金融科技时代商业银行加强金融风险管理的有效措施探讨

万 力

（腾讯科技（北京）有限公司，北京 100000）

“金融科技”一词2014年3月出现在政府工作报告中。中国人民银行在2019年8月发布的金融科技未来3年规划，将金融科技与风险管理融合，提升了风险管理高度。同年12月，中国人民银行在北京推出并启动金融科技创新试点，这也说明国家对金融科技对金融风险管理影响的重视程度和控制领域地位。商业银行作为我国金融体系的主体，就要抓住金融科技这一发展契机，进行内部的改革与发展。商业银行是当前金融改革中的重要一员，在对金融监管与货币政策的主动作为和被动接受过程中，需要将“棘轮效应”这一风险消费理论放大，将整体金融监管顶层设计改变为矩阵式管理模式。也就是在原有纵向管理基础上建立横向管理系统，使其内部结构更为紧凑，风险问责更为有效。基于上述背景，商业银行在经济周期中怎样有效地进行风险防范，是当前商业银行发展中的重中之重。因此，对商业银行来说，必须充分挖掘和预判移动互联网、云计算和大数据等新技术中的安全风险，保证新技术不会造成资金损失和客户信息泄露。而且，商业银行还要意识到新技术对安全保障能力提升的影响，积极创新人工智能、云计算以及大数据等方面的研究，从而对金融风险进行管理与创新，适应时代发展的需求。

一、金融科技时代商业银行金融风险管理面临的挑战

从相关实践调查中我们可以发现，随着金融行业的快速发展，市场上对于金融科技服务所产生的需求也随之增加，技术创新也逐渐受到人们的认可和重视。但是，在传统经济学理论之中，收益与承受的风险呈正相关状态，那么高收益的前提下也会面临高风险。随着大数据的发展，很多银行内部出现了信息不对称现象，导致收益和风险呈现不对等状态。所以，本文总结金融科技时代下商业银行的风险管理面临的挑战，具体如下：

1.加强金融科技创新改革，增加线上金融基础设施，将线上与线下业务有效融合

因为商业银行内部面对的数据较为复杂，所以提升了数据的收集难度。而且各种类型的金融统计数据标准也有所不同，整体信息的收集困难重重，导致杠杆率与金融风险底数不够清晰。而且金融科技所面临的风险与普通经营业务风险不多，大多立足于大数据技术、互联网技术以及信息技术等，因此也面临着安全性风险增加的情况。

2.商业银行内影子银行系统出现相互嵌套现象，金融科技创新逐渐变得更为复杂

随着时代发展，银行与其他非银行金融机构建立了密切联系，例如金融租赁、资产管理、证券、保险以及信托等。但是，在这个过程中为了规避监管规定，降低银行内部资金占用，导致资产管理计划、结构性信托产品互相嵌套，信用关系变得更加复杂。

3.随着金融资本网状化发展，对于信用机制的练习也逐渐变得复杂、紧密

随着分业监管的发展，投资政策也比较多，而且标准不尽相同，对实际企业和金融控股公司缺乏统一规范，刺激金融机构开展跨行业投资，增加扩张速度，出现了脱离实际的发展趋势。

综上所述，我们发现，中国目前的金融体系迫切需要了解金融网状化的实际情况，进行金融产品创新，并利用大数据技术来进行全面的风险计量。

二、金融科技时代商业银行加强金融风险管理的主要措施

商业银行在金融领域中属于经营风险的一个金融中介机构，在信息不对称的基础上，越是能够利用大数据，也越能够把控风险，以最小的代价获得最高的收益。因此，在商业银行发展中，还需注重打破信息不对称现象，利用大数据对商业银行所面临的风险进行全面审视，提升风险管理的科学性和有效性，这也是提升商业银行竞争力的关键所在。

1.创建合规的监管标准

金融创新与“合规”有着密不可分的关系，规则也就是底线，并不能用资金来覆盖。所以，一旦缺少全面系统化、数据化的业务明细，则难以达到合规的管理，因为，风险多发生缺乏关注和数据记载空缺的死角位置。因此，及时对数据进行嵌套，有利于促进金融创新合规化。具体步骤为：首先，依照特性或功能进行分解。其次，需要依照客户和市场的需求将分解后的不同特征进行分析整合。在上述两个步骤中，主要是利用数据记录下不同特征，其中包含交易利率、期限、证件和对手等，明确资金流向，重新进行风险计量。在这一基础上，应用大数据能够对产品交易结构、基础资产类型、产品经理以及发行人建立监测模型或指标，提升了银行内部的风险识别能力，将大数据与人工调查相结合，提升投资前后的风险控制。在对监管标准进行统一之后，依照监管的实际要求，建立一套适合金融产品信息登记的系统，利用关联产品细微之处特征的不同，对商业银行内部资金链进行全流程统计与监测。

2.量化执行信贷政策

在宏观政策的量化执行上，商业银行可利用多样化数据与客户建立交叉验证系统，提升银行内部管理的同时，也增加银行的可信度。建立以大数据为中心的行业监测预警系统，对不同行业的发展情况进行预测，并将信息共享到各个分行。注意关注房地产行业政策与发展，设置对个人、对公等多维度事中监控模型，利用人民银行的网银系统、资金清算系统和个人征信系统，及时阻断不合规融资，将一些房贷后的管理和大数据分析放到房贷前。对社会团体、事业单位和政府所述部门开启不同客户标识，有助于及时发现违规融资。

3.树立风控模型的公信度

我国商业银行在建模方面已经有了强大的信用特征记录和历史数据支持，能够建立更加充分的模型。因此，银行需要在合理利用数据的基础上对 私和对公创设风险评估数据模型，对历史样本进行分析，应用定价、审批和额度等多维度运用模型进行计算，保证决策系数的科学性。银行还需要及时收集客户在整体银行内部的账户资料与数据，把控客户还款来源。对于商业银行来说，还可以建立贷款中和贷款后的预警模型，例如，生活缴费是否由银行代缴代扣、交易是否出现减少或中断现象、是否通过银行代发工资等，通过模型可以及时判断异常现象，及时进行风险预警。并在大数据基础上，建立内部与外部数据的担保圈与关联图谱，有效的评估风险。

4.制度交易数据实时扫描

金融机构多数组织架构比较复杂，而且在不同地域分布范围较大，增加了管理半径。银行内部的母子公司、分行与中行、领导与员工、风控部门与业务部门之间的信息并没有进行充分的交互，这也是出现操作风险的主要原因。近年来，我们可以从一些金融大案中发现，从银行总管理者、分行和支行都出现了一些问题，从而发现这些银行内部控制已经完全失效，导致风险管理缺乏实际价值。因此，可以通过对模式库记载形式、系统规章制度作为基础，应用网络化作为作业指导，与系统流程控制相结合，强化银行内部的数字化制度执行力。商业银行可以通过交易流水中的数据进行分析研究，联系整体客户信用情况，对业务中的风险异常现象实施监控与扫描。避免因为内部控制半径过长出现的信息不对称现象。商业银行可以应用大数据指导，建立一个全员参与、问责、整改的闭环系统，并及时更新系统中的模型，对高发风险进行防范。

三、结语

金融科技业务是当前大数据时代，商业银行发展的必然产物，只有加强金融科技业务的风险管理，才能真正实现人工智能与商业银行金融业务的有机结合，为广大人民提供更加方便快捷、安全有效的金融服务。但就目前金融科技业务发展现状而言，其风险管理还存在很多问题，相关人员应予以解决，具体可以通过建立健全的风控体系、完善信用风险评审、加强商业银行内部控制，进一步促进我国商业银行金融科技业务的发展。