人工智能環(huán)境下金融風(fēng)險管理面臨的機(jī)遇與挑戰(zhàn)

申良和 泰康人壽保險有限責(zé)任公司

隨著科學(xué)技術(shù)進(jìn)步，現(xiàn)代人工智能水平發(fā)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(jī)器人等為代表的各項(xiàng)下游應(yīng)用正逐步滲入商業(yè)、生活各領(lǐng)域，加速賦能各產(chǎn)業(yè)運(yùn)行效率。根據(jù)IDC所發(fā)布的調(diào)研報告指出：預(yù)計全球人工智能支出將在未來四年內(nèi)翻一番，由2020年501億美元增長到2024的110億美元，復(fù)合年增長率高達(dá)20%。金融作為國民經(jīng)濟(jì)發(fā)展資金融通組織，在經(jīng)濟(jì)一體化與金融全球化大背景大，金融風(fēng)險管理重要性日益突出。國內(nèi)銀行、保險、券商等金融機(jī)構(gòu)加速布局人工智能相關(guān)產(chǎn)業(yè)及應(yīng)用研發(fā)，為公司在未來數(shù)字化競爭時代奪得先機(jī)。與金融風(fēng)險管理相關(guān)的人工智能應(yīng)用在此契機(jī)下加速發(fā)展，神經(jīng)網(wǎng)絡(luò)、知識圖譜、專家系統(tǒng)等算法不斷在金融風(fēng)控領(lǐng)域得到創(chuàng)新實(shí)踐。

一、人工智能技術(shù)在金融風(fēng)險管理領(lǐng)域的發(fā)展機(jī)遇

全球經(jīng)濟(jì)下行和金融經(jīng)營管理市場化趨勢對金融風(fēng)險管理提出更高要求，2018年以來美國特朗普政府發(fā)動的“逆全球化”貿(mào)易戰(zhàn)加劇了市場風(fēng)險，今年上半年新冠肺炎疫情使得經(jīng)濟(jì)下行環(huán)境下的信用風(fēng)險進(jìn)一步加劇，而金融機(jī)構(gòu)自身在新技術(shù)、新環(huán)境下還需面臨更加復(fù)雜多變的操作風(fēng)險。人工智能技術(shù)不僅為風(fēng)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(fēng)險管理中的應(yīng)用

信用風(fēng)險是指債務(wù)人或交易對手未能執(zhí)行合同所規(guī)定的義務(wù)或信用質(zhì)量發(fā)生變化，從而給債務(wù)人或金融產(chǎn)品擁有人造成經(jīng)濟(jì)損失的風(fēng)險。信用風(fēng)險是以信用中介為主營業(yè)務(wù)的銀行、第三方信貸等機(jī)構(gòu)面臨的主要風(fēng)險類型。人工智能技術(shù)以判別違約風(fēng)險作為重點(diǎn)應(yīng)用場景，引入支持向量機(jī)、隨機(jī)森林等算法對違約概率進(jìn)行預(yù)測，引入專家系統(tǒng)對企業(yè)信用進(jìn)行評級，各企業(yè)通過建立智能決策、智能監(jiān)控實(shí)現(xiàn)對信用風(fēng)險前、中、后端全流程把控。某保險資產(chǎn)團(tuán)隊通過積極探索外部企業(yè)評級變動情況，開發(fā)改進(jìn)機(jī)器學(xué)習(xí)模型，改變依靠人工選擇代表償債能力相關(guān)財務(wù)指標(biāo)并手工賦予權(quán)重的傳統(tǒng)評級方式，實(shí)現(xiàn)無人工干預(yù)指標(biāo)選取情況下迅速判斷外部發(fā)債主體信用評級變化趨勢。而某普惠金融平臺自主研發(fā)的自動信用評估系統(tǒng)則可自動提出問題，并通過包括機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語言理解技術(shù)來感知上下文，智能控制對話流程并給出評估結(jié)論。該過程無需人工介入，可避免因個人經(jīng)驗(yàn)不足、主觀標(biāo)準(zhǔn)不統(tǒng)一等問題。

（二）人工智能在市場風(fēng)險管理中的應(yīng)用

市場風(fēng)險主要指金融機(jī)構(gòu)在市場經(jīng)營環(huán)境中面臨的風(fēng)險，主要分為利率風(fēng)險、匯率風(fēng)險；其中利率風(fēng)險主要指市場利率波動導(dǎo)致的以利率計價資產(chǎn)凈值減少的風(fēng)險，而匯率風(fēng)險則主要針對匯率波動導(dǎo)致貨幣兌換價值損失風(fēng)險。某證券公司研發(fā)的建立在金融時間序列、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語言處理等相關(guān)技術(shù)基礎(chǔ)上的自動報價與自動對沖交易系統(tǒng)，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(yīng)用。系統(tǒng)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(fēng)險管理層面打通，提高了報價質(zhì)量與交易處理效率，同時增強(qiáng)了風(fēng)險管理能力。人工智能同樣在優(yōu)化量化投資策略發(fā)揮積極作用，尤其在國內(nèi)以散戶主導(dǎo)的二級市場；量化對沖模型可靈敏捕捉市場機(jī)會，避免主觀情緒導(dǎo)致的不理性行為，通過不斷修正參數(shù)，改進(jìn)運(yùn)行效果，實(shí)現(xiàn)同等風(fēng)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(fēng)險中的應(yīng)用

操作風(fēng)險一般指因人員、系統(tǒng)、流程和外部事件所引發(fā)的風(fēng)險，操作風(fēng)險具有普遍性和非營利性特征，它存在于金融業(yè)務(wù)操作各個環(huán)節(jié)，以智能反欺詐、反洗錢為代表的風(fēng)險管理智能化應(yīng)用正在得到廣泛應(yīng)用。國內(nèi)某大型銀行構(gòu)建的反欺詐事中風(fēng)控機(jī)器學(xué)習(xí)模型，基于高維交易行為特征，可有效識別和處理風(fēng)險事件，支持實(shí)時監(jiān)測數(shù)十億筆交易，避免賬戶交易異?；蛸Y金損失。而保險領(lǐng)域的智能閃賠服務(wù)也在加速推進(jìn)，直接面對傳統(tǒng)查勘定損高度依賴人工經(jīng)驗(yàn)的行業(yè)痛點(diǎn)，通過引入知識圖譜的大數(shù)據(jù)分析技術(shù)，降低保險理賠欺詐風(fēng)險，提高客戶理賠效率。某基金的智能反洗錢系統(tǒng)則針對客戶名單監(jiān)測痛點(diǎn)，利用人工智能技術(shù)大幅提升篩查準(zhǔn)確度，降低誤報率，使得監(jiān)測效果更加精準(zhǔn)有效。

二、人工智能對金融風(fēng)險管理的挑戰(zhàn)及應(yīng)對措施

人工智能技術(shù)以大數(shù)據(jù)為基礎(chǔ)，能大幅降低人力共工作強(qiáng)度，提高金融風(fēng)險管理效率，但同樣蘊(yùn)藏巨大現(xiàn)實(shí)挑戰(zhàn)。主要如下：

（一）模型風(fēng)險成本

隨著高級數(shù)據(jù)分析技術(shù)與智能算法的大量使用，以模型設(shè)計或使用不當(dāng)為代表的風(fēng)險事件正在對金融機(jī)構(gòu)風(fēng)險管理形成新的挑戰(zhàn)。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(shù)理統(tǒng)計導(dǎo)致投資業(yè)績損失慘重。而當(dāng)下模型被大量應(yīng)用于金融風(fēng)控策略的決策環(huán)節(jié)，尤其是涉及對沖的量化投資模型參數(shù)眾多，任何因子在實(shí)際操作環(huán)境選取不當(dāng)，或因子之間相關(guān)性在外界環(huán)境變化時發(fā)生突變，均可能導(dǎo)致無法挽回的后果。

針對該類問題，企業(yè)管理層需引起足夠重視，并在企業(yè)內(nèi)部建立適當(dāng)?shù)膱蟾骟w系。模型建立不是一蹴而就，必須不斷模擬改進(jìn)以滿足現(xiàn)實(shí)需要，過度依賴任何單個模型都不可取。將模型風(fēng)險管理嵌入部門（如模型所有者和模型開發(fā)者），將模型開發(fā)、驗(yàn)證、上線和后期監(jiān)測的部分工作自動化，并將驗(yàn)證活動集中于風(fēng)險最高的領(lǐng)域以提高驗(yàn)證效率，同時加強(qiáng)優(yōu)秀人才引入，建立企業(yè)內(nèi)部技術(shù)分享平臺，深入研究、優(yōu)化模型表現(xiàn)。

（二）信息收集與泄露隱患

人工智能時代以高數(shù)據(jù)密集度為顯要特征；人工智能為改進(jìn)風(fēng)險管理效果將產(chǎn)生海量數(shù)據(jù)輸入需求，該需求容易引發(fā)金融機(jī)構(gòu)數(shù)據(jù)采集程序的合規(guī)性問題。而人工智能時代的數(shù)據(jù)將成為核心競爭力，這一趨勢反而容易導(dǎo)致部分內(nèi)部系統(tǒng)防御薄弱的金融機(jī)構(gòu)用戶信息或交易數(shù)據(jù)被非法竊取。另一方面，人工智能技術(shù)在商業(yè)的不合規(guī)或非法使用也將帶來風(fēng)險事件，早期以生成式對抗網(wǎng)絡(luò)（簡稱GANs）模型為基礎(chǔ)的DeepFake技術(shù)在視頻網(wǎng)站的“換臉”視頻引發(fā)全球用戶爭議，該技術(shù)同樣對人臉識別在信息安全、金融支付、安檢設(shè)施等典型應(yīng)用推廣形成巨大威脅。各國監(jiān)管及互聯(lián)網(wǎng)公司不得不加大制度與技術(shù)出臺來規(guī)范該技術(shù)的合法使用。

針對此類問題，企業(yè)必須加大信息收集使用規(guī)范，明確數(shù)據(jù)采集渠道、數(shù)量、范圍，并嚴(yán)格在規(guī)范框架范圍內(nèi)使用信息，或與符合資格的第三方數(shù)據(jù)供應(yīng)商或數(shù)據(jù)分析方案提供商建立合作關(guān)系，確保數(shù)據(jù)來源與數(shù)據(jù)應(yīng)用合法合規(guī)。同時企業(yè)必須加大自身業(yè)務(wù)與客戶信息安全防護(hù)方面的研發(fā)力度，嚴(yán)防內(nèi)部信息外泄風(fēng)險。目前區(qū)塊鏈加密、量子加密等新型技術(shù)正在推動商業(yè)化應(yīng)用，企業(yè)或可與第三方專業(yè)安全機(jī)構(gòu)尋求信息安全保護(hù)。

（三）就業(yè)結(jié)構(gòu)調(diào)整

人工智能工作效率高、邊際成本低、顧客體驗(yàn)好的優(yōu)勢對現(xiàn)實(shí)就業(yè)結(jié)構(gòu)將產(chǎn)生顯著影響，其在金融領(lǐng)域的廣泛應(yīng)用勢必推動以基礎(chǔ)技能或標(biāo)準(zhǔn)服務(wù)為主的工作崗位職責(zé)進(jìn)一步格式化、自動化，相關(guān)崗位人員存在減少甚至全部取締風(fēng)險。如人工智能在風(fēng)險偏好評估、授信審批、信用動態(tài)評級、報告自動化、量化交易等方面的應(yīng)用或?qū)?dǎo)致降低企業(yè)相關(guān)崗位編制配置，而其創(chuàng)造的新崗位如算法工程師、模型運(yùn)維等則存在明顯就業(yè)門檻。

企業(yè)需積極引導(dǎo)員工個人技能轉(zhuǎn)型，在當(dāng)前金融風(fēng)險管理數(shù)字化發(fā)展浪潮中，掌握數(shù)據(jù)分析技能已成為基本配置技能，企業(yè)可建立學(xué)習(xí)型組織，開展空中講堂項(xiàng)目，為員工積極提供多樣化的技能培訓(xùn)機(jī)會，同時通過企業(yè)文化主動影響員工形成終身學(xué)習(xí)的良好習(xí)慣。

（四）監(jiān)管真空問題

針對人工智能技術(shù)在金融風(fēng)險管理領(lǐng)域，尤其是量化對沖、風(fēng)險策略制定等場景應(yīng)用導(dǎo)致的風(fēng)險事件，由于部分算法在訓(xùn)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(dǎo)致后期風(fēng)險原因排查無法追溯，責(zé)任主體不清。

關(guān)于人工智能監(jiān)管具體規(guī)則制度，目前尚需進(jìn)一步修訂完善。新經(jīng)濟(jì)時代呼吁新的監(jiān)管體系和框架，但當(dāng)前人工智能仍處于大力發(fā)展階段，相關(guān)應(yīng)用處于“弱人工智能”層面，距離強(qiáng)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(lǐng)域結(jié)合起來，因此當(dāng)前階段人工智能法律法規(guī)的制定缺少一定現(xiàn)實(shí)土壤，但監(jiān)管政策維護(hù)市場秩序、促進(jìn)公平競爭、保護(hù)消費(fèi)者的核心目標(biāo)不會變，良好的政策環(huán)境也會反哺人工智能在金融風(fēng)險管理的長效有序發(fā)展，未來人工智能制度建設(shè)或?qū)⒅攸c(diǎn)圍繞合法合規(guī)、以人為本、平等公平、權(quán)責(zé)清晰等方面展開。