银行监管报送系统系列介绍(十七):一表通2.0
国家金融监督管理总局于9月发布了【一表通2.0(试用版)】(简称:一表通2.0),在原试点报送范围的基础上扩大了试点报送区域,意味着将陆续扩大试报送机构范围,推进的速度已明显加快。尽早规划和准备,帮助银行有更充足的时间做好监管数据质量的提升工作。经过试点报送后,一表通报送内容逐步完善中,一表通2.0在试点版的基础上修订了报送内容,对报送的表单、数据项持续优化和改善中。一表通的推进,意味着监管数据标准化对智能监管、穿透监管的重要支撑。
一表通是什么?
一、背景
“一表通”由国家金融监督管理总局统信部牵头,拟建立统一的监管数据体系和数据采集平台,提升监管效能。项目最早源自2021年以来在浙江地区的智能监管试点。

“一表通”要求金融机构端建设的可信区是由金融机构建设和管理的、一种新型的监管报送通道和方式。金融机构的可信区仅用于国家金融监督管理总局及其省局的监管数据报送,向其他有权机关的数据报送应当采用相关机关要求的其他方式。
二、一表通特点
相比于现有的监管统计制度,“一表通”在报送流程、采集规范、采集方式等方面都有很大的不同,有以下几个特点:

三、一表通报送内容
从“一表通”数据标准来看,明细数据分为主题明细数据和业务领域数据。主题明细数据由金融机构填报;业务领域数据无需金融机构进行报送,监管制定了从主题明细数据取业务领域数据的标准逻辑规则。

四、可信区建设 - 实现目标
建立满足监管要求的监管数据可信区,实现监管端(国家金融监督管理总局及其省局)和机构端(金融机构)之间数据信息协同联动,建立融合共享、安全可靠的金融监管新模式、新框架、新生态。实现目标如下:

五、可信区建设 - 逻辑架构
可信区(监管数据可信区)是一种新型的监管报送通道和方式,与监管端监管数据存储协同,共同构成分布式的大数据集群,形成高频应用的监管端本地“热数据”和低频应用的机构端“冷数据”的分离存储模式。

六、与EAST、1104、客户风险的关系


一表通是监管机构推进建立统一的监管数据体系,规范监管数据指标定义及口径,确定统一的业务监测取数规则,试行建立统一的一表通监管数据采集平台,制定了一表通数据标准,标准包括:
- 一表通数据采集接口标准:分为明细类数据、监管指标类数据。明细类数分为10个主题类别,90张表,2157个数据项。
- 一表通监管数据业务监测取数规则:10个领域、66张数据表、1977个数据项,确定从主题明细类数据取数规则。
从一表通数据标准来看,明细数据分为主题明细数据和业务领域数据,既能够从细到总的数据分层加总,又能从总到细的数据逐层穿透,实现数据灵活运用,提升监管效能。
一表通的发展历程
2020年:一表通在2020年发布,浙江省成为第一批试点地区,要求以主题明细数据报送,正式开启试行和研究一表通的报送方式。
2022年:经过2年的试点及完善,2022年发布【一表通(试点版)】,试点范围增加至建设银行,数据分为2大类分别为明细类数据(10类主题、89张表、2070个数据项)、监管指标类数据,新增10个业务领域板块数据及对应主题明细数据的标准取数规则。
2023年:试点地区增加6个,分别为辽宁、上海、江苏、福建、重庆、四川地区,新增试点银行包括工、农、中、交国有银行,以及邮储、兴业、浙商银行,明显加快试点范围的推广,并对明细类数据的表单和数据项进行了略微调整,调整为90张表、2157个数据项。
解读一表通报送内容
一表通明细数据分为主题明细数据、业务领域数据。
主题明细类数据分为10类主题,主题划分原则与数仓主题比较接近,按数据的相关性和相似性划分主题。
业务领域数据无需银行进行报送,监管制定了从主题明细数据取数的标准逻辑规则,业务领域数据分为10个业务领域,按照业务过程或者业务功能进行的主题划分,与EAST5.0的主题较为相似,对银行业务人员来说业务领域的主题更为熟悉。
一、明细类数据报送内容
主题明细数据的报送数据表:

重点、变化的报送内容总结如下:

*上述新增数据表分析基于EAST5.0表单分析
理财业务相关的5.4理财产品业务、6.17理财协议、8.10理财产品状态、8.16客户理财产品持有状态、9.5理财投资标的表单,银行无需报送。
一、业务领域数据报送内容
从主题明细数据到业务领域数据,一表通制定了标准的取数规则,银行只需填报主题明细数据,业务领域数据按照标准逻辑自动化生成,两者的关系是一张业务领域报表与多张主题明细数据表对应。
以贷款业务领域为例:

业务领域共分为10个领域,以业务主线反映整个业务的存量、交易相关的全生命周期信息,10个业务领域具体如下:

业务领域下的报表与EAST表单设计比较接近,通过2者分析比对匹配率在60%-70%左右,每个业务领域下涵盖报表如下:

三、与EAST、1104、客户风险关系
一表通数据项覆盖了EAST、客户风险、1104的数据项,从以下几方面分析相互间的关系:
1. 报送方面
会持续一定的并行报送期,有统一监管集市或者数仓,以及较高的自动化程度可以缓解报送压力。
2. 重合度
- 与EAST数据项匹配度在60%-70%左右,2者都以明细类数据项报送,因此较为容易映射出银行缺失的数据项。
- 与1104匹配来看,通过一表通数据能够生成基础类业务类、综合类、支持发展类报表,但在风险类报表较难直接生成,例如巴III、G25报表。一表通囊括了较多1104统计报表中分类标识,例如无还本续贷贷款标识、绿色贷款标识、科技贷款标识等等,标识数据项是生成1104报表统计项目指标中的业务维度条件,因此源数据满足性直接影响到生成1104报表准确性、完整性,对于源数据无法满足的情况下,会存在补录数据进行分类、或通过底层业务数据关联项判断生成相应的标识。对于银行已经建立监管数据集市并较好应用到各类监管报送(EAST、1104、客户风险等),监管数据已经形成了较好的整合、应用,按一表通完善行内监管集市。对于尚未建立监管数据集市、或者有多监管集市的,数据整合及应用需要经过一定的过程,方案上需要考虑日常报送与监管集市验证和分析的并行,部分银行选择基于一表通建立统一的监管集市,并落实监管数据质量监测和管控,保证在生成各类监管报送应用数据前数据质量的完整性、准确性、时效性,监管集市应用方面,首先对一表通、1104、EAST等监管报送应用数据进行分析、验证,后续分批验证其他各类监管报送,实现监管数据的统一应用,发挥监管集市的效能,在数据应用、数据质量监测和管控过程中不断提升数据质量。
3. 跨系统间校验
一表通数据涵盖EAST、1104、客户风险,校验平台建设是重要的支撑。其中的EAST、客户风险明细数据报送,与一表通间的校验是数据项直接对应校验。与1104校验,需要通过一表通明细数据生成1104统计项目的指标结果与1104统计项目校验,校验结果的差异性分析基于2边的明细数据,根因分析、措施方案是完善一表通数据质量的重要过程。
四、可信区报送
一表通以创新的方式要求在金融机构端建立可信区,为金管局提供数据访问的服务。可信区的建设涉及数据存储、接口服务、数据加工、校验引擎、数据安全等功能模块,实现与金管局交互过程中的查询服务、任务管理、通知服务、文件同步服务,可信区的平台建设是一表通项目的重要建设内容,从建设要求来看在软、硬件方面适配的完整方案。
一表通的加速推广试点,较多银行金融机构已开始着手准备一表通数据报送、可信区建设,完善监管数据质量是一表通的首要任务并且是重中之重,尤其是未整合监管数据应用的应当尽早启动监管数据整合应用的方案。通过前期银行的试点情况,实施方案应做到以下几方面:
- 试点报送:建立报送的流程机制、职责分工、项目计划;形成业务分析、业务逻辑、技术逻辑文档,完成自动化取数、校验、数据审核流程。
- 数据应用:一表通生成EAST、1104、客户风险数据,并完成应用分析、比对结果、根因分析、制定措施方案。
- 可信区建设:按金管局标准规范要求建立可信区,允许功能可扩展性,逐步完善可信区建设。
我们以贷款五级形态变动为例,举例说明“一表通”可以生成EAST、1104哪些指标:
“一表通”制度有专门的五级分类状态表,采集所有信贷和非信贷资产的五级分类变动情况,而EAST5.0的贷款五级形态变动表仅统计信贷资产的五级分类变动情况,范围比“一表通”制度小,因此可以通过“一表通”制度中的细分资产ID关联贷款借据、信用卡账户状态等报文进行业务范围筛选、通过细分资产ID关联业务主表后再通过客户ID关联相关客户信息表获取客户名称、通过机构ID关联机构信息表获取机构代码名称等,即可生成EAST的贷款五级形态变动表以及个人信贷业务借据、对公信贷业务借据、自营资金业务余额表和信用卡授信情况表中的五级分类信息。
由于“一表通”制度关于所有信贷资产的五级分类均在五级分类状态表中,因此1104所有需要涉及五级分类判断的统计指标,若通过“一表通”出数,都需要调用该表,涉及的报表至少包括:

以G12为例,“一表通”制度中的五级分类状态表可以反映每一笔贷款的每次五级形态变动情况,通过借据号关联贷款协议补充信息判断贷款类型、发放日期,关联贷款借据获取贷款余额、贷款状态,并通过比对五级分类状态表在年初和期末的五级分类结果,就可以分析贷款的五级分类迁徙情况,实现与G12报表2.本期增加、3.正常类贷款、4.关注类贷款、5.次级类贷款、6.可疑类贷款、7.损失类贷款的B列-G列的数据核对。
一表通会像EAST那样提出严格的数据质量要求吗?
虽然9月份金管局下发的金办发[2023]19号文关于“一表通”的试报送并没有提数据质量要求。但从浙江的试点和“一表通”的建设目标来看,若要实现与EAST、客户风险数据采集的融合、衔接与平稳过渡,以及实现1104采集报表的瘦身,加强“一表通”数据治理势在必行。
相关文章:
银行监管报送系统系列介绍(十七):一表通2.0
国家金融监督管理总局于9月发布了【一表通2.0(试用版)】(简称:一表通2.0),在原试点报送范围的基础上扩大了试点报送区域,意味着将陆续扩大试报送机构范围,推进的速度已明显加快。尽早…...
网络安全之OSPF进阶
该文针对OSPF进行一个全面的认识。建议了解OSPF的基础后进行本文的一个阅读能较好理解本文。 OSPF基础的内容请查看:网络安全之动态路由OSPF基础-CSDN博客 OSPF中更新方式中的触发更新30分钟的链路状态刷新。是因为其算法决定的,距离矢量型协议是边算边…...
Ubuntu虚拟机上推荐一款免费好用的git版本管理工具
工具叫: gitg 软件界面如下: FR:徐海涛(hunkxu)...
python下载及安装
1、python下载地址: Python Releases for Windows | Python.orgThe official home of the Python Programming Languagehttps://www.python.org/downloads/windows/ 2、python安装 (1) 直接点击下载后的可执行文件.exe (2&…...
visual studio2022 JNI极简开发流程
文章目录 1 创建java类2 生成JNI头文件3 使用visual studio2022创建DLL项目3.1 选择模板中(Windows桌面向导)3.2 为项目命名3.3 选择应用程序类型为动态链接库3.4 项目概览 4 导入需要的头文件4.1 导入需要的头文件4.2 修改头文件 5 编写C实现6 生成dll文…...
Linux 第三十章
🐶博主主页:ᰔᩚ. 一怀明月ꦿ ❤️🔥专栏系列:线性代数,C初学者入门训练,题解C,C的使用文章,「初学」C,linux 🔥座右铭:“不要等到什么都没有了…...
Linux网络——自定义序列化与反序列化
前言 之前我们学习过socket之tcp通信,知道了使用tcp建立连接的一系列操作,并通过write与read函数能让客户端与服务端进行通信,但是tcp是面向字节流的,有可能我们write时只写入了部分数据,此时另一端就来read了&#x…...
大模型介绍
大模型通常指的是参数量超过亿级别,甚至千亿级别的深度学习模型。这类模型能够处理更加复杂的任务,并在各项基准测试中取得了优异的成绩。大模型在自然语言处理、计算机视觉、推荐系统等领域都取得了显著的成果。 大模型的主要优势在于其强大的表征能力&…...
【思维】根号分治
写在前面的话: 个人理解 根号分治本身就是一种卡着评测机过题的做法,所以非必要不要写 #define int long long !!! 本篇博客参考:暴力美学——浅谈根号分治 做到过两三题根号分治了,来总结一下…...
Linux线程(三)死锁与线程同步
目录 一、什么是死锁 死锁的四个必要条件 如何避免死锁 避免死锁算法 二、Linux线程同步 三 、条件变量 1、条件变量基本原理 2、条件变量的使用 3、条件变量使用示例 为什么 pthread_cond_wait 需要互斥量? 一、什么是死锁 死锁是计算机科学中的一个概念,…...
SpringAMQP 发布订阅-TopicExchange
根据这个模型编写代码: RabbitListener(bindings QueueBinding(value Queue(name "topic.queue1"),exchange Exchange(name "itcast.topic",type ExchangeTypes.TOPIC),key {"china.#"}))public void listenTopicQueue1(String msg){Syst…...
uniapp h5 配置代理服务器
"devServer": {"disableHostCheck": true,"proxy": {"/api": {// 需要被代理的后台地址"target": "http://自己的地址","changeOrigin": true,"secure": false,"pathRewrite": {&q…...
使用Apache Spark从MySQL到Kafka再到HDFS的数据转移
使用Apache Spark从MySQL到Kafka再到HDFS的数据转移 在本文中,将介绍如何构建一个实时数据pipeline,从MySQL数据库读取数据,通过Kafka传输数据,最终将数据存储到HDFS中。我们将使用Apache Spark的结构化流处理和流处理功能&#…...
一篇文章拿下Redis 通用命令
文章目录 Redis数据结构介绍Redis 通用命令命令演示KEYSDELEXISTSEXPIRE RedisTemplate 中的通用命令 本篇文章介绍 Redis 的通用命令, 通用命令在 Redis 的所有数据类型下都使用, 学好通用命令可以让我们更好的使用 Redis. Redis数据结构介绍 Redis 是一个key-value的数据库&…...
锂电池充电充放电曲线分析
前言 锂电池的充电曲线通常包括三个阶段:恒流充电阶段、恒压充电阶段和滞后充电阶段。在恒流充电阶段,电流保持恒定,电压逐渐增加;在恒压充电阶段,电压保持恒定,电流逐渐减小;在滞后充电阶段,电流进一步减小,电池开始充满。通过监测这些阶段的电流和电压变化,可以评…...
vue3 第二十九节 (vue3 事件循环之nextTick)
引言 vue 项目中为什么要使用 nextTick 这个函数,是做什么用的,解决了哪些问题 1、nextTick 作用 用于处理DOM更新完成之后,执行回调函数的方法; 2、实现方案 vue2 中 nextTick() 是基于浏览器的 异步队列和微任务队列而执行…...
使用Flask-SocketIO构建实时Web应用
文章目录 准备工作编写代码编写HTML模板运行应用 随着互联网的发展,实时性成为了许多Web应用的重要需求之一。传统的HTTP协议虽然可以实现实时通信,但是其长轮询等机制效率低下,无法满足高并发、低延迟的需求。为了解决这一问题,诞…...
可重构柔性装配产线:为工业制造领域注入了新的活力
随着科技的飞速发展,智能制造正逐渐成为引领工业革新的重要力量。在这一浪潮中,可重构柔性装配产线以其独特的技术优势和创新理念,为工业制造领域注入了新的活力,开启了创新驱动的智能制造新篇章。 可重构柔性装配产线是基于富唯智…...
懒人网址导航源码v3.9
测试环境 宝塔Nginx -Tengine2.2.3的PHP5.6 MySQL5.6.44 为防止调试错误,建议使用测试环境运行的php与mysql版本 首先用phpMyAdmin导入数据库文件db/db.sql 如果导入不行,请直接复制数据库内容运行sql语句也可以 再修改config.php来进行数据库配置…...
springboot 开启缓存 @EnableCaching(使用redis)
添加依赖 pom.xml <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-redis</artifactId> </dependency>application.yml 配置redis连参数 spring:# redis 配置redis:# 地址host: 127.0.0.…...
利用最小二乘法找圆心和半径
#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …...
Linux链表操作全解析
Linux C语言链表深度解析与实战技巧 一、链表基础概念与内核链表优势1.1 为什么使用链表?1.2 Linux 内核链表与用户态链表的区别 二、内核链表结构与宏解析常用宏/函数 三、内核链表的优点四、用户态链表示例五、双向循环链表在内核中的实现优势5.1 插入效率5.2 安全…...
学校招生小程序源码介绍
基于ThinkPHPFastAdminUniApp开发的学校招生小程序源码,专为学校招生场景量身打造,功能实用且操作便捷。 从技术架构来看,ThinkPHP提供稳定可靠的后台服务,FastAdmin加速开发流程,UniApp则保障小程序在多端有良好的兼…...
如何将联系人从 iPhone 转移到 Android
从 iPhone 换到 Android 手机时,你可能需要保留重要的数据,例如通讯录。好在,将通讯录从 iPhone 转移到 Android 手机非常简单,你可以从本文中学习 6 种可靠的方法,确保随时保持连接,不错过任何信息。 第 1…...
C++.OpenGL (10/64)基础光照(Basic Lighting)
基础光照(Basic Lighting) 冯氏光照模型(Phong Lighting Model) #mermaid-svg-GLdskXwWINxNGHso {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-GLdskXwWINxNGHso .error-icon{fill:#552222;}#mermaid-svg-GLd…...
相机Camera日志分析之三十一:高通Camx HAL十种流程基础分析关键字汇总(后续持续更新中)
【关注我,后续持续新增专题博文,谢谢!!!】 上一篇我们讲了:有对最普通的场景进行各个日志注释讲解,但相机场景太多,日志差异也巨大。后面将展示各种场景下的日志。 通过notepad++打开场景下的日志,通过下列分类关键字搜索,即可清晰的分析不同场景的相机运行流程差异…...
算法岗面试经验分享-大模型篇
文章目录 A 基础语言模型A.1 TransformerA.2 Bert B 大语言模型结构B.1 GPTB.2 LLamaB.3 ChatGLMB.4 Qwen C 大语言模型微调C.1 Fine-tuningC.2 Adapter-tuningC.3 Prefix-tuningC.4 P-tuningC.5 LoRA A 基础语言模型 A.1 Transformer (1)资源 论文&a…...
解析奥地利 XARION激光超声检测系统:无膜光学麦克风 + 无耦合剂的技术协同优势及多元应用
在工业制造领域,无损检测(NDT)的精度与效率直接影响产品质量与生产安全。奥地利 XARION开发的激光超声精密检测系统,以非接触式光学麦克风技术为核心,打破传统检测瓶颈,为半导体、航空航天、汽车制造等行业提供了高灵敏…...
Axure 下拉框联动
实现选省、选完省之后选对应省份下的市区...
在 Visual Studio Code 中使用驭码 CodeRider 提升开发效率:以冒泡排序为例
目录 前言1 插件安装与配置1.1 安装驭码 CodeRider1.2 初始配置建议 2 示例代码:冒泡排序3 驭码 CodeRider 功能详解3.1 功能概览3.2 代码解释功能3.3 自动注释生成3.4 逻辑修改功能3.5 单元测试自动生成3.6 代码优化建议 4 驭码的实际应用建议5 常见问题与解决建议…...
