观点 | ​​​​浅谈银行对公智能风险预警体系建设

文 / 同盾科技副总裁 杨景香 同盾科技策略建模总监 阅微

随着银行业全面数字化转型，商业银行的对公业务也有了蓬勃发展，与此同时风险管理也需要向智能化、自动化方向迈进。尤其是当下银行对公业务对象的运作模式、商业形态以及经济环境不断变化，需要银行重新审视对公授信的风险管理模式。

作为数据密集型产业，人工智能、隐私计算等新兴数字技术已在银行零售业务中发挥重要作用。同盾科技认为，这些技术对于银行对公业务的风险管理同样有着很好的适用性，可以帮助银行有效解决业务对象的风险预警，降低不良率，并通过自动化智能决策，降低运营成本，提升全业务流程的管理能力。

本文从银行对公业务风险管理面临的新问题入手，浅谈如何借助新技术解决对公授信的风险预警。

新形势下的新课题

商业银行的对公授信风险管理，最初建立在单个的生产型或商业型企业基础之上，依靠财务信息和同业信息对业务对象进行风险评估。因此，银行倾向于在传统和熟悉的领域开展业务。但在近年来银行支持实体经济的过程中，这种模式遇到了不少难以解决的问题。

一是现代企业的组织与运营模式发生很大变化，很多企业已不再是单一的生产型或商业型企业个体，而是股权和组织结构复杂、布局多个产业、经营区域广泛，甚至横跨不同法律和监管环境的跨国集团企业，且这些因素处于不断的动态变化中。以财务、税务等报表为基础的风险预判方式，已难以全面反映其真实的经营风险状况，银行需进行广泛的数据收集与治理，全面分析各类跨领域、跨区域的风险。

二是企业的商业模式、产业发展规律显著变化，给银行对公授信风险预警带来了新的课题。新型数字技术的发展，互联网平台经济等新兴商业模式的涌现，使很多企业和产业链之间出现了各种各样的共生共存关系。这与传统的企业之间，产业链上下游之间的买卖关系发生了很大变化，要求银行充分有效利用授权的内外部多元、异构数据资源，建立全新的风险预警模型。

三是政策导向给银行信贷投放指引新方向，银行要在绿色金融、普惠金融等非传统领域下探次级客群，增加信贷投放。以绿色金融为例，在支持双碳目标实现过程中，金融产品服务的企业对象的行为、碳表现、持续供应链表现都涉及很长的数据链，需要大数据、人工智能、联邦学习非常强的技术手段来支撑风险预警。

同盾科技认为，在这样的背景下，银行旧有的授信预警体系难以适应新变化，难以实现对业务对象有效的风险研判，表现出预警精确度不高、信息来源不足或挖掘不充分、组合层面预警能力不足、预警规则/模型开发和维护难、与业务系统有效联动不足等问题。

智能化风险预警体系建设

打破原有套路的动力来源于银行在数字化转型这个时代性课题面前，以风险管理为支点，直击效率和市场这两个本质问题。同盾科技建议，银行应发挥数据智能，运用全新的模型和算法，并引入知识图谱、联邦学习等技术工具，通过搭建决策引擎对业务流程的优化、借助知识图谱的风险传导/资产追查、增加机器学习算法对企业违约风险的智能评估等，构建授信全流程风险预警体系，实现多维度风险评估，使对公授信决策更具准确性和前瞻性，提升银行资产管理水平与业务经营能力。

■ 数据整合

整合多源异构的银行内外部数据、境内外数据，进行数据收集、清洗、分类、挖掘、钻取，打通不同业务条线、业务系统，完成用于构建指标库、风险画像、预警模型等应用的数据准备，并可建立数据管理平台，实现对数据资产的全面管理。

■ 预警知识体系构建

基于银行业务管理需要，建立开箱即用的、便于查看管理的预警知识体系，包括指标库、事件库、特征库、实体库、关系库等。

■ 预警信号/模型构建

依托预警知识库，根据银行业务需要提取所需特征，建立涵盖单一企业、集团客户、国别、区域、行业风险的全风险预警体系，构建预警规则信号和风险监控模型，实现预警信号的精准推送和风险信息的充分挖掘。

■ 风险画像/谱系构建

依托整合后的内外部大数据和预警知识库，构建多维风险画像和各类知识图谱，覆盖信贷全流程和企业、集团、组合风险的全风险维度，辅助信贷决策。

■ 业务流程联动

将风险预警与信贷全流程管理进行整合，预警信息与业务系统交互联动，实现对业务流程的联系管控。

■ 中台化模型/规则管理

通过决策引擎、知识图谱平台等中台工具，缩短图谱、信号、模型的开发周期，实现对预警信号、预警模型运行效果的监控预警和调优，以及指标库、名单库、预警规则、知识图谱等预警相关知识资产的维护管理。

三大应用场景

一是信贷企业风险预警。贷款业务对于银行来说，存在放出去的款项能不能按期收回或借款企业无法偿还等风险。因此，风险评估是体现在贷款全生命周期的，授信风险预警体系是整个风险把控的第一关。

同盾科技倡导的全风险预警体系针对信贷企业，整合其工商、财务、融资、专利、舆情、司法涉诉、经营异常、对外担保等内外部合规数据，构建模型，通过决策引擎建立预警规则体系，全面掌控其经营风险、管理风险、财务风险、合规风险、市场风险、声誉风险等多维度风险。

同时，引入对公知识图谱，通过企业关联关系的深度挖掘、频繁子图的发现，捕捉到业务对象隐藏的风险，并通过规则引擎的扫描，将预警信号传递给全风险预警体系，帮助银行快速、全面、准确地获取与识别客户关联风险。对公知识图谱还可通过风险事件的识别、风险传导路径及强度探测、风险传导可视化帮助银行有效斩断传导路径，减少机构损失。

二是集团风险预警。根据银保监会发布的相关监管文件，集团客户是指存在控制关系的一组企事业法人客户或同业单一客户。集团客户往往存在内部关联交易频繁、连环担保普遍、真实财务状况难以掌握、系统性风险较高、风险识别和贷后管理难度大等信用风险特征。

对此，同盾科技可通过规则预警、模型预警和集团风险传导分析，为银行建立集团风险监测预警、集团风险量化评估、集团授信限额与集中度管理、集团风险缓释和应急处置的风险管理闭环。

三是行业风险预警。行业是指介于宏观经济和微观经济之间的中观经济范畴，是由具有共同特征的企业群体组成的。由于同一行业内的企业在生产经营上存在着相同性或相似性，其产品或服务具有很强的替代性，行业内的企业成员彼此间处于一种更为紧密的联系状态。

同盾科技相关解决方案可通过行业环境特征、行业财务状况、行业经营状况、行业信贷质量形成行业风险分析框架，整合公开数据与第三方合规数据，提炼行业风险预警指标，构建行业风险画像，从而实现行业风险监测预警、量化评估、风险限额与集中度管理、风险缓释及处置为一体的风险管理模式。

结 语

作为服务金融数字化转型的专业机构，同盾科技认为，商业银行数字化转型已进入下半场。虽然起步晚于零售业务数字化，但受益于零售业务智能风控的探索和实践，银行对公业务的数字化、智能化风控体系建设，具备快速落地机会。而从零售业务的数字化转型，逐步延伸到对公业务的转型，也是银行主动适应数字经济发展，实现全面数字化转型的必由之路。