銀行對公智能風險預警體系建設的影響
隨著銀行業全面數字化轉型，商業銀行的對公業務也有了蓬勃發展，與此同時風險管理也需要向智能化、自動化方向邁進。尤其是當下銀行對公業務對象的運作模式、商業形態以及經濟環境不斷變化，需要銀行重新審視對公授信的風險管理模式。
作為數據密集型產業，人工智能、隱私計算等新興數字技術已在銀行零售業務中發揮重要作用。同盾科技認為，這些技術對于銀行對公業務的風險管理同樣有著很好的適用性，可以幫助銀行有效解決業務對象的風險預警，降低不良率，并通過自動化智能決策，降低運營成本，提升全業務流程的管理能力。
本文從銀行對公業務風險管理面臨的新問題入手，淺談如何借助新技術解決對公授信的風險預警。
新形勢下的新課題
商業銀行的對公授信風險管理，最初建立在單個的生產型或商業型企業基礎之上，依靠財務信息和同業信息對業務對象進行風險評估。因此，銀行傾向于在傳統和熟悉的領域開展業務。但在近年來銀行支持實體經濟的過程中，這種模式遇到了不少難以解決的問題。
一是現代企業的組織與運營模式發生很大變化，很多企業已不再是單一的生產型或商業型企業個體，而是股權和組織結構復雜、布局多個產業、經營區域廣泛，甚至橫跨不同法律和監管環境的跨國集團企業，且這些因素處于不斷的動態變化中。以財務、稅務等報表為基礎的風險預判方式，已難以全面反映其真實的經營風險狀況，銀行需進行廣泛的數據收集與治理，全面分析各類跨領域、跨區域的風險。
二是企業的商業模式、產業發展規律顯著變化，給銀行對公授信風險預警帶來了新的課題。新型數字技術的發展，互聯網平臺經濟等新興商業模式的涌現，使很多企業和產業鏈之間出現了各種各樣的共生共存關系。這與傳統的企業之間，產業鏈上下游之間的買賣關系發生了很大變化，要求銀行充分有效利用授權的內外部多元、異構數據資源，建立全新的風險預警模型。
三是政策導向給銀行信貸投放指引新方向，銀行要在綠色金融、普惠金融等非傳統領域下探次級客群，增加信貸投放。以綠色金融為例，在支持雙碳目標實現過程中，金融產品服務的企業對象的行為、碳表現、持續供應鏈表現都涉及很長的數據鏈，需要大數據、人工智能、聯邦學習非常強的技術手段來支撐風險預警。
同盾科技認為，在這樣的背景下，銀行舊有的授信預警體系難以適應新變化，難以實現對業務對象有效的風險研判，表現出預警精確度不高、信息來源不足或挖掘不充分、組合層面預警能力不足、預警規則/模型開發和維護難、與業務系統有效聯動不足等問題。
智能化風險預警體系建設
打破原有套路的動力來源于銀行在數字化轉型這個時代性課題面前，以風險管理為支點，直擊效率和市場這兩個本質問題。同盾科技建議，銀行應發揮數據智能，運用全新的模型和算法，并引入知識圖譜、聯邦學習等技術工具，通過搭建決策引擎對業務流程的優化、借助知識圖譜的風險傳導/資產追查、增加機器學習算法對企業違約風險的智能評估等，構建授信全流程風險預警體系，實現多維度風險評估，使對公授信決策更具準確性和前瞻性，提升銀行資產管理水平與業務經營能力。
數據整合
整合多源異構的銀行內外部數據、境內外數據，進行數據收集、清洗、分類、挖掘、鉆取，打通不同業務條線、業務系統，完成用于構建指標庫、風險畫像、預警模型等應用的數據準備，并可建立數據管理平臺，實現對數據資產的全面管理。
預警知識體系構建
基于銀行業務管理需要，建立開箱即用的、便于查看管理的預警知識體系，包括指標庫、事件庫、特征庫、實體庫、關系庫等。
預警信號/模型構建
依托預警知識庫，根據銀行業務需要提取所需特征，建立涵蓋單一企業、集團客戶、國別、區域、行業風險的全風險預警體系，構建預警規則信號和風險監控模型，實現預警信號的精準推送和風險信息的充分挖掘。
風險畫像/譜系構建
依托整合后的內外部大數據和預警知識庫，構建多維風險畫像和各類知識圖譜，覆蓋信貸全流程和企業、集團、組合風險的全風險維度，輔助信貸決策。
業務流程聯動
將風險預警與信貸全流程管理進行整合，預警信息與業務系統交互聯動，實現對業務流程的聯系管控。
中臺化模型/規則管理
通過決策引擎、知識圖譜平臺等中臺工具，縮短圖譜、信號、模型的開發周期，實現對預警信號、預警模型運行效果的監控預警和調優，以及指標庫、名單庫、預警規則、知識圖譜等預警相關知識資產的維護管理。
三大應用場景
一是信貸企業風險預警。貸款業務對于銀行來說，存在放出去的款項能不能按期收回或借款企業無法償還等風險。因此，風險評估是體現在貸款全生命周期的，授信風險預警體系是整個風險把控的第一關。
同盾科技倡導的全風險預警體系針對信貸企業，整合其工商、財務、融資、專利、輿情、司法涉訴、經營異常、對外擔保等內外部合規數據，構建模型，通過決策引擎建立預警規則體系，全面掌控其經營風險、管理風險、財務風險、合規風險、市場風險、聲譽風險等多維度風險。
同時，引入對公知識圖譜，通過企業關聯關系的深度挖掘、頻繁子圖的發現，捕捉到業務對象隱藏的風險，并通過規則引擎的掃描，將預警信號傳遞給全風險預警體系，幫助銀行快速、全面、準確地獲取與識別客戶關聯風險。對公知識圖譜還可通過風險事件的識別、風險傳導路徑及強度探測、風險傳導可視化幫助銀行有效斬斷傳導路徑，減少機構損失。
二是集團風險預警。根據銀保監會發布的相關監管文件，集團客戶是指存在控制關系的一組企事業法人客戶或同業單一客戶。集團客戶往往存在內部關聯交易頻繁、連環擔保普遍、真實財務狀況難以掌握、系統性風險較高、風險識別和貸后管理難度大等信用風險特征。
對此，同盾科技可通過規則預警、模型預警和集團風險傳導分析，為銀行建立集團風險監測預警、集團風險量化評估、集團授信限額與集中度管理、集團風險緩釋和應急處置的風險管理閉環。
三是行業風險預警。行業是指介于宏觀經濟和微觀經濟之間的中觀經濟范疇，是由具有共同特征的企業群體組成的。由于同一行業內的企業在生產經營上存在著相同性或相似性，其產品或服務具有很強的替代性，行業內的企業成員彼此間處于一種更為緊密的聯系狀態。
同盾科技相關解決方案可通過行業環境特征、行業財務狀況、行業經營狀況、行業信貸質量形成行業風險分析框架，整合公開數據與第三方合規數據，提煉行業風險預警指標，構建行業風險畫像，從而實現行業風險監測預警、量化評估、風險限額與集中度管理、風險緩釋及處置為一體的風險管理模式。
結 語
作為服務金融數字化轉型的專業機構，同盾科技認為，商業銀行數字化轉型已進入下半場。雖然起步晚于零售業務數字化，但受益于零售業務智能風控的探索和實踐，銀行對公業務的數字化、智能化風控體系建設，具備快速落地機會。而從零售業務的數字化轉型，逐步延伸到對公業務的轉型，也是銀行主動適應數字經濟發展，實現全面數字化轉型的必由之路。
