農商銀行智能化風控探索

近年來，數字化轉型已成爲商業銀行着力推進的一項基礎性提升工程。2021年12月，中國人民銀行印發《金融科技發展規劃（2022—2025）》；2022年1月，銀保監會辦公廳下發《關於銀行業保險業數字化轉型的指導意見》，進一步明確了銀行保險業的數字化發展方向與要求。以數字化轉型優化創新銀行的商業模式，成爲推動銀行高質量發展的必由之路。

數字化轉型下銀行風險管理面臨的挑戰

數字化轉型浪潮下，風險管理模式從“經驗驅動”轉向“數據驅動”，是銀行邁向高質量發展道路的必經之道。傳統風險管理模式依賴個人經驗，風險管理水平隨着人爲經驗的差異和人員的流動而波動。金融風險具有快速傳染和瞬息萬變的特徵，客戶業務結構複雜，客戶數量衆多，疊加線上業務非接觸式獲客模式的蓬勃發展，傳統“經驗驅動”的風險管理模式已難以有效支撐金融機構業務的高質量發展。“數據驅動”的風險管理模式核心是藉助大數據和人工智能等新技術，從人爲經驗和海量數據中提煉沉澱有價值的信息，從而提高風險管理的有效性和持續性。在推進“數據驅動”的風險管理道路上，仍面臨三方面的挑戰。

如何打通各部門、各系統數據孤島，構建協同一體化的數據平臺。當前商業銀行風險管理主要以業務條線爲主導，各業務條線基於各自需求採購數據搭建業務系統，容易造成數據標準不統一、系統間數據難以對接共享的現象，導致大量數據碎片化、局部化、孤島化的狀態。如何打通各部門、各系統數據孤島，構建全行層面協同一體化的數據平臺，全面、多維、準確地勾畫全景風險視圖，是當前面臨的第一大挑戰。

如何深入挖掘數據應用價值，提升風險管理的效率和質量。數據是“數據驅動”風險管理模式的核心基礎，如何利用人工智能、機器學習等技術，從宏觀、區域、行業、經營、財務等海量數據中挖掘有價值的信息，刻畫企業全生命週期特徵的動態曲線；如何識別不同部門、不同崗位、不同權限人員的應用場景，實現多層次、全方位風險數據可視化，提升風險管理的效率和質量，是當前商業銀行面臨的第二大挑戰。

如何建立“數據驅動”風險管理的長效機制。商業銀行“數據驅動”風險管理是一個系統性工程，不僅要建立數據、系統、流程等硬性基礎條件，也要從戰略發展、企業文化等更高層面樹立長遠眼光，提高“數據驅動”風險管理的現實效能和長遠價值，還要培養風險條線人員的數商思維、結構化邏輯，不斷提升風險條線人員能力。如何從上述幾方面建立“數據驅動”風險管理的長效機制，是當前面臨的第三大挑戰。

智能風控探索——債券評級預警體系

以上海農商銀行爲例。該行於2019年開始構建信用債投資的准入和預警體系和配套系統平臺，嘗試探索風險管理數字化轉型。

背景

債券市場歷經三輪風險調整後，債券市場違約呈現常態化特徵。根據“同花順”數據，2014—2016年，我國進入供給側改革階段，鋼鐵、煤炭、有色等產能過剩行業風險加速出清，2014年“11超日債”違約標誌着債券市場剛性兌付打破，2014—2016年，債券市場累計違約規模406.3億元，涉及60家主體。2017—2019年，貨幣政策收緊、金融嚴監管下，影子銀行信用擴張受阻，表外融資持續收縮，社會融資規模進一步回落，相較國有企業，民營企業融資受限更多，違約規模不斷上升，2017—2019年，債券市場累計違約規模爲2335.08億元，涉及155家主體。2020—2022年，受新冠疫情影響，經濟下行壓力加大，企業盈利能力下滑，違約主體中國有企業佔比明顯上升。隨着“三道紅線”等調控政策密集出臺，房地產行業“高槓杆、快週轉”的運營模式難以持續，信用風險事件時有出現。2020—2022年，債券市場累計違約規模爲3273.16億元，涉及146家主體。

債市逐步取消主體外部評級成爲趨勢，建立內評預警體系是金融機構深化發展的必經之路。信用評級是債券市場重要基礎性制度安排，關係到資本市場健康發展大局。近年來，我國信用評級行業取得較快發展，但也存在評級虛高、區分度不足等“重市場份額、輕評級質量”的問題，導致信用評級的風險預警和投資定價功能未能得到有效發揮。全球金融危機以來，降低對外部評級的依賴成爲國際共識。中國人民銀行、證監會和債券交易商協會也在積極研究取消註冊發行強制評級要求的分階段方案，引導評級機構更多地從投資人角度出發揭示風險，促進評級行業和債券市場高質量健康發展。

結合債券違約常態化趨勢和逐步取消強制外部評級情況，爲提升信用債券風險管理水平，上海農商銀行啓動了信用債投資准入和預警體系和系統的建設。

構建信用債投資准入和預警體系

上海農商銀行信用債風險管理體系（以下簡稱“信用債體系”）立足於解決本行信用債智能風控需求與內部數據積累不足、基礎模型和方法未本地化落地之間的矛盾。該體系引入了多家評級公司的投資者評級、預警信息、新聞輿情、宏觀行業、區域經濟、經營財務、訴訟處罰等多維度、多層次的外部數據，整合了行內多部門的內部數據，通過運用迴歸模型、主成分分析、神經網絡、人工智能等方法，基於本行風險偏好特徵、違約主體的違約特徵等不斷校準測試，經過多次迭代和專家修正完成了信用債體系的構建。

信用債體系包含事前准入、事中預警監測、事後處置三個子模塊。事前准入部分設有信用債投資准入體系，綜合運用評級、估值、價格、輿情等數據，通過大數據挖掘、人工智能等前沿技術，採用定量分析和定性分析相結合的方法，構建了具有較高區分度的信用債內部評級體系，設計了基於本行投資策略、信用風險偏好並考慮完整的全市場發債主體信用風險序列的信用債投資准入標準；事中預警監測部分設有信用債預警體系，每日監測債券市場動態、主體重要輿情、主體評級變動、成交價格波動、估值波動，並將本行信用債納入紅―橙―藍三級預警監測體系，提煉出信用風險日報，向業務部門提示風險，同時建立月度違約概率預測、短期償債流動性風險預警、財務風險預警和二級市場流動性風險預警等專項風險預警，與信用日報高頻數據監測形成差異化並互相補充；事後處置部分針對事中預警等級的認定結果設置差異化的處置流程和方案，針對不同層級、不同部門、不同崗位設置逐級、差異化的處置審批權限，在市場化處置時，不同權限對應不同的折價比率和損失金額。伴隨着整個管理體系的不斷實踐應用，該行持續對相關模型進行優化迭代，不斷提升模型的前瞻性和有效性。

信用債體系的建立，統一了該行信用債投資准入和預警的標準、邏輯和流程，提高了信用研究、投資決策、投後管理的科學性、可靠性，更好地支撐了信用債業務的開展。該體系自建立以來，成功預警了包括華晨汽車集團債券違約在內的風險事件，有效規避了永城煤電控股集團、泰禾集團、紫光集團等違約企業，大大提升了該行信用債風險管控能力。

打造智能化管理平臺

2021年，爲進一步落實“智能化風控”的理念，上海農商銀行啓動債券評級預警管理系統（簡稱“信用債系統”）的建設，經過一年多的不斷優化迭代，目前已初見成效。信用債系統在將全行信用債管理體系線上化的基礎上，進一步提升風控智能化水平，實現輿情監測智能化和報表智能化等，同時創新性將綠色金融和城投限額管控融入到體系中，打造成全覆蓋、多維度、智能化的信用債風險監測平臺，不同模塊相互配合共同實施風險管理策略，推動信用債管理實現數字化轉型。

構建統一全景風險視圖。系統集成全行所有投資組合當前的預警分佈情況，並通過可視化的技術清晰展示，點擊預警分佈可以向下查看組合項下具體預警的主體詳細信息。系統按交易日的維度監控組合的評級和預警等級的變動信息並及時推送給相關業務部門。系統還監控組合項下主體的重要新聞輿情信息，並通過輿情重要性進行排序，將市場最關鍵的輿情推送給業務部門，減少人工的輿情篩選，提升風險管理效率。

夯實兩大關鍵數據基礎。一是整合全行信用債的授信和持倉數據，實現統一風險監測。授信和持倉數據是信用債系統的關鍵基礎數據，是系統所有模塊需要調用的監控對象。二是監測信用債主體詳情分析數據，可展示五個維度的重要信息：主體當前最新的評級和預警等級，共有12類（4類預警+8類評級）；主體所有的評級和預警等級變動情況；主體的重要新聞、輿情智能分析、公告和相關研究報告，研究報告包含聯合諮詢和中債資信的主體評述報告；主體的歷史財務信息和財務指標；主體的訴訟、行政處罰等外部數據。

支撐三大管理應用落地。一是信用債主體准入，系統對信用債主體設有專門的基於行業和外部評級映射的准入評級模型，按每個交易日的頻率對全市場信用債主體進行准入評級，並按照既定的准入規則自動攔截不符合准入要求的信用債主體，提升准入的效率，實現准入環節智能化；二是信用風險變動的智能監控，系統按交易日跟蹤全市場及不同投資組合項下的信用債主體的評級變動、預警等級變動和價格異常變動，以期從上述變動信息中洞察主體信用風險變化並及時推送給業務部門進行進一步人工排查。智能監控目的在於通過信用債主體的變動信息及時發現主體信用風險的變化，提升信用風險識別能力；三是信用債主體預警，專注於信用債主體的事中風險預警。系統對信用債主體設有專門的預警模型，每日對全市場的信用債主體進行預警等級認定，預警等級按照嚴重級別分爲紅色預警、橙色預警和藍色預警，並設計了差異化的處置流程。

打造創新亮點。一是實現城投限額智能化管控。爲加強城投風險管理，防範區域集中度風險，推動業務持續健康發展，該行制定城投債券集中度管理辦法並在信用債系統中實現智能化管控。系統支持初始區域限額錄入並能夠對所有信用債主體進行“是否是城投”和“城投主體區域層級”的定期認定，認定完成之後，系統按每個交易日的頻率自動調取每個部門的授信和持倉數據對區域限額使用情況進行計算及展示，對於接近限額的情況進行預警提示。二是創新性引入了綠色金融數據，綠色金融數據有助於形成信用債風控體系深化完善的新動能，建立傳統金融風險與環境、社會和治理風險之間的連接關係。信用債系統中的綠色金融數據聚焦分析全市場信用債主體在ESG方面的表現，提升對信用債主體信用風險分析的能力。系統創新性地引入外部權威綠色金融評級和預警等級數據，包括氣候轉型風險預警數據（描述經濟體向碳清零目標過渡過程中帶來的結構化摩擦風險）、氣候物理風險預警數據（描述全球氣溫、海平面、極端天氣等自然現象給金融資產帶來損失的風險）和發債主體的ESG評級數據。爲實現綠色金融數據和傳統金融數據的融合，提升傳統信用風險評級模型的識別能力，該系統在信用債主體准入體系中引入ESG評級的篩選指標，在准入環節剔除ESG評級不符合要求的主體。隨着未來外部數據的完善和數據準確性的提升，綠色金融數據將不斷應用至現有系統中。三是智能化報告中心，滿足日常風險管理需求。系統上線之前，各類信用風險報告的撰寫耗時耗力，以信用債風險日報爲例，每天需花費2―3個小時人工製作。在實現智能化報告之後，結構化內容可一鍵生成，大大提升日常風險監控和分析的效率，風控人員可將精力投入到更進一步的深度分析和研究工作中。四是探索搭建金融同業預警體系。近年來，同業客戶信用風險開始分化，包商銀行等事件打破了同業信仰，弱資質銀行到期不贖回二級資本債、同業業務延期償付、存續債券信用利差大幅走闊等事件開始出現。針對這一外部環境的變化，上海農商銀行將基於信用債系統，探索打造同業客戶數據中心和輿情中心，並利用積累的數據和輿情建立評級預警體系，優化、創新和重構當前的同業客戶風險管理模式，深度融合新興技術，提升同業客戶風險管控能力。

作者：熊正超 周隆，單位：上海農村商業銀行風險管理部