NFI新金融書系「未來銀行全面風險管理」一書納入第一財經摩根大通2020年度金融書籍候選。我們邀請該書作者渤海銀行副行長、首席風險官趙志宏，以及建設銀行湖北分行副行長金鵬，就其在書中提出的運用AI+提升銀行風險管理敏捷水平，以達到既防黑天鵝又防灰犀牛作用進行詳細闡述。
習近平總書記在省部級主要領導幹部專題研討班發表重要講話指出：「我們必須始終保持高度警惕，既要高度警惕『黑天鵝』事件，也要防範『灰犀牛』事件。」守住不發生系統性金融風險的底線，推進「兩個健全」、「兩個深化」，需要持續強化針對「黑天鵝」和「灰犀牛」的風險管理。
「黑天鵝」事件指非常難以預測，且不尋常的事件，通常會引起市場連鎖負面反應甚至顛覆；而「灰犀牛」體型笨重、反應遲緩，一開始人們能看見它在遠處，卻毫不在意，一旦它向人們狂奔而來，定會讓人猝不及防，直接被撲倒在地。可以說，「灰犀牛」並不神秘，但卻醞釀著更危險的大概率危機，在社會各個領域潛伏著，不斷演化醞釀。
白居易有詩云：「嵌巉嵩石峭，皎潔伊流清。立為遠峰勢，激作寒玉聲」。隨著我國經濟運行進入新常態發展階段，疊加新冠疫情的「黑天鵝」轉化成「灰犀牛」，各行各業都經歷了一場突如其來的風險壓力測試。「灰犀牛」迎面而來，能否抓住珍貴無比的「犀牛角」，撥雲見日，考驗的是銀行全面風險管理的敏捷與韌性。在無處躲避的風險中，全面風險管理之於銀行，正如競技場上的撐杆之於撐杆跳，應對迅猛而來的「灰犀牛」，我們需要一個既能承受較大壓力、不易折斷，還能借力反彈，助推業務前臺穿越空中障礙的全面風險管理體系。
「黑天鵝」常被用來比喻小概率而影響巨大的事件；「灰犀牛」則用來比喻大概率且影響巨大的潛在危機。相對於黑天鵝事件的難以預見性和偶發性，灰犀牛事件不是隨機突發事件，而是在一系列警示信號和跡象之後出現的大概率事件。在每一個黑天鵝事件的背後，都潛藏著一個巨大的灰犀牛式的危機。
歷史經驗表明，小概率事件往往能製造大風險，對金融領域而言，風險更是倍增。金融市場的黑天鵝事件是以市場趨勢的突變為特徵的，即原有的市場趨勢會毫無徵兆地突然終結，出現對原有趨勢強烈反轉的市場走勢。
自2004年各家銀行陸續推進公司治理機制以來，國內銀行業享受了管理成長周期的紅利，各項制度和管理體系不斷完善，各類風險的防範已經逐漸建立起了一整套的體系。然而前十餘年時間，正是國內銀行業高速成長的時期，成長掩蓋了一些弊病，體制機制沒有經過完整周期的洗禮，是否牢固不確定；一些應急方案從未觸發過，是否有效也不確定；以前建立的體系面對未來環境的變化，是否適用同樣不確定。以近期市場事件為例，11月債市陰雲密布，永煤債務深跌90%，豫能化債務深跌85%；包商銀行65億二級資本債全額減記，央行認定發生「無法生存觸發事件」。在上述「黑天鵝」事件中，部分銀行自身風控系統並沒有提前預警，導致自身深陷其中，資產質量經受嚴峻考驗。對銀行而言，「灰犀牛」風險傳導有中小金融機構、政策、客戶、融資工具、負面輿情等五條路徑。結合當前經濟發展情況和「雙循環」趨勢，可能出現「灰犀牛」的主要領域包括以下幾個方面：
一是數字鏡子背後的「陰影」。隨著網際網路和大數據技術的全方位深入，加之疫情加速了區塊鏈、大數據、人工智慧等技術在金融服務領域的落地應用，數字經濟發展和產業轉型升級方興未艾。然而，主導數字經濟的大型科技金融公司複合體構成複雜，可能會對金融體系產生相當大的溢出效應。在線支付服務提供商游離在監管範圍邊緣，難以對實際資金流動進行監控。多數從事消費貸款業務的金融科技公司往往採用輕資本模式，槓桿率極高，一旦面臨流動性緊縮問題，客戶可能會蒙受巨大損失。同時，數據安全也是銀行必須關注的重大問題，數據系統技術架構複雜，系統行為管理和監控的能力要求高，用戶行為數據抓取與交叉驗證難度大，很多技術能力薄弱的銀行難以有效監控系統及用戶行為。
二是企業槓桿率高企。高槓桿率已成為我國經濟發展的切膚之痛。截至2020年2月末，全國非金融部門總債務為275.4萬億元，較上年末增加5.53萬億元；增速較上年末上升0.02%。非金融部門總槓桿率為275.7%，較上年末上升3.3%。其中，非金融企業部門和政府部門槓桿率顯著上升，已成為當前最突出的債務問題和去槓桿工作的關鍵領域。當前我國宏觀經濟仍面臨較大的下行壓力，而且在鋼鐵、煤炭、房地產等實體經濟行業，去槓桿又與去產能、去庫存、補短板等任務相交織，更進一步加大了企業去槓桿的壓力，導致部分企業去槓桿工作效果低於預期。如前所述，近期少數企業發生債券違約案，雖然監管及時出手制止逃廢債，但相關事件背後潛伏的風險值得銀行高度關注。
三是房地產市場泡沫。11月19日，央行黨委書記、銀保監會主席郭樹清撰文指出，房地產泡沫是威脅金融安全的最大「灰犀牛」。近年來我國房價持續走高，部分熱點城市地區的高房價已經遠遠超出了居民的經濟承受能力，房價調控使人們產生了房價「只升不降」的整體性認知偏差，加劇了房價泡沫化現象，「灰犀牛」的身影已進入人們視線，如果房價出現快速下滑，必將加劇房地產貸款的違約風險，進而可能導致房價下跌和債務違約的惡性循環，嚴重威脅銀行資產質量。
四是地方政府債務膨脹。自2011年以來，我國開始對地方政府投融資平臺進行規範整理，化解存量債務。2014年後，全面規範地方政府債務管理的制度安排開始成形。截至2020年10月末，全國地方政府債務餘額25.81萬億元，較2016年末增長超過10萬億元。雖然始終保持在全國人大批准的要求範圍內，但是部分地方政府債務餘額增速仍較快，面臨較高的還本付息壓力，隱性債務問題也有待進一步化解。地方政府將面臨較高的「兜底」風險，由此可能引發的系統性風險更是不容忽視，需要加強防範。
新時代背景下，商業銀行風險管理在戰略思維和資源配置、內外部數據信息管理方面仍存有一定差距，對「黑天鵝」的應急能力和對「灰犀牛」的洞察能力尚待提高。現實差距主要有以下幾點：
一是風險管理戰略思維與新的經營環境不相匹配。商業銀行風險管理還未實現內部的數據化和信息化，把風險管理簡單的認為是機構的擴充、人員的吸納、崗位的增加和層級的重複設置等人工模式。這些還難以很好的滿足數位化、智能化背景下，風險管理數據的海量化、風險管理控制的自動化和風險管理結果的高頻變化等新的管理需求。此外，當前的商業銀行往往缺乏長遠的、動態調整的風險管理戰略，保障風險管理的資源配置相對落後，對信息技術系統和信息數據資源的管理不到位，這些都與未來銀行所需具備的智能風控「AI+」要求有一定差距。
二是內部風控智能化與系統建設存在不足。當前，商業銀行內部風控系統的建設存在目標多元化、功能單一化、職能豎井化、數據口徑差異化和數據匯總困難等問題，缺乏互聯互通的企業級風險管理體系，導致信息數據呈現不集中、分散化和不規範等問題，數據處理過程中數據的有效性會「貶值」，數據的價值難以被充分挖掘。在商業銀行風險管理中，資料庫技術在對銀行內部數據進行收集和處理方面扮演著重要角色。很多國外銀行藉助數據倉庫技術獲取客戶更多、更全面的信息，細分客戶群體，有針對性的對客戶需求進行判斷。但國內眾多銀行仍以擴張規模為主要的經營模式，信息系統的發展模式也主要為業務驅動型，包括風險管理系統在內的各類系統龐雜交織，以大數據分析和智能風控為基礎的精細化、數位化經營不足。
三是對外部信息的關注度和利用率比較欠缺。面對可能發生的「灰犀牛」，加強行業發展趨勢的預判是銀行風險管理的重要內容之一，銀行需要找到動態且精準評估行業風險等級的方法。此外，銀行本應將數據獲取的重點放在非結構化和半結構化的外部數據上，但實際情況恰恰相反，銀行往往對眾多的外部數據關注度較低，對外部數據的採集、整合、儲存和利用也不足。在銀行風險類型多樣化和複雜化的背景下，簡單的結構化數據無法提供必須的信息量，商業銀行風險管理水平很難得到提升，管理效果也經常達不到預期，導致後期的信用評價出現不必要的偏差。
「庖丁解牛」的典故告訴我們，只有經過反覆實踐，掌握了事物的客觀規律，練就過硬技術，做事才能得心應手、運用自如。黑天鵝和灰犀牛對於銀行業具有致命的打擊，但是一直以來，銀行風險管理對這方面的監測、預判和應對卻不夠有效。這在很大程度上是由於工具、手段、技術的限制，而數位化、智能化的金融科技發展為未來銀行的敏捷風險管理帶來了新希望。
《未來銀行全面風險管理》一書中提出，金融行業的大變革正在醞釀，金融業態可能會從「網際網路+」跳躍式邁向「AI+」。智能風控作為「AI+」的重要一環，將在防範和應對「黑天鵝」和「灰犀牛」風險方面起到重要作用。商業銀行需藉助數位化、智能化手段真正落實「全面風險管理」，提升對黑天鵝突發事件，以及黑天鵝轉化為灰犀牛的企業級風險應對能力，運用大數據、人工智慧技術，進行市場風險和客戶風險的智能識別、動態定價和全實時自動化機器審批。銀行能否很好的應對突發事件，主要取決於實時智能的「全面風險管理」能力，這包括對宏觀風險、中觀風險和微觀風險的智能偵測、預判、預警和預控能力，能夠及時辨別黑天鵝和灰犀牛病毒的抗原，迅速激發配置滅殺抗原的抗體，進行精準靶向殺毒。同時，更需要進一步提升各種科技風控組件間的綜合協同性，提升前、中、後臺各種組件之間平滑、無縫、實時自由組合能力，才能有效實現對「黑天鵝」的預警、對「灰犀牛」的洞察。
隨著科技的不斷發展，行為網際網路的時代正在開啟，對日常生產生活過程中行為數據的採集正在逼近「塵埃」級的細緻程度，銀行運用金融科技監控「灰犀牛」和「黑天鵝」的場景越來越無處不在。比如，通過用戶身份識別，發現和阻止可疑的交易行為；通過市場交易行為監控，發掘關聯帳戶的異常操作；通過風控數據報送渠道的數位化，打破豎井壁壘，提高效率，降低成本；通過智能化的監管法規信息跟蹤、檢索和語義分析，提升對行業監管動態的把握以及合規能力；通過內部客戶和資產數據、外部宏觀和行業數據的融合分析，實現對系統性風險的洞察等。
數位化、智能化風控的應用給敏捷銀行的風險管理帶來了新路徑。一是更加敏捷。能夠充分利用雲計算技術甚至分布式雲計算技術，實現各種風險管理組件的快速、靈活部署，從而能夠隨時根據風險環境的變化或遷移迅速組合出與之匹配的風險管理策略。二是更加實時化。能夠有效運用邊緣計算技術，實時監控各種指標數據，及時生成報告和解決方案，提高風險識別和處置能力，及時處理風險事件，提高事中監管的效率。三是更加智能化。能夠在安全可控的前提下充分釋放AI+智能合約等技術的潛能，實現銀行風險管理的超級自動化，一方面能高效快速地自動識別、應對及處置風險，另一方面還能同時自動完成對監管數據的學習和挖掘，自動提煉監管尺度並生成智能監管合約，自動確保合規要求在業務流中被及時貫徹及滿足。四是更加標準化。能夠全局的應用數據倉庫技術，通過構建企業層級數據字典，實現內控數據的共享性和數據結構的統一性，對監管合規數據形成統一的標準，實現宏觀監管和機構內部監管的統一。五是更加數位化，能夠廣泛採用各種新技術，比如利用多模態AI技術，快速收集和分析處理包括圖、文、聲、像等複雜的數據，實現報告數位化和合規流程自動化，完成由了解客戶（KYC）到了解數據（KYD）的轉變。
最終，銀行的AI+全面風險管理體系將呈現為一個全面融入銀行業務的分布式綜合智能體，實現計算機視覺、圖像分析、視頻分析、文本分析、知識計算、語音語義等各種專項AI技術的高效協同。
依據網際網路大數據技術，商業銀行可以對風險管理流程進行變革，打造智能工作流，實現科學有效的商業銀行風險管理。傳統的商業銀行風險管控流程主要包括事前的客戶風險識別和客戶準入，事中的風險評估和風險計量、風險預測和風險規避，以及事後的風險轉移、風險緩釋、損失管理等。由於銀行風險管理涉及的流程較多，其涉及的部門、人員和地點也較廣，各環節信息的不對稱使得風險管理的效率低下。藉助數位化和智能化技術，商業銀行能對風險類數據進行全面掌握，並在必要時通過隱私增強、聯邦學習等技術手段實現數據價值的自由交換和利用，強化風險識別、風險評估、風險控制、風險處置、管理後評價等重要節點，合理匹配事前、事中、事後資源，有效實現「灰犀牛」蹤跡的洞察。
有效洞察「灰犀牛」，要將經驗邏輯變成計算邏輯。針對經驗型的「灰犀牛」，銀行需要將經驗量化，並設定時間軸上的連續觀測節點和關鍵的觀測變量，將「灰犀牛」出現的客觀規律進行捕捉和歸納，再通過經驗模型確定下來；然後再構建整體數據來源，對長期連續數據進行關聯和比對。比如，依靠1998年金融危機的特徵、2007年全球經濟危機的特徵以及2015年經濟下行的特徵等來推測未來經濟下行的趨勢，要清晰的梳理出這些特徵的連續型數據是如何展現、哪些是標誌性節點、數據從哪裡獲得。當這些經驗邏輯轉化為計算邏輯的時候，就帶來幾個優勢：一是經驗可以跨越人和時間的限制被保留下來；二是可以時刻不間斷的進行觀測；三可以將AI技術較好應用於提前探測灰犀牛等趨勢性事件；灰犀牛在趨勢曲線上是屬於比較平滑的，而目前基於統計學的AI技術，對於比較平滑的趨勢擬合效果是非常好的；四是可以利用「時空循環神經網絡」、「長短期記憶模型」等深度學習算法進行AI模型的訓練，將連續觀測保留下來的數據資產轉化為具備一定洞察能力和預測能力的模型資產，進而緩解不可預知性或偶發性事件帶來的衝擊。
對於黑天鵝等偶發性事件，因為突發比較多，基於目前的技術，還很難單純用模型實現自動監控。因此，可能需要更多依賴於人的經驗，模型輔助，做人機協同的智能偵測、預判、預警和預控。
應對「黑天鵝」的重要抓手是知道黑天鵝出現在哪裡、出現的時候是什麼樣子。因此，銀行需要通過主動的風險管理來預警「黑天鵝」的侵襲，從而實現在「黑天鵝」誕生前，就知道「燎原之火」可能來自何方。在數字經濟時代，網際網路機構主導的「顛覆式創新」的基本特徵是「打斷傳統利益鏈，並重構一條新的利益鏈」。而在打斷傳統利益鏈條之前，「黑天鵝」有一段時間的潛伏期。比如餘額寶產品，正是因為銀行沒有預見到「餘額寶的目標是抓住被銀行拋棄的長尾客戶」，而留給了餘額寶過長的成長時間，最後顛覆了銀行的儲蓄客戶基礎。
針對創新型的「黑天鵝」，銀行很可能沒有任何預防相關風險的經驗。對此，銀行應實施主動風險管理，預警「黑天鵝」，然後針對性的建立風控系統進行預防。實現主動風險管理需要具備兩個條件：一是要有合理的情報收集渠道；二是要將情報進行整理，並與銀行自身的經營邏輯進行對比分析，找出可能衝擊銀行核心商業邏輯的風險點。比如，銀行應主動收集了解數字經濟創新創業項目，在其中了解新的商業趨勢、技術、做法、產品和組合，並對比銀行自身經營的核心邏輯，找到這些創新可能挑戰、甚至顛覆銀行經營邏輯的關鍵風險點。然而，很多銀行缺乏「主動預警」的崗位，不能有效的從蛛絲馬跡中發現風險爆發點並提供有效解決方案。
例如，結合當前信用市場運行情況，銀行需要從客戶結構方面做好主動預警，一方面關注近兩年來發生債券違約的主體、關聯企業中風險較高、法人異常變更、負面輿情、成為債委會的非不良客戶，時刻監控違約風險；另一方面，關注重大信用風險事項中風險程度較高的客戶、辦理再融資及期限調整的關注類客戶、分類為關注三級的客戶、具有可疑關聯關係的殼公司客戶、接近「殭屍企業」標準的非不良客戶，嚴密防範欺詐風險。再如，相對公開資本市場而言，銀行掌握企業的信用狀況、資產負債狀況和現金流狀況，具備更多的數據觸點和更高的數據頻次，如企業負債的異常增加、貸款逾期、結算和資金流水、資金流向、抵押品處置權及估值等。如果能夠再結合外部的大數據資源，如工商登記註冊註銷、司法訴訟、正負面輿情、稅務繳納、代發薪、水電繳納等等，銀行就可以對單一企業進入生產銷售瓶頸期或者進入衰退期的信號進行捕捉，也可以對局部區域、行業或者產業集群出現批量性的信用惡化做出規律性的總結以及前瞻性的預判，從而有效地預警「黑天鵝」。
運用AI+技術防範「黑天鵝」和「灰犀牛」，從技術層面上講主要是三要素：數據、算法、算力，但AI+智能風控的成功打造，其實需要以多方人才資源的高效協同為前提。這其中有五種人才角色最為關鍵：應用工程師、行業專家、數據科學家、算法工程師、IT工程師。行業專家貢獻行業經驗和行業知識，和AI應用工程師或者AI算法工程師一起討論確定場景和問題，包括定義問題的邊界，AI應用工程師可以對問題建模，選AI算法進行模型訓練，用現有的成熟算法來解決問題，但是有些場景，現有方法可能不一定有效，這時候需要AI算法專家優化或者創新算法，設計新算法更高效的來解決問題。有時候，數據科學家和AI應用專家可以是一個人，如果分工細一些，數據科學家和AI應用工程師可以分開，數據科學家聚焦數據理解、數據統計分析，數據清洗，建模。
最後，運用AI+技術防範「黑天鵝」和「灰犀牛」，歸根結底是創新問題。
一些領軍銀行面臨在」無人區」的突破性創新問題，突破性創新如何進行？以及如何規避其中的黑天鵝風險呢？首先要建章立制度，引入有利於創新的考核方法OKR，Deep dive深潛式點子管理，精益六西格瑪方法論中的防錯法以及DFSS for innovation。其二要充分調研，找最合適的合作夥伴，堅韌不退，不斷小步快進和調整，培養一支有共同理念積極求進的骨幹團隊。其三是可以先在」無人區」裡劃一塊實驗田，並申請」監管沙盒」，目的是把創新中的風險降到可控，保證有限資源重點投入，給實驗田更好的績效機質，及適應創新的治理機質，與行內明確邊界；實施田中的容錯度更寬鬆，重點不是規避風險而是嘗試在風險中創新試錯，把風險控制在實驗田中。
責任編輯：韓希宇