建立违约数据库

　　一定规模的数据积累，一直被认为是成功实施信用风险解决方案的基础。也正是数据积累欠缺这一点，使得国内银行业信用风险相对比较难管理，因为电子化数据的积累并不容易，很多银行的电子化历史交易数据并不齐全。

　　路透集团的王倩茵分析，一般来说，信用风险是通过违约率来计算的，这要求建立在庞大的数据资料库的基础上，按照既有的大量电子化历史数据，用统计效用来计算违约率，而目前国内很多银行这些电子化的历史数据不齐全，无从做出精确的分析。路透集团的风险管理系统即便有着丰富的市场及信用资讯做后盾，同时也有全球连线的外汇交易及其他财经信息做参考，也需要银行自身有历史数据的积累。

　　银行上市时则会被要求披露风险信息，包括该银行的前十大贷款客户资料及其账务情况等，这就要求银行必须在积累大量数据的基础上，算清楚信贷中的违约率。NCR公司的杨顺生表示，如果这方面数据不够庞大，算出来的违约率就不够准确；到年末时，根据当时的业绩状况，银行的评级可能会降低。如果该银行还发行债券，那么所发行债券的价格也会下跌，银行的融资成本会增高，这会因此带来一系列的不良影响。

　　尽管现在国内的银行基本上都设有信贷风险委员会，负责审核大额的贷款项目，甚至还通过信贷员和征信机构做征信调查，找公证单位做公证，但这个过程中，信息化手段的运用比较少，难以保证数据的可靠性以及最终评定结果的精确性。

　　另外，让杨顺生忧虑的是，中国的银行风险管理实施联系着银行企业文化、管理文化的重塑，涉及各个部门、各项业务、各种产品的全方位风险管理理念的变革。国内银行一贯对内部报告的披露很敏感。一直以来，银行对亏损公开讳莫如深，很多历史数据无法得到，管理不透明，就无法做到非常好的的风险管理，银行将不得不借助寥寥无几的数据和大量假设来计算自己的操作风险。

　　Algorithmics中国金融风险实验室的有关人员向记者表示，信贷风险的管理需要对信贷数据进行详细分析，从数据的提供到整合都要有科学的过程。Algorithmics公司是全球领先的金融风险管理解决方案提供商。

　　Algorithmics公司针对不同种类金融风险的统一分析计算引擎，建立在统一的数据库基础之上。分析计算引擎从同一个数据源得到风险计算原始数据，并得出分析计算结果，为不同种类的风险管理系统所使用。在此基础上，才有可能真正实现集中管理。集中管理不仅仅是数据集中，从金融业务管理角度上讲，集中管理是分析结果的统一，这样才能最大限度地利用资本资源，实现最大限度的业务回报。

　　招商银行研究部副总经理罗开位更是建议银行加快建立违约概率测度模型的基础设施—违约数据库。

　　中国银行业可以通过建立企业财务数据过滤器，对企业提交的财务报表进行真实性检验，建立合格的违约数据库。罗开位表示，中国人民银行建立的《银行信贷登记咨询系统》为中国银行业提供了一个海量的贷款数据库的信息平台。国内银行可以充分发挥该系统的数据资源优势，不断完善系统信息，建立中国自己的违约数据库。