张璇

在创新驱动战略下，科技引领金融行业向前发展。在金融科技的加持下，商业银行能够借助各类科技形式构建科学高效的风控模型，实现线上与线下的融合，推动智能化、全流程风控机制的建设。

十四五规划中明确提出数字中国的建设战略，要加强数字技术与各类经济形态之间的深度融合，推动产业实现升级和转型。据此，《金融科技发展规划（2022-2025年）》也提出了现代金融体系的建设目标，为金融科技赋能金融发展铺设道路。

一、金融科技在商业银行风险管理中的作用

金融科技高度融合了“金融”与“科技”，在互联网和信息技术的助力之下，借助云计算、大数据、区块链、人工智能等技术形式推动金融业务创新与转变，不断发展新兴金融产品以及服务模式，提升金融行业发展的效率和成绩。因此金融科技能够转变传统的商业银行风控路径，提升银行风控的效率，降低银行风控的各项成本。

（一）加强信息披露力度

商业银行在贷款业务以及投资业务中普遍面临着信息不对称的问题，因此会产生信用风险。企业信息披露机制的建设能够在一定程度上解决上述的信息不对称问题。但是在当前不完善的信息披露机制下，仍旧存在披露内容简单、披露形式不规范、信息可比性低等问题，影响了商业银行的数据收集和风险评估。因此在智能算法和大数据系统的搭建下，建设全社会的数据管理体系，构建各行各业的数据知识图谱以及智能算法库，不仅能够收集和覆盖所有企业信息，还能够追溯或预测过往数据或未来信息，解决当前信息披露机制构建不完善的问题。

（二）推动风险评估规则完善

风险评估是商业银行风险管理的第一环节，需要构建风险评估的技术法规、风险评估标准、风险评定程度等，形成完善的体系。在日新月异的互联网以及信息技术环境中，商业银行的风险评估规则也要因时而变，不断更迭和完善评估体系。而金融科技能够为商业银行提供低价、便捷、高效的风险评估服务，能够借助人工智能、大数据、物联网等金融技术形式对企业或个人的风险情况进行全面、详实的评估，从而在合规的同时能够提升商业银行整体的风险控制水平。

（三）降低内部风险管控成本

在金融科技的加持下，商业银行能够借助各类科技形式构建科学高效的风控模型，实现线上与线下的融合，推动智能化、全流程风控机制的建设。在科技风控体系中，商业银行能够降低人工成本、时间成本和精力成本，从而降低风险控制和管理成本，提升经营管理的质量、效益和竞争力。

综上所述，金融科技为商业银行风控带来新的管理思路和管理实践，能够加强信息流动，推动风险管理规则和机制的完善，从而达到降本增效的管理效果。

二、传统商业银行风险管理的不足

商业银行作为金融市场重要的参与者，借助存款和贷款这两项基本业务，创造经营收益，并能够调节市场上的货币供应情况。在贷款业务和投资业务中，商业银行一直以来都在坚持发展和完善风险管控体系，能够面对市场风险、信用风险等各类风险类型。但是在传统风控模型中，商业银行仍旧存在风控的管理漏洞和不足，制约了自身长效化健康发展。

（一）信用风险领域的管控漏洞

信用风险是商业银行经营中遇到的主要风险类型。从广义上解释，信用风险是指因客户违约而产生的风险，如借款人不按时还本付息、存款人提前大额取款而产生的挤兑风险、交易对手违约等，造成了商业银行预期收益和实际收益、预期风险和实际风险相背离的状况。目前，商业银行信用风险主要表现为征信评级上的不足、普惠金融上的不足。

1.征信评级滞后于实际需要

在各類业务开展之前，商业银行需要对客户进行信用评级，从而分类管理不同风险等级的客户，更好地对客户风险进行评估和分析。在传统的信用评级中，商业银行容易产生以下问题：第一，征信数据有限，不能够反映客户的风险全貌。商业银行主要从客户的各类财务数据上分析客户的状况，定位客户的风险等级，缺乏其他经营数据、消费行为数据等数据类型的支持，因此对客户风险等级的判断还是比较片面的。第二，评级结果更新速度慢，没有及时根据经营管理情况变化而变，滞后于实际风险状况。个人客户和企业客户的还贷能力、经营能力会随着内外环境的变化而变化，因此携带着的信用风险也会因时而变、因地而变，但是商业银行在客户跟踪、数据统筹、风险评估等方面上欠缺柔性和灵活性，因此无法及时调整风险评级，为现有业务经营带来未知的信用风险。

2.普惠金融风控难度大

商业银行需要继续发展对中小微企业以及弱势人群的普惠金融。普惠金融发展至今仍旧存在覆盖面窄的问题，没有办法满足中小微企业的融资需求和其他银行业务需求。上述问题发生的主要原因在于中小微企业的动态信息以及行为痕迹难以捕捉，各类企业财务信息和财务报告收集不完全，因此无法对中小微企业做出更加全面的综合分析和评价，导致针对性的中小微企业风控体系存在一定的不足和限制。

（二）市场风险领域的管控漏洞

市场风险来源于市场波动，划分为特殊市场风险和一般市场风险，其中股价风险、利率风险、汇率风险等都是常见的一般市场风险。当前，商业银行风险管理会利用VaR值来精确测量市场风险，能够应对大部分市场风险管控的需要，但是仍旧存在一定的不足。

第一，市场风险内部模型法自身存在局限性。在市场风险的计量模型中，资产组合的构成和价格波动并不能被精准、敏感地预测，存在适用范围和场景的局限性，在风控实际中还需要配合着其他非统计方法的使用。此外，市场风险计量模型对于非交易业务的市场风险束手无策，无法反映非交易业务的市场风险发生概率以及损害程度。

第二，利率市场化调整的效率不足。商业银行的贷款利率的设置逐渐朝着市场化的方向发展，应该结合客户情况和市场货币的供应情况等，因地制宜设置并采用差异化的利率制定方法。但是商业银行在利率定价的过程中往往因为信息不对称的问题发生道德风险以及逆向选择，因此难以开展合理的定价工作，无法高效调整贷款利率。

（三）操作风险领域的管控漏洞

在商业银行业务管理中，操作风险主要包括以下四种情形：第一，人员因素引起的操作风险；第二，流程因素引起的操作风险；第三，系统因素引起的操作风险；第四，外部事件引起的操作风险。在具体事件上，信贷欺诈、洗钱、内控审计失效等都是比较棘手的操作风险事件。面对频频发生的操作风险，折射了商业银行在操作风险上的管理和控制不足，尤其是在技术管理上存在明显的滞后性。当前，诸多商业银行并没有建设完善的损失数据库，没有将过往的损失风险整理在库，因此无法构建更加精准高效的操作风险计量模型，在操作风险的控制能力和管理能力上存在薄弱之处。

三、金融科技推动商业银行风控转型的管理措施

针对上述传统风控领域上的不足，商业银行需要管理与技术并抓，积极应用金融科技，借助大数据、云计算等科技形式发展风控模式，提升风控质量和效果。

（一）完善商业银行的信用风险管控

1.共享征信评级数据

在征信领域，商业银行需要积极接入大数据征信系统，构建大数据征信模式，能够全面、综合评估客户的风险。大数据征信是充分利用当前的大数据技术，设计并制定大数据征信模型和算法，搜索并规整各类数据，以此考察与评估客户的信用和风险。大数据征信相对于传统的银行征信具有明显的应用优势：第一，数据来源广泛，覆盖面极其广泛。大数据征信信息来源于各类公开数据、授权数据以及第三方数据，采集了金融系统内、电子商务平台上、政务平台上、社交平台上的各类数据，能够更完善、更全面还原用户画像，对用户的各类心理和行为做出比较精准的判断，提升了数据收集的广泛性和数据利用的高效性。第二，数据动态更新，实时掌握客户情况。金融科技使得实时信息的追踪变得更加轻松和简单，能够在离线的环境下对客户的有关数据进行自动地收集和补充，从而实时更新客户画像以及风险信息。在横向和纵向数据挖掘的配合之下，客户风险数据的处理范围以及处理速率将大幅度提升。因此，商业银行风险控制需要大数据征信的助力，才能够帮助银行更好判断和预测客户的风险信息。

大数据征信的搭建流程主要划分为以下四个步骤：第一，大数据采集；第二，大数据处理；第三，大数据分析和挖掘；第四，大数据诚信服务。商业银行需要做好技术的更新换代，借助大数据技术重塑征信流程，在上述四个流程环节的相互配合之下，设计科学的征信评价模型和算法，在多维度的信用评价指标中对各类客户开展真实有效的信用评价。

2.推动普惠金融风控体系建设

普惠金融是商业银行发展并深耕的重要领域，能够帮助商业银行扩大业务的辐射范围。为了推动普惠金融风控体系的完善建设，商业银行首先需要构建中小微企业和弱势群体的用户画像，能够了解用户需求，并为其设置合理的风控产品。对此，商业银行需要借助移动终端贴近用户使用场景，提升获客能力，在客户的数据流中借助信息技术绘制客户画像，并根据用户的金融数据和风险数据设计相应的金融产品和工具，以此减少金融工具和产品推向市场的市场风险，能够增加金融工具与客户之间的适配性。其次，商业银行也需要利用金融科技加强对终端中小微客户的管理，构建中小微客户的管理模型，并对中小微客户的风险进行实时监测，能够有效地克服中小微客户信息不全面、不准确的风控问题。

（二）完善商业银行的市场风险管控

1.完善市场风险内部模型

市场风险内部模型作为评估市场风险的主要工具，需要在金融科技的助力下不断完善，提升自身的精确性，并弥补模型本身的漏洞和缺陷。对此，商业银行应该可以在多项金融科技的赋能下完善市场风险内部模型，并不断构建更加充分的市场风险管控体系和机制。在统一的数据管理平台的加持下，商业银行能够建设并更新定价估值模型和市场风险计量方法，在该数据平台的操控下监管交易账户中的利率风险、汇率风险等。在诸多數据的补充和融合下，商业银行的市场风险内部模型将能够越来越贴合实际需要，越来越精确和有效。并且，在多方数据的统筹和更新之下，市场风险内部模型也能够掌握“自主学习”的技能，不断对内部参数进行调整，进而提升模型的精准性。

2.完善利率定价

过高或者过低的利率定价都会对银行短期或者长期经营造成一定的利率风险，都会影响商业银行长期的健康发展。对此，商业银行需要积极借助金融科技科学化利率制定的流程，根据客户的差异性制定个性化的利率策略。在利率市场化背景下，商业银行需要借助先进的金融系统改善资产结构和客户结构，能够找准双方的定价底线，强化利率制定中的财务约束，能够为双方博取合适的利润空间。例如，农业银行推出了新一代核心银行系统，在数据架构上建设了客户统一视图，在应用架构上实现了“产品工厂”的组装配置模式，能够高效管理金融工具和产品。此外，各商业银行以及银行系统需要建设大数据平台并共享数据信息，能够在成熟的利率风险引擎中基于业务数据制定完善的利率分析模型、定价模型等计量方式，从而实现数据化决策。

（三）完善商业银行的操作风险管控

商业银行首先需要借助金融科技来实现操作风险的管理和控制。对此，商业银行需要建设专门的金融科技部门和人员队伍，能够在人财物的资源部署中提升金融科技的管理效能。在这一基础上，商业银行还需要引进基础设施和硬件设备，将网络设备、运算服务器、机器人、数据挖掘计算工具、人工智能系统等引入银行内部，构建扎实的技术基础，实现技术对风控流程的管理，实现技术对人事的推动。其次，操作风险也需要相配套的监管制度的作用，能够在内部监督和外部监督的相互作用下，把握风险管理和银行效率之间的平衡点，实现创新和稳定的“双赛道”的发展。金融科技的运用并非一本万利的，在建设和应用的过程中也需要发挥制度建设和监督管理的作用，能够在多措并举下完善商业银行的风险管控体系。再次，商业银行需要积极建设损失数据库，能够记录并总结过往的操作失误数据，从而能够更好地规避当前和未来的操作风险的发生。因此，借助金融科技，银行能够尽可能地规避一般性的操作风险，并能够有效降低其他操作风险的发生概率以及损害程度。

结 语

金融科技能够提升商业银行的风险管控能力，解决传统风控中的信用风控问题、市场风控问题和操作风控问题，为商业银行风险管理降本增效。因此商业银行需要建立数据思维，致力于在大数据、云计算、人工智能等各类科技形式的助力下提升风险评估、风险分析和风险控制等管理效率和质量。