中國(guó)人民銀行宏觀審慎管理局副局長(zhǎng) 趙先信

過(guò)去二十年間，中國(guó)銀行業(yè)的信用風(fēng)險(xiǎn)管理模式依次經(jīng)歷了監(jiān)管驅(qū)動(dòng)和技術(shù)驅(qū)動(dòng)兩個(gè)發(fā)展階段：一是2007年以來(lái)，依托實(shí)施巴塞爾協(xié)議II，尤其是其中的內(nèi)部評(píng)級(jí)體系，建立起了一套比較全面的風(fēng)險(xiǎn)識(shí)別和量化體系，風(fēng)險(xiǎn)從定性概念轉(zhuǎn)化為數(shù)字，應(yīng)用于資本監(jiān)管、風(fēng)險(xiǎn)定價(jià)和績(jī)效考核。二是自2015年以來(lái)，伴隨著大數(shù)據(jù)、移動(dòng)互聯(lián)、人工智能技術(shù)應(yīng)用逐漸深入，銀行得以為借款人勾勒立體風(fēng)險(xiǎn)視圖，針對(duì)特定消費(fèi)場(chǎng)景提供消費(fèi)分期，針對(duì)供應(yīng)鏈場(chǎng)景提供供應(yīng)鏈融資，以及針對(duì)特定的平臺(tái)生態(tài)提供現(xiàn)金貸款。依托金融科技，信用風(fēng)險(xiǎn)更加透明，風(fēng)險(xiǎn)的分布維度減少，信用風(fēng)險(xiǎn)管理質(zhì)量也隨之提高：對(duì)違約概率的估計(jì)更加準(zhǔn)確，信貸額度核定更加適當(dāng)，風(fēng)險(xiǎn)預(yù)警和處置更加及時(shí)。

內(nèi)部評(píng)級(jí)體系應(yīng)用：成效與挑戰(zhàn)

內(nèi)部評(píng)級(jí)體系是識(shí)別和量化風(fēng)險(xiǎn)的基礎(chǔ)工具，是授信準(zhǔn)入、績(jī)效評(píng)估和監(jiān)管合規(guī)的重要參數(shù)，也是后續(xù)開(kāi)展精細(xì)化風(fēng)險(xiǎn)管理的基礎(chǔ)和前提。依托實(shí)施巴塞爾新資本協(xié)議（BCBS，2004），自2007年起，對(duì)公客戶內(nèi)部評(píng)級(jí)體系、零售（包括信用卡）評(píng)分卡體系在各主要商業(yè)銀行陸續(xù)上線運(yùn)行。近年來(lái)，隨著資產(chǎn)證券化業(yè)務(wù)的快速發(fā)展，商業(yè)銀行開(kāi)始著手建設(shè)服務(wù)于金融市場(chǎng)業(yè)務(wù)的證券化資產(chǎn)評(píng)級(jí)系統(tǒng)。目前，公司、零售和金融市場(chǎng)三大業(yè)務(wù)線都建立起對(duì)應(yīng)的評(píng)級(jí)體系，并已逐步建立起“模型開(kāi)發(fā)——評(píng)級(jí)管理——評(píng)級(jí)應(yīng)用”完整的內(nèi)部評(píng)級(jí)管理體系。圍繞這一套風(fēng)險(xiǎn)計(jì)量體系，與之對(duì)應(yīng)的管理流程也逐步成型，也已成為業(yè)務(wù)發(fā)展和風(fēng)險(xiǎn)管理的有機(jī)組成部分。

依托公司客戶內(nèi)部評(píng)級(jí)，銀行可以估計(jì)借款人的違約概率，依托零售評(píng)分卡體系，銀行可以評(píng)估借款人和產(chǎn)品的信用等級(jí)，依托資產(chǎn)證券化金融工具評(píng)級(jí)，銀行可以進(jìn)一步評(píng)估債項(xiàng)和交易結(jié)構(gòu)隱含的風(fēng)險(xiǎn)。通過(guò)加強(qiáng)對(duì)重點(diǎn)環(huán)節(jié)的常規(guī)化管理，包括內(nèi)部評(píng)級(jí)模型開(kāi)發(fā)維護(hù)、模型驗(yàn)證與回頭看檢驗(yàn)，大數(shù)據(jù)監(jiān)測(cè)評(píng)級(jí)表現(xiàn)、評(píng)級(jí)應(yīng)用等，保證了評(píng)級(jí)體系的有效性，為提升管理應(yīng)用實(shí)效打下了基礎(chǔ)。

一是依托對(duì)公內(nèi)部評(píng)級(jí)體系，直達(dá)客戶層，公司信貸風(fēng)險(xiǎn)管理更加精細(xì)化，政策管理更具針對(duì)性。比如，在準(zhǔn)入管理上，明確信用貸款和抵質(zhì)押保證類貸款的評(píng)級(jí)標(biāo)準(zhǔn)。授權(quán)管理上，設(shè)定與評(píng)級(jí)掛鉤的客戶風(fēng)險(xiǎn)限額，為授權(quán)設(shè)定提供參照。在防范過(guò)度授信方面，通過(guò)設(shè)立集團(tuán)限額、理財(cái)限額等實(shí)行扎口總控。在結(jié)構(gòu)調(diào)整上，通過(guò)評(píng)級(jí)明確準(zhǔn)入和退出標(biāo)準(zhǔn)。在績(jī)效考核上，通過(guò)核算風(fēng)險(xiǎn)成本和風(fēng)險(xiǎn)回報(bào)引導(dǎo)分行優(yōu)化結(jié)構(gòu)，積極開(kāi)展風(fēng)險(xiǎn)定價(jià)和風(fēng)險(xiǎn)經(jīng)營(yíng)。依托信用等級(jí)和價(jià)值貢獻(xiàn)為客戶畫像，投向政策管理更加有針對(duì)性和可實(shí)施。

二是依托零售評(píng)分卡體系，實(shí)現(xiàn)了零售作業(yè)和風(fēng)控模式變革。主要零售產(chǎn)品實(shí)現(xiàn)了審批決策自動(dòng)化，包括個(gè)人住房、消費(fèi)、經(jīng)營(yíng)性貸款和信用卡等，在有效防控風(fēng)險(xiǎn)前提下大幅提升信貸作業(yè)效率，優(yōu)化客戶體驗(yàn)。依托專項(xiàng)評(píng)分模型和策略部署平臺(tái)，由系統(tǒng)按統(tǒng)一標(biāo)準(zhǔn)進(jìn)行風(fēng)險(xiǎn)判斷和額度調(diào)整，實(shí)現(xiàn)了在線管控。依托零售評(píng)分卡體系和大數(shù)數(shù)，打通對(duì)公、個(gè)貸和信用卡數(shù)據(jù)，大幅提升貸后預(yù)警和催收管理精細(xì)化水平，效果明顯。通過(guò)數(shù)據(jù)監(jiān)控和策略模擬，及時(shí)篩查系統(tǒng)性風(fēng)險(xiǎn)點(diǎn)，加強(qiáng)風(fēng)險(xiǎn)管控。例如，通過(guò)數(shù)據(jù)共享和集中監(jiān)測(cè)分析，能夠及時(shí)展現(xiàn)不同時(shí)間段發(fā)放零售產(chǎn)品的風(fēng)險(xiǎn)表現(xiàn)，有利于及時(shí)預(yù)警并采取針對(duì)性的風(fēng)控政策。這有助于為網(wǎng)絡(luò)消費(fèi)貸等創(chuàng)新業(yè)務(wù)定制風(fēng)險(xiǎn)管控策略，助力零售業(yè)務(wù)從被動(dòng)風(fēng)險(xiǎn)防控向主動(dòng)風(fēng)險(xiǎn)經(jīng)營(yíng)轉(zhuǎn)型。

三是風(fēng)險(xiǎn)管理體系的可溝通性大幅度提高。相對(duì)于傳統(tǒng)的定性描述，內(nèi)部評(píng)級(jí)體系的一致性和可溝通性更高。模型的預(yù)測(cè)和區(qū)分能力可以基于數(shù)據(jù)得到反映：基于返回檢驗(yàn)，對(duì)比預(yù)測(cè)違約數(shù)據(jù)與實(shí)際違約數(shù)據(jù)，銀行可以及時(shí)校驗(yàn)和修正模型，防止出現(xiàn)系統(tǒng)性偏差。通過(guò)內(nèi)部評(píng)級(jí)體系提供的參數(shù)化環(huán)境，商業(yè)銀行可以進(jìn)一步量化自己的風(fēng)險(xiǎn)偏好，明確準(zhǔn)入標(biāo)準(zhǔn)，開(kāi)展風(fēng)險(xiǎn)成本預(yù)算管理，并進(jìn)一步模擬對(duì)資產(chǎn)負(fù)債表、損益表和資本充足率的影響，幫助經(jīng)營(yíng)決策。此外，作為資本監(jiān)管和國(guó)際減值會(huì)計(jì)準(zhǔn)則的重要參數(shù)，內(nèi)部評(píng)級(jí)體系本身也是重要的績(jī)效標(biāo)準(zhǔn)和監(jiān)管標(biāo)準(zhǔn)，以此為基礎(chǔ)的風(fēng)險(xiǎn)管理體系更具有內(nèi)在一致性。

盡管中國(guó)銀行業(yè)在風(fēng)險(xiǎn)計(jì)量管理體系建設(shè)方面已經(jīng)打下了堅(jiān)實(shí)基礎(chǔ)，取得了長(zhǎng)足進(jìn)展，但仍然面臨不少制約，限制了其作用的發(fā)揮。

一是中小企業(yè)信用評(píng)級(jí)難題。隨著中國(guó)金融體系市場(chǎng)化程度不斷提高，資本市場(chǎng)的直接融資功能不斷增強(qiáng)，大中型公司客戶越來(lái)越多地通過(guò)資本市場(chǎng)獲得融資，對(duì)銀行信貸的依賴度下降。與此同時(shí)，中小企業(yè)對(duì)商業(yè)銀行的信貸需求上升，中小企業(yè)客戶數(shù)占銀行公司客戶數(shù)的比例不斷上升。但由于中小企業(yè)財(cái)務(wù)數(shù)據(jù)存在天然缺陷，諸如數(shù)據(jù)不完整、不真實(shí)，數(shù)據(jù)時(shí)間序列短、數(shù)據(jù)質(zhì)量差等，大中型企業(yè)客戶評(píng)級(jí)模板并不適用于評(píng)估中小企業(yè)的信用風(fēng)險(xiǎn)。如何充分利用中小企業(yè)自身的數(shù)據(jù)開(kāi)發(fā)適當(dāng)?shù)脑u(píng)級(jí)模型，目前仍然是一大挑戰(zhàn)。

二是相對(duì)于借款人實(shí)際的風(fēng)險(xiǎn)暴露，內(nèi)部評(píng)級(jí)模型所覆蓋的風(fēng)險(xiǎn)信息不僅是不全面的，也很可能不是最重要的。這必然會(huì)制約內(nèi)部評(píng)級(jí)模型的風(fēng)險(xiǎn)敏感度和對(duì)信用風(fēng)險(xiǎn)的預(yù)測(cè)區(qū)分能力。從2012年以來(lái)中國(guó)不良貸款的形成原因看，排在第一位的是關(guān)聯(lián)關(guān)系風(fēng)險(xiǎn)，大量借款人為彼此的借款提供擔(dān)保，形成擔(dān)保圈和擔(dān)保鏈，一旦其中一位借款人違約，形成連鎖反應(yīng)，整個(gè)圈鏈一起違約。排在第二位的是貸款挪用，批發(fā)零售業(yè)的不良貸款率僅次于制造業(yè)，其中大量貸款并非用于貿(mào)易融資，而是挪用進(jìn)入房地產(chǎn)、煤炭、有色、股市等投機(jī)類行業(yè)。此外像押品風(fēng)險(xiǎn)、分支機(jī)構(gòu)的內(nèi)部欺詐風(fēng)險(xiǎn)等也都直接導(dǎo)致了大量貸款違約。但類似重要的信息并未在內(nèi)部評(píng)級(jí)模型體系中得到反映。由于覆蓋的風(fēng)險(xiǎn)視圖受限，不但無(wú)法提前預(yù)測(cè)和甄別風(fēng)險(xiǎn)，也無(wú)法及時(shí)有效地處置風(fēng)險(xiǎn)，最大限度地挽回?fù)p失。

三是在線授信業(yè)務(wù)發(fā)展迅速，對(duì)內(nèi)部評(píng)級(jí)體系建設(shè)提出新的更高要求。以零售業(yè)務(wù)為例，隨著各類網(wǎng)貸業(yè)務(wù)的發(fā)展，長(zhǎng)尾客戶成為重要客群，在線獲客、在線審批、在線監(jiān)控成為新的零售授信模式，零售授信業(yè)務(wù)從評(píng)分卡技術(shù)到信貸系統(tǒng)都面臨重構(gòu)。公司業(yè)務(wù)中，供應(yīng)鏈金融和交易銀行業(yè)務(wù)要求把審批和風(fēng)控從中后臺(tái)位置前置、嵌入到前端的供應(yīng)鏈場(chǎng)景中。另外，在評(píng)級(jí)體系的日常管理和運(yùn)維方面，常規(guī)化、制度化程度也需要持續(xù)提高。

從估計(jì)到看見(jiàn)：大數(shù)據(jù)風(fēng)控與場(chǎng)景授信

金融科技泛指一系列技術(shù)驅(qū)動(dòng)的金融創(chuàng)新，諸如分布式總賬技術(shù)、物聯(lián)網(wǎng)、機(jī)器人投顧、智能合約、大數(shù)據(jù)應(yīng)用和P2P貸款等，相互之間差別極大。中國(guó)并非任何一項(xiàng)金融科技的原創(chuàng)國(guó)，但卻是金融科技在金融領(lǐng)域滲透最深、應(yīng)用最廣泛的國(guó)家。各種或大或小的互聯(lián)網(wǎng)平臺(tái)公司，利用各種金融科技紛紛進(jìn)入第三方支付、存款、貸款、財(cái)富管理、貨幣基金和征信服務(wù)領(lǐng)域，橫跨銀行、貨幣市場(chǎng)、交易所等多類機(jī)構(gòu)和市場(chǎng)設(shè)施，把金融科技變成了事實(shí)上的科技金融。與此同時(shí)，商業(yè)銀行也對(duì)金融科技投入重金，努力實(shí)施數(shù)字化轉(zhuǎn)型。從最初模仿電商平臺(tái)公司開(kāi)辦銀行自己的電商平臺(tái)，到把大量中小銀行匯聚起來(lái)形成“銀銀平臺(tái)”，再到目前通過(guò)API技術(shù)把銀行服務(wù)端口嵌入到客戶端和客戶自己的生產(chǎn)、生活場(chǎng)景，中國(guó)銀行業(yè)的組織架構(gòu)和服務(wù)模式正在發(fā)生巨變。金融科技帶來(lái)創(chuàng)新的同時(shí)，也在投資領(lǐng)域形成大量龐式騙局和風(fēng)險(xiǎn)事件，給投資者和儲(chǔ)戶造成巨額損失。盡管如此，中國(guó)官方仍然對(duì)金融科技乃至所謂的科技金融青睞有加。按照一部分人的理解，為改變處于高度管制和享受壟斷保護(hù)的傳統(tǒng)金融業(yè)，金融科技的鯰魚效應(yīng)必不可少。

具體到信用風(fēng)險(xiǎn)管理，至少?gòu)闹袊?guó)經(jīng)驗(yàn)看，金融科技帶來(lái)的影響可謂革命性的，問(wèn)題僅在于我們能在多大程度上收獲其積極效應(yīng)。

首先應(yīng)該提及的是大數(shù)據(jù)及大數(shù)據(jù)技術(shù)。大數(shù)據(jù)和大數(shù)據(jù)技術(shù)幫助信用風(fēng)險(xiǎn)管理實(shí)現(xiàn)了兩個(gè)“透明”：針對(duì)銀行外部借款人的風(fēng)險(xiǎn)信息透明，以及針對(duì)銀行內(nèi)部信貸操作的流程透明。在借款人方面，大數(shù)據(jù)和大數(shù)據(jù)技術(shù)促使銀行得以比以往更加清晰地看見(jiàn)更加全面的信用風(fēng)險(xiǎn)視圖，幫助風(fēng)險(xiǎn)管理從內(nèi)部評(píng)級(jí)法模式下的估計(jì)違約概率，進(jìn)入到看見(jiàn)違約模式。這里的看見(jiàn)違約模式不僅包括看見(jiàn)風(fēng)險(xiǎn)源頭，也包括看見(jiàn)風(fēng)險(xiǎn)的傳播路徑和傳播過(guò)程。

具體來(lái)說(shuō)，基于借款人的財(cái)務(wù)數(shù)據(jù)和其他定性信息，內(nèi)部評(píng)級(jí)體系能夠估計(jì)出給定置信水平下借款人未來(lái)一年的預(yù)期違約概率。盡管如此，作為一個(gè)多少有些抽象的匯總信息，預(yù)期違約概率在實(shí)際應(yīng)用方面存在局限：首先是具體某一筆信貸的預(yù)期違約概率本身準(zhǔn)確與否并不確定。當(dāng)違約風(fēng)險(xiǎn)源自建模以外的因素時(shí)，內(nèi)部評(píng)級(jí)對(duì)于潛在的違約概率將不具備預(yù)測(cè)能力。其次，從風(fēng)險(xiǎn)管理實(shí)踐對(duì)風(fēng)險(xiǎn)預(yù)測(cè)的要求看，風(fēng)險(xiǎn)管理不可能滿足于只是估計(jì)或“知道”一個(gè)違約概率，然后簡(jiǎn)單把風(fēng)險(xiǎn)規(guī)避或轉(zhuǎn)移掉。實(shí)際的風(fēng)險(xiǎn)管理更強(qiáng)調(diào)主動(dòng)作為，所以更關(guān)心風(fēng)險(xiǎn)來(lái)自何處，途經(jīng)何處，以便及時(shí)或提前做好處置和化解安排。有效的貸后管理和資產(chǎn)保全是銀行控制風(fēng)險(xiǎn)的重要手段。

大數(shù)據(jù)和大數(shù)據(jù)技術(shù)剛好彌補(bǔ)了內(nèi)部評(píng)級(jí)體系的上述不足。借助大數(shù)據(jù)和大數(shù)據(jù)技術(shù)，風(fēng)險(xiǎn)管理能夠在眾多潛在風(fēng)險(xiǎn)因子中識(shí)別出是哪些因素在導(dǎo)致違約，比如是借款人自身的現(xiàn)金流風(fēng)險(xiǎn)，抑或借款人的關(guān)聯(lián)關(guān)系風(fēng)險(xiǎn)（比如卷入擔(dān)保圈和擔(dān)保鏈等）；是信貸項(xiàng)目的現(xiàn)金流風(fēng)險(xiǎn)，還是貸款挪用風(fēng)險(xiǎn)；是過(guò)度授信風(fēng)險(xiǎn)，還是抵質(zhì)押設(shè)置不合理導(dǎo)致的風(fēng)險(xiǎn)緩沖不足風(fēng)險(xiǎn)，等等。與內(nèi)部評(píng)級(jí)和違約概率相比，大數(shù)據(jù)和大數(shù)據(jù)技術(shù)提供的是一幅立體的違約畫面，全面、直觀、可管理，風(fēng)險(xiǎn)管理相應(yīng)減少了被動(dòng)性，增加了主動(dòng)性。

大數(shù)據(jù)和大數(shù)據(jù)技術(shù)的應(yīng)用不僅促使借款人信息更加透明，也促使銀行內(nèi)部的信貸流程更加透明，諸如客戶經(jīng)理的盡職情況、分支行的資產(chǎn)質(zhì)量信息、分支行實(shí)際暴露或面臨的風(fēng)險(xiǎn)信息等。這里需要重點(diǎn)提及的是圖像識(shí)別技術(shù)。由于像素和壓縮技術(shù)的進(jìn)步，類似視頻聊天這樣的技術(shù)已經(jīng)從社交平臺(tái)如微信，擴(kuò)展到更多的商業(yè)應(yīng)用場(chǎng)景。以車輛保險(xiǎn)為例，針對(duì)過(guò)去多年來(lái)定損員與4S店串謀高估實(shí)際損失水平的問(wèn)題，過(guò)去幾年來(lái)中國(guó)保險(xiǎn)行業(yè)開(kāi)始大幅度裁減定損人員，取而代之以實(shí)時(shí)的視頻影像流作業(yè)。發(fā)生事故的車主直接將事故現(xiàn)場(chǎng)和車輛受損畫面拍攝上傳，保險(xiǎn)公司的運(yùn)營(yíng)平臺(tái)即可自動(dòng)給出損失估價(jià)。在銀行信貸領(lǐng)域，以圖像識(shí)別和處理技術(shù)為基礎(chǔ)的影像流作業(yè)同樣有著廣闊的應(yīng)用空間。關(guān)于借款人生產(chǎn)運(yùn)營(yíng)場(chǎng)景，存貨，水表、電表、燃?xì)獗淼膶?shí)際使用數(shù)據(jù)，動(dòng)產(chǎn)質(zhì)押狀態(tài)等都可以通過(guò)圖像提供的非結(jié)構(gòu)化數(shù)據(jù)。影像資料可以由銀行人員收集，也可以在沒(méi)有事前通知的情況下直接由借款人拍攝上傳。不但補(bǔ)充了傳統(tǒng)信貸數(shù)據(jù)的局限，也大大提高了數(shù)據(jù)真實(shí)性。另外，通過(guò)對(duì)客戶經(jīng)理的貸前調(diào)查和貸后管理實(shí)行實(shí)時(shí)影像記錄，還可以大大降低客戶經(jīng)理的不盡職風(fēng)險(xiǎn)，并提高貸前調(diào)查和貸后管理的作業(yè)質(zhì)量。

其次是應(yīng)該重點(diǎn)提及的場(chǎng)景授信。這里的場(chǎng)景主要指各類借款人日常生產(chǎn)和生活中與支付有關(guān)的場(chǎng)景。判斷一筆支付是否真實(shí)，最好的方法是把該筆支付還原到產(chǎn)生該筆支付的對(duì)應(yīng)場(chǎng)景中。只要場(chǎng)景真實(shí)，交易和支付真實(shí)，依托該筆交易和支付發(fā)放的信貸就能夠做到風(fēng)險(xiǎn)可控。

場(chǎng)景授信的興起主要得益于以電商平臺(tái)（B2B和B2C）、供應(yīng)鏈融資平臺(tái)為代表的平臺(tái)經(jīng)濟(jì)帶來(lái)的信息集中及場(chǎng)景透明：各種具體的消費(fèi)信貸場(chǎng)景和供應(yīng)鏈融資場(chǎng)景。當(dāng)銀行的信貸端口直接嵌入到消費(fèi)場(chǎng)景和供應(yīng)鏈場(chǎng)景的支付環(huán)節(jié)時(shí)，支付和信貸彼此貼近，場(chǎng)景透明促使信用風(fēng)險(xiǎn)大幅度降低：一是貸款被挪用以及貸款用途欺詐風(fēng)險(xiǎn)大幅度下降。從這一輪中國(guó)信貸周期的實(shí)際表現(xiàn)看，導(dǎo)致不良貸款大規(guī)模爆發(fā)的首位因素是過(guò)度授信，其次就是貸款挪用。二是授信規(guī)模與支付金額掛鉤，貸款額度規(guī)模適當(dāng)，過(guò)度授信風(fēng)險(xiǎn)大幅度下降。三是在交易和貿(mào)易背景真實(shí)的情況下，供應(yīng)鏈融資的自償性得到充分發(fā)揮，既降低了實(shí)際的信用風(fēng)險(xiǎn)，又增加了有效信貸供給。

數(shù)據(jù)與模型：讓風(fēng)險(xiǎn)無(wú)處遁形

客戶信息收集越全面、完整，算法、算力越強(qiáng)大，數(shù)據(jù)分析得到的結(jié)論就越趨向于合理和客觀。隨著互聯(lián)網(wǎng)的不斷發(fā)展，移動(dòng)互聯(lián)網(wǎng)的大范圍普及，海量的用戶行為數(shù)據(jù)由此產(chǎn)生。更多維度數(shù)據(jù)的交叉與交互為銀行不斷帶來(lái)新的有價(jià)值信息。如果說(shuō)行內(nèi)數(shù)據(jù)的整理與應(yīng)用能讓銀行描繪出客戶的部分畫像，那么外部數(shù)據(jù)的進(jìn)一步補(bǔ)充則可以讓銀行得到客戶更精確的畫像，這其中包括政府職能部門提供的專業(yè)數(shù)據(jù)，如工商、司法、稅收、環(huán)保、海關(guān)等；通訊運(yùn)營(yíng)商數(shù)據(jù)；互聯(lián)網(wǎng)輿情信息；企業(yè)財(cái)務(wù)數(shù)據(jù)；電商平臺(tái)數(shù)據(jù)信息；銀聯(lián)交換數(shù)據(jù)等。

銀行內(nèi)部數(shù)據(jù)，尤其是賬戶和交易數(shù)據(jù)，是忠實(shí)記錄客戶行為的一手信息，更是大數(shù)據(jù)挖掘的寶庫(kù)。行內(nèi)積累的數(shù)據(jù)都是基于真實(shí)業(yè)務(wù)背景發(fā)生后留下的交易記錄，每類業(yè)務(wù)的發(fā)生都會(huì)涉及我行一個(gè)或多個(gè)業(yè)務(wù)系統(tǒng)的數(shù)據(jù)變更，同時(shí)產(chǎn)生一條或多條業(yè)務(wù)交易數(shù)據(jù)及操作記錄。網(wǎng)上銀行、手機(jī)銀行、核心系統(tǒng)、信用卡平臺(tái)等系統(tǒng)內(nèi)的客戶交易數(shù)據(jù)，信貸系統(tǒng)、客戶關(guān)系系統(tǒng)、計(jì)價(jià)系統(tǒng)等客戶的基礎(chǔ)信息都是大數(shù)據(jù)風(fēng)控的數(shù)據(jù)源。

金融科技將越來(lái)越多的銀行業(yè)務(wù)從線下轉(zhuǎn)移到線上，從根本上改變了傳統(tǒng)的金融業(yè)務(wù)處理模式，原有的風(fēng)險(xiǎn)管理方式已不能完全適應(yīng)新形勢(shì)下的風(fēng)險(xiǎn)管理要求。傳統(tǒng)的基于歷史業(yè)務(wù)數(shù)據(jù)分析的監(jiān)測(cè)方式偏于靜態(tài)，能看到的風(fēng)險(xiǎn)視圖有限。面對(duì)更加隱蔽的操作風(fēng)險(xiǎn)、欺詐風(fēng)險(xiǎn)，及時(shí)、高效的風(fēng)險(xiǎn)偵測(cè)離不開(kāi)與大數(shù)據(jù)相適應(yīng)的模型和算法。

一是基于客戶基礎(chǔ)信息的風(fēng)險(xiǎn)分析方法。重點(diǎn)在于識(shí)別客戶的異常信息。其一是交易信息。如交易序列異常、交易主體身份異常、交易規(guī)模異常、交易方向異常、跨境交易規(guī)模異常、交易金額異常等。其二是關(guān)聯(lián)關(guān)系。如企業(yè)之間的股權(quán)投資關(guān)系、企業(yè)注冊(cè)地址關(guān)系、企業(yè)間的地域關(guān)系、企業(yè)法人、財(cái)務(wù)聯(lián)系人之間的關(guān)系、特定行業(yè)間的聯(lián)系等。其三是橫截面數(shù)據(jù)分析，如選取特定的日期、特定的交易主體、特定的交易對(duì)手、特定的交易賬戶、特定的區(qū)域等。通過(guò)多維度對(duì)客戶相關(guān)信息的分析，識(shí)別異常風(fēng)險(xiǎn)。

二是基于客戶資金流的風(fēng)險(xiǎn)分析方法。歸納總結(jié)已曝光案件的交易過(guò)程，找出交易模式和主要特征，提煉出規(guī)則后用于監(jiān)測(cè)分析同類性質(zhì)風(fēng)險(xiǎn)，不斷訓(xùn)練和更新規(guī)則。例如，根據(jù)交易實(shí)際發(fā)生的先后順序、交易之間的時(shí)間間隔長(zhǎng)短、資金的實(shí)際用途對(duì)資金使用情況進(jìn)行預(yù)判，判斷資金使用是否符合規(guī)定，交易背后的貿(mào)易背景是否真實(shí)等。涉及信貸資金的，判斷其用途是否違反人民銀行和監(jiān)管當(dāng)局的監(jiān)管要求，是否禁入未被允許的領(lǐng)域挪作他用。其他重點(diǎn)領(lǐng)域包括貸款資金轉(zhuǎn)存保證金，對(duì)地下錢莊案件分析，集資類案件分析等。

三是基于影像流的分析方法。影像流大數(shù)據(jù)分析又稱智能視頻分析，主要是通過(guò)算法，高效處理海量非結(jié)構(gòu)化的視頻圖像數(shù)據(jù)，實(shí)現(xiàn)對(duì)數(shù)據(jù)的快速檢索、智能識(shí)別和機(jī)器理解。隨著視頻數(shù)據(jù)的價(jià)值逐漸被發(fā)掘，通過(guò)計(jì)算機(jī)替代人力來(lái)挖掘視頻數(shù)據(jù)價(jià)值已經(jīng)成為趨勢(shì)。以深度學(xué)習(xí)算法為基礎(chǔ)的計(jì)算機(jī)視覺(jué)技術(shù)的進(jìn)步為視頻大數(shù)據(jù)分析提供了強(qiáng)有力的支撐?；跈C(jī)器學(xué)習(xí)技術(shù)，提高分類和預(yù)測(cè)的準(zhǔn)確性。

四是基于批處理大數(shù)據(jù)分析的計(jì)算方法。以Hadoop為代表的批處理大數(shù)據(jù)系統(tǒng)應(yīng)用越來(lái)越普及。批處理主要操作大容量靜態(tài)數(shù)據(jù)集，通過(guò)數(shù)據(jù)加載和分析，在計(jì)算過(guò)程完成后返回結(jié)果。從特征看，批處理模式中使用的數(shù)據(jù)集：一是有界，即批處理大數(shù)據(jù)需要有限且明確的數(shù)據(jù)集合。二是持久，數(shù)據(jù)始終基于某種存儲(chǔ)方式存儲(chǔ)在指定位置中。三是海量，批處理操作通常是處理極為海量數(shù)據(jù)集的唯一方法。

五是基于實(shí)時(shí)流處理大數(shù)據(jù)分析的計(jì)算方法。隨著銀行業(yè)務(wù)在線程度的快速提高，傳統(tǒng)靜態(tài)的數(shù)據(jù)分析模式已經(jīng)無(wú)法滿足場(chǎng)景授信對(duì)實(shí)時(shí)風(fēng)險(xiǎn)防控的要求.如信用卡的實(shí)時(shí)欺詐風(fēng)險(xiǎn)，實(shí)時(shí)交易風(fēng)險(xiǎn)，因其發(fā)生時(shí)間短，要求銀行必須具備實(shí)時(shí)數(shù)據(jù)分析能力。以Spark Streaming、Storm、Flink為代表的流處理大數(shù)據(jù)系統(tǒng)將實(shí)時(shí)數(shù)據(jù)通過(guò)流處理，逐條加載至高性能內(nèi)存數(shù)據(jù)庫(kù)中，根據(jù)預(yù)先設(shè)定的邏輯進(jìn)行計(jì)算和查詢，快速準(zhǔn)確得到結(jié)論，數(shù)據(jù)遲滯低。由于強(qiáng)調(diào)在“事中”甚至“事前”感知、分析、判斷和決策，實(shí)時(shí)流處理技術(shù)有助于對(duì)突發(fā)風(fēng)險(xiǎn)的防范。

“天眼”系統(tǒng)：大數(shù)據(jù)風(fēng)控案例

大數(shù)據(jù)不僅指風(fēng)險(xiǎn)管理的數(shù)據(jù)環(huán)境不同于以往，更代表一個(gè)全新的風(fēng)險(xiǎn)管理時(shí)代。在大數(shù)據(jù)階段，風(fēng)險(xiǎn)建模從依托樣本數(shù)據(jù)進(jìn)入到依托大數(shù)據(jù)，依托多個(gè)獨(dú)立來(lái)源的海量數(shù)據(jù)。建模目標(biāo)從估計(jì)風(fēng)險(xiǎn)概率進(jìn)入到洞見(jiàn)（seethrough）風(fēng)險(xiǎn)本身。風(fēng)險(xiǎn)偵測(cè)的范圍從還款能力擴(kuò)展到還款意愿。建模方法從傳統(tǒng)的邏輯回歸進(jìn)入到數(shù)據(jù)關(guān)聯(lián)的機(jī)器學(xué)習(xí)和深度分析，建模雄心也從模擬風(fēng)險(xiǎn)模式上升到模擬行為模式。在大數(shù)據(jù)時(shí)代，風(fēng)險(xiǎn)管理關(guān)口從傳統(tǒng)的中臺(tái)，從機(jī)械笨拙的審貸分離模式，內(nèi)嵌、前置到營(yíng)銷端和各類場(chǎng)景，通過(guò)智能風(fēng)控指導(dǎo)和服務(wù)精準(zhǔn)營(yíng)銷?？傊髷?shù)據(jù)風(fēng)控既是風(fēng)險(xiǎn)管理的新時(shí)代，也是整個(gè)銀行業(yè)的新時(shí)代。

筆者在浦發(fā)銀行設(shè)計(jì)并主持建設(shè)的“天眼”系統(tǒng)（Sky Eye System）即是對(duì)大數(shù)據(jù)風(fēng)控的深度實(shí)踐?！疤煅邸毕到y(tǒng)的核心目標(biāo)是依托大數(shù)據(jù)作業(yè)和系統(tǒng)建設(shè)，融合內(nèi)部評(píng)級(jí)體系，提高銀行風(fēng)險(xiǎn)管理的數(shù)字化、集約化水平，全面提升風(fēng)險(xiǎn)管理的非現(xiàn)場(chǎng)能力，提升中后臺(tái)在風(fēng)險(xiǎn)識(shí)別與評(píng)估、監(jiān)測(cè)預(yù)警、管控、經(jīng)營(yíng)、稽核、決策、處置等方面的非現(xiàn)場(chǎng)作業(yè)能力，支持場(chǎng)景授信的在線審批，真正促進(jìn)風(fēng)險(xiǎn)管理和業(yè)務(wù)營(yíng)銷的統(tǒng)一，真正將風(fēng)險(xiǎn)識(shí)別和處置前置，更好地平衡管控與效率、風(fēng)險(xiǎn)與收益。

“天眼”系統(tǒng)對(duì)應(yīng)的大數(shù)據(jù)作業(yè)有三個(gè)主要特點(diǎn)，一是數(shù)據(jù)挖掘，二是價(jià)值驅(qū)動(dòng)，三是流程內(nèi)嵌。在數(shù)據(jù)方面，一是更多引入外部第三方數(shù)據(jù)，包括人行、銀保監(jiān)會(huì)的數(shù)據(jù)以及工商、稅務(wù)、海關(guān)等相關(guān)信息；二是著力整合內(nèi)部數(shù)據(jù)，尤其是內(nèi)部交易數(shù)據(jù)，形成以客戶為基本單位的賬戶信息和交易信息匯總，全面反映客戶動(dòng)態(tài)變化，其中引入外部數(shù)據(jù)是重要的杠桿支點(diǎn)。在模型方面，建模服務(wù)于集中式監(jiān)測(cè)分析，側(cè)重于挖掘行為模式和風(fēng)險(xiǎn)路徑，建模強(qiáng)調(diào)覆蓋率、命中率和提前量，促進(jìn)風(fēng)險(xiǎn)管理的價(jià)值貢獻(xiàn)。依托機(jī)器學(xué)習(xí)和深度數(shù)據(jù)挖掘分析，持續(xù)訓(xùn)練、提升和維護(hù)預(yù)警規(guī)則。在系統(tǒng)方面，通過(guò)API實(shí)現(xiàn)系統(tǒng)之間數(shù)據(jù)交互，整合營(yíng)銷、運(yùn)營(yíng)、風(fēng)險(xiǎn)、審計(jì)等多部門信息用于大數(shù)據(jù)建模。通過(guò)API實(shí)現(xiàn)場(chǎng)景內(nèi)嵌，打造全流程、智能化的決策支持管理系統(tǒng)。依托大數(shù)據(jù)、物聯(lián)網(wǎng)和云計(jì)算技術(shù)，通過(guò)內(nèi)部評(píng)估和外部評(píng)估相結(jié)合，優(yōu)化押品管理流程。通過(guò)圖像識(shí)別技術(shù)，開(kāi)展信貸可視化作業(yè)。

為此，天眼系統(tǒng)針對(duì)貸前、貸中、貸后、合規(guī)內(nèi)控分別設(shè)計(jì)了天檢、天眼、天網(wǎng)三大管理主題界面，提供全方位風(fēng)險(xiǎn)視圖，并為此配備強(qiáng)大的風(fēng)險(xiǎn)偵測(cè)建模能力。結(jié)合監(jiān)管制度以及業(yè)務(wù)實(shí)踐，2018年底已累積有效風(fēng)險(xiǎn)偵測(cè)和觸發(fā)規(guī)則783條，涵蓋合規(guī)風(fēng)險(xiǎn)、關(guān)聯(lián)關(guān)系風(fēng)險(xiǎn)、融資風(fēng)險(xiǎn)、經(jīng)營(yíng)風(fēng)險(xiǎn)、賬戶風(fēng)險(xiǎn)、緩釋風(fēng)險(xiǎn)、客戶行為風(fēng)險(xiǎn)、內(nèi)外部風(fēng)險(xiǎn)信息等多個(gè)維度。聚焦擔(dān)保圈鏈、風(fēng)險(xiǎn)傳導(dǎo)、過(guò)度授信、分拆授信、多頭融資、財(cái)報(bào)異常、押品估值等風(fēng)險(xiǎn)，累積有效風(fēng)險(xiǎn)預(yù)警模型37個(gè)。為了實(shí)現(xiàn)合規(guī)與風(fēng)控兩者之間的信息共享和動(dòng)作協(xié)同，設(shè)置天網(wǎng)管理主題。在決策支持方面，天眼系統(tǒng)設(shè)計(jì)了天策、天平兩大管理主題界面，天策側(cè)重于集中度管理和組合限額管理，天平通過(guò)客戶貸前風(fēng)險(xiǎn)收益測(cè)算，貸后風(fēng)險(xiǎn)價(jià)值評(píng)價(jià)與監(jiān)測(cè)，從新增客戶端和存量客戶端為總分行優(yōu)化客戶和業(yè)務(wù)結(jié)構(gòu)，提升信貸資源配置效能提供指導(dǎo)和決策支持。在流程優(yōu)化和模式升級(jí)方面，圍繞信貸流程可視化，線上押品評(píng)估，供應(yīng)鏈融資在線審批，天眼系統(tǒng)分別設(shè)計(jì)了天機(jī)、天盾和天規(guī)三大管理主題界面。在技術(shù)架構(gòu)上，天眼系統(tǒng)設(shè)計(jì)了天庫(kù)主引擎，全面整合內(nèi)外部數(shù)據(jù)，搭建數(shù)據(jù)、建模、存儲(chǔ)、計(jì)算和任務(wù)管理環(huán)境，為其他管理主題界面提供服務(wù)支撐。為滿足展示需要，天眼系統(tǒng)備有天幕功能界面，通過(guò)有針對(duì)性，多維度、多層次、多視角、可挖掘和鉆取的實(shí)時(shí)數(shù)據(jù)視圖設(shè)計(jì)，使管理者進(jìn)行決策時(shí)能根據(jù)需要定制，靈活展示，深度挖掘。天眼系統(tǒng)的具體架構(gòu)如圖所示。

圖 天眼系統(tǒng)主引擎與管理主體框架

從應(yīng)用效果看，天眼系統(tǒng)上線伊始即取得了巨大成功。風(fēng)險(xiǎn)分類更加扎實(shí)，整改與督辦更加高效。在風(fēng)險(xiǎn)分類方面，系統(tǒng)輸出之一是風(fēng)險(xiǎn)分池信息，基于預(yù)警監(jiān)測(cè)規(guī)則對(duì)客戶定期掃描，按照風(fēng)險(xiǎn)高低動(dòng)態(tài)分類。所有客戶都被無(wú)遺漏地分揀進(jìn)入出險(xiǎn)、風(fēng)險(xiǎn)、觀察和正常等四大風(fēng)險(xiǎn)池（Risk Pools）。每個(gè)池子的內(nèi)部按照風(fēng)險(xiǎn)高低進(jìn)一步細(xì)分成若干子池（Subpools）。不同類別池子之間以及同一池子內(nèi)部不同子池之間，有遷徙關(guān)聯(lián)路徑。通過(guò)風(fēng)險(xiǎn)分池管理，建立和完善客戶風(fēng)險(xiǎn)分池邏輯框架，對(duì)全行客戶實(shí)行分池管理，動(dòng)態(tài)監(jiān)測(cè)。風(fēng)險(xiǎn)分池是全行風(fēng)險(xiǎn)暴露的全息影像記錄。通過(guò)分池信息，能夠?qū)蛻暨M(jìn)行監(jiān)測(cè)和預(yù)警，跟蹤風(fēng)險(xiǎn)源頭和傳染路徑；為資產(chǎn)分類和IFRS9減值撥備提供扎實(shí)的底層風(fēng)險(xiǎn)證據(jù)；基于發(fā)現(xiàn)的風(fēng)險(xiǎn)和問(wèn)題，針對(duì)機(jī)構(gòu)（分支行）、客戶與客群、產(chǎn)品、責(zé)任人（客戶經(jīng)理、支行行長(zhǎng)等），分別建立對(duì)應(yīng)的風(fēng)險(xiǎn)檔案，提示潛在風(fēng)險(xiǎn)，明確風(fēng)險(xiǎn)責(zé)任，推進(jìn)績(jī)效核算。下發(fā)風(fēng)險(xiǎn)核查與處置督辦清單，開(kāi)展任務(wù)管理?？陀^地說(shuō)，“天眼”系統(tǒng)正在帶來(lái)深刻改變。