基于ChatGPT+RPA的融資融券業務擔保資產風險評價

李聞一 黃怡凡 錢磊

【摘 要】 ChatGPT憑借大數據、大算力、大標注、強算法等，具有強大的語義理解、內容創作、代碼編寫功能，在券商融資融券業務擔保資產的風險評價中能夠進行風險評價模型構建、代碼撰寫以及結果評價等。RPA作為“數字員工”可以運行ChatGPT生成的場景模型代碼，并得出結果。ChatGPT與RPA的結合能夠做到對擔保資產風險的事前預測以及事后改進。文章首先討論了融資融券業務擔保資產存在的信用風險、市場風險、流動性風險等問題。其次針對這些問題，運用ChatGPT的內容創作以及代碼編寫功能構建了融資融券業務擔保資產風險評價模型，并通過RPA運行代碼進行計算。最后得出結論和啟示。

【關鍵詞】 ChatGPT； RPA； 融資融券； 擔保資產； 風險評價

【中圖分類號】 F830? 【文獻標識碼】 A? 【文章編號】 1004-5937（2024）02-0088-07

一、引言

融資融券業務是指證券公司向客戶出借資金供其買入證券，或者出借證券供其賣出，并收取客戶擔保物來作為其負債抵押的經營活動。自2010年推出融資融券業務以來，其市場規模不斷擴大。比如，滬深兩市融資融券余額從試點首日2012年的659萬元迅速增長到2023年的15 938.01億元，增長了24倍，如圖1所示。但是從2018年開始，融資融券業務中融資類業務的減值損失不斷提升，到2020年達到40.99億元，從圖2發現融資減值損失和信用減值損失在2022年以前每年呈現正增長趨勢。因此，各家證券公司對融資類業務風險逐步重視，融出資金減值損失開始有所緩解，并在2022年由正轉負。擔保資產是進行融資融券業務重要的一環，融資融券客戶需要進行擔保證券提交和三方存管轉賬轉擔保給證券公司，同時，客戶還需提供信用賬戶擔保物對總負債進行擔保。由此可見，對融資融券業務其信用資產即擔保賬戶內的資產質量進行分析研究極為重要。融資融券擔保是券商融資融券業務風險鎖定的根本[ 1 ]，如何有效控制客戶融資融券賬戶的風險進行擔保資產的風險評價，成為券商風險管理工作的重要內容。

現有文獻主要集中于融資融券業務系統性風險說明[ 2 ]、融資融券制度與企業債務違約[ 3 ]、證券公司開展融資融券業務的風險控制[ 4 ]。對融資融券業務擔保資產的風險評價，僅僅是對個人客戶違約概率進行了計量研究[ 5 ]，均未構建擔保資產風險評價模型以及有效解決擔保資產風險問題。風險評價往往需要掌握豐富的金融知識、極強的分析能力以及扎實的代碼寫作能力，本文以開創性的視角引入ChatGPT+RPA，對融資融券業務擔保資產的風險評價進行模型構建和研究，一定程度上能解決知識欠缺所帶來的信息滯后。首先，ChatGPT作為一種自然語言處理模型，可以幫助證券公司更好地處理文本數據，并對大量文本數據進行分析。其次，ChatGPT可以根據證券公司的風險管理需求構建模型、生成代碼[ 6 ]，并使用RPA自動化技術運行代碼，通過量化的手段幫助分析師挖掘深度信息。最后，ChatGPT還可以作為“投資顧問”，根據市場狀況、競爭環境、量化結果等因素，結合公司的情況，提供更加智能化、高效化的風險評價。

二、我國融資融券業務擔保資產的風險問題

（一）融資融券業務擔保資產

在我國證券市場實踐中，根據監管業務規則的設計和安排，證券公司需開設客戶信用交易擔保資金賬戶和客戶信用交易擔保證券賬戶，即為融資融券業務擔保資產。證券公司同時會為參與融資融券業務的客戶單獨開設一套完整的信用賬戶體系，包括客戶的信用資金賬戶、信用證券賬戶、信用三方存管賬戶，以區別客戶的普通賬戶體系。客戶的信用資金賬戶為客戶信用交易擔保資金賬戶的二級子賬戶，客戶的信用證券賬戶為客戶信用交易擔保證券賬戶的二級子賬戶，證券公司客戶信用交易擔保證券賬戶內的證券和客戶信用交易擔保資金賬戶內的資金，為擔保證券公司因融資融券而產生的對客戶債權的信托財產，即客戶在信用資金賬戶中的資金和在信用證券賬戶中的證券，共同構成了其對證券公司負債的擔保。

（二）存在的風險問題

1.信用風險

在融資融券業務中，信用風險是指客戶履約能力不足導致到期無法償還資金或證券等，即融資人無法及時補充擔保資產或是融券人不能按時償還其借入的債券。在客戶未能履約的情況下，公司會采取強制平倉的措施，平倉后融資人仍資不抵債的、融券人仍不能足額償還出借證券，證券公司可以自有資金購買證券來償還證券出借人，再對客戶進行追索，如追索不成功，公司承擔相應的損失。

2.市場風險

市場風險指在證券市場中因市場因素如股市價格、利率、匯率等的變動而導致資產價格波動或投資收益波動的風險。對于融資融券負債而言，因客戶的擔保證券價格波動，會導致客戶的償債能力變化，極端情況下，會導致客戶資不抵債，進而影響證券公司的債權收回，發生業務減值損失。

3.流動性風險

流動性風險指證券公司資金或證券頭寸不足，無法滿足融資融券業務客戶交易需求或不能到期償還外部債務的風險。證券公司在為投資者提供融資時除了使用自有資金，還會采取外部融資的方式以滿足投資者需求。隨著融資融券業務規模擴大，若無法按照原有約定及時收回投資者的融資，將導致證券公司發生流動性風險。

三、融資融券業務擔保資產風險評價選擇ChatGPT+RPA的理由

（一）能夠處理大量數據

在進行融資融券業務擔保資產風險評價時，需要進行大量證券歷史行情數據的取值和清洗，同時要與每家券商自身的融資融券客戶擔保證券相結合，找到可以運用的基礎數據。基于不同的評價周期、不同的擔保資產性質、不同的評價模型方法，需要取得不同歷史數據并對其進行清洗和轉換，成為便于處理的數據，這個過程較為繁瑣，僅憑人工數據獲取和匹配，需要耗費大量的時間和精力，更容易出現數據錯誤。ChatGPT能夠根據場景需求判斷所需的數據，RPA作為自動化機器人，可以根據ChatGPT分析結果自動抓取擔保證券歷史行情數據，節省人力資源，釋放分析師勞動力以從事更高級的結果分析工作。

（二）能夠重復工作

擔保資產行情數據需要長期跟蹤并及時更新分析，存在大量的重復性工作。市場的風險不斷變化，證券的走勢在不斷波動，歷史的數據也會不斷更新，當天的評價數值并不適用于后續評價，需要對其進行持續跟蹤評價，記錄資產風險的變化，以在風險增加的時候及時發現并處置，達到評價風險的目的。RPA可以根據需求設置程序，自動更新數據，并及時準確地將結果傳輸給工作人員。

（三）代碼編寫和運算能力強

風險評價模型的構建需要依賴復雜的運算過程，計算量大，且涉及復雜代碼的編寫，非IT技術人員難以掌握。證券公司客戶擔保證券的數量、品種不斷擴容，從最初業務開展時標的證券90只，發展到2023年超過2 200只，需要計算的每一只證券的數據量非常大。風險評估時，要計算歷史收益率、方差、協方差、VAR值等，人工手算幾乎不可能，必須借助代碼公式加以實現，對分析人員要求較高。通過ChatGPT+RPA的組合，實現風險評價模型的構建和代碼的運行，可以有效解決IT代碼技術以及運算的問題，提高了分析效率。

四、擔保資產風險評價框架構建與實現步驟

（一）框架構建

ChatGPT+RPA進行擔保資產風險評價的基本框架，如圖3所示，共分為輸入層、處理層、輸出層、操作層四個層面。輸入層包括場景需求和內部數據，主要是將融資融券擔保資產風險評價場景詳細描述給ChatGPT，并將場景所需業務數據進行傳輸。處理層包括模型構建和代碼寫作，主要是ChatGPT根據場景需求和內部數據進行合適的模型構建，并根據模型撰寫所需代碼。輸出層包括源代碼和結果分析，ChatGPT輸出源代碼的文本形式，對代碼運行結果進行分析。操作層包括代碼運行和重復操作，依靠RPA機器人運行ChatGPT輸出的代碼，并對每日風險進行重復計算。

（二）實現步驟

1.數據來源

本文選取東亞前海證券內部客戶某日擔保資產，該日有74位個人和機構客戶進行融資融券交易，共持有256只證券標的，部分數據如表1所示。證券收盤價數據來源于choice金融終端。

2.模型構建

所有擔保資產可以看作是一個投資組合，因此使用Markowitz均值—方差模型對擔保資產的風險進行評價。

對于n項擔保資產，收益率分別為r1，r2，…，rn，各項擔保資產的持有比例分別為？棕1，？棕2，…，？棕n，其中∑n i=1？棕i=1。

組合的方差為Var（rp）=∑n i=1？棕2iVar（ri）+∑i≠j？棕i？棕jCov（ri，rj）。

Cov（ri，rj）為第i項資產和第j項資產的協方差，表示第i項資產和第j項資產之間的相關性。

一般來說，方差越大，該組合波動率越大，其風險越大。

3.參數說明

本文使用的主要參數有收盤價、收益率、權重等，具體參數說明如表2所示。

4.實現過程

（1）計算日收益率

在ChatGPT中通過相關描述獲得python代碼并進行提問，問答結果如表3所示。將代碼中樣例數據data修改為指定股票收盤價，放入RPA中執行，獲得每只證券歷史日收益率。執行部分結果如表4所示。

（2）計算每只證券占整體賬戶權重

利用RPA計算每只證券的市值與總市值的占比權重 ，其中mi為證券i的自有證券市值，ni為證券i的融資市值。占比權重部分計算結果如表5所示。

（3）計算每只證券的日均收益率方差var（r_i）與協方差cov（r_i，r_j）

在ChatGPT中通過相關描述獲得python代碼進行提問，將返回的python代碼放入RPA進行執行得到方差權重表與協方差權重表（表6）。

（4）計算擔保證券組合方差

根據公式利用RPA編寫代碼計算擔保賬戶組合方差。

該組合方差為0.00012382261051574597。

5.結果評價

以該組合方差為基準，券商根據每日兩融業務擔保賬戶持有情況，使用RPA軟件重復本過程，計算每日組合方差。一般情況下，方差越大，波動率越大，風險越高。在方差變化較大時留意當天擔保資產份額，觀察擔保賬戶持有情況，對資產風險較大賬戶持有者進行提醒，持續重點關注該賬戶擔保資產變化情況，并采取相應措施規避風險。

（三）創新之處

一是工具創新。本文在融資融券擔保資產風險評價中將ChatGPT和RPA兩種工具結合，突破了以往僅靠人工的操作。將兩融業務擔保資產風險每日狀況量化賦值，將重復性、專業性的工作交由機器處理，人工只需起到監控作用，極大地釋放了人力資源，為券商兩融業務擔保資產風險評價以及其他風險評價場景提供了很好的思路和工具。

二是評價步驟創新。本文在融資融券擔保資產風險評價中使用數字化工具進行數據處理、模型構建、代碼運行，不再依靠專業分析師的數據處理能力、模型構建能力以及代碼寫作能力進行風險評價操作。同時，每日的風險賦值都可以在較短時間內得出，這些都使得兩融業務擔保資產風險評價更加容易，簡化了兩融業務擔保資產風險評估步驟。

五、結論與啟示

（一）結論

1.ChatGPT與RPA的結合能夠有效適應融資融券業務擔保資產風險評價

ChatGPT作為一種大語言模型，其自然語言處理、代碼寫作、上下文理解等方面的功能強大，但在代碼的運行與計算上有所缺失，將ChatGPT提供的代碼自動抓取到RPA自動化流程處理軟件中，能有效解決ChatGPT計算能力上的缺失，更好地賦能企業。在融資融券業務擔保資產的風險評價中，ChatGPT和RPA的結合通過對風險評價模型的構建、代碼寫作、代碼運行以及計算結果的生成，揭示了每日擔保資產組合的方差大小即風險狀況，簡化了分析師風險分析流程，效果明顯。

2.本方法出錯率低運算效率高

傳統人工風險評價模型的構建需要復雜的計算過程，分析師需要掌握大量的知識進行模型構建、代碼寫作以及結果分析，而使用ChatGPT+RPA僅僅只需要將場景應用需求傳輸給ChatGPT，運用ChatGPT進行模型構建和代碼寫作，出錯率低，使用RPA運行該代碼，計算較快。同時，券商的融資融券擔保資產每天都會產生新的數據，人工更新較為復雜，而使用RPA能夠及時自動更新數據，不需要人工每天對數據進行操作，提高了效率。

（二）啟示

1.企業要注重引入數字化工具

數字化背景下，數字化工具頻出。企業要根據自身場景需求，結合不同數字化工具，賦能企業數字化轉型。ChatGPT與RPA的結合對融資融券業務擔保資產的風險評價提供了思路，同時，可以使用ChatGPT+ERP、ChatGPT+微軟全家桶、RPA+搜索引擎等多種工具，在企業的特定應用場景中進行應用。

2.券商要注意數據安全與隱私保護

ChatGPT功能強大，在融資融券擔保資產風險評價時會涉及券商內部客戶的數據，券商在使用過程中要注意安全性，確保客戶數據的安全存儲和傳輸。在大量場景運用時，企業要注意隱私保護，制定合規場景使用，明確規定某些隱私信息不可通過ChatGPT運行，遵守相關的隱私法規，并采取適當的措施保護用戶個人信息的機密性。

3.券商可以將ChatGPT+RPA運用到其他場景

使用ChatGPT進行需求重述和代碼寫作，RPA進行代碼運行和重復化流程操作，對券商在其他場景的應用具有借鑒意義。比如進行量化投資操作時，可以使用ChatGPT將自然語言轉化為機器語言，使用RPA運行代碼并將量化結果傳輸至ChatGPT進行結果分析，降低量化投資門檻。

【參考文獻】

［1］ 程威.民法典時代融資融券擔保的法律構成：以讓與擔保為適用進路［J］.江西財經大學學報，2022，139（1）：136-148.

［2］ 劉志洋，宋玉穎.融資融券的系統性風險管理研究［J］.上海經濟研究，2015（7）：3-8.

［3］ 陳利，田甜，吳玉梅，等.賣空機制、內部控制與企業債務違約風險：基于中國融資融券制度的準自然實驗研究［J］.上海金融，2022（7）：18-30.

［4］ 張成軍，謝海玉.證券公司開展融資融券業務的風險控制［J］.中國金融，2010，682（4）：59-60.

［5］ 程天笑，聞岳春.融資融券業務個人客戶違約概率計量研究［J］.金融研究，2016，430（4）：174-189.

［6］ 李聞一.財務共享服務中心的大語言模型應用探究［J］.會計之友，2023（15）：2-10.