银行监管报送系统介绍(六):客户风险数据报送系统

2024-03-24 18:12

本文主要是介绍银行监管报送系统介绍(六):客户风险数据报送系统,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

【概念定义】

银监会决定从2013年起实行新版客户风险统计制度,对各政策性银行、国有商业银行、股份制商业银行进行客户信息汇总统计。

客户风险统计信息,是指新版客户风险统计报送信 息。客户风险统计报送信息包括但不限于对公及同业客户授信和 表内外业务信息、集团客户和供应链融资相关信息、单一法人客 户基本信息、对公客户贷款及表外业务的担保信息、个人贷款违约情况、个人违约贷款担保情况等,主要向银保监会报送《对公及同业客户授信和表内外业务统计表》、《集团客户、供应链融资基本信息统计表》、《单一法人客户基本信息统计表》、《对公客户担保情况统计表》、《个人贷款违约情况统计表》和《个人违约贷款担保情况统计表》6 张明细数据表。
客户风险统计信息质量管理是指根据银保监会新版 客户风险统计制度要求,在业务源系统中铺设相关信息字段,在 业务管理过程中及时维护、更新、审核、清理系统信息。对于业 务源系统尚不完善的信息项,在客户风险统计信息质量控制系统 中及时进行数据修改和补录,确保客户风险统计信息报送的及时 性、准确性和完整性。
客户风险统计信息质量控制系统,是指以业务源系 统为依托,在境内监管报送系统(NSRS)中开发各类功能,包括 但不限于数据加载、数据校验、修改补录、备注填写、数据审核 和管理考核等功能模块。

【报送内容】

客户风险数据报送包括对公及同业客户授信和表内外业务统计表、集团客户、供应链融资基本信息统计表、单一法人客户基本信息统计表、对公客户担保情况统计表、个人贷款违约情况统计表、个人违约贷款担保情况统计表相关客户风险信息,共计6张大表,18张子表。

【校验规则】

客户风险标准校验规则包括确定性校验、一致性校验、提示性校验,部分银行由于当地银监局要求,或行内要求,增加考核指标校验、银码库校验等校验规则。

【监管意义】

全面反映主要银行业金融机构表内外信用风险情况,突出加强集团客户授信风险检测,逐步完善前瞻性的风险识别信息。

按照《中国银监会关于实行新版客户风险统计制度的通知》(银监发〔2012〕39号)规定,现行使用的客户风险系统共包含6张报表,可分为3个维度来看:

▼一是客户维度,包括《集团客户、供应链融资基本信息统计表》(内含5张子表)和《单一法人客户基本信息统计表》(内含1张子表)。

▼二是业务维度,包括《对公及同业客户授信和表内外业务统计表》(内含7张子表)和《个人贷款违约情况统计表》(内含1张子表)。

▼三是担保维度,包括《对公客户担保情况统计表》(内含1张子表)和《个人违约贷款担保情况统计表》(内含1张子表)。

参考文档:

《银行 业金融机构数据治理指引》(银保监发〔2018〕22 号)
《关于做 好 2019 年客户风险统计数据质量考评工作的通知》(银保监统信 函〔2019〕9 号)
《关于精简客户风险统计报数流程的通知》(银 监审通〔2015〕41 号)
《中国银监会办公厅关于印发新版客户风 险统计报表填报细则的通知》(银监办发〔2014〕201 号)
《中国 银监会关于实行新版客户风险统计制度的通知》(银监发〔2012〕 39 号)

这篇关于银行监管报送系统介绍(六):客户风险数据报送系统的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/842372

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

性能测试介绍

性能测试是一种测试方法,旨在评估系统、应用程序或组件在现实场景中的性能表现和可靠性。它通常用于衡量系统在不同负载条件下的响应时间、吞吐量、资源利用率、稳定性和可扩展性等关键指标。 为什么要进行性能测试 通过性能测试,可以确定系统是否能够满足预期的性能要求,找出性能瓶颈和潜在的问题,并进行优化和调整。 发现性能瓶颈:性能测试可以帮助发现系统的性能瓶颈,即系统在高负载或高并发情况下可能出现的问题

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd