近年來,由于互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展以及全面應(yīng)用,大數(shù)據(jù),人工智能等技術(shù)應(yīng)運(yùn)而生,并且已經(jīng)取得了長足的進(jìn)步。全球的信息數(shù)據(jù)量成幾何倍的快速增長,這些增長與我們的生活息息相關(guān),并且正在潛移默化的改變我們的生活。這些新興技術(shù)在改變?nèi)藗兩畹耐瑫r給諸多傳統(tǒng)行業(yè)的運(yùn)營模式帶來了巨大改變,促使這些傳統(tǒng)行業(yè)產(chǎn)生變革,銀行、保險、證券等傳統(tǒng)金融業(yè)運(yùn)營模式的變革首當(dāng)其沖。銀行業(yè)是典型的傳統(tǒng)金融行業(yè),在銀行業(yè)務(wù)中對于貸款風(fēng)險的把控十分重要,由于中小企業(yè)的規(guī)模,對市場的依賴度等特殊性,導(dǎo)致中小企業(yè)貸款業(yè)務(wù)的風(fēng)險是銀行貸款業(yè)務(wù)中最為常見的一種風(fēng)險,而信息不對稱往往是中小企業(yè)貸款容易產(chǎn)生風(fēng)險的原因,大數(shù)據(jù)技術(shù)的出現(xiàn)為緩解這種銀企信息不對稱現(xiàn)象提供了可能。大數(shù)據(jù)技術(shù)能夠使銀行獲得比傳統(tǒng)辦法更加精確,更加細(xì)致的信息,從而提高銀行業(yè)中小企業(yè)信貸風(fēng)險的防范能力,使銀行能夠更好的滿足中小企業(yè)的融資需求,從而能夠在做好風(fēng)險防范的同時更好的為實體經(jīng)濟(jì)服務(wù)。本研究針對互聯(lián)網(wǎng)、云計算、大數(shù)據(jù)等新興技術(shù)對傳統(tǒng)金融行業(yè)各個方面所產(chǎn)生的影響,結(jié)合H銀行哈分行目前的總體經(jīng)營現(xiàn)狀,深入介紹H銀行中小企業(yè)貸款的全部辦理流程、主要風(fēng)險防控手段以... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：50 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與問題的提出
        1.1.1 研究背景
        1.1.2 問題的提出
    1.2 研究目的與意義
        1.2.1 研究的目的
        1.2.2 研究的意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 國外研究
        1.3.2 國內(nèi)研究
        1.3.3 文獻(xiàn)評析
    1.4 主要研究方法和研究內(nèi)容
        1.4.1 研究方法
        1.4.2 研究內(nèi)容
第2章 大數(shù)據(jù)背景下H行中小企業(yè)風(fēng)險控制現(xiàn)狀與同業(yè)風(fēng)控情況
    2.1 H銀行哈分行情況簡介
    2.2 H銀行哈分行中小企業(yè)信貸風(fēng)險控制現(xiàn)狀
        2.2.1 H銀行哈分行中小企業(yè)信貸業(yè)務(wù)與風(fēng)險控制
        2.2.2 H銀行哈分行中小企業(yè)信貸風(fēng)險現(xiàn)狀
        2.2.3 H銀行哈分行中小企業(yè)信貸風(fēng)險控制措施
        2.2.4 哈爾濱分行內(nèi)部數(shù)據(jù)情況分析
    2.3 同業(yè)風(fēng)險控制應(yīng)用大數(shù)據(jù)情況
        2.3.1 民生銀行運(yùn)用大數(shù)據(jù)情況
        2.3.2 中信銀行運(yùn)用大數(shù)據(jù)情況
        2.3.3 匯豐銀行運(yùn)用大數(shù)據(jù)情況
    2.4 本章小結(jié)
第3章 H銀行哈分行中小企業(yè)信貸風(fēng)險防控存在的問題及成因分析
    3.1 H銀行中小企業(yè)信貸風(fēng)險防控中存在的問題
        3.1.1 企業(yè)信息缺乏多方面數(shù)據(jù)驗證
        3.1.2 過度依賴人行征信數(shù)據(jù)
        3.1.3 借款企業(yè)評級結(jié)果不夠準(zhǔn)確
        3.1.4 審批過程缺乏對數(shù)據(jù)的統(tǒng)一梳理
        3.1.5 貸后風(fēng)險量化方法薄弱
    3.2 成因分析
        3.2.1 H銀行與借款企業(yè)的信息不對稱
        3.2.2 審批人員與信貸人員的信息不對稱
    3.3 本章小結(jié)
第4章 H行哈分行中小企業(yè)貸款風(fēng)險控制的改進(jìn)對策
    4.1 加強(qiáng)各方面數(shù)據(jù)信息融合
    4.2 推動人行征信與網(wǎng)絡(luò)行為數(shù)據(jù)整合
    4.3 開發(fā)大數(shù)據(jù)評級系統(tǒng)
        4.3.1 利用大數(shù)據(jù)手段增強(qiáng)定性定量分析準(zhǔn)確性
        4.3.2 利用大數(shù)據(jù)手段建立動態(tài)評級系統(tǒng)
    4.4 構(gòu)建大數(shù)據(jù)模式審批
    4.5 企業(yè)相關(guān)數(shù)據(jù)實時監(jiān)測
    4.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
后記
個人簡歷


【參考文獻(xiàn)】：
期刊論文
[1]我國商業(yè)銀行中小企業(yè)信貸風(fēng)險管理創(chuàng)新策略[J]. 楊麗梅,閻辰君.  現(xiàn)代商業(yè). 2017(05)
[2]大數(shù)據(jù)對互聯(lián)網(wǎng)小額信貸公司的重要性研究——以“阿里小貸”為例[J]. 丁村鴻鵠,趙元.  黑龍江教育(理論與實踐). 2017(Z1)
[3]工商銀行:數(shù)據(jù)可視化開拓風(fēng)險大數(shù)據(jù)應(yīng)用新價值[J]. 靳曉鵬.  中國銀行業(yè). 2017(01)
[4]商業(yè)銀行小企業(yè)信貸業(yè)務(wù)風(fēng)險成因分析及對策研究[J]. 張興軍.  金融經(jīng)濟(jì). 2016(24)
[5]美國征信數(shù)據(jù)及其在金融業(yè)的應(yīng)用[J]. 劉新海,駱?biāo)救?曹晨舟,馬燕杰.  征信. 2016(11)
[6]大數(shù)據(jù)助推商業(yè)銀行信貸業(yè)務(wù)與風(fēng)險管理創(chuàng)新[J]. 楊瑾.  全國商情. 2016(31)
[7]商業(yè)銀行小微業(yè)務(wù)應(yīng)用大數(shù)據(jù)技術(shù)研究[J]. 熊福平.  武漢金融. 2016(09)
[8]大數(shù)據(jù)背景下商業(yè)銀行信貸風(fēng)險研究[J]. 陳君.  財會通訊. 2016(23)
[9]基于大數(shù)據(jù)平臺的小微企業(yè)信貸模式研究[J]. 夏歡,吳敏玨.  市場周刊(理論研究). 2016(07)
[10]大數(shù)據(jù)思維與數(shù)據(jù)挖掘能力正成為大型商業(yè)銀行的核心競爭力[J]. 黃志凌.  征信. 2016(06)



本文編號：3269517