金融科技赋能商业银行风险管理

黄振东

摘要：在加强数字化转型的外部推动力和商业银行寻求数字化转型来实现业务经营破局的内部驱动力共同作用下，商业银行推动数字化转型越发重要，如何利用金融科技实现自身高质量发展也成为一项重要的课题。从当前形势下商业银行加强风险管理的现实诉求出发，对金融科技如何赋能商业银行的风险管理进行了研究，分析了金融科技能够赋能风险管理的核心体现，从银行业务经营实际出发提出了将金融科技应用于风险管理的关键要点，并从银行发展战略、信用风险识别、信用风险监控预警三个层面提出了制定政策的建议。

关键词：金融科技；商业银行；风险管理；数字金融

一、前言

近年来，受到经济增速趋缓、存贷款利差收窄等外部环境冲击，商业银行业务经营面临的市场环境愈发复杂，对风险管理水平的要求也越来越高。在这种情况下，商业银行纷纷尝试利用数字化转型进行破局。同时，中国人民银行《金融科技发展规划（2022—2025年）》强调，高质量推进金融数字化转型，健全适应数字经济发展的现代金融体系，为构建新发展格局、实现共同富裕贡献金融力量。《关于银行业保险业数字化转型的指导意见》也指出，以数字化转型推动银行业、保险业高质量发展，构建适应现代经济发展的数字金融新格局，不断提高金融服务实体经济的能力和水平，有效防范化解金融风险。在内部驱动力和外部推动力的共同作用下，商业银行如何利用金融科技实现高质量发展成为一项重要的课题。为此，本文从当前形势下，商业银行加强风险管理的现实诉求出发，对金融科技如何赋能商业银行的风险管理进行了研究，分析了金融科技赋能风险管理的核心体现，从银行业务经营实际出发提出了将金融科技应用于风险管理的关键要点，并从银行发展战略、信用风险识别、信用风险监控预警三个层面提出了制定政策的建议。

二、文献综述

关于金融科技如何影响商业银行的风险管理水平，学术界有广泛的关注与探讨。金洪飞等（2020）利用网络爬虫技术构建了商业银行的金融科技运用指标，研究发现金融科技的运用显著降低了商业银行的风险水平，改善了其风险承受能力，不过这种影响在大型银行和小型银行之间存在异质性[1]。高昊宇等（2022）认为金融科技赋能通过减缓信息不对称，促进业务边际拓展和增强风险应对能力等渠道起到银行风险降低的作用[2]。车志一（2023）对43家商业银行金融科技影响经营绩效的研究后认为，发展金融科技对商业银行绩效存在正向影响，并且金融科技对非国有银行经营绩效的影响显著大于国有银行[3]。王海军等（2023）认为金融科技投入对关注类和次级类不良贷款的抑制作用显著，可以降低不良贷款风险[4]。熊健等（2021）则认为金融科技发展对银行的影响是动态变化的。基于颠覆性创新理论和技术溢出理论，分析了金融科技对银行经营绩效的挤出效应和技术溢出效应，认为金融科技与商业银行经营绩效之间呈现出先抑制后促进的非线性关系，随着金融科技发展水平的提高，挤出效应逐渐减弱，技术溢出效应不断增强[5]。

针对金融科技影响银行体系的具体机制，沈悦和郭品（2015）认为金融科技发展通过学习效应、竞争效应、人才流动效应与业务联系效应，显著改善了银行的全要素生产率[6]。根据技术溢出理论，技术具有显著的外部性，金融科技公司的先进技术使商业银行受益于外溢技术实现技术升级，通过科技手段赋能降低运营成本。同时，已有学者研究表明，商业银行目前对金融科技的态度已由最初的互相竞争转变为竞争合作、取长补短。在此情况下，银行可以基于征信、税务等方面的数据信息优势，利用金融科技手段丰富客户画像，提升贷款客户的信用风險识别与监测能力，降低信贷业务成本和信贷风险[7]。

三、金融科技赋能银行风险管理的核心体现

从文献梳理可以看出，金融科技在银行风险管理中发挥着重要作用，能够赋能银行的风险管理活动，主要体现在以下三个方面：

（一）金融科技能降低借贷双方的信息不对称

金融科技转变了投资者获取信息的方式，降低了信息处理成本，其核心特征是利用大数据、人工智能等手段，以低成本方式获取客户信息，增强了客户海量数据信息的搜集、整合和分析能力，能够比传统情况下获得范围更广、维度更宽、信息密度更深的客户信息，降低了借贷双方的信息不对称程度，依据这些信息作出的信用风险评估和信贷决策也更加科学合理。具体来说，金融科技能够利用互联网、大数据技术手段，通过线上搜集整理更多维度的客户信息，包括客户工商登记、税务、用水用电情况、消费偏好、生活习惯、社交关系等。这些信息往往通过大数据分析推断出客户的金融需求、财务能力和财务状况，而在金融科技的支持下，获取信息的成本比较低。另外，金融科技也促进了业务流程集约化，进一步降低了业务成本。首先，在业务渠道方面，可以使部分线下业务向线上转移，减少了营业网点等线下基础设施成本、一线人员数量和薪酬成本；其次，在业务拓展方面可以通过大数据批量识别客户风险画像，降低了客户搜寻成本；最后，银行IT系统设备的“线上化”和“云计算化”可以减少软硬件设备采购和运营维护成本。

（二）金融科技丰富了信用风险评估的维度和有效性

金融科技拓展了客户信息的广度和深度，也丰富了评估其信用风险的维度和有效性。具体来说，商业银行可以综合利用客户征信、工商信息、司法诉讼、反洗钱、关联企业等多个维度的信息，运用互联网和大数据技术精准刻画客户的风险属性和特征，呈现客户的风险偏好、信用分析诱发因素、风险评分等级等，帮助及时识别、立体监测和有效管控信用风险，实行“早发现、早预警、早处置”。另外，商业银行也可以在利用金融科技获取的各类客户历史数据中，挖掘客户行为与信用数据之间的关联度，进一步丰富和拓展风险评估维度体系。通过该方式，商业银行由原来单一维度、线性的信用风险评估方式，拓展为基于大数据的多元化客户画像和信用风险动态评估模式。这样的风险评估模式能更加还原客户实际风险状况，预测、防范客户违约风险的有效性也更高。此外，随着评估维度的不断丰富，不同视角的数据会对客户主体的风险进行交叉验证，对其风险画像也会越来越清晰和有效。

（三）金融科技有助于重塑银行风险管理流程

金融科技丰富了客户数据信息维度和信用风险评估模型体系，将这些内容内嵌至贷款业务流程的各个环节，将大幅提升信用风险全流程管理的效果，也会在这个过程中重塑银行的信用风险管理流程。一方面，金融科技手段有助于强化信用风险管理与业务流程之间的动态反馈。如果将金融科技手段应用于贷款业务各个环节中，形成与贷款业务流程并行的信用风险管理流程，在各个流程节点建立客户信用风险的监控反馈机制，将有助于实现贷款业务与风险管理之间的良性互动，达到识别风险、发起预警、控制流程、反馈问题、调整完善的动态效果。另一方面，金融科技可以重塑和优化个别环节的业务流程。第一，在事前信用风险识别环节，金融科技有助于将信用风险识别环节由授信决策进一步前置到客户筛选和准入环节，明显提升贷款业务的效率。第二，在风险监控环节，银行利用金融科技可以不断训练对客户数据的洞察能力，在积累客户画像和风险识别的过程中，不断提升不同风险水平客户的贷款定价能力，丰富贷款服务客群的风险梯度水平，促进贷款服务从“千人一面”向“千人千面”转变。

四、金融科技应用于风险管理的关键要点

将金融科技应用于银行风险管理是一项系统工程，涉及方方面面的内容。在这个系统工程中，自上而下做好顶层设计、打牢客户数据管理基础、着力搭建风险管理模型是至关重要的三个方面。

（一）商业银行向金融科技转型需以顶层设计为引领

银行在风险管理流程中引入金融科技是一项长期系统性工程，并非一蹴而就，而是持续投入、重点突破、不断改进的过程。将金融科技手段引入风险管理中不是简单地开发风险管理信息系统，将金融科技等技术手段应用于风险管理，需要加强顶层设计，明确数字化转型的整体要求，深化金融科技赋能业务发展和风险管理，自上而下推动金融科技纳入风险管理流程。在设计顶层金融科技转型方案时，一方面，应理顺传统管理架构下各部门之间信息和数据的流通共享机制，为内部数据信息的汇总奠定机制保障。另一方面，应梳理风险管理的关键环节，搭建体系化、标准化、参数化的风险管理平台，支撑前台数字化经营、后台精细化管理，便于构建运用在不同业务场景的风险管理模型。

（二）客户数据的搜集与整理是金融科技转型的基础

商业银行在传统经营管理模式下搜集与整理借款人信息面临较大难度，主要受两个方面因素的制约：一是在传统管理体制下，银行条块化、封闭式的业务流程使得客户信息分散在不同的部门、板块、业务条线，在缺乏数据治理统筹管理机制的情况下，数据多头管理是常见的模式，数据往往由生成数据的部门来管理，呈现“烟囱”式、“孤岛”式的数据治理特征。二是客户数据存在数据标准和口径不一致，涉及业务标准、技术标准和管理标准等多方面，包含数据的名称、编码、定义、规则等内容，客观上增加了数据整合的难度。对此，银行应站在数据治理的高度来加强客户数据的管理，通过建立数据治理管理架构、健全数据标准体系、提升存量数据质量、建立数据治理考核评价体系、推进数据治理检查培训工作等方面，在贷前客户尽职调查、贷中授信审批放款、贷后检查等全流程中实现业务数据化，并在此过程中实现客户数据的沉淀与积累。具体来说，第一，在建立数据治理管理架构方面，应在银行内部自上而下建立层次分明、職责明确的管理架构；第二，在健全数据标准体系方面，结合内部业务实际和外部监管要求，梳理并规范各类业务定义、分类和规则，明确业务数据标准和统计口径，在形成数据标准体系的基础上严格控制数据标准在开发系统项目中的落地实施；第三，在提升存量数据质量方面，以问题为导向，针对数据使用过程中的质量问题开展专项治理，推动数据问题有效解决；第四，在建立数据治理考核评价体系方面，将数据治理纳入绩效考核范围，通过数据问题处罚问责，倒逼数据治理任务落地；第五，在推进数据治理检查培训工作方面，通过日常检查发现问题，使问题整改的循环机制不断提升数据治理水平，通过数据治理培训在银行内部提升对数据治理的重视程度，培育良好的数据文化。

（三）风险管理模型的搭建与应用是金融科技转型的关键

在信用风险管理模型中引入金融科技可以带来两个方面的变化：一是丰富了建模方法，利用大数据、人工智能等技术，可以通过知识图谱、因子分析、机器学习等手段，建立动态、智能化的风险管理模型。比如，将跟踪的客户生产、销售等经营信息和财务信息，利用随机森林、深度学习等算法来动态监测潜在的风险因素，并自动向银行客户经理发送风险监测结果，支持贷后的信用风险管理。二是拓展了模型应用的范围，使信用风险管理覆盖客户准入、授信决策、预警监控等业务全过程。其中，在客户准入环节，主要涉及利用客户多维度信息进行风险画像；在授信决策环节，主要涉及针对客户的信用风险分级，利用风险量化模型确定授信额度、贷款价格等要素；在预警监控环节，主要打造基于大数据技术的智能化风险预警体系。从信用风险根源分类，风险预警的范围主要包括贷款债项信用风险、贷款主体信用风险以及贷款人生态圈内部的关联风险等类型。针对不同类型的风险，可以立足风险来源制定相应的预警规则、触发预警信号体系、预警处置和应对措施机制。在监控过程中，银行也应当建立预警反馈机制，将预警结果反馈至业务环节，不断检验和动态优化预警模型设计和参数设置。

五、结语

首先，在战略层面，商业银行应充分认识到金融科技在银行风险管理中的重要作用，坚定数字化发展战略定力，持续金融科技研发投入。尽管研发投入可能难以立竿见影地对业务发展产生正面影响，但经过一段时间的积累后，金融科技手段将持续地赋能银行业务经营和风险管控。其次，在信用风险识别方面，商业银行应强化数据治理，通过整合内部数据、引入外部数据，系统性整理能够反映客户风险画像的各类数据信息，并利用金融科技手段建立客户风险画像模型，提升信用风险识别的数据支持程度和智能化水平。最后，在信用风险监控预警方面，商业银行应构建基于大数据和人工智能的风险监控预警体系，结合客户异常交易行为等风险信号，构建风险预警指标、预警模型，建立风险预警管理机制并强化流程管理，针对不同等级的预警信号制定相应的风险处置应对机制，并内嵌到业务流程中，实现业务风险管控的全流程覆盖。

参考文献

[1]金洪飞，李弘基，刘音露.金融科技、银行风险与市场挤出效应[J].财经研究，2020，46（05）：52-65.

[2]高昊宇，方锦程，李梦.金融科技的风险管理赋能：基于中国银行业的经验研究[J].系统工程理论与实践，2022，42（12）：3201-3215.

[3]车志一.金融科技对商业银行经营绩效的影响研究[J].中阿科技论坛（中英文），2023（01）：89-93.

[4]王海军，刘超，龙腾.金融科技投入与不良贷款风险缓释——来自北京230家银行支行的微观证据[J].武汉大学学报（哲学社会科学版），2023，76（02）：114-126.

[5]熊健，张晔，董晓林.金融科技对商业银行经营绩效的影响：挤出效应还是技术溢出效应？[J].经济评论， 2021（03）：16.

[6]沈悦，郭品.互联网金融、技术溢出与商业银行全要素生产率[J].金融研究，2015（03）：160-175.

[7]Berg T ， Burg V ，Gombovi?， Ana，et al.On the Rise of FinTechs - Credit Scoring Using Digital Footprints[J].Social Science Electronic Publishing.

作者单位：南开大学经济学院

责任编辑：周航