邏輯關(guān)系進(jìn)行長(zhǎng)期性的持續(xù)研究,將研究結(jié)果用模型、指標(biāo)、公式等形式固定下來。公司風(fēng)險(xiǎn)數(shù)據(jù)的風(fēng)險(xiǎn)指標(biāo)體系還不成熟,能夠通過建立風(fēng)險(xiǎn)模型進(jìn)行數(shù)據(jù)研究的公司也不多。

      2.3 風(fēng)險(xiǎn)控制系統(tǒng)決策支持力度不足

      智能的風(fēng)險(xiǎn)管理系統(tǒng)不但能發(fā)現(xiàn)風(fēng)險(xiǎn),還能對(duì)風(fēng)險(xiǎn)問題提出策略和解決方案。目前風(fēng)險(xiǎn)管理系統(tǒng)主要功能還處于風(fēng)險(xiǎn)發(fā)現(xiàn)功能。發(fā)現(xiàn)風(fēng)險(xiǎn)后如何解決則移交到公司管理層,由管理層決定采取行動(dòng)來化解風(fēng)險(xiǎn)。這些行動(dòng)包括:要求客戶提供增信措施增加抵押物價(jià)值,要求客戶提前還款,改變還款計(jì)劃,提起訴訟,債務(wù)重組等。這些決策的正確性依賴管理者對(duì)現(xiàn)有數(shù)據(jù)的分析計(jì)算,而當(dāng)風(fēng)險(xiǎn)問題暴露后,往往管理者決策的時(shí)間緊迫,很難在有限的時(shí)間做出最有利的決策。

      3 大數(shù)據(jù)背景下完善租賃公司風(fēng)險(xiǎn)控制的措施

      根據(jù)以上分析,目前的大數(shù)據(jù)風(fēng)險(xiǎn)控制系統(tǒng)存在數(shù)據(jù)收集廣度、數(shù)據(jù)挖掘深度、決策支持力度不足的三大問題。因此,要完善租賃公司的大數(shù)據(jù)風(fēng)險(xiǎn)控制系統(tǒng),有以下的著力點(diǎn)。

      3.1 增投入、建標(biāo)準(zhǔn)、促整合,提高數(shù)據(jù)廣度

      首先,增加資金人員的投入。加大資金投入購買相應(yīng)的數(shù)據(jù)服務(wù)器網(wǎng)絡(luò)平臺(tái)等硬件設(shè)施,招聘數(shù)據(jù)收集方向的計(jì)算機(jī)專業(yè)人才,如現(xiàn)在流行的“爬蟲”工程師,突破種種限制從互聯(lián)網(wǎng)中獲得所需要的數(shù)據(jù)。其次,建立風(fēng)險(xiǎn)數(shù)據(jù)庫的標(biāo)準(zhǔn)。必要時(shí)租賃行業(yè)協(xié)會(huì)應(yīng)出面建立概念框架,明確要收集數(shù)據(jù)的時(shí)間空間范圍以及數(shù)據(jù)排列字段等。在標(biāo)準(zhǔn)建立后,可以實(shí)現(xiàn)租賃公司之間的資源共享,這種共享對(duì)風(fēng)險(xiǎn)控制有重大意義,如果一個(gè)客戶在兩個(gè)租賃公司同時(shí)以同一資產(chǎn)做抵押就能馬上被發(fā)現(xiàn)。最后,整合各大數(shù)據(jù)平臺(tái)信息。和風(fēng)險(xiǎn)相關(guān)的各類數(shù)據(jù)平臺(tái)有成百上千家,并且一直在上升,這些平臺(tái)中比較常見的有萬得資訊、中登網(wǎng)、金稅三期系統(tǒng)、人民銀行征信中心網(wǎng)站、天眼查平臺(tái)等。萬得資訊提供海量的金融市場(chǎng)資訊、宏觀經(jīng)濟(jì)、行業(yè)發(fā)展情況、客戶股票價(jià)格變動(dòng)等權(quán)威數(shù)據(jù),中登網(wǎng)提供了客戶的抵押、擔(dān)保信息,對(duì)租賃客戶的資產(chǎn)抵押擔(dān)保登記變動(dòng)的實(shí)時(shí)跟蹤,有利于發(fā)現(xiàn)客戶的異常。金稅三期系統(tǒng)有客戶開出的發(fā)票信息、納稅情況,能辨別客戶虛假發(fā)票,從納稅信息分析客戶財(cái)務(wù)狀況。征信中心有客戶的貸款存量、貸款違約等信用情況。通過整合盡可能多的平臺(tái)數(shù)據(jù),能大大提高風(fēng)險(xiǎn)數(shù)據(jù)的廣度。

      3.2 建模型、定指標(biāo)、作比對(duì)來提高數(shù)據(jù)挖掘深度

      其一,利用數(shù)理統(tǒng)計(jì)手段,建立各類風(fēng)險(xiǎn)評(píng)估數(shù)據(jù)模型,如貝葉斯模型、VAR模型、蒙特卡洛模型等??梢詫?duì)宏觀風(fēng)險(xiǎn)建立模型,研判匯率、利率的變化方向和變化幅度對(duì)公司業(yè)務(wù)的影響,還可以對(duì)單個(gè)客戶建立違約概率模型來研判潛在客戶質(zhì)量,這種研判建立在現(xiàn)有客戶的特征,如年齡、收入、房產(chǎn)狀況等數(shù)據(jù)建立的模型上。其二,制定各類風(fēng)險(xiǎn)控制指標(biāo)體系??梢灾贫蛻暨`約評(píng)分指標(biāo)體系,根據(jù)公司客戶在金融機(jī)構(gòu)貸款還款情況、在租賃公司的租金支付情況給客戶評(píng)分,進(jìn)而甄別客戶質(zhì)量,還可以制訂財(cái)務(wù)預(yù)警指標(biāo)體系,如短期償債能力、資產(chǎn)負(fù)債率指標(biāo)等。其三,利用大數(shù)據(jù)進(jìn)行數(shù)據(jù)比對(duì),找出風(fēng)險(xiǎn)點(diǎn)。未來風(fēng)險(xiǎn)控制大數(shù)據(jù)也能通過交叉比對(duì)客戶的各類信息,對(duì)異常數(shù)據(jù)發(fā)出風(fēng)險(xiǎn)提示。這類信息的來源渠道很廣泛,可以是權(quán)威官方機(jī)構(gòu)公布的數(shù)據(jù),也可以是非正式的信息。這些數(shù)據(jù)遍及方方面面,如宏觀政策、經(jīng)濟(jì)指標(biāo)、行業(yè)平均毛利、行業(yè)平均能耗量、行業(yè)產(chǎn)品成交均價(jià)、客戶的各類財(cái)務(wù)指標(biāo)、非財(cái)務(wù)指標(biāo)等,既可以把客戶和行業(yè)平均水平做比對(duì),也可以把客戶自身的各類指標(biāo)互相比對(duì),從中找到一些在人工風(fēng)險(xiǎn)控制模式下容易被忽略的風(fēng)險(xiǎn)點(diǎn)。

      3.3 大數(shù)據(jù)、云計(jì)算、人工智能三者并用,提升風(fēng)險(xiǎn)決策支持力度

      大數(shù)據(jù)、云計(jì)算、人工智能并稱為互聯(lián)網(wǎng)三大技術(shù),三者有層層遞進(jìn)的關(guān)系?;诖髷?shù)據(jù)之上的云計(jì)算,能夠快速地計(jì)算出數(shù)據(jù)隱藏的內(nèi)涵,而基于大數(shù)據(jù)和云計(jì)算的人工智能能夠做出類似人的自我學(xué)習(xí)進(jìn)化的動(dòng)作,人工智能在醫(yī)療、教育、財(cái)務(wù)等各個(gè)領(lǐng)域都展現(xiàn)出了驚人的作用。在風(fēng)險(xiǎn)決策中,對(duì)客戶風(fēng)險(xiǎn)策略的制定離不開金融工程的建模和概率計(jì)算。但目前這種計(jì)算對(duì)相關(guān)人員的金融學(xué)、數(shù)學(xué)水平、計(jì)算水平要求較高,一般的租賃公司還缺少相關(guān)的人才資源。這時(shí)大數(shù)據(jù)、云計(jì)算和人工智能可以發(fā)揮計(jì)算和建模的優(yōu)勢(shì),在較短時(shí)間內(nèi)計(jì)算出合理的決策方案。首先通過人工智能的學(xué)習(xí)能力,建立模型并根據(jù)情況不斷改進(jìn)。其次把海量的大數(shù)據(jù)代入模型中。最后通過云計(jì)算所具備的強(qiáng)大計(jì)算能力得出最優(yōu)解決方案。

      4 結(jié)語

      隨著大數(shù)據(jù)等新技術(shù)在租賃行業(yè)的深化發(fā)展,大數(shù)據(jù)風(fēng)險(xiǎn)控制平臺(tái)必定對(duì)租賃風(fēng)險(xiǎn)控制產(chǎn)生越來越重要的作用。租賃公司應(yīng)把握發(fā)展時(shí)機(jī),多措并舉,大力提升大數(shù)據(jù)平臺(tái)的廣度、深度和決策支持力度。通過大數(shù)據(jù)風(fēng)險(xiǎn)控制平臺(tái)提升公司的風(fēng)險(xiǎn)管理水平,為公司的穩(wěn)定發(fā)展保駕護(hù)航。

      參考文獻(xiàn):

      [1]華挺,宋穎達(dá).金融租賃公司流動(dòng)性風(fēng)險(xiǎn)研究[J].運(yùn)籌與管理,2019(9):157-167.

      [2]彭小輝.大數(shù)據(jù)在互聯(lián)網(wǎng)金融風(fēng)控中的應(yīng)用研究[J].中外企業(yè)家,2020(8):79.

      [3]舒奎.大數(shù)據(jù)在金融風(fēng)險(xiǎn)管理中的應(yīng)用研究[J].時(shí)代金融,2020(6):72-74.

      [4]梅崇秀.基于大數(shù)據(jù)背景下的銀行智能風(fēng)控體系建設(shè)[J].中外企業(yè)家,2020(6):82.

      [5]馬楠藍(lán),李雨芹,曹云,等.基于數(shù)據(jù)挖掘的房貸信用風(fēng)險(xiǎn)評(píng)估系統(tǒng)設(shè)計(jì)[J].湖北農(nóng)機(jī)化,2020(1):147.

      猜你喜歡
      租賃風(fēng)險(xiǎn)控制大數(shù)據(jù)
      論增強(qiáng)企業(yè)經(jīng)營(yíng)管理的風(fēng)險(xiǎn)意識(shí)
      商業(yè)貸款信貸風(fēng)險(xiǎn)控制策略研究
      J電氣公司銷售與收款內(nèi)部控制問題研究
      醫(yī)院財(cái)務(wù)管理風(fēng)險(xiǎn)及改進(jìn)措施分析
      商(2016年27期)2016-10-17 05:07:54
      基于大數(shù)據(jù)背景下的智慧城市建設(shè)研究
      科技視界(2016年20期)2016-09-29 10:53:22
      中國新能源汽車發(fā)展及租賃模式研究
      鐵路房屋租賃管理工作現(xiàn)狀及對(duì)策分析
      國際租賃準(zhǔn)則最新進(jìn)展及其實(shí)務(wù)影響
      租賃模式:高校學(xué)生宿舍空調(diào)解決之道
      攀枝花市| 蒲城县| 泰安市| 南木林县| 囊谦县| 罗山县| 贡觉县| 稷山县| 浙江省| 澄迈县| 大连市| 朝阳县| 东乌珠穆沁旗| 大冶市| 凤庆县| 乐业县| 津南区| 巴林左旗| 朝阳市| 宜川县| 正安县| 信阳市| 孟州市| 阳朔县| 东乌| 文昌市| 哈巴河县| 广元市| 青阳县| 星座| 改则县| 怀宁县| 饶阳县| 东方市| 吴堡县| 承德县| 阳春市| 吉安市| 吉木萨尔县| 大英县| 东乡族自治县|