人工智能環境下金融風險管理面臨的機遇與挑戰

申良和 泰康人壽保險有限責任公司

隨著科學技術進步，現代人工智能水平發展步入快車道，以人臉識別、智能語音助理、無人駕駛、智能家居、機器人等為代表的各項下游應用正逐步滲入商業、生活各領域，加速賦能各產業運行效率。根據IDC所發布的調研報告指出：預計全球人工智能支出將在未來四年內翻一番，由2020年501億美元增長到2024的110億美元，復合年增長率高達20%。金融作為國民經濟發展資金融通組織，在經濟一體化與金融全球化大背景大，金融風險管理重要性日益突出。國內銀行、保險、券商等金融機構加速布局人工智能相關產業及應用研發，為公司在未來數字化競爭時代奪得先機。與金融風險管理相關的人工智能應用在此契機下加速發展，神經網絡、知識圖譜、專家系統等算法不斷在金融風控領域得到創新實踐。

一、人工智能技術在金融風險管理領域的發展機遇

全球經濟下行和金融經營管理市場化趨勢對金融風險管理提出更高要求，2018年以來美國特朗普政府發動的“逆全球化”貿易戰加劇了市場風險，今年上半年新冠肺炎疫情使得經濟下行環境下的信用風險進一步加劇，而金融機構自身在新技術、新環境下還需面臨更加復雜多變的操作風險。人工智能技術不僅為風險管理定量分析提供豐富多元化的管理工具，更為定性分析提供了新算法、新模型、新思路。

（一）人工智能在信用風險管理中的應用

信用風險是指債務人或交易對手未能執行合同所規定的義務或信用質量發生變化，從而給債務人或金融產品擁有人造成經濟損失的風險。信用風險是以信用中介為主營業務的銀行、第三方信貸等機構面臨的主要風險類型。人工智能技術以判別違約風險作為重點應用場景，引入支持向量機、隨機森林等算法對違約概率進行預測，引入專家系統對企業信用進行評級，各企業通過建立智能決策、智能監控實現對信用風險前、中、后端全流程把控。某保險資產團隊通過積極探索外部企業評級變動情況，開發改進機器學習模型，改變依靠人工選擇代表償債能力相關財務指標并手工賦予權重的傳統評級方式，實現無人工干預指標選取情況下迅速判斷外部發債主體信用評級變化趨勢。而某普惠金融平臺自主研發的自動信用評估系統則可自動提出問題，并通過包括機器學習、深度學習、自然語言理解技術來感知上下文，智能控制對話流程并給出評估結論。該過程無需人工介入，可避免因個人經驗不足、主觀標準不統一等問題。

（二）人工智能在市場風險管理中的應用

市場風險主要指金融機構在市場經營環境中面臨的風險，主要分為利率風險、匯率風險；其中利率風險主要指市場利率波動導致的以利率計價資產凈值減少的風險，而匯率風險則主要針對匯率波動導致貨幣兌換價值損失風險。某證券公司研發的建立在金融時間序列、機器學習、深度學習、自然語言處理等相關技術基礎上的自動報價與自動對沖交易系統，提供了債券定價、因子分析、文本交易要素提取等一系列智能應用。系統將割裂的銀行間債券市場、交易所債券市場、金融期貨市場從風險管理層面打通，提高了報價質量與交易處理效率，同時增強了風險管理能力。人工智能同樣在優化量化投資策略發揮積極作用，尤其在國內以散戶主導的二級市場；量化對沖模型可靈敏捕捉市場機會，避免主觀情緒導致的不理性行為，通過不斷修正參數，改進運行效果，實現同等風險水平下相比國外成熟市場更高的alpha收益。

（三）人工智能在操作風險中的應用

操作風險一般指因人員、系統、流程和外部事件所引發的風險，操作風險具有普遍性和非營利性特征，它存在于金融業務操作各個環節，以智能反欺詐、反洗錢為代表的風險管理智能化應用正在得到廣泛應用。國內某大型銀行構建的反欺詐事中風控機器學習模型，基于高維交易行為特征，可有效識別和處理風險事件，支持實時監測數十億筆交易，避免賬戶交易異常或資金損失。而保險領域的智能閃賠服務也在加速推進，直接面對傳統查勘定損高度依賴人工經驗的行業痛點，通過引入知識圖譜的大數據分析技術，降低保險理賠欺詐風險，提高客戶理賠效率。某基金的智能反洗錢系統則針對客戶名單監測痛點，利用人工智能技術大幅提升篩查準確度，降低誤報率，使得監測效果更加精準有效。

二、人工智能對金融風險管理的挑戰及應對措施

人工智能技術以大數據為基礎，能大幅降低人力共工作強度，提高金融風險管理效率，但同樣蘊藏巨大現實挑戰。主要如下：

（一）模型風險成本

隨著高級數據分析技術與智能算法的大量使用，以模型設計或使用不當為代表的風險事件正在對金融機構風險管理形成新的挑戰。早期如長期資本管理公司（LTCM）倒閉折射出的模型依賴問題，由于過度相信數理統計導致投資業績損失慘重。而當下模型被大量應用于金融風控策略的決策環節，尤其是涉及對沖的量化投資模型參數眾多，任何因子在實際操作環境選取不當，或因子之間相關性在外界環境變化時發生突變，均可能導致無法挽回的后果。

針對該類問題，企業管理層需引起足夠重視，并在企業內部建立適當的報告體系。模型建立不是一蹴而就，必須不斷模擬改進以滿足現實需要，過度依賴任何單個模型都不可取。將模型風險管理嵌入部門（如模型所有者和模型開發者），將模型開發、驗證、上線和后期監測的部分工作自動化，并將驗證活動集中于風險最高的領域以提高驗證效率，同時加強優秀人才引入，建立企業內部技術分享平臺，深入研究、優化模型表現。

（二）信息收集與泄露隱患

人工智能時代以高數據密集度為顯要特征；人工智能為改進風險管理效果將產生海量數據輸入需求，該需求容易引發金融機構數據采集程序的合規性問題。而人工智能時代的數據將成為核心競爭力，這一趨勢反而容易導致部分內部系統防御薄弱的金融機構用戶信息或交易數據被非法竊取。另一方面，人工智能技術在商業的不合規或非法使用也將帶來風險事件，早期以生成式對抗網絡（簡稱GANs）模型為基礎的DeepFake技術在視頻網站的“換臉”視頻引發全球用戶爭議，該技術同樣對人臉識別在信息安全、金融支付、安檢設施等典型應用推廣形成巨大威脅。各國監管及互聯網公司不得不加大制度與技術出臺來規范該技術的合法使用。

針對此類問題，企業必須加大信息收集使用規范，明確數據采集渠道、數量、范圍，并嚴格在規范框架范圍內使用信息，或與符合資格的第三方數據供應商或數據分析方案提供商建立合作關系，確保數據來源與數據應用合法合規。同時企業必須加大自身業務與客戶信息安全防護方面的研發力度，嚴防內部信息外泄風險。目前區塊鏈加密、量子加密等新型技術正在推動商業化應用，企業或可與第三方專業安全機構尋求信息安全保護。

（三）就業結構調整

人工智能工作效率高、邊際成本低、顧客體驗好的優勢對現實就業結構將產生顯著影響，其在金融領域的廣泛應用勢必推動以基礎技能或標準服務為主的工作崗位職責進一步格式化、自動化，相關崗位人員存在減少甚至全部取締風險。如人工智能在風險偏好評估、授信審批、信用動態評級、報告自動化、量化交易等方面的應用或將導致降低企業相關崗位編制配置，而其創造的新崗位如算法工程師、模型運維等則存在明顯就業門檻。

企業需積極引導員工個人技能轉型，在當前金融風險管理數字化發展浪潮中，掌握數據分析技能已成為基本配置技能，企業可建立學習型組織，開展空中講堂項目，為員工積極提供多樣化的技能培訓機會，同時通過企業文化主動影響員工形成終身學習的良好習慣。

（四）監管真空問題

針對人工智能技術在金融風險管理領域，尤其是量化對沖、風險策略制定等場景應用導致的風險事件，由于部分算法在訓練時存在判斷過程的不可視步驟，無法提供具體推薦邏輯，形成決策“黑匣子”情形，導致后期風險原因排查無法追溯，責任主體不清。

關于人工智能監管具體規則制度，目前尚需進一步修訂完善。新經濟時代呼吁新的監管體系和框架，但當前人工智能仍處于大力發展階段，相關應用處于“弱人工智能”層面，距離強人工智能和超人工智能存在較大差距。人工智能法律制定需與具體領域結合起來，因此當前階段人工智能法律法規的制定缺少一定現實土壤，但監管政策維護市場秩序、促進公平競爭、保護消費者的核心目標不會變，良好的政策環境也會反哺人工智能在金融風險管理的長效有序發展，未來人工智能制度建設或將重點圍繞合法合規、以人為本、平等公平、權責清晰等方面展開。