● 摘要
随着金融自由化以及非银行机构对金融服务市场的蚕食鲸吞，中国银行业正面临着前所未有的竞争，我国加入WTO后，金融国际化进程加快，国内银行机构更面临着外资银行的挑战，风险管理的压力比过去大大增加。各家商业银行纷纷借鉴国际经验，希望通过应用先进的信用分析模型，改变过去为获取竞争优势而不计成本和效益纯粹追求规模的管理方式，实现向重视降低风险、提高资本回报率的“风险—利润”导向的新型管理模式的转变。信用分析模型应用的基础是具有强大处理能力的高效的IT系统，而与国外同业相比，国内银行所具有的客户、账户众多，数据量巨大的特点，使得它们的IT系统在对数据进行整合和深入分析的环节遭遇性能和效率的瓶颈，这一度成为中国银行业管理信息建设领域的共性问题。另一方面，经过近二十年的发展，商业智能理论日趋成熟，其所包含的ETL、数据仓库、OLAP分析、数据挖掘、联机分析与报表等一系列技术方法在工程实践中不断得到完善和标准化，为解决这类涉及海量数据复杂分析的问题提供了可能。论文从银行的实际需求出发，在研究分析主流商业智能技术发展，比较国内外同业实践情况的基础上，结合银行的技术现状，提出了基于商业智能技术的银行信用风险管理系统的设计思路，从系统体系结构、数据源、ETL、数据的存储与管理、OLAP分析、前端设计等方面进行了详细的说明，最后进行了系统的数据验证，根据银行真实数据的特点对采用的Logit回归模型进行了改进，并给出了系统的实际运行效果。通过实践的检验，证明系统的性能和效率完全满足设计要求。该课题的研究，不仅取代了银行原来的贷款风险分类系统，构建了基于科学的风险量化模型的全行统一的信用风险管理系统，为相关授信决策提供了有效的依据；也探索了目前流行的商业智能理论和技术方法在金融领域应用的前景与可行性。其对Logit回归模型的引进与精化以及对海量数据（TB级）的高效处理在同类研究中较为领先，对国内金融同业具有广泛的借鉴意义和参考价值。