商业银行智能风控体系建设的挑战及对策

作者信息

 

刘吕科，民生银行风险管理部。

摘要

商业银行风险管理数字化、智能化是宏观上适应数字化社会发展的客观要求，也是微观上应对未来复杂经济金融风险的主观需要。本文分析了银行风险管理智能化趋势，给出了良好实践银行成功的关键要素，并分析了商业银行智能风控实施面临的主要挑战及问题，以期为商业银行更好地推进智能风控体系建设提供借鉴。

关键词：智能风控；数字化风控；风险管理

中图分类号：F832            文献标识码：A

 

引言

 

商业银行是经营风险的企业。风险管理能力不仅是商业银行稳健发展的保障，在很大程度上也划定了银行业务发展的边界。有些银行在各类创新业务经营中“游刃有余”，而有些银行只能像“当铺”一样经营，其差异本质上都是由银行风险管理水平和能力决定的。

展望未来十年，商业银行面临的经营环境将更趋复杂。因此，对商业银行而言，可能是“最差的十年”，但也可能仍然是“较好的十年”。而划分“最差”“较好”边界的，同样是商业银行的风险管理能力。如果说过去十年商业银行风险管理的关键词是“评审”“评级”，那么未来十年风险管理的关键词则绕不开“信息”“数据”和“智能”。

从这个意义上看，智能风控建设不仅是未来风险管理的发展趋势，也是未来“卓越”银行和“平庸”银行的主要区别。在数字化、信息化大背景下，如果商业银行不改变传统风控方式，不主动拥抱智能风控趋势，而是抱残守缺，永远躲在舒适区，就只能渐渐“平庸”下去；反之，勇于变革、勇于探索，能利用智能风控提前感知风险，提前采取应对措施的商业银行，则能够更好地经营风险，在激烈的市场竞争中“脱颖而出”，成为“卓越”银行。

一

商业银行风险管理智能化趋势

风险管理在本质上是管理“信息”，即最大程度降低银企之间的信息不对称程度。伴随着社会信息化、数字化体系建设，商业银行风险管理也必将迎来“智能化”时代。展望未来，风险管理智能化只是数字化社会发展趋势的一个缩影，或者说只有智能化风险管理才能适应未来的数字化社会发展趋势。

一是银行客户信息透明度提高为风险管理智能化奠定了基础。信息化时代，银行和客户之间信息不对称的程度将大大降低，客户的基本信息，以及围绕“产、供、销”的物流信息、制造信息、资金流信息在满足隐私保护的前提下，结合具体场景的可得性得以加强，加上客户财务、征信、结算等其他信息，商业银行对客户“全息画像”“智能动态决策”的可行性和有效性越来越强。未来的风险管理就是综合全方位信息对客户进行综合评价、授信并持续监控的过程。未来，基于客户的全息数据，对数据的加工能力要求远超出人力所及，专家经验将逐步被机器或算法智能所取代，或者说，专家决策只是特定情况（如监管政策变化）下智能风控决策的有益补充。

二是大数据技术发展为风险管理智能化提供了必要条件。一方面，建模技术的发展使得机器学习和深度学习等智能化算法运用有了可能，未来基于高维大数据，智能算法相对传统逻辑回归算法的优势将越来越突出；另一方面，分布式架构、流式计算使得计算机系统平台的运行效率大大提高，能够有效支持机器学习模型建模、部署和监控，并实现秒级甚至毫秒级决策，极大提高决策效率和用户体验，为风险管理智能化提供了必要的技术和平台支撑。

三是银行稳健发展和市场竞争客观需要智能风控建设。展望未来，如果商业银行要在纷繁复杂的环境中保持稳健发展，提高效率，“轻装上阵”，并给用户带来更好的体验，以更好地适应未来的市场竞争，成为“卓越”银行，就离不开智能风控这一“利器”。

二

良好实践银行职能风控建设的关键要素

目前，国内很多银行主动变革，在智能风控建设方面勇于探索，成效显著。例如，有些银行已实现模型自动迭代、部分业务自动放款、监测体系真正能做到“看得广、看得深、看得远”。整体来看，良好实践银行智能风控体系建设成功主要得益于以下关键要素。

一是自上而下推进。纵观良好实践银行，其成功建设智能风控体系的一个共同特点均是“高层主导、自上而下、集团共享、充分协同”。良好实践银行董事长和行领导均非常重视数字化转型战略，并将智能风控体系建设作为数字化转型战略的核心组成部分之一来督促和落实。在高层领导的直接督导下，风险管理部负责统筹，风险板块其他部门分工明确，全行在人力资源、科技资源和费用资源配置上给予重点和倾斜，资源配置较为充足。

二是体系化实施。从良好实践银行看，智能风控建设取得显著成效的银行也均是数字化转型战略成功落实的银行，智能风控是其数字化转型的核心组成部分之一。智能风控体系建设是一个系统性工程，只有全行数字化转型效果好，数据标签化、运营智能化、系统模块化，智能风控建立在一个牢固的“地基”上，才能取得较好的效果。反之，如果全行数字化转型没有落地，只有风险管理领域独自数字化转型，则智能风控建设根基不稳，很难取得良好的效果。综观良好实践银行，普遍完善了底层数据质量，实现了标签化管理，并在此基础上针对智能尽调、智能审批、智能预警、智能舆情分析、智能评级等项目逐一进行攻克，有序推进整个智能风控体系建设。智能风控是组织、政策和流程、平台三位一体的系统性工程体系。在体系化推进方面需要有强有力的组织管理，良好实践银行普遍从风险管理全流程角度进行规划和整合，杜绝了“烟囱式”建设，以体系化推进智能风控的实施工作。

三是夯实管理基础。从良好银行实践来看，智能风控建设离不开“数据”“模型”和“系统”这三类关键要素：其一，数据是基础。数据已被视为除劳动力、土地、资本和技术外的第五生产要素，“数字财富”绝对不是一句空话。数据积累的广度和深度，数据质量的完整性和准确性，数据标签的完备性和全面性将在很大程度上决定银行风险管理的广度、深度和“数字财富”的多寡。其二，模型是核心。模型是智能风控建设的“灵魂”，如果没有模型，则不能将数据很好地组织起来。良好实践银行智能风控模型不局限于特定模型，根据场景搭建模型，并实现模型的快速迭代。其三，系统是依托。智能风控是服务于智能化作业的，智能化作业平台均和特定的系统相连，智能风控建设离不开具体的系统支撑。

智能风控体系建设极具专业性和复杂性，客观上要求银行集中专业资源，“集中力量办大事”，实现数据、系统和模型的集中管理，为更好开展智能风控体系建设提供基础条件。从良好实践银行来看，均从“三个集中”来夯实管理基础：其一，实现风险数据统一管理。良好实践银行普遍建立企业级的风险数据管理平台，统一数据质量标准和管理机制，避免“数出多门”或“数据孤岛”现象，并建立全行级风险数据字典和数据标签。其二，实现风险系统企业级管理。良好实践银行普遍基于风险决策智能化目标，以统一决策和控制为核心，打通行内相关系统，构建统一的流程作业系统和分析管理系统。其三，实现模型算法集中管理。良好实践银行普遍在发挥数据、系统集中管理优势的基础上，通过调整组织架构、模型实验室或AI算法工厂，实现计量模型人员的集中，集合专业资源优势，为全行风险计量和预警模型开发应用提供一揽子解决方案。如建设银行组建了计量管理中心（全职成员七十余人，均具有算法实施经验），平安银行和邮储银行均组建了数十人的智能风控团队，招商银行将风险计量模型团队统一放在风险管理部，一体化地服务于场景风控模型、评级与评分模型、预警模型的开发、运维与应用推动工作。

四是推进成果应用。从良好实践银行来看，其智能风控体系建设普遍从一线业务人员、评审人员和各层级管理人员对风控工具使用感受出发，将解决风险管理痛点放在第一优先位置，在逐一梳理并解决痛点的过程中逐步完善体系建设。在建设过程中，良好实践银行普遍强化用户导向思维，项目建设的范围主要围绕一线单位的用户体验；另外，对风控对象逐步做到“无感风控”，不因强化风控降低授信客户对银行产品的使用体验。

三

智能风控实施面临的主要挑战

从同业实践来看，商业银行智能风控体系建设普遍会面临如下挑战。

一是对理念文化的挑战。传统商业银行普遍依赖业务评审，在准入、定价、额度、监测等方面，习惯于分级授权和分层决策，较难适应对量化理念要求较高的智能风控决策体系。同时，智能风控技术的采用，不仅仅是引入量化模型的问题，在模型管理、绩效考核、资源配置等诸多方面也要做出调整。例如，智能风控引入后，模型风险更高，对模型管理的要求也更高。此外，传统靠客户经理引流、有权人审批，按创利绩效进行考核的模式也受到较大挑战，例如，一些完全靠智能风控引流、审批的业务，在考核方面就需要进行相应的调整。智能风控技术的采用在很大程度上是风险量化思维在风险管理全流程落地的过程，会给传统思维和理念带来较大冲击。

二是对战略定力的挑战。数字化风控的投入和业务拓展投入相反，业务拓展投入基本能够取得立竿见影的效果，而数字化转型和数字化风控是战略投入，也是“强本固基”的投入，很难在短期内看得到效果。从领先银行实践看，其每年投入到数字化风控的资金以数十亿元计，而这些投入在当年财务报表中只能体现为“成本”，甚至需要连续数年持续在财报上体现为“成本”。这会在很大程度上考验商业银行的战略定力。能否保持战略定力，持续投入资源，是智能风控体系建设的关键。

三是对容错机制的挑战。不同于传统风控体系建设，在智能风控体系建设方面，可能需要不断地试错。智能风控没有成熟的经验可以完全套用，在推进过程中难免会遇到这样或那样的问题。但在试错过程中不一定是“百折不回”，有的是“一折就回、点到为止”。这对商业银行的容错机制或是容错态度具有较大挑战。

四是对部门协作的挑战。智能风控体系建设涉及业务前中后台的方方面面，几乎涉及全行所有的风险条线部门和科技部门，因此在此过程中，其他部门的协同支持非常重要，只有全行上下一条心，充分协同，智能风控体系建设才能做得实、做得细、做得深。这对商业银行部门协作或磨合机制可能会有较大挑战。

四

主要对策建议

在很大程度上，“得智能风控者得天下”。商业银行智能风控体系建设时不我待。针对其实施过程中遇到的挑战，建议从以下方面着力开展相关工作。

一是将智能风控建设和全行数字化转型充分结合起来。风险条线数字化转型或是智能风控建设，绝对不是单靠风险管理部或是风险条线部门就能够解决的，它依赖完备的数据基础、智能化运营体系、规范的业务流程等要素，如果全行层面数字化转型基础不具备，风险条线智能化体系建设就会成为“无源之水，无本之木”，很难取得较好成效。因此，要体系化落实智能风控建设，必须以全行数字化转型为前提。只有全行层面数字化转型启动，智能风控的“轮子”才能“转得快”“转得好”。

二是进一步集中算法资源，发挥专业优势。与领先银行的实践相比，商业银行，尤其是中小银行算法资源较为分散，包括风险管理条线部门、信息科技部门、业务管理部门等相关部门虽可能有计量人员，但普遍存在人员流失、算法深度较低、计量结果应用不深不透、模型全流程管理机制不健全等弊端。这些问题归根结底都是因为算法资源分散，导致“十手难敌一拳”。在计量人员本来就紧缺的情况下，分散相关职能，客观上必然造成风险计量专业性不强、计量结果难以满足业务开展需要的局面。参考良好银行实践，建议商业银行能从风控数字化转型的全局视角，考虑集中专业算法资源的可行性和具体实施方式，以更充足、更专业、更具深度的风险计量，服务全行业务高质量发展。

三是打通风险数据、系统，实现“一体化”风控。在一定程度上，如果数据、系统没有集中统一管理，存在数据“孤岛”和系统严重割裂的情况，就会导致智能风控“浮在表面的形式化推进”，难以真正有效地体系化开展，相关工作只能是“涂上智能风控的唇膏”，难以对业务开展起到实质的推动作用。以风险预警为例，如果数据标签、标准不统一，系统相互割裂，就会导致各风险类别，乃至各类业务管理部门各自梳理各自的标准，开展各自的风险预警工作。“各家自扫门前雪”，相互之间没有衔接和提示，不但会造成重复工作，还会降低工作效率和成效。对良好实践银行，我们往往只看到其实现了“一体化、全流程”风险预警的表象，却没有看到其背后普遍统一了数据标签和标准、打通了底层系统、规范了全行层面统一管理机制的实质。鉴此，建议商业银行尤其是中小银行在智能风控体系建设过程中，能够借鉴良好银行实践，在风险数据标准和标签体系建设，以及统一系统架构和管理逻辑方面，能够下大力气、花大工夫，通过数字化转型攻坚克难，为一体化预警、反欺诈、全流程风险计量体系建设奠定基础，真正能够体系化地建设智能风控体系。

四是坚持战略定力，持续投入资源。可以说，数字化转型、数字化风控是未来五年甚至十年商业银行市场竞争的战略制高点和核心竞争力。因此，在智能风控体系建设过程中，建议商业银行能够保持战略定力，持续投入资源，坚定不移地搭建符合银行自身要求，与银行业务规模和复杂程度匹配的智能风控体系，为商业银行稳健发展护航。

关于我们

 

《国际金融》创刊于1981年,主管单位为中国银行股份有限公司,主办单位为中国国际金融学会。本刊以面向金融、面向国际、面向市场的办刊理念，发展成为集国内外金融热点和商业银行问题研究为一体的经济金融管理类杂志。近年来,《国际金融》在中国学术界和实务界的影响力不断扩大，成为中央有关部委、国内金融机构、高校等决策和研究的重要参考。

《国际金融》杂志成为国家新闻出版广电总局学术期刊评审认定专家委员会认定的A类首批学术期刊，成为中国人民大学人文社会科学学术成果评价中心和中国人民大学书报资料中心“复印报刊资料”重要转载来源期刊，是其遴选的全国116种应用经济学重要来源期刊之一。