中企视讯（编辑 周天琪）在银行业数字化转型的进程中，风控体系的创新与升级至关重要。作为银行稳健运营的基石，风险管理能力不仅决定了银行的运营安全，也直接影响到业务的拓展与竞争力。面对复杂的经济金融风险局面以及新时代对于数字化的发展要求，银行风控能力也在不断的演变与升级。能否适应数字化转型趋势，发挥数字技术和数据要素的双轮驱动效果，将决定银行数字化转型的成败。
作为中国银行旗下的科技公司，中银金融科技有限公司（以下简称“中银金科”）凭借技术研发实力，积极推进数字化风控体系的建设，以新技术助力风控创新性发展, 探索数字化风控体系的构建及其发展方向。
银行风控演变：从传统到数字化
传统风控体系在银行的业务中长期扮演着重要角色，依赖于定性分析、专家经验以及人工审批。这种方式虽然在过去发挥了重要作用，但在信息化、数据化、自动化的浪潮下，逐渐暴露出决策效率低、风险识别能力弱等问题。尤其是在信贷审批领域，依赖于人工评估的传统模式无法满足快速变化的市场需求。随着移动互联网、大数据和信息存储等技术的发展，银行的信贷审批决策也逐渐从线下搬到线上，使得决策时间大幅度缩短，同时通过引用大数据、机器学习等智能化技术有效改进了传统信贷风控中信息不对称、批量化决策效率低下的问题，实现了智能化风控。
近年来伴随金融科技的迅猛发展，技术变革也随之而来，银行业务发展形态也不断更新与丰富，数字化风控时代也随之而来。面对不断细化的新业务场景，业务提出诉求想要更直观、更准确、更实时的方式去预警、甄别、防范风险。在这个阶段陆续有银行将风控领域作为知识图谱、模型智能风控、大模型等前沿技术的探索点。根据如今风控发展划分，新技术赋能风控主要提现三个方向：第一个是规则预警为主导，模型预警为辅判的数据智能风控；第二个是从关联图谱的角度，去挖掘不同客户潜在价值以及预测不同实体间的风险传染的影响；第三个则是利用大模型实时分析市场趋势以及客户行为等信息，对风险主动出击，从而防范风险。
“数智风控”-数据智能决策预警
数据智能风控主要是从数据中提取有价值的信息和知识，构筑智能风险算法和模型、推动决策和行动，识别潜在风险，实现风险预测。数据智能风控大体包含三个维度：数字化风险治理、数字化风险决策以及数字化风险预警。“高质量”“有价值”的数据是风险决策以及风险预警的信息依据，因此为了支持应用层面的数据需求，对系统内部数据以及外部数据进行治理，将信息从内到外进行数字化呈现成为数智风控的基石。数字化风险决策与预警则是以风险数据为基础构建风险决策模型以及机器学习预警模型，从而实现风险决策的自动化和专项风险预警信息的提示。
对于数字化风险数据治理，需在数据治理、数据底座层面构建全面风险数据池，形成企业风险知识库、风险加总数据库，从基础数据供给和响应业务需求两方面，有效整合内外部风险数据，构建风险领域的风险数据集市，从而为上层各类风险模型及其他分析应用提供统一的数据底座。在风险决策层面，建设风险管理领域统一的风险策略规则引擎，有助于对公评级、申请评分、行为评分、催收评分、消费金融、风险计量等多个业务场景高效且自动化的应用部署。在风险预警层面，建设风险领域同意的专项模型工厂，可为建模分析、机器学习提供一整套可定制的数据挖掘建模及应用工具。从而帮助业务分析师及建模工程师更快，效率更高的对风险专项领域（例如证券，房地产，城投债等）进行风险建模，实现对房地产传染链风险、资本市场主体信用风险、城投债、商业银行等风险预警，该能力可为信贷风险业务领域的风险挖掘及风险管控提供辅助支持。
“智图风控”-动态可视风险挖掘
知识图谱深受各金融机构的青睐，成为新技术应用于金融领域的重要工具，并被广泛应用于风控领域。相较于传统数据展现形式，其核心优势可将风控场景数据抽象为“带有点边关系的关联图谱”，通过可视化形式进行展示。这种网状的关联性展示使得复杂的关系一目了然，业务可以快速的理解不同实体间（例如集团之间、企业与股权、企业与担保等）的内在联系。同时基于图谱的关联关系数据可进行图谱分析，潜在关系挖掘，帮助业务人员识别以及防范风险。
构建风险领域知识图谱分析平台可以帮助完善银行内客户风险画像，全面洞察企业间的关联关系，通过动态可视化方式展现客户风险。中银金科为了适应业务发展需求，同样也在知识图谱领域做出很多探索。通过整合股权、关键管理人、担保等8类关联关系形成关联图谱，去解决以往业务从单一企业、单一维度、单一视角看风险的问题。同时基于图计算等方式自动挖掘关联方、疑似实控人、疑似受益人等深层次隐性关联关系，帮助业务人员快速的甄别风险，减少损失。在建模分析方面，图谱因为其天然的关联关系数据可较为容易的去预测风险传染相关的风险。例如通过产业链、供应链等图谱关联数据结合行内预警信号及企业财务指标等相关数据，可构建产业链行业景气度跟踪预警以及供应链风险传染预警等模型，实现关联关系的风险传染预警。
“AI风控”-实时响应主动风控
人工智能大模型的发展一直是全球的焦点，国内大模型在各行各业的应用也呈百花齐放的态势。金融行业对大模型的应用主要集中在改善客户金融服务、提供内部管理效率、夯实技术基础三大方向展开。针对风险领域，较多是辅助业务进行全面风险管理。通过利用大模型分析历史交易数据、市场趋势和客户行为模式，捕获和预测潜在的风险和欺诈行为。通过对大量复杂数据的深入学习，识别异常交易模式，提前警示可能的风险。而且利用大模型的持续学习以及不断优化能力，可以提高在信用风险、市场风险和操作风险等方面的风险评估的效率和精准性。
在应用探索初期，各家银行通常优选少量场景先行试水，循序渐进。而利用大模型的实时分析进行风险控制，则集中在自动化合规性检查流程、智能化授信管理以及反金融欺诈这三个方向。自动化合规性检查流程是通过大模型对规章制度、法律文本、交易细节等信息进行实时监控，识别出可能的合规风险，并及时预警，提高风险效率。智能化授信管理是通过大模型对企业客户的财务分析和画像，优化对企业的信用评级和授信管理，预测风险敞口，开展风险预警。反金融欺诈是大模型通过分析交易模式、用户行为、设备信息等数据识别潜在的欺诈行为。
在未来，数字化风控将继续与更多新兴技术融合，推动金融行业的深度变革。中银金科将继续探索数据安全、隐私计算、边缘计算等前沿技术与风控领域的结合应用，提升风险管理的智能化、自动化水平。同时，随着监管要求的日益严格，如何在满足合规的同时实现技术创新，也将成为银行数字化风控体系建设的重要方向。
展望未来，数字化风控不仅是提升银行风控能力的手段，更是推动银行业可持续发展的核心驱动力。随着技术的不断进步和应用场景的不断丰富，银行的风控模式将更加灵活、高效、精准，助力银行在数字化转型的浪潮中稳步前行。
银行业的数字化转型离不开风控体系的革新。通过不断引入新技术、新理念，银行能够在更为复杂的金融环境中稳步前行。中银金科在风控领域的持续探索，正是金融科技与传统银行业务深度融合的一个缩影。未来，随着技术的不断迭代，数字化风控将为银行带来更多创新机会，为金融行业的高质量发展贡献更多力量。
供稿：中银金融科技有限公司
琼公网安备 46010802000728号