人工智能在銀行信貸風險管理中的應用實踐

朱云濤

（上海浦東發展銀行股份有限公司總行，上海 200052）

在人工智能發展和應用的大背景下，商業銀行都開始積極利用人工智能技術實現業務的拓展，特別是人工智能應用于信用貸款業務中，其所具有的數據、算法和算力優勢，使得銀行信貸業務出現了巨大的改變。一方面，信貸市場環境日趨激烈，客戶對于信用貸款產品和服務的要求不斷提高，人工智能與信貸業務的融合成為銀行必然的發展趨勢，另一方面，人工智能可以幫助銀行收集內外部數據，固化專家經驗，建立風險預警模型、規范審批流程等，有利于銀行風險管理水平的提高。所以，針對人工智能在銀行信貸風險管理中的應用進行研究，具有積極的意義。

一、人工智能在商業銀行中的應用現狀分析

信貸是銀行十分普遍的一項金融服務，也是主要的價值提升路徑。傳統人工模式下，信用貸款審批資料收集時間較長，第三方資料較難獲取，信貸員資質不一，加之授信決策流程復雜，增加了中小企業的融資難度。人工智能技術的應用能夠有效提高銀行的風險管控能力，對各類特征數據開展定量風險分析，獲取具有連續性特征的風險定價，提高更好的金融服務和產品。杭州銀行的“云抵貸”推出了智能化抵押房屋貸款，縮短了貸款審批和放款時間。螞蟻花唄、京東白條等互聯網金融企業也積極推出信貸業務，通過人工智能算法對客戶進行信用等級評定，利用客戶的消費歷史數據對信貸業務的風險進行評估，使得不良率有效降低[1]。當前，人工智能在銀行信貸中的主要應用領域是貸款預測和信用等級評定中，而使用較多的算法主要是支持向量機、決策樹以及神經網絡。

二、人工智能應用與信貸業務風險

（一）信息安全風險

隨著人工智能技術的發展，網絡攻擊技術也在不斷升級。銀行在建立智能信貸系統以后，不法分子可能會利用智能系統漏洞使得信貸服務中斷。不法分子還會利用人工智能技術建立虛假賬戶或者偽造信貸信息騙取貸款，或者發送虛假指令盜取客戶資金。在智能信貸業務中，人工智能使用的數據通常需要內外聯合構建，并在銀行內部完成儲存，體現出了系統化和多元化的特點，給不法分子實施網絡攻擊提供了便利。

（二）職業道德風險

職業道德風險指的是內部工作人員利用自己的權力提高自身效用或者損害他人利益。人工智能應用于銀行信貸服務，有效減少了工作人員的數量，使信貸權力控制在少數人手中。而人工智能無法對非法尋租行為進行預防和監測，信貸人員需要面對利益誘惑，可能利用自己的權限為客戶降低貸款門檻，使得銀行不良貸款增加。相較于傳統信貸業務模式，智能信貸模式下的道德風險出現概率更好，隱蔽性更強、破壞性更大。

（三）法律監管風險

當前我們國家對銀行進行監管使用的主要法律是《商業銀行法》，是以傳統模式下銀行業務流程為基礎制定和頒發的，但是我們國家對互聯網金融的監督和管理還停留在規章制度層面，未能上升至法律層面，使得銀行信貸業務中應用的人工智能技術超出了法律規定的邊界，存在著許多的不足或者漏洞，給一些不法分子留下了空間。一些不法分子會利用的漏洞，逃避法律監管，從而引發監管風險問題。假如這些漏洞無法被及時發現和處理，就會給銀行造成滯后性損失。法律體系的不完善會使得監督管理部門對智能信貸的執法和監管效率下降，影響信貸服務的質量和效率。

（四）信息時效性風險

智能信貸牽扯到計算機和金融等多個領域，所以許多潛在的專業性問題存在突發性和綜合性。時效性風險指的是銀行智能信貸業務中各種潛在風險問題的發現和處理存在一定的滯后性，時間越長，那么風險敞口也會越大[2]。解決這一類型風險的主要措施是及時發現和處理潛在風險問題，因此需要培養智能信貸所需的復合型人才，確保復合型人才能夠高速動態構建風險模型，創建高精度數字場景，并設計模型與現實應用的有效銜接。有關資料顯示，我們國家當前金融科技人才數量嚴重不足，銀行需要面對因為人才的短缺引起的時滯性風險問題。

（五）數據壟斷風險

為了提高銀行信貸業務中人工智能的正確率，銀行要通過信貸數據對人工智能開展機器學習，而這些都需要全面完整的數據信息作為基礎。信貸數據具有較強的因素性和分散性，所以銀行無法通過大數據服務公司獲取，只能將具體風險案例中的數據反饋給人工智能進行機器學習，但是一家銀行能夠使用的案例相對有限，用來進行機器學習的樣本較為稀缺，使得人工智能在學習樣本時存在擬合問題。加上機器學習使用的設備以及數據收集使用的傳感器耗能和成本較高，這些都會使得人工智能的應用存在數據壁壘問題。

（六）模型有效性和智能化不足的風險

智能模型的發展仍在起步階段，智能化風險模型的應用更多偏向于特定專業領域，通用性和多場景適用性不強，且模型有效性會隨時間衰變，自我迭代更新能力不足。關鍵風控模型仍采取較為簡化的專家經驗法，擬人化智能不足，已較難適應科技驅動下的各類新型場景風控要求。

三、人工智能在信貸風險防控中的應用

（一）采集與整合內外數據

銀行所掌握的內外部數據是人工智能應用于信貸風險管理的基礎。針對銀行業務人員、數據分析人員和模型開發人員進行調查研究發現，銀行在建立信用貸款風險智能管控體系時，需要客戶、市場環境、行業趨勢、經營管理、財務管理、融資管理等方面的數據。

具體來說，一是內部風險數據。內部數據是銀行生存和發展的重要資產，具有很高的應用價值，能夠為人工智能在風險管理中的應用提供支撐。銀行的內部風險數據主要包括企業信用資質信息、集團關聯、人行征信資料、擔保關系、客戶賬戶信息、經營財務報表、內部等級評定信息、資產質量類別劃分、上下游企業管理、貸款償還表現等。

二是外部風險數據。作為銀行內部風險數據的輔助資料，外部風險數據具有較強的覆蓋度和時效性，能夠幫助風險管理人員對風險進行識別、監控、預警和處理。銀行的外部風險數據包括工商注冊信息、司法信息、行政處罰信息、輿情信息、知識產權資料、環境保護信息、供應鏈信息、行業環境信息、外部評級信息等[3]。

一些銀行已經有效地與地方政府數據系統完成了對接，可以獲得社保信息、電力使用資料、稅務信息等，這些也可以應用于風險管理當中。銀行內外部數據都是底層風險數據，無法被模型開發人員直接利用，一方面，要對風險數據的真實性和完整性進行評估，對數據與實際業務之間的關聯性進行分析，從而完成數據的類別劃分和科學篩選。另一方面，要對數據進行整合、轉換和加工，建立風險數據庫，為信息查詢和模型構建奠定基礎。

（二）構建風險預警模型

第一步，對客戶進行分層分類。因為客戶的行業特征不同，使用相同指標的情況也會出現差異。銀行要結合企業規模、財務報表等因素對客戶進行類別劃分，建立起人工智能風險預警模型，提高模型應用的匹配度。第二步，劃分客戶范圍，界定風險客戶。模型構建使用的客戶范圍通常是銀行近些年的信貸客戶，風險客戶指的是符合任何一項標準的客戶，包括本金逾期超過五天，利息逾期超過十天，貸款五級劃入后五類，內部評級為違約級別。第三步，建立變量并進行預警信號的篩選。有關人員要對風險數據庫中的數據進行加工，建立變量體系，依據區分水平、缺失率和穩定性等不同指標，篩選出合適的模型變量。第四步，通過PYTHON進行模型的開發，對風險預警模型的變量多少、隱藏層個數、迭代方法和次數等進行調試，做好模型訓練，并且在數據集中對模型效果進行測驗，確定最終模型。

（三）規范信貸審批流程

傳統模式下銀行信貸審批通常需要一周，只有完成審批才能進入信用貸款的后續環節，因此信貸審批的時間對于信用貸款辦理的整體效率具有直接影響。將人工智能應用于信貸審批環節以后，這一過程被縮短到了十秒左右，而且速度會不斷加快。人工智能可以利用人臉識別和設備指紋記錄對用戶的真實性進行判斷，并且與活體檢測互相配合，利用相似度數值賦予不同的風險指標。

第一，人工智能技術能夠與稅務系統、土地資源管理系統、銀聯系統等建立連接，通過聯網查詢判斷客戶提交資料的真實性，還可以在審批過程中對客戶個性、風險偏好等非財務資料進行考察。通過大數據引擎能夠調取各種平臺的數據，包括移動通信、公共出行、網絡社交等，從而給出可靠的評估建議[4]。

第二，人工智能技術可以對客戶經理的行為進行實時監督和自動定位，對信貸審批過程進行監控，并留下圖片影像資料，有效防范不作為問題。而且利用人工智能還可以設置行業調查模板，自動生成調查報告、損益表等。

第三，利用人工智能技術可以構建貸款審批模型，利用打分卡的方法完成自動審批。將智能審批與人工審核有效結合，可以開展分級式差異化管理，有效解決貸后管理缺失問題。

第四，利用人工智能技術取代傳統作業模式，加強對公授信業務的管理，建立人工智能與專家審批的互補機制，可以有效保證審批結論的嚴肅性，為信貸資產的質量提供保障。

（四）建立動態的風險監控機制

風險監控系統指標體系的科學合理對于銀行是否可以發現信貸業務中的風險具有直接的影響，是銀行提前制定防范措施的基礎。針對信用貸款風險來說，人工智能技術的應用可以為風險監控機制的建立提供支撐。人工智能風險監控機制的指標主要包括工商準入信息、行業準入標準等貸款對象的合法性指標，營業利潤、經營支出等經營狀況指標，司法訴訟信息等法律糾紛指標，負面新聞信息等輿情指標，貸款償還情況、信用執行情況等金融信用指標，還包括國內外市場環境指標以及行業發展趨勢指標等。通過指標體系的構建，可以在風險監控機制內設置預警紅線，當觸碰紅線時會及時發出警示信息，從而達到風險防范和處理的目的。

（五）加強貸后管理

首先，利用物聯網技術有效地監管抵質押品。銀行有效轉移或者分解信用貸款風險的主要手段是資產抵押，假如利用第三方公司對抵押品進行看管或者安排銀行工作人員定期查驗，經常出現流失問題。物聯網技術將信息流、資金流、物流等進行有效的連接，利用遠程視頻技術能夠實時掌握物資的實際情況，將前臺視頻高效的對接后臺系統，在抵押物出現異動時，系統會及時發出警示，從而有效地對固定資產和動產進行跟蹤和管理。

其次，利用區塊鏈技術加強風險管控。企業在進行經濟活動時，可以從供應鏈角度對經濟關系進行解釋，能夠看作是上下游企業供應和需求的拓展，而這一供應鏈在不斷地拓展和延伸，從而形成供應鏈金融。其中最主要的風險包括票據、交易和抵押物的真實性以及支付的時效性。區塊鏈技術能夠保證數據的可靠性，智慧合約可以依據有關規定對結算行為進行科學的控制，對票據進行記錄和存儲，是供應鏈金融風險管控的重要手段。

最后，傳統模式下，貸后管理主要是安排客戶經理在不同的時間節點到貸款單位進行檢查，由于時間較短，很難獲取全面有效的數據信息。而人工智能技術能夠對各類數據進行整理和分析，獲取貸款單位相關數據，輔助客戶經理開展貸后檢查工作，并在出現反常問題時安排人工進行精準排查，從而有效提高貸后管理的效率和質量。

四、人工智能背景下銀行加強信貸風險防范的保障措施

（一）做好網絡信息安全防護

銀行在開展信貸業務時，對信息安全風險進行管理的主要手段是加強基礎性管理，提高銀行信息安全管理的精細化。銀行在加強信息安全基礎設施建設的過程中，要持續地對信息系統進行維護和完善，定期對系統整體安全進行測試和評估，并依據結果對信息安全建設制定出針對性的整改措施。銀行可以將內部信息安全系統與公安部網絡安全局進行連接，當系統安全遭受威脅時及時發出警示上報記錄到公安可疑日志信息中。銀行通過人工智能技術的應用能夠對網絡安全進行動態監督、實時監控和公安防護，使銀行網絡信息安全管理的整體水平得到提高。

（二）利用人工智能實現員工合規管理

互聯網背景下，銀行辦公體現出了智能化和數字化的特點，因此要依據自身實際需要建立起完善的內部管理系統。銀行工作人員在辦理信貸業務時都在內部管理系統中完成，通過人工智能視覺和生物特征識別技術對經辦人員的身份進行核實，依據崗位權力的不同設置不同的操作權限，并對內部員工的操作進行動態的跟蹤和全面的記錄，實現責權層次的合理劃分和可視化升級。同時，在內部管理系統中可以設置預警模塊，當發現工作人員存在違規操作時，系統會及時發出預警上報給上級部門，從而制定出針對性的處理預案。

（三）加強金融科技人才培養

銀行要組織信貸風險管理人員和人工智能技術人員共同組成學習和工作小組，加強彼此的溝通與交流，通過互相學習促進彼此專業水平和綜合能力的提高，共同討論和解決信貸風險管理中出現的各種突發問題。銀行要選拔一批優秀員工將其培養成金融科技領軍人才，積極探索金融科技在信用貸款業務中的應用，推動銀行信貸業務風險管理能力的提高。從長遠角度來說，銀行要積極與國內高等院校內的金融科技專業合作與交流，組織金融機構、高科技企業、高等院校針對人工智能在信貸風險管理應用中的難題進行協作攻關，建立科學完善的金融科技創新研發系統和多元化多維度的培訓體系，為人工智能在信用貸款管理中的應用奠定人才基礎。

五、結束語

人工智能應用于銀行信貸業務中是未來必然的發展趨勢，但是某些業務模式和操作流程還處于探索階段，容易引發各種信貸風險問題。所以，銀行要加強人工智能技術的應用，通過內外部數據采集、風險預警模型構建、信貸審批流程的規范、貸后管理的強化、金融科技人才的培養等措施，建立起科學完善的信貸風險管控體系，實現信貸市場的拓展，為銀行健康穩定發展提供保障。