金融學(xué)金盛行風(fēng)險(xiǎn)管理實(shí)習(xí)報(bào)告一、摘要2023年7月1日至2023年8月31日，我在一家商業(yè)銀行風(fēng)險(xiǎn)管理部擔(dān)任風(fēng)險(xiǎn)分析師實(shí)習(xí)生，參與信貸風(fēng)險(xiǎn)建模與壓力測(cè)試工作。通過運(yùn)用Python對(duì)2022年全行1000筆不良貸款數(shù)據(jù)進(jìn)行邏輯回歸建模，識(shí)別出3個(gè)關(guān)鍵風(fēng)險(xiǎn)因子（信用評(píng)分、貸款期限、抵押率），模型預(yù)測(cè)準(zhǔn)確率達(dá)85%，優(yōu)于部門原有模型的80%。參與完成5次覆蓋經(jīng)濟(jì)下行情景的壓力測(cè)試，涉及2000家企業(yè)的現(xiàn)金流模擬，提出3項(xiàng)優(yōu)化信貸政策建議，被部門采納并納入季度風(fēng)險(xiǎn)評(píng)估報(bào)告。實(shí)習(xí)期間熟練應(yīng)用SAS、Excel進(jìn)行數(shù)據(jù)清洗與可視化，掌握了風(fēng)險(xiǎn)因子篩選的逐步回歸法，并構(gòu)建了可復(fù)用的壓力測(cè)試參數(shù)庫。二、實(shí)習(xí)內(nèi)容及過程1實(shí)習(xí)目的想通過實(shí)踐了解銀行信貸風(fēng)險(xiǎn)管理的實(shí)際操作，把學(xué)校學(xué)的信用評(píng)分模型、壓力測(cè)試這些理論用在真刀真槍的數(shù)據(jù)上，看看行業(yè)里風(fēng)險(xiǎn)控制的具體流程是怎么走的。2實(shí)習(xí)單位簡(jiǎn)介實(shí)習(xí)的單位是一家全國(guó)性股份制銀行的信貸管理部，主要負(fù)責(zé)全行對(duì)公貸款的風(fēng)險(xiǎn)監(jiān)控和政策制定。部門不大，但業(yè)務(wù)覆蓋挺全，從貸前到貸后都有涉及。3實(shí)習(xí)內(nèi)容與過程我跟著導(dǎo)師做了兩件事，一個(gè)是參與信貸風(fēng)險(xiǎn)模型的優(yōu)化，另一個(gè)是協(xié)助做季度壓力測(cè)試。7月10號(hào)開始接觸模型部分，導(dǎo)師給我發(fā)了2022年全行的1000筆不良貸款數(shù)據(jù)，讓我先用Python清洗一下。數(shù)據(jù)挺亂的，有缺失值，還有格式不一致的，花了我三天才整理完。7月15號(hào)，我用邏輯回歸跑了個(gè)初步模型，發(fā)現(xiàn)預(yù)測(cè)準(zhǔn)確率只有78%，比部門原來的模型還低。導(dǎo)師說問題出在變量選擇上，讓我學(xué)用逐步回歸法。我重新篩選了20個(gè)候選因子，最后定了3個(gè)：信用評(píng)分、貸款期限和抵押率。7月25號(hào)，新模型跑出來，準(zhǔn)確率到85%，AUC指標(biāo)也提高了0.12。導(dǎo)師還挺滿意的，說下次可以往政策建議里提。壓力測(cè)試那邊，8月5號(hào)開始做，我負(fù)責(zé)整理2000家企業(yè)的財(cái)務(wù)數(shù)據(jù)。有個(gè)企業(yè)現(xiàn)金流模擬一直不對(duì)，壓力測(cè)試結(jié)果偏差太大。導(dǎo)師讓我用SAS的宏程序批量調(diào)整參數(shù)，我學(xué)了兩天才搞明白，最后讓結(jié)果和預(yù)期誤差控制在5%以內(nèi)。整個(gè)過程中，我跟著團(tuán)隊(duì)開了4次周例會(huì)，每次都記了詳細(xì)的會(huì)議紀(jì)要。4實(shí)習(xí)成果與收獲主要成果就是那個(gè)改進(jìn)后的模型，用了真實(shí)業(yè)務(wù)數(shù)據(jù)，比學(xué)校做的作業(yè)有參考價(jià)值。我還弄了個(gè)壓力測(cè)試參數(shù)庫，以后可以直接套用。收獲是學(xué)會(huì)了怎么把理論落地，比如逐步回歸怎么選變量，還有SAS怎么用。最大的體會(huì)是風(fēng)險(xiǎn)管理不是光靠公式，得懂業(yè)務(wù)邏輯，比如抵押率為什么重要，不同行業(yè)風(fēng)險(xiǎn)點(diǎn)在哪。職業(yè)規(guī)劃上，我覺得自己更適合做數(shù)據(jù)分析類的風(fēng)控崗位，以后想往這個(gè)方向深耕。5問題與建議實(shí)習(xí)期間發(fā)現(xiàn)兩點(diǎn)問題。一是部門管理有點(diǎn)亂，有時(shí)候幾個(gè)項(xiàng)目同時(shí)推進(jìn)，但資源分配不明確，我這邊做模型的時(shí)候，數(shù)據(jù)組那邊又臨時(shí)要人。二是培訓(xùn)機(jī)制不完善，給我發(fā)的資料都是過期的版本，有些系統(tǒng)操作沒人教，只能自己摸索。建議可以搞個(gè)實(shí)習(xí)生手冊(cè)，把常用流程和系統(tǒng)操作都寫清楚，另外項(xiàng)目分配上可以提前規(guī)劃好人力，避免臨時(shí)抱佛腳。三、總結(jié)與體會(huì)1實(shí)習(xí)價(jià)值閉環(huán)這8周實(shí)習(xí)像把理論知識(shí)和實(shí)際工作擰在了一起。剛來的時(shí)候，覺得風(fēng)險(xiǎn)模型就是套公式，但真動(dòng)手做才發(fā)現(xiàn)，模型背后是無數(shù)細(xì)節(jié)的權(quán)衡。比如7月15號(hào)我第一次跑模型結(jié)果不理想，85%的準(zhǔn)確率看著不高，但導(dǎo)師說已經(jīng)比原來好不少，關(guān)鍵是我找到了癥結(jié)在變量選擇上。后來用逐步回歸法篩選因子，每調(diào)整一個(gè)變量都要重新跑一遍，這個(gè)過程讓我明白風(fēng)險(xiǎn)管理不是一蹴而就的，需要反復(fù)迭代。導(dǎo)師讓我整理2000家企業(yè)的壓力測(cè)試數(shù)據(jù)，8月5號(hào)遇到現(xiàn)金流模擬偏差大的問題，花兩天時(shí)間學(xué)SAS宏程序解決后，結(jié)果就和預(yù)期對(duì)上號(hào)了。這些經(jīng)歷讓我感覺，學(xué)校教的統(tǒng)計(jì)方法、編程技能真的有用武之地，關(guān)鍵是得會(huì)靈活運(yùn)用。2職業(yè)規(guī)劃聯(lián)結(jié)實(shí)習(xí)前想當(dāng)風(fēng)險(xiǎn)經(jīng)理，現(xiàn)在更想做數(shù)據(jù)分析崗。8月20號(hào)部門開會(huì)討論模型優(yōu)化方案時(shí)，我提了3點(diǎn)建議，比如增加行業(yè)虛擬變量的處理方式，后來被采納進(jìn)了新版本。那一刻覺得特別有成就感，原來自己的想法真能影響實(shí)際工作。這讓我意識(shí)到，比起直接做決策，我更擅長(zhǎng)在數(shù)據(jù)層面做支撐。未來打算深化Python在金融風(fēng)控中的應(yīng)用，先把PMP證書考了，積累更多項(xiàng)目經(jīng)驗(yàn)。導(dǎo)師說如果表現(xiàn)好，可以留用做實(shí)習(xí)生培訓(xùn)，雖然現(xiàn)在不敢想，但確實(shí)給了我不少動(dòng)力。3行業(yè)趨勢(shì)展望感覺現(xiàn)在風(fēng)險(xiǎn)管理越來越依賴數(shù)據(jù)化手段。8月25號(hào)我整理的壓力測(cè)試參數(shù)庫，未來就能直接用R語言擴(kuò)展，做更復(fù)雜的壓力情景模擬。導(dǎo)師讓我關(guān)注行業(yè)動(dòng)態(tài)，說現(xiàn)在大模型都在嘗試用于風(fēng)險(xiǎn)預(yù)測(cè)，比如用BERT分析財(cái)報(bào)文本，這讓我意識(shí)到自己還得補(bǔ)不少課。比如8月30號(hào)他讓我讀的《信貸風(fēng)險(xiǎn)量化》那本書，里面很多模型我都沒接觸過。行業(yè)變化這么快，只能逼著自己學(xué)。以后打算每季度都去參加一次行業(yè)論壇，保持對(duì)新技術(shù)的敏感度。從學(xué)生到職場(chǎng)人的心態(tài)轉(zhuǎn)變也挺明顯的，以前覺得做報(bào)告改個(gè)錯(cuò)別字都得想半天，現(xiàn)在能獨(dú)立完成幾千字的壓力測(cè)試報(bào)告，抗壓能力確實(shí)強(qiáng)了。這種責(zé)任感是書本給不了的。致謝1感謝實(shí)習(xí)期間給予指導(dǎo)的部門領(lǐng)導(dǎo)，讓我有機(jī)會(huì)接觸真實(shí)的風(fēng)險(xiǎn)管理業(yè)務(wù)。2特別感謝導(dǎo)師的耐心教誨，在模型搭建和SAS使用上給了我關(guān)鍵幫助，他分享的信貸風(fēng)險(xiǎn)案