智能风控： 构筑商业银行高质量发展的“护城河”

《中华人民共和国国民经济和社会发展第十四个五年规划和二〇三五年远景目标纲要》中明确指出：“稳妥发展金融科技，加快金融机构数字化转型”“实施金融安全战略。健全金融风险预防、预警、处置、问责制度体系，落实监管责任和属地责任，对违法违规行为零容忍，守住不发生系统性风险的底线”。

近年来，大数据、云计算、人工智能、区块链等新一代金融科技的广泛应用，驱动着商业银行向数字化、智能化、信息化转型，金融科技在获客活客、场景建设、防控风险、增强竞争力等方面发挥着积极作用。作为金融科技在金融领域主要的应用成果之一，智能风控备受关注。

智能风控以大数据为基础、以风控模型和机器学习等新兴算法为工具、以场景融合为驱动，贯穿风险管理全流程，为识别客户、授信审批、贷后管理等提供决策和方案支持。与传统风控相比，智能风控通过引入大量非金融数据，提高了对客户的风险特征识别能力，拓宽了银行金融服务的覆盖面；同时通过大数据和机器算法学习，能有效捕捉此前关注不到或实际操作困难的信息维度，提高了风险识别的有效性和准确性；另外，通过大数据的迭代更新，还能够更加敏锐地发现客户风险特征变化，更加及时地响应和调整风控模型的策略。

为充分发挥智能风控对商业银行数字化转型的积极作用，商业银行应结合线下核心风控思维，利用智能风控的技术优势，加快数据整合、加强模型搭建、加速场景融合、加大人才培养力度，提高风险管理数字化、智能化、集约化水平，以进一步提升防范和化解金融风险的能力。

数据整合是基石。一是要加快对各业务条线涉及的客户基本信息、金融产品交易、资产信息、信用历史等数据的开发、挖掘。二是要加大力度对接工商、司法、海关等外部数据。三是要加大对数据的治理力度，依托系统化、自动化的手段开展批量治理工作，以保证各种数据质量统一、规范、可用性强。

模型运用是关键。一是要充分利用大数据、高级分析、模型算法等技术搭建标准化、组件化、参数化的风控模型，为不同业务领域、不同层级客户快速匹配相应模型，提升风控精准度。二是要积极探索运用机器学习、知识图谱等新技术，准确关联客户相关内外部信息，全方位展现客户风险特征，有效识别关联风险，预防外源性风险传导。三是要积极管理智能风控的模型风险，充分开展模型的试运行测试、业务连续性管理和压力测试，在合规经营的前提下，不断提高风险监测的科学性和有效性。

场景融合是动能。一是利用AI技术，对接客户需求和金融服务场景，在决策、分析、流程三大智能方向上拓展智能应用场景，实现信贷领域全面智能化。二是在线上信贷业务反欺诈领域，开展反欺诈数据挖掘和信息共享，围绕渠道建设、客户需求和产品服务等多个维度布局反欺诈技术，重点关注第三方支付、超级账户等方面的反欺诈风险计量，提高风险识别的前瞻性。三是结合不同风险特征，通过有针对性的采集风险信息、抓取特征数据、建立不同风险模型，推动信用风险、市场风险、操作风险管理的智能化。

《农银学刊》编辑部