数据仓库技术在P银行信贷风险管理中的应用

摘要

信贷风险管理在商业银行经营管理中有着相当重要的地位，一方面是因为目前存贷利差仍然是国内商业银行利润的主要来源，另一方面是因为目前骗贷、欠贷等现象仍然时有发生，一旦信贷风险管理失控，将给商业银行带来极大的损失。 目前绝大多数商业银行都已经实施或正在实施的信贷管理系统一般都主要是针对贷款的贷前调查、贷中审批、贷后跟踪的工作流程管理系统，在信用风险衡量方面，则往往利用6C法或信用评分方法进行分析与决策。这些方法主要存在的缺陷是：分析方法的主观性较强；数据未进行充分整合，导致分析内容不够全面；基于时间历史的分析功能较弱；数据质量不完全可信；等等。因此，商业银行信贷风险管理人员迫切的需要经过整合的、可信的、历史的信贷风险分析数据基础及基于此数据基础之上的信贷风险分析及监控手段。 数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的、用于支持管理决策的数据集合。随着银行信贷管理系统建设的不断发展，相关的数据规模也不断庞大，将数据仓库技术应用于银行信贷风险管理及分析将成为一种必然的趋势。通过建设数据仓库，将商业银行积累的业务数据按照信贷风险控制所关心的主题重新进行组合，通过数据清洗等方法改善数据质量，以三范式或星型结构表保存业务历史。并通过OLAP、即席查询、指标监控、数据挖掘、统计建模等方法，使得业务人员能够从宏观到微软，从历史到现在，多角度的分析、衡量与监控信贷风险。 本文通过深入了解信贷风险管理的领域知识以及对数据仓库技术的学习研究，详细阐述了如何建立商业银行信贷数据仓库，及基于其之上的应用。本文的主要工作如下： 1.从信贷风险管理的分析入手，阐述该领域的背景知识、传统采用的分析手段和分析模型。介绍P银行的信贷风险管理现状及遇到的问题。 2.介绍数据仓库的定义及其特征即主题性、时间性、集成性、只读性。说明利用该技术如何在数据基础及分析手段等方面提升P银行信贷风险管理水平。 3.从信贷风险数据仓库的建设入手，介绍了在整体架构、建模方法、主题、多维模型设计、元数据管理、数据质量控制、数据ETL、存储、安全等方面的设计与考虑。 4.对基于信贷风险数据仓库之上的具体应用，介绍了OLAP、即席查询、指标体系、数据挖掘、统计分析等方面的一些理论方法及具体应用；特别是详细介绍了在建立内部评级法所需的PD、LGD模型的建设过程中，信贷风险数据仓库在提供数据基础方面所做的具体工作。 5．对全文做了一个结论概括，并对遗留的一些问题做了总结和探讨。

目录

论文独创性声明及论文使用授权声明

摘要

引言

1 P银行信贷风险管理现状分析

1.1信贷风险管理对于商业银行的重要性

1.2商业银行信贷风险管理的主要模型和方法

1.3新环境下对于P银行信贷风险管理提出的新要求

1.4 P银行信贷风险管理与分析的难点

2数据仓库技术简介

2.1数据仓库技术特性

2.2信贷数据仓库助力于信贷风险管理

3 P银行信贷风险管理数据仓库的设计

3.1系统整体架构

3.2建模方法选择

3.3主题确定

3.4多维模型设计

3.5元数据管理

3.6数据质量控制

3.7数据ETL

3.8数据存储

3.9数据安全控制

4 P银行信贷风险数据仓库之上的应用

4.1联机多维分析OLAP

4.2即席查询

4.3指标体系

4.4数据挖掘

4.5统计分析

4.5.1在PD建模中的工作

4.5.2在LGD建模中的工作

5结束语

参考文献

致谢