首页
时事
民生
政务
教育
文化
科技
财富
体娱
健康
情感
更多
旅行
百科
职场
楼市
企业
乐活
学术
汽车
时尚
创业
美食
幽默
美体
文摘
独家丨广西农商联合银行:人工智能助力风险未知变可知
财富
2024-11-20 18:01
北京
农金眼
目前,国内风险预测手段相对滞后,缺乏有效的预测模型。人工智能深度学习技术可帮助金融机构及时发现风险隐患,针对性采取应对措施,有效控制风险损失,保障业务稳定发展。
我国经济已由高速增长阶段转向高质量发展阶段,经济转型和金融市场快速发展所累积的风险逐渐暴露,维护金融稳定是现阶段金融领域亟待解决的首要问题。金融机构存在哪些风险识别盲点?如何建立风险预测模型?如何进行有效风险防控?
立足当下
深挖风险预测发展潜力
目前,国内外对金融风险预测的研究和实践非常活跃,涵盖多个领域,涉及多种方法。在监管政策方面,主要采用通过设定资本要求、限制杠杆和提高透明度来缓解系统性风险方法采用,并通过预测和评估风险制定应急计划,利用政策工具进行危机预防。在风险指标方面,主要包括波动率指标、价差、VAR模型、违约概率、信用评级、流动性溢价、交易成本等。2006年,原银监会印发《商业银行风险监管核心指标(试行)》,指出商业银行风险监管核心指标包含风险水平、风险迁徙和风险抵补等三个层次;2020年,中国人民银行建立银行风险预测预警指标体系,涵盖五个方面,即扩张性风险、同业风险、流动性风险、信用风险、综合风险,探索从多个层面分析系统性金融风险的来源、可能传导的渠道以及如何运用指标表征相关风险,并定期发布《中国金融稳定报告》,全面评估我国金融体系稳健性,提升金融风险防控的前瞻性和有效性。
在构建金融风险预测模型方面,目前主要基于统计方法或通过人工智能方法的金融风险控制模型。常用的模型有逻辑回归、信用评分卡、贝叶斯网络法、支持向量机及人工神经网络等。Nurrohma、Adha曾采用多项式逻辑回归模型来预测银行业金融机构违约损失率,数据表明基于该模型的银行业金融机构客户违约损失率的准确度高达95.3%。Simona、Alina分别采用基于贝叶斯的逻辑回归模型和人工神经网络模型对违约风险进行评估,实证结果表明人工神经网络模型比贝叶斯模型更具准确性和预测性。朱由和谢驰等人构造了一个两阶段混合模型,该模型融合了逻辑回归与神经网络,用来识别中小企业在供应链融资过程中面临的信用风险。此前,相关实验数据显示,相较于逻辑回归模型,神经网络模型在预测“负信号”(即风险信号)方面具有更高的准确性;而他们所提出的两阶段混合模型,则在准确预测“正信号”(即安全或无风险信号)与“负信号”方面,均显著超越了单一使用逻辑回归或神经网络模型的表现。总体而言,现阶段研究表明人工智能技术的应用极大增强了我国在金融风险预测与预警方面的前瞻性、科学性和整体效能。
面对挑战
金融风险预测尚存短板
缺乏统一标准,风险预测体系仍需完善。各金融机构在建立内部风险预测体系方面存在一定差异,使用标准不一,尤其是近年来,各金融机构纷纷搭建起全面风险管理系统,包含信用风险、市场风险、操作风险、信息科技风险、国别风险等,使得金融机构间形成差异化的风险评估模型、风险预警系统,从而影响了国内金融系统风险预测的一致性、统一性、完备性。
风险预测手段相对滞后,缺乏人工智能预测模型。目前,各金融机构对金融科技的投入不断增加并取得了一定成效,然而随着金融市场的快速发展和金融产品的不断迭代,金融机构面临的风险种类和形式也在不断发生变化。总体而言,现阶段,大部分金融机构风险预测方式已然滞后,例如,部分金融机构仍依赖传统人工审核和抽样检查方式进行风险预测,缺乏通过贝叶斯网络、人工神经网络等人工智能模型进行风险预测的手段,从而不能及时、有效地发现潜在风险隐患,提高了金融风险发生的可能性。
区域风险有所抬头,跨境风险监管难度大。当前,我国内外部系统性金融风险总体可控,但受地方政府债务、房地产市场等因素影响,存在部分区域系统性金融风险隐患。随着世界经济、金融形势的变化以及地缘政治因素的影响,跨境金融对国内金融机构影响显著。由于不同国家之间风险监管标准和法律法规存在较大差异,金融机构需同时遵守多个国家的监管要求,跨境风险预测难度较大,金融机构风险预测模型面临更大挑战。
拥抱变革
人工智能赋能风险预测
人工智能是模仿人类智能思维机制的一种技术。随着计算机技术的飞速发展与数据量的几何式增长,金融领域正以前所未有的广度和深度拥抱人工智能,其中尤以机器学习和深度学习技术为核心驱动力。机器学习作为人工智能领域的一个重要分支,凭借其强大的数学原理和精妙算法,赋予了计算机自动分析和学习数据的能力。而深度学习是机器学习更深层次的一个分支,利用多层神经网络来模拟人脑的学习过程。通过堆叠多个神经网络层,深度学习可自动从数据中学习并提取复杂特征,从而解决传统机器学习难以处理的问题,适用于解决复杂的金融风险预测问题,帮助金融机构及时发现风险隐患,并有针对性地采取应对措施,实现对风险损失的有效控制,促进金融系统稳定运行。人工智能模型在金融风险预测方面的主要优势有以下几点。
可处理庞大的数据且准确度高。金融体系是一个数据量庞大且具备非参数特性的动态体系,通常展现出一系列复杂且非线性特征。它既涉及金融机构主要经营数据和监管指标,又涵盖社会宏观经济指标,传统预测模型如VaR模型、资本资产定价模型等,在假设条件限制、尾部风险估计、动态适应性、流动性风险等方面存在明显的限制和缺点,而人工智能预测模型能够解决以上问题,满足高精度、高时效性应用需求。例如CNN-LSTM混合神经网络等深度学习模型,可先利用CNN神经网络对风险特征进行学习,再利用LSTM神经网络对风险进行预测,从而对复杂的数据进行归一化处理,实现金融风险预测模型的泛化性和预测精度。模型丰富,运用灵活。人工智能模型包括机器学习、深度学习、文本挖掘、网络分析等多个模型,每个模型都具有丰富的研究技术,例如机器学习的算法包括线性判别分析、K近邻、朴素贝叶斯分类、支持向量机、决策树、聚类、降维和概率模型估计等;深度学习算法包含长短期记忆(LSTM)、门控循环单元(GRU)等;文本挖掘包括基于词典的方法和潜在狄利克雷分布等;网融网络分析包括自上而下、自下而上的方法,网络特性分析和建立仿真模型等。构建金融风险预测模型既可单独使用上述模型,也可结合模型利弊,多模型共同使用,从而发挥更大的人工智能算法优势。
降低人工成本。人工智能技术可代替人力完成重复、繁琐的工作,较大程度降低人力资源成本。金融机构构建风险预测模型可通过人工智能系统自动化处理大量的数据计算、数据分类、数据特征归一等工作,大幅提高效率,降低成本。同时,人工智能具有较强的风险监测和预警能力,可通过监测市场变化、风险事件和数据异常等,及时发现潜在风险并采取控制措施,有效避免人力浪费。
推动构建更加完善的金融体系。通过有效的风险预测和控制,可为后续应对处置风险和制定管理决策提供可靠参考,可推动金融机构进一步完善内部控制建设,保障金融机构安全稳定,促进金融服务优化升级。此外,还有助于完善金融宏观审慎监管体系和工具,预测并控制金融风险是宏观审慎监管的核心任务之一,将人工智能等前沿技术应用于金融机构的风险预测与预警中,不仅丰富和完善了宏观审慎监管手段和工具,也进一步提升了监管效能。
构建体系
建设全面风险预测能力
建立统一标准,构建金融风险预测框架。金融机构要进一步加强风险标准的共享研究,打造标准化的风险表征范式,可在人民银行搭建的系统性金融风险预测、评估和预警体系基础上,调整趋于统一的金融风险标准;借鉴国际货币基金组织(IMF)提出的在险增长模型(GaR)等经验,构建符合我国国情的金融稳定预测框架;构建完善的金融风险预警指标体系,保障相应指标的评估和分析可充分反映商业银行实际情况,实现对商业银行金融风险的全面、可靠评价和分析。
加强人工智能模型应用,提升金融风险预测精准度。金融监管与金融风险防控正面临前所未有的挑战,亟须推进人工智能等新兴技术在金融风险预测方面的应用研究,并合理规划其应用前景的布局与预期。充分利用人工智能等技术搭建风险预测模型和分析系统,尤其是深度学习等领域的技术革新,使得高效处理海量且复杂的金融数据成为可能,并从中提取有效信息,提高风险预测效率和准确性,逐步实现风险的实时预测和预警。探索将人工智能融入金融统计体系,形成以人工智能应用为基础的统计标准,促进金融机构与监管部门之间数据共享与互联互通,强化内外部数据信息整合能力,为风险预测模型积累并储备有效且高质量的数据资源。强调在宏观审慎监管领域积极采纳和应用人工智能技术,致力于分析工具应用创新。通过高效的数据挖掘、精细的数据处理和深入的数据分析,提升系统性金融风险评估准确性,帮助金融机构更好地理解系统性金融风险的变化特性和动态演进趋势,为有效预防和应对金融风险提供坚实的决策支持。
预防区域风险,强化跨境金融风险管理。一方面,需要将区域性系统性金融风险置于高度关注的核心地位,积极运用人工智能风险预测模型来精准剖析其复杂的网络结构和高度的关联性特征,为提前规划风险应对与处置策略奠定坚实基础。例如,密切关注地方政府债务和房地产市场等关键领域对金融风险预测的潜在影响,这些领域往往成为金融风险的重要传导点。为此,建立针对风险“中介”地区的专项预测与防范体系尤为重要。不仅要加强跨区域、跨部门的信息共享与协同,还要综合运用政策工具、市场机制和监管手段,采取一系列综合、有效措施,削弱区域性系统性金融风险对整体金融稳定的潜在冲击,确保金融体系稳健运行。另一方面,要主动应对国际市场外部冲击,提高人工智能风险预测模型识别跨境金融风险精准度,为监管部门、金融机构提供及时的风险预警,保障金融开放和金融安全,有效防范跨境金融风险。
现阶段,我国金融机构依托人工智能模型进行金融风险预测仍处于起步阶段,存在缺乏统一标准、风险预测手段滞后、区域风险和跨境风险对金融风险预测干预较大等问题,构建具有统一标准的金融风险预测框架、加强人工智能预测模型应用、有效预防区域风险和跨境风险,有助于推动我国金融风险预测领域的持续发展,为有效防范和妥善化解各类金融风险提供坚实的理论依据与实践指导。通过不断提升人工智能预测的科学性、准确性和前瞻性,更加精准地把握金融风险的变化规律与演进趋势,构建起一个更加稳固、可靠的金融稳定保障体系。
作者:麦福敏
广西农商联合银行公司机构金融部
文章首发于《中国农村金融》2024年第20期
往期推荐
四家金融机构人事变动!
监管批复:同意吸收合并!
编辑:陈珂颖、肖逸天、李美;审校:王峥、王玺;审核:王文珠
http://mp.weixin.qq.com/s?__biz=MzA4ODE0NTkyNQ==&mid=2653231554&idx=1&sn=65e3f4f0b77d28c7e86a146042836fec
中国农村金融杂志社
国家金融监督管理总局主管的国家级期刊,权威、深度、专业、准确。
最新文章
扛过水土不服 回归人间烟火——专访浏阳江淮村镇银行党支部书记、行长袁媛
交付率超八成!江西上饶推动保交房项目快速高效落地
独家丨江苏邳州农商银行党委书记、董事长单体选:“营销+服务”双驱动 做家门口的便民银行
下半年10家中小银行增资扩股!
海南农商银行:服务自贸港经济主体 践行地方金融机构使命
独家丨浙江嘉善农商银行党委委员、副行长张达维:“善动能” 做科技企业全生命周期“伙伴”
广西:100%对接!实现闭环高效服务
一银行公告清理单位久悬户
独家丨广西农商联合银行:人工智能助力风险未知变可知
【公开课预告】解锁银行业信息安全与合规新技能——《信息科技与个人信息保护合规审计实务》
农商行客户拨打96668,点名表扬她!
专属金融人的反洗钱履职实务培训班!12月,相约尔滨!
两家村镇银行因被收购而解散!
走进桐乡!看桐乡农商银行的业务管理秘籍!
最新LPR公布!
一国有大行高级业务总监辞任!
李云泽在第三届国际金融领袖投资峰会上的致辞
保交房,这地有高招!
客户买药被拦,银行人当真好事?
“牛”气满满闯新路——专访茶陵浦发村镇银行党支部书记、行长陈力平
独家丨安徽合肥科技农商银行党委委员、副行长沈远军:以数字化激活科技金融向“新”力
上海:这家银行真有高手!
看好,增持!
以美好呼唤美好 用“上善若水”释放品牌生命力——专访邵东湘淮村镇银行党支部书记、董事长任发荣
两家村镇银行被吸收合并!
一国企登报求购当地农商行股份
一地运用“白名单”模型,推荐小微企业10.9万户!
“善贷愿贷敢贷”为小微融资快速直达夯基筑底
“一户一策”服务,放大“白名单”效应
“二次创业”再出发?一心一意方能致远
一银行迎重要人事变动!
四家金融机构人事变动!
致8死17伤!警方深夜通报!
监管批复:同意吸收合并!
无故离岗超15天!官方公告:限期返岗,否则开除、取消编制
农业农村部原党组书记、部长唐仁健被“双开”!
助力金融机构盘活存量!金融监管总局最新发布
乘坐AI时光列车,回顾红色农信95年的为民印记
效、实、优!云南农信把政策从“纸面”落到“地面”!
珠海市驾车冲撞行人案件,最高检发声!
全国已交付285万套!坚决打好保交房攻坚战!
宁夏:推动机制落地见效
两家国有大行省分行行长任职资格获批!
提升金融服务适老化水平 金融监管总局最新发布→
独家丨浙江平湖农商银行党委书记、董事长李九良:“排兵布阵”提升科技金融服务质效
宁波,已授信审批88.95亿元!
一省农信社启动25年校园招聘!含54家农商行!
支取“彩礼钱”遇阻,背后真相竟是……
这8家行社,已全部落地!
个人购房不超140平契税降至1%!包括第二套
分类
时事
民生
政务
教育
文化
科技
财富
体娱
健康
情感
旅行
百科
职场
楼市
企业
乐活
学术
汽车
时尚
创业
美食
幽默
美体
文摘
原创标签
时事
社会
财经
军事
教育
体育
科技
汽车
科学
房产
搞笑
综艺
明星
音乐
动漫
游戏
时尚
健康
旅游
美食
生活
摄影
宠物
职场
育儿
情感
小说
曲艺
文化
历史
三农
文学
娱乐
电影
视频
图片
新闻
宗教
电视剧
纪录片
广告创意
壁纸头像
心灵鸡汤
星座命理
教育培训
艺术文化
金融财经
健康医疗
美妆时尚
餐饮美食
母婴育儿
社会新闻
工业农业
时事政治
星座占卜
幽默笑话
独立短篇
连载作品
文化历史
科技互联网
发布位置
广东
北京
山东
江苏
河南
浙江
山西
福建
河北
上海
四川
陕西
湖南
安徽
湖北
内蒙古
江西
云南
广西
甘肃
辽宁
黑龙江
贵州
新疆
重庆
吉林
天津
海南
青海
宁夏
西藏
香港
澳门
台湾
美国
加拿大
澳大利亚
日本
新加坡
英国
西班牙
新西兰
韩国
泰国
法国
德国
意大利
缅甸
菲律宾
马来西亚
越南
荷兰
柬埔寨
俄罗斯
巴西
智利
卢森堡
芬兰
瑞典
比利时
瑞士
土耳其
斐济
挪威
朝鲜
尼日利亚
阿根廷
匈牙利
爱尔兰
印度
老挝
葡萄牙
乌克兰
印度尼西亚
哈萨克斯坦
塔吉克斯坦
希腊
南非
蒙古
奥地利
肯尼亚
加纳
丹麦
津巴布韦
埃及
坦桑尼亚
捷克
阿联酋
安哥拉