大数据时代银行业监管手段的探索--以四川银监局MAST项目为例
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 1 绪论 | 第12-18页 |
| ·研究的目的及意义 | 第12页 |
| ·国内外研究现状 | 第12-16页 |
| ·主要研究内容和方法 | 第16-17页 |
| ·创新点及不足之处 | 第17-18页 |
| 2 监管手段有关理论的研究 | 第18-22页 |
| ·非现场监管的定义以及特点 | 第18-19页 |
| ·非现场监管的作用 | 第19-20页 |
| ·非现场监管与现场检查的关系 | 第20-22页 |
| ·现场检查的内容 | 第20页 |
| ·现场检查与非现场监管 | 第20-22页 |
| 3 现有监管手段的运用现状和问题 | 第22-29页 |
| ·非现场监管手段发展的进程 | 第22-25页 |
| ·1104系统的使用 | 第22-23页 |
| ·风险为本的监管理念 | 第23-24页 |
| ·监管体制的变化 | 第24-25页 |
| ·现场监管手段发展的进程 | 第25-26页 |
| ·现有监管遇到的问题 | 第26-29页 |
| 4 MAST案例分析 | 第29-59页 |
| ·MAST项目的基本情况 | 第29-30页 |
| ·银行业监管的客观需要 | 第29页 |
| ·定位、目标、设计理念和功能实质 | 第29-30页 |
| ·构建的系统架构 | 第30页 |
| ·MAST的产生背景 | 第30-32页 |
| ·大数据时代给银行发展带来的机遇 | 第30-31页 |
| ·大数据时代给银行监管带来的挑战 | 第31-32页 |
| ·MAST数据与1104数据的对比 | 第32-33页 |
| ·通过MAST进行现场检查模型监控 | 第33-34页 |
| ·跨行资金追踪的效率 | 第34-35页 |
| ·基于决策树的银行客户评级分析 | 第35-38页 |
| ·通过聚类对贷款投向进行 | 第38-45页 |
| ·通过系统聚类进行贷款投向分析 | 第38-43页 |
| ·通过K-均值法进行分析 | 第43-45页 |
| ·用因子分析法来分析贷款投向 | 第45-49页 |
| ·运用MAST系统进行流动性监管探索 | 第49-54页 |
| ·机构自身的流动性风险管理 | 第49-52页 |
| ·流动性监管存在的问题 | 第52-53页 |
| ·MAST为流动性监管打下好的数据和工具基础 | 第53-54页 |
| ·MAST系统对监管有效性的提升 | 第54-59页 |
| ·银行风险的潜伏 | 第54-55页 |
| ·系统风险预警的问题 | 第55-56页 |
| ·MAST带来的监管效能 | 第56-59页 |
| 5 大数据监管模式的探讨 | 第59-72页 |
| ·机构的数据治理 | 第59-64页 |
| ·数据管理组织 | 第60-61页 |
| ·数据管理制度与流程 | 第61页 |
| ·数据标准管理 | 第61页 |
| ·数据质量管理 | 第61-62页 |
| ·元数据管理 | 第62页 |
| ·数据管理技术支持 | 第62页 |
| ·数据管理平台建立 | 第62-63页 |
| ·数据治理工作和数据质量提升带来的数据应用 | 第63页 |
| ·四川中小法人银行监管数据成熟度评价模型 | 第63-64页 |
| ·对监管体制流程的影响 | 第64-66页 |
| ·宏观审慎监管 | 第66-69页 |
| ·宏观审慎监管的含义 | 第66-67页 |
| ·宏观审慎监管政策工具 | 第67-69页 |
| ·MAST对银行间风险的监控 | 第69-70页 |
| ·利用MAST进行数据共享 | 第70-72页 |
| 6 结论 | 第72-74页 |
| ·研究结论 | 第72页 |
| ·研究的局限性 | 第72页 |
| ·未来研究展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 致谢 | 第77页 |
