胡明國

（作者單位：中國工商銀行運行管理部）

當前經(jīng)濟金融形勢深刻變化，金融領域的技術變革、跨界融合、場景創(chuàng)新正在改變商業(yè)銀行的經(jīng)營環(huán)境，商業(yè)銀行因勢而變、順勢而為，正加快推進新一輪金融科技創(chuàng)新、智慧銀行戰(zhàn)略的實施，信用風險管理作為商業(yè)銀行經(jīng)營的基礎和核心，也亟須構建適應商業(yè)銀行新時期新戰(zhàn)略的機制體制和運作模式。同時，互聯(lián)網(wǎng)+ 快速發(fā)展使得各類風險因素交織疊加、相互促發(fā)、傳導擴散的可能性加大，欺詐風險的渠道多樣化、形式隱蔽化、手段智能化趨勢日益嚴峻，疊加監(jiān)管趨嚴趨緊等因素影響，信用風險的預測、識別、緩釋和控制難度持續(xù)加大，商業(yè)銀行資產(chǎn)質量管理面臨較大挑戰(zhàn)。如何有效識別并主動防控風險顯得非常重要。“方法百千條，模型第一條”可能是現(xiàn)實期待，而如何有效構建智慧模型，銀行依然面臨挑戰(zhàn)。本文嘗試從回歸信用風險本源角度，從模型監(jiān)控什么、模型怎么構建、模型如何保鮮三個方面，研究構建兼具普適性、專業(yè)性以及智慧性的模型體系，持續(xù)提升模型供給能力，強化信用風險主動管控，未雨綢繆。

一、信用風險分類初探

構建智慧模型體系根本是要解決實際問題，而建模前提則要清楚為什么建模、針對什么建模，即回答好“監(jiān)控什么”的問題，只有監(jiān)控對象或目標清晰了，建模方向才會清楚。因此，建模前需要對信用風險進行研究分類，按照信貸業(yè)務全流程管理需要，以及“什么樣人—干什么事—有什么結果”邏輯將信用風險劃分客戶主體風險、融資行為風險、融資結果風險（即還貸能力）。融資主體風險根據(jù)不同客戶類型差異設計，融資行為風險根據(jù)所處流程節(jié)點不同又區(qū)分為融資背景風險（側重貸前）和資金使用風險（側重貸后）（詳見圖1），形成信用風險分類的縱向邏輯；同時外部欺詐風險、員工履職風險又貫穿于信貸業(yè)務全流程始終，形成信用風險分類的橫向邏輯，進而構建起縱到底、橫到邊的矩陣分類體系。知曉信用風險是什么、風險在哪，智慧建模也就有了目標和方向。

圖1 信用風險分類研究框架示意圖

二、智慧模型構建研究

適應互聯(lián)網(wǎng)+ 以及金融科技的快速發(fā)展，按照創(chuàng)新應用、整合管理、智慧運營的理念，立足于信用風險實際，統(tǒng)籌場景化、構件化、集成化、智能化等多種手段，實施縱向全流程、橫向多維度的建模，通過“多點反饋、集成確認、智能定位”的識別方式，全景展現(xiàn)信用風險特征全貌，清晰呈現(xiàn)信用風險演進軌跡、趨勢變化，實現(xiàn)對信用風險的整體分析與分類控制，推動信用風險監(jiān)控由單維、單指標向企業(yè)集成整合的轉變，推動信貸業(yè)務由傳統(tǒng)監(jiān)控向智慧監(jiān)控轉變。

（一）建設內容研究

按照“分類設計—多點反饋—集成確認”的框架流程，將模型子庫、模型分組、模型集群、模型體系，以及模型實施路徑有機鏈接起來。通過構建融資軌跡網(wǎng)絡，深入挖掘客戶在融資全流程中其與交易對手、關聯(lián)體在融資行為、結算習慣、經(jīng)營偏好上呈現(xiàn)出的比較典型的、傾向性的特征，客觀還原融資軌跡，精準識別融資風險、員工履職風險，為智能高效建模、實質風險管理、提高資產(chǎn)質量提供支撐。

1.模型子庫。按照信用風險分類邏輯有針對性設計模型規(guī)則/因子/指標庫，確定每個模型規(guī)則/因子/指標的構建邏輯以及數(shù)據(jù)來源、提取方法、實現(xiàn)路徑（如專家規(guī)則、機器學習），是否需要匹配客戶的行業(yè)屬性、資產(chǎn)規(guī)模，或產(chǎn)品屬性等設計關注系數(shù)[關注系數(shù)是指不同客戶類型對同模型因子/規(guī)則/指標強弱關聯(lián)性有差異，以全行均值為初始閾值，閾值越大說明關聯(lián)性越強，反之越小]，從模型底層構建起兼具統(tǒng)一性與靈活性的多維模型架構，如“過渡融資”模型以“融資總額/銷售收入”為基礎，匹配客戶的行業(yè)差異、產(chǎn)品差異、區(qū)域偏好等因素分類設計關注系數(shù)，關注系數(shù)越高、關聯(lián)性越強。

2.分類設計。基于每類風險場景及特征，匹配新型技術手段及方法差異設計模型群（組）進行目標監(jiān)控，做到信用風險有的放矢的管理，分類設計邏輯（詳見圖2）為：模型體系—模型集群（某類風險）—模型分組（具體場景）—模型子庫（底層架構），模型子庫涉及具體閾值、技術算法等內容亦要與相應場景相匹配，以保證模型分類監(jiān)測效果。適應互聯(lián)網(wǎng)+ 新形勢新變化，以及商業(yè)銀行信貸業(yè)務全流程管理，建議借鑒現(xiàn)代戰(zhàn)爭海陸空一體化思路，構建起集主體風險、融資背景、資金使用、還貸能力以及識假反假、員工履職于一體的模型集群體系，通過系統(tǒng)化手段實現(xiàn)信用風險的多維識別、精準打擊；前五個方面?zhèn)戎赜陲L險類模型，員工履職側重于管理類模型，進而實現(xiàn)業(yè)務管理、人員管理的緊密結合，以及業(yè)務流、人員流、信息流三流合一的監(jiān)控。

圖2 智慧模型體系框架示意圖

圖3 多點反饋—集成確認示例圖

3.多點反饋。依托模型分類體系，對信貸業(yè)務同周期觸發(fā)多個模型（組）時，按照客戶、機構、員工、產(chǎn)品維度集成展現(xiàn)其全部風險特征；對客戶跨周期、跨流程觸發(fā)模型（組），通過關聯(lián)監(jiān)控的邏輯，區(qū)分模型間強關聯(lián)、弱關聯(lián)等，從信貸業(yè)務全生命周期管理的長時間軸集成展現(xiàn)實質風險特征，為全面、準確識別風險奠定基礎，從根本上推動單維、單因子、單環(huán)節(jié)監(jiān)控向企業(yè)集成監(jiān)控轉變。

4.集成確認。對客戶融資業(yè)務具備的多個風險特征有效歸并起來、集成展現(xiàn)，按照監(jiān)管要求以及銀行偏好，統(tǒng)一認定風險標準，有助于更加全面、準確地開展風險核查，研判風險性質和風險程度，在強化實質性風險管理的同時提高監(jiān)控效率，為基層減負。

（二）實施路徑思考

互聯(lián)網(wǎng)+ 時代、場景為王時代，我們倡導并主動擁抱互聯(lián)網(wǎng)、擁抱新技術，但更應注重模型實質效果，這就需要在傳承中創(chuàng)新、創(chuàng)新中發(fā)展、發(fā)展中提升，匹配風險場景找到適合的建模方法，并將各種建模方法關聯(lián)起來嵌入系統(tǒng)、形成有機整體，真正發(fā)揮模型集群作用，確保智慧模型體系的有效性。建模路徑包括但不限于如下四種：

1.場景化建模。場景化的根本目的是解決實際問題，讓人、系統(tǒng)知曉模型監(jiān)控目的，知曉什么業(yè)務有什么風險，該如何監(jiān)控。通過梳理，將認知業(yè)務、場景乃至風險進行必要歸類提煉，為建模提供支撐，也為模型規(guī)則/因子/指標搭建提供場景來源。具體到信用風險來講，需要從融資主體、融資背景、資金使用、還貸能力以及識假反假、員工履職等六個方面統(tǒng)籌考慮場景化建模。

2.構件化建模。構件化建模的根本目的是提升解決實際問題的效率，側重于在模型底層方面，通過模型子庫中的規(guī)則、因子、指標等不同組合，按照管理需要、匹配場景，靈活定制、快速部署，推動模型研發(fā)由“固定版本”“人工批跑”等模式向“靈活定制”模式的根本轉變，滿足風險管理的緊迫性需要。

3.集成化建模。集成化建模的根本目的是解決用戶認知問題全面性，避免“盲人摸象”的風險監(jiān)控錯覺，通過模型的分類設計、多點反饋、集成確認的方式，將模型識別到信貸業(yè)務全流程的風險特征按照客戶或機構、員工、產(chǎn)品維度全景呈現(xiàn)給監(jiān)控人員或管理者，便于其精準研判風險，同時減少核查量、為基層減負。

4.智能化建模。智能化建模的根本目的是提升解決問題的精準性、有效性，通過應用新型技術手段對信用風險信息進行深度挖掘、歸類提煉、自我學習等方式尋找風險特征、完善模型設計，形成與專家經(jīng)驗有效補充，提升風險監(jiān)控核查效率；此外，通過智能建模和大數(shù)據(jù)分析，也為未知領域的風險研究、前瞻預判提供有益的嘗試。

三、模型迭代調優(yōu)思考

模型作為風險識別引擎在業(yè)界已得到大家高度認可，而模型自身的核心是能夠緊跟監(jiān)管變化、形勢變化以及管理變化進行自我調優(yōu)、自我保鮮，調優(yōu)、保鮮只有始終貫穿于模型全生命周期，方能持續(xù)保持模型建設的有效性。

（一）設計前調優(yōu)

模型本質決定其只是工具，沒有實際業(yè)務、具體場景，再先進模型也無用武之地，也解決不了實際問題，因此設計階段模型調優(yōu)的核心側重于模型的合理性、及時性，如模型規(guī)則/因子/指標是否有實際意義、是否符合業(yè)務邏輯、是否能夠解決實際問題、是否能夠快速上線，以及實施路徑是什么（專家建模、智能建模）等，這些都要經(jīng)過充分研究、反復論證、持續(xù)調優(yōu)，方能為模型的有效型建設提供前提，同時亦要考慮未來形勢變化，預留潛在指標變量等；如從財務角度設計還貸能力模型集群，僅設計“貨幣資金”模型，未考慮“存貨高企”因素，或“存貨高企”模型未考慮行業(yè)差異、速動率差異等，很難客觀預測企業(yè)還貸能力，模型合理性自然會受到質疑，有效性也難以保證。

（二）驗證中調優(yōu)

模型驗證的根本目的是將模型從理論轉為實戰(zhàn)，為模型投產(chǎn)上線、高效運轉奠定基礎，加之驗證基本都是使用歷史數(shù)據(jù)在驗證或測試環(huán)境中開展，因此驗證階段模型調優(yōu)的核心側重于模型的全面性、精準性。首先要找盡可能全的數(shù)據(jù)樣本（如黑白樣本，多地區(qū)、多周期樣本等）、品種尤其貼近業(yè)務實際的；其次要開展模型的功能性、合理性乃至破壞性全面驗證測試；再次檢驗模型是否達到預期設計目的，是否能夠客觀、精準識別風險，對每個模型規(guī)則/因子/指標的設計邏輯、實現(xiàn)路徑、閾值設置，以及關聯(lián)性等方面進行全面分析、驗證、調優(yōu)。

（三）投產(chǎn)后調優(yōu)

模型研發(fā)都是基于歷史規(guī)律、數(shù)據(jù)開展，利用大數(shù)據(jù)預測未來宏觀趨勢肯定沒有問題，但精確到某個客戶、某筆融資等微觀領域是否有風險則本身也會面臨挑戰(zhàn)，因此投后階段模型調優(yōu)的核心側重于模型的有效性、動態(tài)性。需要深入分析模型規(guī)則/因子/指標所隱含的業(yè)務內涵是否變化、對應風險場景是否變化，模型構件是否變化，管理偏好是否變化等等，通過模型子庫調優(yōu)，或閾值調整（閾值在設計階段要考慮集團總部或業(yè)內默認值、分支機構偏好值）等，實現(xiàn)模型在生產(chǎn)環(huán)境下高效運轉。對于投后階段，還應統(tǒng)籌構建包括覆蓋率—命中率、成本—收益、頻率—影響等指標評價模型運轉情況，從數(shù)據(jù)角度開展模型評價與持續(xù)調優(yōu)。

智慧模型體系本質上是將業(yè)務場景與新型技術、專家智慧高度結合，在合適的建模理論或邏輯指引下，對信用風險進行全面、準確的梳理，通過系統(tǒng)化手段開展有效的監(jiān)測與識別，提升信用風險主動駕馭能力。雖然目前大數(shù)據(jù)、云計算、區(qū)塊鏈等新型技術比較成熟，應用領域比較廣泛，但真正應用在商業(yè)銀行風險管理方面仍有很大提升空間，亟須業(yè)界共同努力、加快研究，切實提升商業(yè)銀行信用風險模型供給能力，助力商業(yè)銀行在新一輪金融變革中保持領先優(yōu)勢。