商業銀行風險管理的智能化轉型:現狀、路徑與對策建議

謝合亮 王福貴 朱淑

風險管理是現代商業銀行的重要基石，科技是推動商業銀行風險管理水平不斷提高的重要因素。大數據、人工智能、云計算、5G等新一代信息技術的快速發展和廣泛應用，開啟了智能風控時代的到來。但同時，智能風控技術也對商業銀行傳統的風險管理模式也形成了巨大的沖擊，本文從國內智能風控發展的現狀入手，展示了智能風控實現的基本路徑，并針對智能風控可能帶來的新的挑戰，提出了對策建議。

一、引言

2015年以來，金融科技（FinTech）成為銀行業的熱門話題，它以金融場景為載體，以技術創新為支撐，在極短的時間內對整個銀行業產生了巨大而深遠的影響，給銀行業帶來了一場技術革命。金融科技最初興起于第三方支付、互聯網貸款、電子貨幣等領域，起初并未受到商業銀行的足夠重視，隨著商業銀行傳統的信貸、理財、支付等優勢業務不斷被侵蝕，各大銀行感受到了巨大挑戰，開始積極布局金融科技，提升科技競爭力。姜增明（2019）、季成（2020）、吳朝平（2019）的研究都指出了商業銀行發展金融科技的緊迫性。

作為金融科技的重要組成部分，智能風控，顧名思義就是智能技術與風險管理的結合體。通過將信息數字化，依托人工智能、大數據、云計算等技術，尋找與風險評估有關聯的關鍵信息，并通過建立模型，實現對目標風險水平與風險偏好的精準分析?；诖?，本文針對傳統商業銀行風險管理模式的局限與挑戰，從現象探尋本質，提出轉型智能風控的基本思路，也指明了新技術可能給商業銀行帶來的新風險，并正對這些挑戰提出了相應的對策與建議，對探索智能技術賦能銀行風險管理的出路具有重大意義。

二、商業銀行智能風控現狀

隨著近幾年我國經濟增長的減速，以及經濟結構逐漸調整進入“雙循環”階段，加上中美貿易摩擦和新冠疫情的影響，使得我國經濟的發展面臨著許多不穩定因素，各種信貸違約事件頻發，我國銀行業整體面臨著不良資產上升的局面。根據中國銀保監會的數據，近年來，我國銀行業不良貸款余額上升趨勢比較明顯。2017年我國銀行業整體不良貸款余額為15795億元，之后，該指標快速上升，截止到2021年第三季度，不良貸款余額已經達到27883億元，特別是受疫情影響比較嚴重的2020年，整體不良貸款增幅甚至超過了25%。

此外，我國不同類型的商業銀行不良貸款也都出現了不斷增加的趨勢。大型商業銀行不良貸款余額遠高于其他類型銀行，但從不良率的增幅來看，除去外資銀行由于業務縮減使得不良貸款余額變化較小的因素外，大型商業銀行與股份制銀行的不良率增幅卻遠低于城市商業銀行與農村商業銀行以及新成立的民營銀行。目前，我國商業銀行面臨宏觀經濟周期性調整以及國際關系等不確定性突出的壓力，在構建“雙循環”新發展格局的過程中，行業競爭會越來越激烈，商業銀行風險管理將面臨空前的壓力。同時，人工智能、大數據、云計算、移動互聯網、區塊鏈等技術的快速發展與應用，給商業銀行傳統業務帶來了巨大的沖擊與挑戰，商業銀行將不得不面對銀行業務數字化時代的到來，將業務增長轉換到依靠科技投入而非人力投入的軌道上來。下表為2021年上半年部分股份制銀行信用卡中心員工人數的變化情況。

上表的數據顯示了2021年各大銀行信用卡中心人數的變化情況，從不斷減少的員工數據可以發現，商業銀行正使用科技手段逐漸替代傳統人工。在可預見的未來，商業銀行大量的信貸審批人員、客服人員、行政等崗位都將被低成本的智能系統取代。特別是近年的新冠疫情打亂了全球的供應鏈秩序，全球在未來較長一段時間都將面臨比較嚴重的通貨膨脹壓力，在我國經濟轉型升級的關鍵時期，輸入性通脹將使得企業原料進口壓力增大，利潤被進一步壓縮，信貸違約風險增加，商業銀行風險管理能力將面臨巨大挑戰。

可見，在信息化時代，商業銀行的數據采集、分析與應用能力直接決定了銀行的風險管理能力，而銀行的風險管理能力又決定了商業銀行的業務發展與生存能力。然而，從全國整體來看，我國商業銀行風險管理智能化能力仍有不足，在數字化戰略思維、數據資源整合、交差營銷、風險管理人員能力培養等方面依然存在不足。

三、商業銀行風險管理智能化的路徑

（一）商業銀行轉型智能風控的動因

傳統信用風險管理的模式主要依靠人工審批以及評分卡建模，商業銀行借助企業或個人征信報告、企業財務報告和抵押物等信息來評估客戶的信用風險情況。近幾年，隨著互聯網的普及，個人客戶與小微企業能夠更加便捷的獲得金融服務，并且在信息技術的推動下，新興的金融業態不斷出現，快速的搶占著傳統銀行的市場份額。同時，人們對金融服務的時效性與個性化需求也越來越高，傳統的風控模式已經無法滿足在互聯網時代商業銀行對金融服務的及時、精準、便捷以及低成本的風險管理業務的需求。商業銀行傳統風險管理面臨的主要調挑戰可以用圖1進行說明。

總體來說，商業銀行零售業務在傳統風險管理手段下，主要依靠征信數據進行信貸風險評估，數據維度比較單一。而且我國目前依然還存在大量征信白戶，這類人群很難通過正規機構獲金融服務，只能轉向民間借貸這類非正規機構，形成大量影子銀行，給社會穩定埋下隱患。另外，商業銀行傳統零售信貸風控大量依靠人工審批，時效性和準確性都比不上先進的算法模型，這也是銀行傳統風控亟待解決的問題。而對公業務存在的主要問題是風控模式缺乏統一的評估標準，信貸管理人員進入企業調研的成本較高，且很難獲得真實的數據，從而使得項目風險評估的效率較低。

從傳統業務來看，對公業務在商業銀行業務中都占據著主要地位。然而，隨著我國經濟增長的逐步放緩，以及全球新冠疫情的持續影響，各行業經營效益普遍下滑，對公業務獲利將變得更加困難，競爭也更加激烈。同時，在利率市場化不斷推進的過程中，各大銀行為了爭搶大企業客戶，紛紛降低貸款利率水平，進而給銀行帶來了較大的利潤增長壓力。在這種背景下，許多銀行都提出了向零售業務轉型的戰略方向。相對于對公業務來說，零售業務因為其分散性的特點，風險往往更小也更便于計量，各大銀行已經紛紛把零售作為未來業務發展的戰略方向。

除了互聯網、大數據、云計算、區塊鏈這些技術的快速發展外，新冠疫情的爆發也成為推動銀行加大金融科技投入的重要因素。從表面上看，商業銀行增加對科技的投入似乎與近幾年的新冠疫情沒有直接聯系。但實事上，疫情不但嚴重的沖擊了實體經濟，也對銀行的業務模式產生了巨大影響。隨著整個社會對無接觸的商業模式的需求的激增，銀行業務也從傳統的線下模式往線上轉移，這就逼著銀行必須加快數字化、智能化轉型的步伐。

（二）商業銀行智能風控的實踐

1.智能風控的業務流程。智能風控的業務流程可以通過圖1來直觀展示。第一步，客戶通過移動終端選擇信貸場景發起授信申請，通過OCR、人臉識別以個人關鍵信息要素比對完成客戶身份核驗。第二步，當客戶信息進入到多場景信貸平臺后，平臺將對申請信息進行初步判斷并形成作業，對于需要線下調查的作業將被轉入對應主辦分支行進行辦理，并在線下完成辦理后再將人工核驗結果提交到智能風控系統;如若不需進行線下作業，則直接提交到智能風控系統。第三步，智能風控系統將通過與外部征信機構（包括第三方數據公司、場景提供機構等）進行數據交互，并進行數據清洗，之后通過內置模型、規則等完成對客戶風險的評估與授信額度測算等事項。最后，智能風控中心將客戶的信用評估結果反饋至客戶，對于申請被拒絕的客戶，需告知客戶被拒絕原因。

2.智能風控系統架構。智能風控的技術架構包含儲存層、加工層、平臺層與應用層四個部分，典型的智能風控系統架構可以用圖3來表示。儲存層可以為海量的高維數據提供儲存基礎，其中，Mysql可以作為系統管理數據庫，HDFS與HBase可以進行分布式存儲，儲存層是整個智能風控系統的基礎，只有擁有了完善的數據平臺，才有可能以此為基礎進行其他業務的開發。加工層主要是對儲存在數據層的原始數據進行加工，通過數據清洗、數據標準化以及數據降維等操作，將結構化與非結構化數據轉化為可直接進行數據分析與建模的標準數據格式。平臺層是智能風控系統核心，負責著數據分析、特征變量加工、模型開發以及整個信貸生命周期的風控具體功能展開的設計工作，是保障智能風控系統安全、穩定運行的關鍵。應用層主要是對平臺層的輸出結果進行相應的操作，完成貸前風險識別，貸中風險預警以及貸后催收三大功能，綜合運用大數據、機器學習等技術完成包括反欺詐、身份核驗、用戶畫像、可視化分析、信用評估等工作。

四、商業銀行轉型智能風控的對策建議

盡管商業銀行在發展智能風控方面已經取得了不小的進展，但仍然面臨著許多挑戰，如智能風控建設過程中各部門、各機構各自為政，以及新技術帶來的潛在風險和智能風控人才儲備不足等問題。為了更好的發揮智能風控的作用，加快商業銀行金融科技升級，建議在戰略規劃、技術研發以及人才儲備方面積極應對，實現商業銀行智能風控的快速與高質量發展。

（一）以戰略高度，統籌智能風控建設

目前，商業銀行智能風控應用開發多數為各分支機構、各部門基于自身業務需求，數據采購、模型開發和系統建設相對零散、割裂，銀行整體缺乏全局性的統籌規劃，重復建設現象嚴重。智能風控平臺包括風險數據整合、模型開發、模型應用以及數據可視化等多個模塊，需要對各模塊進行橫向、縱向銜接融合。從縱向看，從底層的數據儲存到頂層的應用，需要根據不同的業務需求對整個系統進行分層設計。從橫向看，同一層級的不同模塊之間需要根據不同的任務指令進行調度。在智能風控系統建設過程中，還需要考慮流式計算、分布式計算、機器學習、深度學習、知識圖譜以及分布式數據庫、圖數據庫與傳統數據庫之間的兼容問題，以及設備運算速度能是否滿足算法的需要等問題。這些硬件、軟件基礎都會對智能風控系統的成功運行構成挑戰。

（二）強化監管約束，完善消費者權益保護

科學技術的發展使得商業銀行可以更加便捷的獲得消費者的個人信息，在銀行客戶隱私信息與權益保護日益遭受人工智能等新一代信息技術威脅的情況下，同時按照國家有關標準規范，明確應用安全、網絡安全、數據安全、運行環境安全、災備方式等內容，強化可信身份鑒別、輸入合法性校驗、訪問控制、參數控制和異常處理，切實建立健全對于新技術應用可能引發風險的防范措施。由于法律往往具有滯后性，且很多領域無法覆蓋，因此，監管機構近年也在不斷完善針對線上業務出臺各種規章制度如《中國銀保監會辦公廳關于進一步規范商業銀行互聯網貸款業務的通知》等，以規范商業銀行利用大數據風控技術開展線上業務的新模式。

監管機構也在不斷適應新技術帶來的挑戰，同時強調各類金融機構需加強行業自律，按照“持牌經營”的原則，不斷出臺相應的管理辦法對各種在線信貸業務進行規范，在法律層面實現對智能信貸業務監管。而作為金融市場最重要的力量，商業銀行在享受新技術帶來的便捷的同時，也需要堅守底線，堅持把監管要求和消費者權益保護放在第一位，從道德和法律層面做好行業表率。

（三）嚴防技術風險

從社會的發展規律來看，一種新技術的誕生，往往需要經過長期的磨合才能逐漸走向成熟。盡管商業銀行在利用智能風控技術方面已經取得了不小的進展，但仍然面臨著許多挑戰。特別隨著商業銀行對IT系統依賴程度的不斷加深，由此帶來的技術性風險也日益凸出。首先，智能風控技術依賴的大數據、云計算、人工智能等技術一旦出現系統性算法缺陷，將給商業銀行帶來巨大損失。其次，智能風控系統需高度依賴信息化系統，但信息科技的技術風險往往又具有突發性強、隱蔽性高的特點，一旦設備發生故障，對整個業務體系的影響將是災難性的。

因此，金融科技不僅使銀行的傳統風險形態面臨新的變化，其數字化、智能化的風險管理模式還可從根本上改變商業銀行的風險權重與分布，由此帶來的技術風險也日益凸顯。商業銀行在智能化、數字化轉型的道路上，還需加大科技投入，防范新技術帶來的新風險。

（四）加強智能風控技術應用與專業隊伍建設

商業銀行要完成風險管理的智能化轉型，首要條件就是人才。在市場人才供應不足的情況下，各大商業銀行都在積極的爭奪人才。而智能風控系統的搭建不但需要風險管理與業務方面的專家，也需要精通算法與數據科學方面的專家。在智能風控系統的開發早期，商業銀行可以與大型互聯網公司或金融科技公司合作，引入成熟的系統或購買技術咨詢服務，從而彌補自身科技人才的不足。同時也需要注意對關鍵崗位人才的培養，給予技術人才在職級、薪酬等方面適當的傾斜，鼓勵技術骨干成為銀行的重要核心力量，逐步提高商業銀行對關鍵技術的自控力。在智能風控系統開發以及應用過程中，商業銀行需要搭建智能風控團隊，團隊成員需要既熟悉數據結構與模型開發，也需要了解業務邏輯，還需要了解監管政策，這就需要商業銀行持續加強人才培養，尤其是增加對復合型人才培養的投入。

參考文獻：

[1]吳朝平.零售銀行數字化轉型：現狀、趨勢與對策建議[J].南方金融，2018，519（11）：94-101.

[2]姜增明， 陳劍鋒， 張超. 金融科技賦能商業銀行風險管理轉型[J].當代經濟管理， 2019， 041（001）：85-90.

[3]季成.智能銀行：關鍵要素、重點場景和完善路徑[J].南方金融，2020， 523（3）：74-81.

[4]華雯君.基于金融科技的銀行信貸風控模式探索[J].現代金融，2020，462（8）：7-12.

[5]程雪軍.人工智能深度介入消費金融：動因、風險及防控[J].深圳大學學報（人文社會科學版），2021，38（3）：67-76.

基金項目：國家自然科學基金面上項目（72173145）

作者單位：中國郵政儲蓄銀行總行智能風控中心