栏目编辑：梁春丽E-mail:********************
摘要：受新冠疫情的影响，经济下行压力加大，贷款市场报价利率机制基本形成，银行之间的产品服务具有同质化的趋势，金融市场竞争不断加剧，银行面临更多挑战，特别需要在风险管理领域创新方式方法，推动智能风控体系的构建，实现金融科技、风险管理和业务经营的有效融合。本文深入分析了大数据时代银行风险管理的形势和内涵，提出了基于“大数据+AI”的智能风控平台架构，明确智能风控模型构建思路，分析其在客户营销准入、欺诈行为识别、信用风险计量、线上贷款审批、客户关联风险监测、贷后风险监测等场景的应用路径，为银行实现全程智能风险管控提供有益借鉴。 关键词：大数据；人工智能；风险管理；智能风控；云平台
作者简介： 李小庆（1977-），男，湖北武汉人，管理学博士，金融业信息科技专家，供职于中国农业发展银行信息科技部数据 服务处，处长，研究方向：银行科技创新、大数据、数据挖掘。
九龙坡区第五人民医院
受新冠疫情的影响，经济下行压力加大，加上其他风险未完全消化，多重因素叠加、交织并相互影响，实体经济困难突出，如果管控处置不到位，将进一步形成风险事件。同时，金融市场化改革的进程加快，贷款市场报价利率机制基本形成，银行之间的产品服务具有同质化的趋势，互联网金融企业在金融领域上快速扩展，金融市场竞争不断加剧，银行面临了更多挑战，特别需要在风险管理领域创新方式方法，在控制风险的基础上加大对实体经济的支持，培育新的投资和消费需求，增强经济发展动力。
济南丝足金融科技推进银行业进入智慧银行4.0时代，通过金融科技赋能银行业务模式，可不断拓展金融业务
的内涵和外延，实现金融服务线下线上无缝融合、各类场景平滑嵌入。因此，要特别注重金融科技对金融风险管理的影响，充分借助先进信息技术，建立基于人工智能和数据挖掘的风险管理模型，推动智能风控体系的构建，让金融科技、风险管理和业务经营有效融合，并在实践中不断完善和优化，实现全程智能风险管控，在风险可控的基础上全力推动业务发展，为银行高质量发展提供更为强劲的动能。
一、大数据时代银行风险管理的形势和内涵
（一）当前风险管理的主要形势
当前，宏观经济处于增速换档的L型触底区，
国家
栏目编辑：梁春丽E-mail:********************
层面加速推动供给侧改革、经济双循环、数字中国等战略，经济结构不断升级优化，银行所面临的宏观经济环境发生深刻变化。人民银行推进贷款市场LPR利率代替央行基准利率，有力地促进了银行利率的市场化改革，推动金融资源更好地服务实体经济。利率市场化等金融改革给银行带来了良好的发展机遇，也给银行带来较多的挑战。随着利率风险敞口加大，利差水平进一步收窄，金融机构之间的竞争更加激烈。在日趋复杂的环境下，银行风险管理工作会面临更加严峻的形势和挑战，特别是在信用风险和市场风险方面要求达到更高的水平，需要从整体上对风险管理体系进行优化并提升。基于此，需要通过将大数据、人工智能、云计算、生物识别、区块链等金融科技融入到风险管理机制和流程当中，建立现代银行风险管理体系和智能防控机制，探索银行风险管理全新的方式和路径。
（二）“大数据+AI”智能风控的主要内涵
丽音技术
金融的特征是资金的流通和风险的控制，资金流对应的是信息流，银行经营资金其实是在经营管理信息，通过分析、监测客户信息流进而管控资金风险。银行可从各类渠道获取客户的全面数据，对客户的特征和行为进行全景分析展现，从而更深入地理解、认识、分析和判断客户，充分围绕“大数据+AI”风控平台，构建可信的、合理的、科学的风险评估模型和风控模式，建立覆盖全流程、全业务、全客户的风险管控措施，实现对反欺诈、授信、贷中监测和贷后管理的全方位一体化的智能防护体系，为各个渠道高风险交易提供实时的预警支持，将事后风险防控更好地推送到事前事中风险防控。同时，风险管理的重点是要处理好风险管控和业务发展的平衡问题，其重要的理念不是限制发展，而是更好地促进业务拓展，通过采用先进金融科技，加大风险管理模式的创新，在稳健经营的基础之上，更大程度地支持银行业务快速发展。
站用变压器二、基于“大数据+AI”的智能风控平台
通过建立金融大数据服务云平台（如图1所示），收集客户相关大数据，实现对客户的全面刻画，可以从各个角度分析客户的情况，建立丰富的指标库和模型库，将人工智能技术融入模型当中，在对模型进行充分训练和应用的基础之上，实现各个阶段风险的主动管理。
图1 面向智能风控的大数据服务云平台架构
栏目编辑：梁春丽E-mail:********************
（一）多渠道获取海量大数据
全面地获取客户信息，通过各种渠道获取客户的征信数据、税收数据、交易数据、行政处罚、涉案信息等相关信息，通过物联网技术对企业的各种用水、用电等信息进行及时收集，融合客户的内外部数据，形成客户维度的全景数据，并对客户进行全景画像，可以从各个角度来分析客户情况，实现客户的360°视图，动态展现企业客户的资金链、担保关系、投资关系，以及企业的实际控制人、股东或个人客户的配偶、住址等关联关系，为全程的风险管理打下良好的数据基础。
（二）建立金融大数据服务云平台
通过云计算技术打造全新的大数据处理平台，形成金融大数据服务云平台，实现平台的可伸缩、可扩展和海量的数据处理能力，充分发挥分布式处理技术效能，建立大数据工场，实现大数据的一站式采集、存储、处理、分析、挖掘和展现等功能，提供大数据集成、大数据开发、大数据地图、大数据服务全方位的产品工具。通过采集和融合各类外部数据，并与行内数据进行整合和关联，分别以当事人、机构、渠道、合约、产品、事件、资源为主题，对大数据资源进行归类和整合，形成信息全面、维度丰富、历史完整、分类清晰的大数据服务资源。建立大数据服务体系，充分应用聚类、分类、机器学习等人工智能技术，开展大数据分析和挖掘，统一提供大数据服务。
（三）建立丰富的指标库和模型库
风险评价活动是一个较为复杂、非结构化的决策过程，进行准确、客观和科学的理化评价具有一定的
难度，既要准确描述和量化信用风险的特征和各个要素属性之间的关系，又要采取合适的评价指标和模型，对法人客户和个人客户的各类情况进行透彻分析，形成能反映其偿债能力、偿债意愿和违约概率等多层次信息的指标体系。在此基础上，建立贷款的准入、还款的预测、逾期预测、催收等一系列智能风险评估模型，覆盖全行贷款周期、短期、中期、长期预警的一系列风险管控场景。通过建立丰富的指标库、模型库，打造智能组装的风控产品模式，进行分类管理体系推进，推动风控流程自动化、模型标准化。
（四）建立智能金融风控流程
遵从风险识别、评估、监测和控制的风险管理流程，将人工智能等技术充分融入风控流程当中，提供覆盖贷前、贷中和贷后的全业务流程的风控服务。根据不同银行客户的体需求和风险管理的要求，分类建立风险管理指标体系、评估模式和管理流程，根据不同客户的特点，遴选合适的智能风险评估模型，实现对客户风险准确科学地评估、分析及预测。支持贯穿贷前、贷中和贷后信贷业务全程的风险管理，实现对不同类型客户、全资产、全客户生命周期的风控管理。同时，注重解决批量授信问题，降低信贷管理成本，提升信贷管理流程的自动化率，推进贷前审批、贷中预警、贷后催收全流程自动化，支持全程监测分析、评估和预警催收。
三、智能风控应用场景
通过金融科技深入的应用，破解风险管理领域的各种难题。利用大数据技术对客户信息进行充分收集，深入分析数据，融入各类人工智能算法，建立客户准入评价、信用风险评估、反欺诈、贷后风险监测和集中催收等智能风险管理模型，实现风险管理全程的支撑和服务。
（一）客户营销准入
根据银行业务战略和风险偏好，通过分类、聚类等算法建立客户细分模型，分析评估客情况，对符合条件的客户进行遴选，通过产品竞争、服务竞争等营销竞争手段，为银行获取优质的客户提供决策支持。在客户准入环节，建立客户准入评价指标和体系，利用决策树（DT）构建客户准入评估模型，通过充分分析客户的基本信息、工商税务信息、信贷历史信息、司法诉讼信息和披露的其他信息，对客户的行为、经
栏目编辑：梁春丽E-mail:********************
营情况进行分析甄别，提高客户准入评估能力。
（二）欺诈行为识别
虽然当前信用体系正在有序建设、不断完善，但是在某些方面对客户信息收集仍不全面，风险识别难度增大，各类欺诈行为仍然存在。通过多维度、多途径掌握客户的外部信息数据，充分利用随机森林（RF）和高维度机器学习（ML）技术，建立反欺诈评估模型，涵盖信息反欺诈、身份反欺诈、团伙反欺诈、设备反欺诈、黑名单反欺诈等各个维度，对欺诈行为精准地进行识别、监测、分析、判断和预警，及时发现相关的欺诈行为并积极处置介入，采取阻断和人工调查手段；同时，将相关的欺诈风险事件及时传达到金融投资、理财、财富管理等其他相关领域，实现欺诈风险信息共享，充分满足监管政策、风险管理、合规管理的要求。
（三）信用风险计量
在大数据和人工智能的融合驱动下，研究客户的特征、风险管理偏好及风险能力，在多维数据的基础上，采用支持向量机（SVM）、决策树（DT）、K-近邻学习（KNN）等算法，建立信用风险评级模型，对海量数据进行分析和高维特征进行计算，对客户的履约意愿、履约能力情况进行全面的分析、甄别和判断，从数据角度量化评估因违约而导致损失的可能性，根据客户背景、还款意愿、还款能力进行综合信用风险计量，作出合理决策。在此基础上建立差异化的授信策略，赋予不同的风险管控规则，实现综合化、个性化服务，实现有效的风险管控和业务价值的平衡。
频率控制字（四）线上贷款审批
在小贷和消费信贷领域，随着大数据、人工智能技术的深度应用，金融服务小微企业和消费客户更加广泛、深入，服务呈现线上化和信用融资等特征。特别是在小微企业融资领域，各银行正在大力推进小额信贷，践行普惠金融理念。银行难以有效掌握小微企业的信息，无法及时获取小微企业的经营管理和财务状况，而银行传统的授信流程较为复杂，难以满足小微企业“短、平、快”的融资需求，小微企业仍然在较大程度上存在融资难、融资贵的问题。充分发挥金融大数据服务云平台的作用，及时采集、整合和分析相关数据，整合商品流、资金流、信息流的数据，实现三流合一，采用支持向量机（SVM）、梯度提升决策树（GBDT）、随机森林（RFC）等算法，准确评估小微企业和消费客户的信贷风险，通过线上审批、线上授信，实现线上的全流程、自动化的金融服务，通过加强线上业务的推广和应用，为小微企业和消费客户提供及时完善的体验。
（五）客户关联风险监测
通过对客户信息进行整合，在大数据云服务平台的基础之上，建立交叉性金融业务资金链条，建立从资金来源到资金使用的轨迹，体现资金来源端、产品端、使用端多层次的联动关联，动态分析资金走向，采用知识图谱（KG）技术，识别客户、产品的交叉关联关系，根据关联复杂程度研究风险传染路径，出发挥关键作用的枢纽节点，绘制风险传染关键路径视图。研究市场变化趋势，将宏观经济、市场规模、产品价格作为输入变量，借鉴压力测试方法观测风险传染关键路径视图的动态变化，实现对交叉性金融业务的前瞻性分析和监测。
（六）贷后风险监测
基于行内外的数据，全方位地监测客户状态和行为，及时掌握客户的动态信息，建立贷后风险监测的模型，推动贷后风险管理智能化。结合随机森林（RFC）、深度学习（DL）等算法，打造贷后的风险监测模型，对客户的经营管理、财务状况进行跟踪分析、监测和评估，结合企业关联关系，按时间维度分析企业经营风险情况，及时发现客户的财务状况、经营者状况、经营状况等方面的异常。同时，设置风险预警指标进行预测判断，当相关经营情况、财务情况超过预警阀值时，发出预警提示，及时介入处置，提升贷后风
栏目编辑：梁春丽E-mail:********************
险监测、管控的能力和水平。建立不良贷款主动监测预警体系，建立不良贷款监测、评估和清收策略，涵盖模型驱动、分类管理、集中催收、智能催收，通过大数据的分析挖掘，判断客户的经营状况和实际偿债能力，制定合理的催收方案，实现对逾期客户的有效催收，将不良资产打包并积极进行处置和转化。
四、结束语
在新形势下不断探索新的有效管理风险管理方法，将大数据、人工智能等变成风险管理的动力和驱动的源泉。在5G和物联网的基础之上，不断地采集更多的数据，聚焦客户的主要特征，对各方面的数据进行融合，将相对分散的信息进行进行汇聚、加总，形成价值密度较为集中的信息，并利用大数据、人工智能等技术建立相关的模型及模型，对客户风险进行精确的判断识别、评估和介入处置。同时，根据风险实际呈现的情况，快速对模型进行优化更新，建立客户场景化信贷流程和自动化服务模型，推进建立支撑精准化、差异化、智能化风险决策的风险管理体系，以快速适应客户行为的变化和风险的演化，为银行高质量发展提供更好的科技支撑。FTT
参考文献：
[1]陈琼. 科技赋能打造“数据+技术”双轮驱动的银行风险管理体系[J]. 金融电子化，2019(12):12-14.
[2]李小庆. 金融领域５G和人工智能融合创新及应用[J]. 金融科技时代，2021(1):23-27.
[3]梁春丽，梁丽雯. 金融科技创新跑出“加速度”—— 访哈尔滨银行科技部总经理李俊龙[J]. 金融科技时代，2020(4):7-10.
[4]赵星. 大数据在防范金融风险领域的探索[J]. 金融科技时代，2020(8):57-61.
[5]赵先信. 信用风险管理：从估计到看见[J]. 金融电子化，2019(9):19-23.
[6]刘瑞霞. 打造基于大数据的智能化风控体系[J]. 金融电子化，2018(8):57-58.
[6]欧阳文杰. 数据要素市场化与数据资产估值与定价的体制机制研究[J]. 新疆社会科学，2021(1):33-43.
[7]陆岷峰. 金融需求侧管理内涵、存在问题及管理对策——基于构建经济发展新格局的视角[J]. 金融理论探索，2021(2):1-5.
[8]徐阳洋. 科技向善：激发金融科技在金融创新与金融监管中正能量路径[J]. 南方金融，2021(1):33-43.
[9]陆岷峰. 新冠疫情背景下商业银行数字小微金融发展战略研究——基于未来银行的发展视角[J]. 新疆师范大学学报（哲学社会科学版），2020(6):1-15.
[10]徐阳洋. 经济双循环背景下中小企业的机遇、挑战与成长的着力点[J]. 西南金融，2021(1):13-23.
[11]周军煜. 经济双循环背景下资金流动堵点形式、原因与治理方案研究——基于全国部分上市银行2011——2020年会计报告分析[J]. 福建金融，2021(2):5-11.
[12]周军煜. 公司治理视角的区域法人银行机构不良贷款形成机理、实证及应对措施研究[J]. 金融教育研究，2021(2):17-23.
[13]陆岷峰. 地方金融供给侧结构性改革与纾困小微企业融资路径研究[J]. 青海社会科学，2020(1):80-86.
[14]汪祖刚. 金融业人工智能应用的现状、问题与对策——基于商业银行数字机器人运用的样本分析[J].金融科技时代，2021(1):7-15.
[15]陆岷峰. 供应链经济背景下供应链金融发展现状、问题与策略研究——基于构建经济发展新格局的视角[J]. 金融理论与实践，2021(1):16-26.
（上接P24）
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议