商业银行风险管理的智能化转型:现状、路径与对策建议

谢合亮 王福贵 朱淑

风险管理是现代商业银行的重要基石，科技是推动商业银行风险管理水平不断提高的重要因素。大数据、人工智能、云计算、5G等新一代信息技术的快速发展和广泛应用，开启了智能风控时代的到来。但同时，智能风控技术也对商业银行传统的风险管理模式也形成了巨大的冲击，本文从国内智能风控发展的现状入手，展示了智能风控实现的基本路径，并针对智能风控可能带来的新的挑战，提出了对策建议。

一、引言

2015年以来，金融科技（FinTech）成为银行业的热门话题，它以金融场景为载体，以技术创新为支撑，在极短的时间内对整个银行业产生了巨大而深远的影响，给银行业带来了一场技术革命。金融科技最初兴起于第三方支付、互联网贷款、电子货币等领域，起初并未受到商业银行的足够重视，随着商业银行传统的信贷、理财、支付等优势业务不断被侵蚀，各大银行感受到了巨大挑战，开始积极布局金融科技，提升科技竞争力。姜增明（2019）、季成（2020）、吴朝平（2019）的研究都指出了商业银行发展金融科技的紧迫性。

作为金融科技的重要组成部分，智能风控，顾名思义就是智能技术与风险管理的结合体。通过将信息数字化，依托人工智能、大数据、云计算等技术，寻找与风险评估有关联的关键信息，并通过建立模型，实现对目标风险水平与风险偏好的精准分析。基于此，本文针对传统商业银行风险管理模式的局限与挑战，从现象探寻本质，提出转型智能风控的基本思路，也指明了新技术可能给商业银行带来的新风险，并正对这些挑战提出了相应的对策与建议，对探索智能技术赋能银行风险管理的出路具有重大意义。

二、商业银行智能风控现状

随着近几年我国经济增长的减速，以及经济结构逐渐调整进入“双循环”阶段，加上中美贸易摩擦和新冠疫情的影响，使得我国经济的发展面临着许多不稳定因素，各种信贷违约事件频发，我国银行业整体面临着不良资产上升的局面。根据中国银保监会的数据，近年来，我国银行业不良贷款余额上升趋势比较明显。2017年我国银行业整体不良贷款余额为15795亿元，之后，该指标快速上升，截止到2021年第三季度，不良贷款余额已经达到27883亿元，特别是受疫情影响比较严重的2020年，整体不良贷款增幅甚至超过了25%。

此外，我国不同类型的商业银行不良贷款也都出现了不断增加的趋势。大型商业银行不良贷款余额远高于其他类型银行，但从不良率的增幅来看，除去外资银行由于业务缩减使得不良贷款余额变化较小的因素外，大型商业银行与股份制银行的不良率增幅却远低于城市商业银行与农村商业银行以及新成立的民营银行。目前，我国商业银行面临宏观经济周期性调整以及国际关系等不确定性突出的压力，在构建“双循环”新发展格局的过程中，行业竞争会越来越激烈，商业银行风险管理将面临空前的压力。同时，人工智能、大数据、云计算、移动互联网、区块链等技术的快速发展与应用，给商业银行传统业务带来了巨大的冲击与挑战，商业银行将不得不面对银行业务数字化时代的到来，将业务增长转换到依靠科技投入而非人力投入的轨道上来。下表为2021年上半年部分股份制银行信用卡中心员工人数的变化情况。

上表的数据显示了2021年各大银行信用卡中心人数的变化情况，从不断减少的员工数据可以发现，商业银行正使用科技手段逐渐替代传统人工。在可预见的未来，商业银行大量的信贷审批人员、客服人员、行政等岗位都将被低成本的智能系统取代。特别是近年的新冠疫情打乱了全球的供应链秩序，全球在未来较长一段时间都将面临比较严重的通货膨胀压力，在我国经济转型升级的关键时期，输入性通胀将使得企业原料进口压力增大，利润被进一步压缩，信贷违约风险增加，商业银行风险管理能力将面临巨大挑战。

可见，在信息化时代，商业银行的数据采集、分析与应用能力直接决定了银行的风险管理能力，而银行的风险管理能力又决定了商业银行的业务发展与生存能力。然而，从全国整体来看，我国商业银行风险管理智能化能力仍有不足，在数字化战略思维、数据资源整合、交差营销、风险管理人员能力培养等方面依然存在不足。

三、商业银行风险管理智能化的路径

（一）商业银行转型智能风控的动因

传统信用风险管理的模式主要依靠人工审批以及评分卡建模，商业银行借助企业或个人征信报告、企业财务报告和抵押物等信息来评估客户的信用风险情况。近几年，随着互联网的普及，个人客户与小微企业能够更加便捷的获得金融服务，并且在信息技术的推动下，新兴的金融业态不断出现，快速的抢占着传统银行的市場份额。同时，人们对金融服务的时效性与个性化需求也越来越高，传统的风控模式已经无法满足在互联网时代商业银行对金融服务的及时、精准、便捷以及低成本的风险管理业务的需求。商业银行传统风险管理面临的主要调挑战可以用图1进行说明。

总体来说，商业银行零售业务在传统风险管理手段下，主要依靠征信数据进行信贷风险评估，数据维度比较单一。而且我国目前依然还存在大量征信白户，这类人群很难通过正规机构获金融服务，只能转向民间借贷这类非正规机构，形成大量影子银行，给社会稳定埋下隐患。另外，商业银行传统零售信贷风控大量依靠人工审批，时效性和准确性都比不上先进的算法模型，这也是银行传统风控亟待解决的问题。而对公业务存在的主要问题是风控模式缺乏统一的评估标准，信贷管理人员进入企业调研的成本较高，且很难获得真实的数据，从而使得项目风险评估的效率较低。

从传统业务来看，对公业务在商业银行业务中都占据着主要地位。然而，随着我国经济增长的逐步放缓，以及全球新冠疫情的持续影响，各行业经营效益普遍下滑，对公业务获利将变得更加困难，竞争也更加激烈。同时，在利率市场化不断推进的过程中，各大银行为了争抢大企业客户，纷纷降低贷款利率水平，进而给银行带来了较大的利润增长压力。在这种背景下，许多银行都提出了向零售业务转型的战略方向。相对于对公业务来说，零售业务因为其分散性的特点，风险往往更小也更便于计量，各大银行已经纷纷把零售作为未来业务发展的战略方向。

除了互联网、大数据、云计算、区块链这些技术的快速发展外，新冠疫情的爆发也成为推动银行加大金融科技投入的重要因素。从表面上看，商业银行增加对科技的投入似乎与近几年的新冠疫情没有直接联系。但实事上，疫情不但严重的冲击了实体经济，也对银行的业务模式产生了巨大影响。随着整个社会对无接触的商业模式的需求的激增，银行业务也从传统的线下模式往线上转移，这就逼着银行必须加快数字化、智能化转型的步伐。

（二）商业银行智能风控的实践

1.智能风控的业务流程。智能风控的业务流程可以通过图1来直观展示。第一步，客户通过移动终端选择信贷场景发起授信申请，通过OCR、人脸识别以个人关键信息要素比对完成客户身份核验。第二步，当客户信息进入到多场景信贷平台后，平台将对申请信息进行初步判断并形成作业，对于需要线下调查的作业将被转入对应主办分支行进行办理，并在线下完成办理后再将人工核验结果提交到智能风控系统;如若不需进行线下作业，则直接提交到智能风控系统。第三步，智能风控系统将通过与外部征信机构（包括第三方数据公司、场景提供机构等）进行数据交互，并进行数据清洗，之后通过内置模型、规则等完成对客户风险的评估与授信额度测算等事项。最后，智能风控中心将客户的信用评估结果反馈至客户，对于申请被拒绝的客户，需告知客户被拒绝原因。

2.智能风控系统架构。智能风控的技术架构包含储存层、加工层、平台层与应用层四个部分，典型的智能风控系统架构可以用图3来表示。储存层可以为海量的高维数据提供储存基础，其中，Mysql可以作为系统管理数据库，HDFS与HBase可以进行分布式存储，储存层是整个智能风控系统的基础，只有拥有了完善的数据平台，才有可能以此为基础进行其他业务的开发。加工层主要是对储存在数据层的原始数据进行加工，通过数据清洗、数据标准化以及数据降维等操作，将结构化与非结构化数据转化为可直接进行数据分析与建模的标准数据格式。平台层是智能风控系统核心，负责着数据分析、特征变量加工、模型开发以及整个信贷生命周期的风控具体功能展开的设计工作，是保障智能风控系统安全、稳定运行的关键。应用层主要是对平台层的输出结果进行相应的操作，完成贷前风险识别，贷中风险预警以及贷后催收三大功能，综合运用大数据、机器学习等技术完成包括反欺诈、身份核验、用户画像、可视化分析、信用评估等工作。

四、商业银行转型智能风控的对策建议

尽管商业银行在发展智能风控方面已经取得了不小的进展，但仍然面临着许多挑战，如智能风控建设过程中各部门、各机构各自为政，以及新技术带来的潜在风险和智能风控人才储备不足等问题。为了更好的发挥智能风控的作用，加快商业银行金融科技升级，建议在战略规划、技术研发以及人才储备方面积极应对，实现商业银行智能风控的快速与高质量发展。

（一）以战略高度，统筹智能风控建设

目前，商业银行智能风控应用开发多数为各分支机构、各部门基于自身业务需求，数据采购、模型开发和系统建设相对零散、割裂，银行整体缺乏全局性的统筹规划，重复建设现象严重。智能风控平台包括风险数据整合、模型开发、模型应用以及数据可视化等多个模块，需要对各模块进行横向、纵向衔接融合。从纵向看，从底层的数据储存到顶层的应用，需要根据不同的业务需求对整个系统进行分层设计。从横向看，同一层级的不同模块之间需要根据不同的任务指令进行调度。在智能风控系统建设过程中，还需要考虑流式计算、分布式计算、机器学习、深度学习、知识图谱以及分布式数据库、图数据库与传统数据库之间的兼容问题，以及设备运算速度能是否满足算法的需要等问题。这些硬件、软件基础都会对智能风控系统的成功运行构成挑战。

（二）强化监管约束，完善消费者权益保护

科学技术的发展使得商业银行可以更加便捷的获得消费者的个人信息，在银行客户隐私信息与权益保护日益遭受人工智能等新一代信息技术威胁的情况下，同时按照国家有关标准规范，明确应用安全、网络安全、数据安全、运行环境安全、灾备方式等内容，强化可信身份鉴别、输入合法性校验、访问控制、参数控制和异常处理，切实建立健全对于新技术应用可能引发风险的防范措施。由于法律往往具有滞后性，且很多领域无法覆盖，因此，监管机构近年也在不断完善针对线上业务出台各种规章制度如《中国银保监会办公厅关于进一步规范商业银行互联网贷款业务的通知》等，以规范商业银行利用大数据风控技术开展线上业务的新模式。

监管机构也在不断适应新技术带来的挑战，同时强调各类金融机构需加强行业自律，按照“持牌经营”的原则，不断出台相应的管理办法对各种在线信贷业务进行规范，在法律层面实现对智能信贷业务监管。而作为金融市场最重要的力量，商业银行在享受新技术带来的便捷的同时，也需要坚守底线，坚持把监管要求和消费者权益保护放在第一位，从道德和法律层面做好行业表率。

（三）严防技术风险

从社会的发展规律来看，一种新技术的诞生，往往需要经过长期的磨合才能逐渐走向成熟。尽管商业银行在利用智能风控技术方面已经取得了不小的进展，但仍然面临着许多挑战。特别随着商业银行对IT系统依赖程度的不断加深，由此带来的技术性风险也日益凸出。首先，智能风控技术依赖的大数据、云计算、人工智能等技术一旦出现系统性算法缺陷，将给商业银行带来巨大损失。其次，智能风控系统需高度依赖信息化系统，但信息科技的技术风险往往又具有突发性强、隐蔽性高的特点，一旦设备发生故障，对整个业务体系的影响将是灾难性的。

因此，金融科技不仅使银行的传统风险形态面临新的变化，其数字化、智能化的风险管理模式还可从根本上改变商业银行的风险权重与分布，由此带来的技术风险也日益凸显。商业银行在智能化、数字化转型的道路上，还需加大科技投入，防范新技术带来的新风险。

（四）加强智能风控技术应用与专业队伍建设

商业银行要完成风险管理的智能化转型，首要条件就是人才。在市场人才供应不足的情况下，各大商业银行都在积极的争夺人才。而智能风控系统的搭建不但需要风险管理与业务方面的专家，也需要精通算法与数据科学方面的专家。在智能风控系统的开发早期，商业银行可以与大型互联网公司或金融科技公司合作，引入成熟的系统或购买技术咨询服务，从而弥补自身科技人才的不足。同时也需要注意对关键岗位人才的培养，给予技术人才在职级、薪酬等方面适当的倾斜，鼓励技术骨干成为银行的重要核心力量，逐步提高商业银行对关键技术的自控力。在智能风控系统开发以及应用过程中，商业银行需要搭建智能风控团队，团队成员需要既熟悉数据结构与模型开发，也需要了解业务逻辑，还需要了解监管政策，这就需要商业银行持续加强人才培养，尤其是增加对复合型人才培养的投入。

参考文献：

[1]吴朝平.零售银行数字化转型：现状、趋势与对策建议[J].南方金融，2018，519（11）：94-101.

[2]姜增明， 陈剑锋， 张超. 金融科技赋能商业银行风险管理转型[J].当代经济管理， 2019， 041（001）：85-90.

[3]季成.智能銀行：关键要素、重点场景和完善路径[J].南方金融，2020， 523（3）：74-81.

[4]华雯君.基于金融科技的银行信贷风控模式探索[J].现代金融，2020，462（8）：7-12.

[5]程雪军.人工智能深度介入消费金融：动因、风险及防控[J].深圳大学学报（人文社会科学版），2021，38（3）：67-76.

基金项目：国家自然科学基金面上项目（72173145）

作者单位：中国邮政储蓄银行总行智能风控中心